Daten spielen für den Erfolg von Marketing- und Vertriebsprozessen sowie für die Lieferanten- und Kundenbindung eine massgebliche Rolle. Unternehmen müssen sich Gedanken darüber machen, aus welchen Kombinationen von Daten sie den grösstmöglichen Wert schöpfen können. Vernetzte Informationen zu Produkten, Kunden, Standorten, Lieferanten und anderen Geschäftspartnern können spannende Einblicke liefern und Hinweise darauf geben, wie Prozesse optimiert und gewinnbringende Kommunikationsmassnahmen verstärkt werden können. Damit sie aber zu solchen Erkenntnissen führen können, müssen sie in der richtigen Qualität vorliegen – und das zu bewerkstelligen, ist eine grosse Herausforderung für die meisten Unternehmen.
Datenqualität ist ein wichtiges und vieldiskutiertes Thema – aber was versteht man überhaupt unter diesem eher schwammigen Begriff? Tatsächlich ist dieser Begriff nicht umsonst so vage gehalten. Was eine ausreichende Qualität ist, hängt nämlich in erster Linie davon ab, wofür die jeweiligen Daten benötigt werden, wer sie braucht und was sie bezwecken sollen. Ein Beispiel: Die in einem Produktinformationssystem gehaltenen Produktdaten werden zum einen von Mitarbeitern aus dem Kundenservice benötigt, um Fragen rund um die Produkte, ihre Nutzung oder auch Inhaltsstoffe beantworten zu können. Daher kennzeichnet in diesem Use Case eine gute Datenqualität die Vollständigkeit und Verfügbarkeit der detaillierten Produktdaten. Marketingmitarbeiter wiederum benötigen darüber hinaus mediale Inhalte wie Bilder, Videos oder Dokumente und auch beschreibende redaktionelle Inhalte, auf deren Grundlage sie effektive Botschaften kreieren können.
Die Datenqualität variiert auch zwischen den unterschiedlichen abnehmenden Systemen. So haben die verschiedenen Händler, die ein Hersteller mit seinen Produkten beliefert, häufig unterschiedliche Anforderungen an die Produktinformationen, Webseiten haben andere Regeln zur Ausspielung von Produkt Content als Onlinemarktplätze und das Management benötigt ein anderes Reporting als der Produktmanager. Darüber hinaus gibt es zahlreiche regulatorischen Vorschriften, die Unternehmen etwa aus der Lebensmittel- oder Medizintechnikbranche berücksichtigen müssen. So müssen Lieferketten heute transparent nachvollziehbar sein und auch Inhaltsstoffe müssen klar deklariert werden. Daher ist es wichtig, jeden relevanten Use Case, in dem Daten benötigt werden, genau aufzuzeichnen und sich zu überlegen, in welcher Form die jeweiligen Daten im optimalen Fall vorliegen müssen.
Die Folgen einer schlechten Datenqualität sind daher ebenso vielseitig wie die Qualitätsmerkmale selbst. So können inkonsistente Produktinformationen Unsicherheiten bei den Konsumenten hervorrufen und die Reputation der Marke langfristig schädigen. Falsche oder fehlende Inhaltsstoffe können bei Allergiepatienten sogar gesundheitsgefährdend sein und Verstösse gegen regulatorische Vorschriften können kostspielige Rechtsfolgen haben. In weniger drastischen aber nichtsdestotrotz geschäftskritischen Szenarien können Unternehmen schlichtweg nicht dazu in der Lage sein, relevante Produktdaten mit anderen Unternehmensbereichen oder internationalen Standorten zu teilen und damit Schwierigkeiten beim Vertrieb und bei der Vermarktung der Produkte haben.
Die wünschenswerte Form der Daten bestimmt sich je nach Use Case nach mehreren Aspekten. Darunter fallen Faktoren wie Vollständigkeit, Aktualität, Konsistenz, Validität, Einzigartigkeit, Compliance oder Verfügbarkeit. So richtet sich die Datenqualität zum einen danach, dass der Informationsgehalt der übertragenen Daten ausreicht, damit nachgelagerte Prozesse wie gewünscht durchlaufen werden können. Die Aktualität der Daten spielt eigentlich immer eine grosse Rolle – sei es bei der Produktkommunikation oder im Reporting an das Management. Sind die Informationen veraltet, birgt das grosse Risiken. Auch die Konsistenz der Daten muss über alle Prozesse, Kanäle und Systeme hinweg gewährleistet sein, um die Vertrauenswürdigkeit der Marke und damit auch ihre Reputation zu wahren. Die Validität und Einzigartigkeit von Daten sind grundlegende Qualitätsmerkmale, die sicherstellen, dass die Attributwerte überhaupt zulässig und die vorliegenden Daten redundanzfrei abgelegt sind. Compliance ist ein Qualitätsmerkmal, das in vielen Bereichen eine grosse Rolle spielt. So gibt es etwa in der Lebensmittel- oder Medizintechnikindustrie zahlreiche Regeln und Vorschriften, die bereits im Datenmodell hinterlegt sein müssen, um die geforderten Informationen abzubilden. Da Datentransparenz [CM1] heute ein wichtiges Thema für Unternehmen ist, spielt auch die Verfügbarkeit der Daten eine immer grössere Rolle.
Das grösste Hindernis für die Sicherung der Datenqualität sind Datensilos – nicht integrierte Datenströme und -prozesse und ein schlechter Zugriff auf die einzelnen Systeme. Master Data Management (MDM) als systemübergreifende Instanz, die Datenquellen zentral anbindet, Daten konsolidiert und sinnvoll beregelt, ist daher der richtige Weg, um die Qualität der Daten zu sichern, permanent zu kontrollieren und zu steuern.
Damit ist MDM ein wichtiges Werkzeug für Unternehmen, um ihre Produkt- und Markenkommunikation zu stärken, Vertriebsprozesse zu unterstützen, Organisationsprozesse zu optimieren und Compliance zu gewährleisten. Das gilt insbesondere, aber nicht nur, für Unternehmen mit fragmentierter Systemarchitektur, die in stark regulierten Märkten aktiv sind.