“Es zeigt sich, dass Unternehmen zu allererst eine zuverlässige Datenbasis schaffen müssen, um ihre Business Intelligence voranzutreiben”, sagt Carsten Dittmar, BI-Experte bei Steria Mummert Consulting. Dies erfolge im Idealfall auf verschiedenen Ebenen. Technische Hilfsmittel seien dabei aber nur der erste Schritt. Es bedürfe vielmehr einer BI-spezifischen Data Governance, welche Verantwortlichkeiten wie zum Beispiel gemäß einer Data-Ownership-Konzeption oder Prozesse beispielsweise für das Stammdaten-, Datenqualitäts- und Metadatenmanagement verbindlich festlegt.
Europas Unternehmen haben die Probleme der Studie zufolge zwar durchaus erkannt, kämpfen aber mit der Lösung. So gibt ein Drittel der Befragten an, dass Mängel im Bereich Datenqualität eher zufällig identifiziert werden. Dabei können diese ernsthafte wirtschaftliche Schäden verursachen. Ein prominentes Beispiel sind mehrfach abgelegte Kundendaten, bei denen die Schreibweise des Namens variiert.
Um solche Defizite zu vermeiden, muss den Ursachen schlechter Datenqualität auf den Grund gegangen werden. Häufig besteht ein Zusammenhang zum Fehlen standardisierter Prozesse. So zeigt die Analyse, dass 40 Prozent der Firmen, die keinen geregelten Prozess für Datenqualitätsmanagement besitzen, mangelnde Datenqualität als Herausforderung nennen. Bei den Unternehmen, die bereits verbindliche Standards für die Erfassung und Pflege der Daten haben, sind es 24 Prozent.
Der Vergleich der einzelnen Länder brachte deutliche Unterschiede ans Tageslicht. So bewerteten Teilnehmer aus der Region Deutschland, Österreich und der Schweiz (DACH) ihre Datenqualität deutlich besser als Unternehmen aus den übrigen Ländern. Im Vergleich zu ihren europäischen Nachbarn liegen sie in fast allen Bereichen eine Schulnote vor der Konkurrenz. Knapp ein Drittel der Befragten aus der DACH-Region gibt an, ein Data-Ownership-Konzept mit verbindlichen Zuständigkeiten zu besitzen und verbindlich zu nutzen. Damit führen sie in diesem Punkt das Feld an. In Unternehmen aus anderen Regionen existiert zwar auch eine Form von Data-Ownership, meist aber fehlen fachliche Prozesse und verbindliche Regelungen.
“Die Unternehmen sollten Datenqualität ganz oben auf ihre Agenda setzen und zum Beispiel gemäß definierter DQ-Metriken regelmäßig überprüfen”, rät Dr. Dittmar. “Nur dann können sie die Potentiale analytischer Informationen tatsächlich nutzen und sich einen wirtschaftlichen Vorteil verschaffen.”
Bau- und Fertigungsspezialist investiert in die S/4HANA-Migration und geht mit RISE WITH SAP in die…
Trends 2025: Rasante Entwicklungen bei Automatisierung, KI und in vielen anderen Bereichen lassen Unternehmen nicht…
DHL Supply Chain nutzt generative KI-Anwendungen für Datenbereinigung und präzisere Beantwortung von Angebotsanforderungen (RFQ).
Marke mtu will globale Serviceabläufe optimieren und strategische Ziele hinsichtlich Effizienz, Nachhaltigkeit und Wachstum unterstützen.
IT-Infrastruktur-Trends 2025: Open-Source-Projekte sowie aufwändige regulatorische und Pflichtaufgaben werden das Jahr prägen.
IT-Systeme werden vor Ort in einem hochsicheren IT-Safe betrieben, ohne auf bauliche Maßnahmen wie die…