04.09.2024 | BJÖRN BAYARD
Die Datenqualität ist in ein vieldiskutiertes Thema in zahlreichen Unternehmen. Tauchen Probleme auf wie ineffiziente Informationsflüsse, hohe Retourenraten oder unzufriedene Kunden oder Partner, ist eine mangelhafte Datenqualität als vermeintliche Wurzel allen Übels häufig schnell identifiziert.
Soll dann jedoch ein genauerer Blick auf die tatsächlichen Ursachen geworfen werden, treten die wahren Probleme auf: Die wenigsten Unternehmen haben eine klare Vorstellung davon, was Datenqualität im Einzelnen bedeutet, wie sie prozessual in der eigenen Organisation verankert ist und welche Verantwortlichkeiten sich in diesem Kontext ergeben. In diesem Blogartikel gehen wir diesem wichtigen Thema auf den Grund, beschäftigen uns mit der Komplexität des Begriffs Datenqualität und erläutern die Konsequenzen für die Technologie, die Prozesse und die Unternehmenskultur.
Welche Inhaltselemente betrifft Datenqualität?
Alleine der Begriff der Datenqualität ist bereits ein wenig irreführend, denn für viele beschränkt er sich auf die granularen strukturierten Daten, die im Rahmen der Produktkommunikation anfallen. Dazu gehören insbesondere Produktstammdaten, die beispielsweise in ERP- und PIM-Systemen vorgehalten werden. Aber auch weiterführende Produktinformationen und -beschreibungen, die in PIM-Systemen vorgehalten werden, zählen dazu.
Für die Produktkommunikation braucht es allerdings weit mehr als das: Digitale Inhalte wie Produktbilder, -videos, Dokumente wie Zertifikate, Etiketten oder Gebrauchsanweisungen, 3D-Visualisierungen, Logos und weitere Grafikelemente bilden gemeinsam mit den strukturierten Produktinformationen die Grundlage für eine transparente und vollumfängliche Produktkommunikation. Damit betrifft die Datenqualität prinzipiell den gesamten Product Content.
Welche Inhaltselemente betrifft Datenqualität?
Alleine der Begriff der Datenqualität ist bereits ein wenig irreführend, denn für viele beschränkt er sich auf die granularen strukturierten Daten, die im Rahmen der Produktkommunikation anfallen. Dazu gehören insbesondere Produktstammdaten, die beispielsweise in ERP- und PIM-Systemen vorgehalten werden. Aber auch weiterführende Produktinformationen und -beschreibungen, die in PIM-Systemen vorgehalten werden, zählen dazu.
Für die Produktkommunikation braucht es allerdings weit mehr als das: Digitale Inhalte wie Produktbilder, -videos, Dokumente wie Zertifikate, Etiketten oder Gebrauchsanweisungen, 3D-Visualisierungen, Logos und weitere Grafikelemente bilden gemeinsam mit den strukturierten Produktinformationen die Grundlage für eine transparente und vollumfängliche Produktkommunikation. Damit betrifft die Datenqualität prinzipiell den gesamten Product Content.
Generelle Qualitätsregeln
Es gibt eine Reihe von Qualitätsregeln, die allgemeingültig und global anwendbar sind. Je nach Art beziehungsweise Verwendungszweck der Daten gelten für die Auslegung der spezifischen Qualitätsanforderungen jedoch unterschiedliche Ausprägungen. Das Management-Reporting stellt beispielsweise niedrigere Anforderungen an die Vollständigkeit der Produktdaten als das Marketing. Daher ist es unabdingbar, den Begriff der Datenqualität stets in den Kontext seiner Verwendung zu setzen.
Zu den generellen Datenqualitätsregeln gehören:
• Aktualität
Die Daten sind nicht veraltet – sie werden bei Änderungen umgehend aktualisiert.
• Korrektheit
Die Informationen liegen fehlerfrei vor.
• Konsistenz
Die Daten werden eindeutig und stets auf dieselbe Art und Weise abgebildet.
• Vollständigkeit
Alle zu den Daten gehörenden Informationen und Werte werden abgebildet.
• Glaubwürdigkeit
Die Vertrauenswürdigkeit der Daten, des verarbeitenden Systems sowie der Datenquelle sind ein weiteres Qualitätsmerkmal.
• Eindeutigkeit
Wichtig ist auch, dass die Daten von jedem Anwender in der Organisation auf gleiche fachlich korrekte Weise ausgelegt werden.
• Wertschöpfung
Durch die Nutzung der Daten entstehen quantifizierbare Mehrwerte für das Unternehmen.
