Datenqualität entscheidet über Wachstum und Wertzuwachs. Immer mehr Unternehmen nutzen professionelle Softwarelösungen, um datenbasierte Entscheidungen zu treffen und Prozesse zu automatisieren. Doch die Empfehlungen von KI und Co. können nur so gut sein wie die zugrundliegenden Daten. Wer vorausschauende, strategisch kluge Finanzentscheidungen treffen möchte, sollte daher seine Datenqualität prüfen und strukturiert optimieren.
Schlechte Datenqualität kostet Unternehmen Millionen
12,9 Millionen US-Dollar – so viel kostet einem Unternehmen schlechte Datenqualität im Durchschnitt jedes Jahr. Die Summe ist enorm, aber das Ergebnis der Gartner-Analyse von 2021 überrascht nicht, wenn man bedenkt, dass immer mehr strategische Entscheidungen datenbasiert getroffen werden und Data-Analytics-Anwendungen in vielen Unternehmensbereichen zum Arbeitsalltag gehören. Besonders in der Finanzabteilung sind Corporate-Performance-Management-Lösungen für Finance enorm wichtig geworden.
Sollen wir in diesen neuen Markt expandieren? Wie viel Budget steht für Marketing-Aktivitäten zur Verfügung? Welche Gehälter sind tragfähig? Fehlerhafte Daten sind genauso fatal wie schlechte menschliche Berater. Bisher legen Unternehmen aber noch zu wenig Wert auf ihre Datenqualität oder wissen nicht, wie sie die enormen Datenbestände rückwirkend optimieren.
Was sind die Folgen schlechter Datenqualität?
Die Auswirkungen schlechter Datenqualität sind zu gravierend, als dass Unternehmen das Thema vernachlässigen können.
Fehlentscheidungen
Es stimmt: Auf Datenbasis lassen sich komplexe Entscheidungen wesentlich schneller treffen. Wenn die Daten aber nicht korrekt sind, können Datenanalysen dazu führen, dass Unternehmen lukrative Geschäftschancen ausschlagen, strategisch ungünstige Wege einschlagen und – unbemerkt – hohe wirtschaftliche Risiken eingehen.
Compliance-Risiken
Insbesondere fehlerhafte oder unvollständige Finanzdaten können, wenn sie bei einer Betriebsprüfung erkannt werden, rechtliche Konsequenzen nach sich ziehen und Strafzahlungen auslösen. Vom Reputationsverlust bei Bekanntwerden ganz zu schweigen.
Ineffiziente Prozesse
Wenn Mitarbeitende fehlende Daten recherchieren oder redundante, abweichende Daten verifizieren müssen, verlieren sie wertvolle Arbeitszeit. Damit Prozesse automatisiert und beschleunigt werden können, müssen sich Unternehmen auf eine korrekte Datenbasis verlassen können.
Die Quintessenz ist: Schlechte Datenqualität kostet Geld und Zukunftsstärke.
Was zeichnet gute Datenqualität aus?
Die Ursachen für schlechte Datenqualität sind multifaktoriell. Damit Unternehmensdaten das Potenzial ihrer Daten als Wachstumstreiber ausschöpfen, müssen sie auf eine konsequent hohe Datenqualität achten. Dabei entscheidet der Einsatzzweck der Daten, welche Qualitätskriterien wie gewichtet werden.
Gartner unterscheidet 9 Qualitätskriterien:
- Korrektheit
- Aktualität
- Zugänglichkeit
- Relevanz
- Vollständigkeit
- Konsistenz
- Verständlichkeit
- Verlässlichkeit
- Einmaligkeit
Wie können Unternehmen ihre Datenqualität verbessern?
Ob börsennotierter Konzern oder mittelständischer Betrieb, fest steht das Folgende: Wer die Qualität seines Datenbestands nachhaltig verbessern möchte, muss sich auf einen sukzessiven Wandel einlassen. Es braucht eine übergeordnete Datenstrategie, starke IT-Lösungen und vor allem Strukturen, Prozesse und die Motivation, Daten neu zu denken.
