Datenintegration sorgt für Datenqualität

Durchgängige Datenermittlung und die Datenverarbeitung legt den Grundstein für faktenbezogene Entscheidungen. Damit sich Informationen leichter einprägen und einfacher interpretiert und verstanden werden können, ist die richtige Visualisierung für die jeweilige Entscheidergruppe – vom CEO bis zum Fachanwender – basierend auf den richtigen Daten ausschlaggebend.

Viele klassische Business-Intelligence-Lösungen (BI) haben sich bislang auf die Unterstützung der Führungsebene in Unternehmen konzentriert. Diese Lösungen verfügen meist über einen relativ eingeschränkten Einsatzbereich, sind schwer skalierbar und können betriebliche Anforderungen an Echtzeitinformationen oft nicht erfüllen. Eine Ausweitung dieser Analysetools auf einen Anwenderbereich, der bis in Fachabteilungen oder in den Kundenstamm hineinreicht, birgt ein zu großes Risiko. Sie sind meist zu kompliziert und dadurch fehleranfällig.

Nutzergruppen und ihre Anforderungen

Nicht alle Anwendergruppen müssen die Daten im Detail nachvollziehen können, wie zum Beispiel Analysten oder Unternehmensstrategen. Ein Pilot oder Chirurg, ein Einkäufer oder Sales-Mitarbeiter ist darauf angewiesen, mit einem Blick auf die benötigten Daten die aktuelle Situation erfassen zu können. Nutzer aller Art und aller Unternehmensebenen müssen in der Lage sein, Daten so untersuchen und analysieren zu können, wie es Ihre jeweilige Position verlangt:

• Entwickler brauchen nutzerfreundliche Tools, um schnell Anwender-Dashboards und -Berichte bereitstellen zu können.
• Manch nicht-technischer Fachanwender findet die ideale Dateninformation durch eine Info-App, die darauf optimiert ist, für seine Zwecke Daten zu erfassen, zu untersuchen und zu analysieren.
• Analysten verlassen sich auf leistungsfähige und nutzerfreundliche Visualisierungstools, die auch tief in die Datenquellen Einblicke verschaffen und ein Hinterfragen und Variieren der Daten ermöglichen.
• Kunden und Partner hingegen haben oft Interesse an Möglichkeiten, personen- und -fachbezogene Daten zu vergleichen oder Momentaufnahmen eines Prozessstatus zu erfassen.

Zudem muss sichergestellt sein, dass die Leistung des gewählten BI-Tools auch bei steigenden Nutzerzahlen und Datenmengen nicht abnimmt. BI ist demnach sowohl auf der strategischen, der analytischen und der operativen Ebene ein Thema. Die strategische Analyse steuert die analytische BI, die die Basis für die operative BI legt. Besonders wichtig bei dieser dritten Ebene ist die Integration von Echtzeitdaten. Diese setzt eine effiziente und leistungsfähige Integrationstechnologie voraus, die sich nicht aus statisch vorgehaltenen Daten einer externen Datenquelle bedient, was bei den klassischen Datenermittlungslösungen oftmals der Fall ist.

Ohne Datenintegrität geht es nicht

Schlechte Datenqualität, egal auf welcher Entscheiderebene, führt zu Verzerrungen bei der Datendarstellung, und somit zu fehlerhaften Entscheidungsgrundlagen. Sie ist letztlich ein Kostenfaktor. Das beginnt bei der Datenintegration, geht über einen erhöhten Prozessaufwand und kann bis hin zu direkten finanziellen Auswirkungen als Folge fehlerhafter Rechnungen oder überhöhter Preise im Einkauf reichen.

Ideal sind BI-Lösungen, bei denen Fachabteilungen und IT eng zusammenarbeiten. Damit lässt sich das Risiko, mit „trügerischen Dashboards“ arbeiten zu müssen minimieren. Die vier wichtigsten Bausteine für eine bessere Datenqualität sind: eine Analyse der Informationszugriffe, Metriken zur Bewertung der Datenqualität, Stammdatenmanagement und Data Governance.

Bei der Analyse der Informationszugriffe wird untersucht, wo im Unternehmen Anwender und Applikationen Daten erzeugen, importieren, exportieren, aktualisieren oder löschen, was optimaler Weise in den Fachabteilungen geschieht. So wird zu einem möglichst frühen Zeitpunkt geprüft, ob die Daten korrekt, konsistent, eindeutig und zuverlässig sind. Ist dies gewährleistet, finden sie Eingang in den internen Informationspool.

Metriken zur Bewertung der Datenqualität erhält man durch ein grundsätzliches Durchleuchten der Unternehmensdaten zum Beispiel durch Data-Profiling-Tools. Ziel ist es, Auswertungen zum Einsatz von Unternehmensdaten zu erstellen. Mit Hilfe von Geschäftsregeln hilft das Profiling, die Aktualität oder die Vollständigkeit und damit den Status der Daten einzuschätzen, Fehler zu ermitteln, zu priorisieren, zu korrigieren und die Ursachen von Qualitätsproblemen schnell zu beheben.

Das Stammdatenmanagement soll Licht ins Datendunkel zum Beispiel einer Kundendatenbank bringen. Tools für das Stammdatenmanagement sollten zwingend über Funktionen für die Validierung und das Identitätsmanagement, die Integration sowie die Konsolidierung der Daten verfügen. Für spezielle Aufgaben bieten sich Tools an, die branchenspezifische Datenmodelle berücksichtigen, etwa für das Gesundheitswesen, den Handel oder das produzierende Gewerbe.

Die übergeordneten Anforderungen für Datenqualität und Stammdaten-Management ergeben sich aus der Data Governance. Hier legen Unternehmen fest, wie mit Rohdaten und aufbereiteten Informationen zu verfahren ist, für welche Daten welche Sicherheitsanforderungen und Compliance-Auflagen berücksichtigt werden müssen und welche Gruppen von Mitarbeitern auf welche Daten zugreifen können. Das führt neben einem adäquaten Datenmanagement auch zum Schutz sensibler Informationen.

Bei allen diesen Anforderungen kommen Datenermittlungstools, wie sie in der Vergangenheit implementiert wurden, schnell an ihre Grenzen. Die Antwort sind flexible BI-Plattformen, die sowohl existierende Datenermittlungstools integrieren können als auch Antworten auf die zunehmender Anforderungen seitens neuer Nutzergruppen und steigender Datenvolumina geben. Sie machen Unternehmen an dieser Stelle zukunftsfähig und stellen sicher, dass die richtigen Daten richtig aufbereitet zum richtigen Zeitpunkt dem richtigen Entscheider zur Verfügung stehen.

* Der Autor, Nathan Jagoda, ist Country Manager Germany bei Information Builders in Eschborn.

Bildquelle: Thinkstock/iStock