Als Leitfaden für die Transformation hin zu einer besseren Datenqualität können Sie die folgenden 7 Schritte nehmen:
1. Ziele definieren
In welchen Unternehmensbereichen möchten Sie die Datenqualität verbessern? Welche unternehmerischen Vorteile versprechen Sie sich? Analysieren Sie den Status quo, um den Handlungsbedarf zu identifizieren und Prioritäten zu setzen. Legen Sie Metriken fest, um den Fortschritt Ihrer Datenqualitätsinitiative messen zu können.
2. Verantwortlichkeiten benennen
Wenn Verantwortlichkeiten nicht ausreichend definiert sind, werden Daten einmal eingetragen und dann nicht wieder überprüft. Ein strukturiertes Datenqualitätsmanagement ist jedoch essenziell. Wer ist in den einzelnen Teams und Abteilungen für das Datenmanagement verantwortlich? Wer kommuniziert aktuelle Standards und stellt sicher, dass sie eingehalten werden? Wer konsolidiert Feedback und Wünsche an die IT? Wer treibt die Datenstrategie unternehmensweit voran?
3. Datenbestände bereinigen
Vor allem, wenn Sie bisher mit verschiedenen Insellösungen arbeiten, lohnt es sich, die vorhandenen Daten zu prüfen und zu bereinigen. Wenn Sie Redundanzen auflösen und veraltete Daten löschen, wenn Sie neue Systeme einführen und Ihre Datenhaltung zentralisieren, dann senken Sie nicht nur Ihren Speicherbedarf. Sie minimieren auch das Risiko von Übertragungsfehlern.
4. IT-Infrastruktur optimieren
Unterschiedliche ERP-, Buchhaltungs- oder HR-Systeme, die in dem Mutterkonzern, aber auch den Tochtergesellschaften in den unterschiedlichsten Fachabteilungen Einsatz finden– je mehr Schnittstellen und Speicherorte, desto höher das Risiko von Dateninkonsistenzen. Werden Datenbestände nicht synchronisiert, arbeiten Abteilungen auf unterschiedlichen Wissensständen. Fehlerhafte Synchronisierungen erzeugen Dubletten und stiften Verwirrung bei Mitarbeitenden. Überprüfen Sie daher Datenschnittstellen regelmäßig auf ihre Funktion und Aktualität und schaffen Sie im besten Fall eine Single-Source-of-Truth für Ihre Daten. Dies ist besonders für die Finanzfunktion, also im Rechnungswesen, wichtig. Der CFO benötigt diese zur erfolgreichen Unternehmenssteuerung und zudem sind auch sämtliche gesetzlich geforderten Reporting-Anforderungen zuverlässig zu erfüllen.
5. Standards und Prozesse etablieren
Führen Sie verbindliche Qualitätsstandards für Daten in allen Unternehmensbereichen ein und definieren Sie Workflows, die die Datenqualität dauerhaft gewährleisten. Das beginnt bei der Klärung von Bezeichnungsstandards, geht über die Implementierung von Prüfprozessen und führt bis hin zu Automatisierungen für Archivierung und Datenlöschung.
6. Schulungen anbieten
Wenn Daten schlecht gepflegt werden, ist das selten böswillige Absicht. Teils fehlt Mitarbeitenden einfach das Know-how, wie sie richtig mit der jeweiligen Software umgehen, um vorhandene Datensätze zu durchsuchen, zu ergänzen und neue Daten richtig anzulegen. Mit differenzierten Trainingsangeboten lässt sich die Datenkompetenz von Mitarbeitenden erhöhen und fehlendes Wissen gezielt aufbauen.
7. Positive Datenkultur leben
Daten sind der vielleicht wichtigste Rohstoff im 21. Jahrhundert. Wenn Datenqualität ausschließlich als Thema der IT-Abteilung betrachtet wird, werden es Unternehmen schwer haben, das Potenzial ihrer Daten auszuschöpfen. Der Umgang mit Daten muss in allen Bereichen zur Selbstverständlichkeit werden. Es müssen eine positive Datenkultur gefördert und der Wert von (hochwertigen) Daten für den Arbeitsalltag der Mitarbeitenden kommuniziert sowie der effektive Umgang mit Daten vom Management vorgelebt werden. Nur dann kann es gelingen, eine Datenkultur zu etablieren, in der Daten verlässliche Berater sind.