Generelle Qualitätsregeln
Es gibt eine Reihe von Qualitätsregeln, die allgemeingültig und global anwendbar sind. Je nach Art beziehungsweise Verwendungszweck der Daten gelten für die Auslegung der spezifischen Qualitätsanforderungen jedoch unterschiedliche Ausprägungen. Das Management-Reporting stellt beispielsweise niedrigere Anforderungen an die Vollständigkeit der Produktdaten als das Marketing. Daher ist es unabdingbar, den Begriff der Datenqualität stets in den Kontext seiner Verwendung zu setzen.
Zu den generellen Datenqualitätsregeln gehören:
• Aktualität
Die Daten sind nicht veraltet – sie werden bei Änderungen umgehend aktualisiert.
• Korrektheit
Die Informationen liegen fehlerfrei vor.
• Konsistenz
Die Daten werden eindeutig und stets auf dieselbe Art und Weise abgebildet.
• Vollständigkeit
Alle zu den Daten gehörenden Informationen und Werte werden abgebildet.
• Glaubwürdigkeit
Die Vertrauenswürdigkeit der Daten, des verarbeitenden Systems sowie der Datenquelle sind ein weiteres Qualitätsmerkmal.
• Eindeutigkeit
Wichtig ist auch, dass die Daten von jedem Anwender in der Organisation auf gleiche fachlich korrekte Weise ausgelegt werden.
• Wertschöpfung
Durch die Nutzung der Daten entstehen quantifizierbare Mehrwerte für das Unternehmen.
GS1 GDSN und Datenqualität
Sinn und Zweck des Datenaustauschnetzwerkes GS1 GDSN ist die Standardisierung und Optimierung von unternehmensübergreifenden Datenaustauschprozessen. Dafür bedient sich das Netzwerk allgemein anerkannter Qualitätsregeln, die die Anforderungen der verschiedenen Branchen abdecken. So nutzt beispielsweise das HCDP (Healthcare Content Data Portal) einen anderen Qualitätskatalog für seine Teilnehmer aus der Medizinbranche als Datenpools für den Lebensmitteleinzelhandel, wo beispielsweise die korrekte Darstellung der Lebensmitteletiketten darüber entscheidet, ob ein Produkt am Ende im Regal des Einzelhandels landet oder nicht.
Für Hersteller, die ihre Produktdaten über globale Datenpools mit ihren Handelspartnern teilen, bietet es sich also an, die jeweiligen Qualitätsregeln bereits bei der Anlage der Produktdaten im PIM-System zu berücksichtigen.
An dieser Stelle sei auch nochmal darauf hingewiesen, dass das GS1 GDSN und darauf aufbauende landesspezifische Qualitätssysteme (wie bspw. DQX in Deutschland) nicht die Qualität der Produktdaten erhöhen, sondern nur ein Level an Qualität feststellen oder dokumentieren, dass der Datenbereitsteller geliefert hat! Jedem Datenbereitsteller muss bewusst sein, dass er in Prozesse und Systeme investieren muss, damit er die Qualität an Product Content liefert, die seine Datenabnehmer erwarten.
Dieser Prozess ist absolut vergleichbar mit dem Prozess, um die Qualität der physischen Produkte sicher zu stellen. Auch hier muss sich der Hersteller überlegen, wie er seine Produktionsprozesse organisiert, so dass seine Produkte immer die gleiche Qualität haben, wie sie der Handel beziehungsweise der Konsument erwartet.
GS1 GDSN und Datenqualität
Sinn und Zweck des Datenaustauschnetzwerkes GS1 GDSN ist die Standardisierung und Optimierung von unternehmensübergreifenden Datenaustauschprozessen. Dafür bedient sich das Netzwerk allgemein anerkannter Qualitätsregeln, die die Anforderungen der verschiedenen Branchen abdecken. So nutzt beispielsweise das HCDP (Healthcare Content Data Portal) einen anderen Qualitätskatalog für seine Teilnehmer aus der Medizinbranche als Datenpools für den Lebensmitteleinzelhandel, wo beispielsweise die korrekte Darstellung der Lebensmitteletiketten darüber entscheidet, ob ein Produkt am Ende im Regal des Einzelhandels landet oder nicht.
Für Hersteller, die ihre Produktdaten über globale Datenpools mit ihren Handelspartnern teilen, bietet es sich also an, die jeweiligen Qualitätsregeln bereits bei der Anlage der Produktdaten im PIM-System zu berücksichtigen.
An dieser Stelle sei auch nochmal darauf hingewiesen, dass das GS1 GDSN und darauf aufbauende landesspezifische Qualitätssysteme (wie bspw. DQX in Deutschland) nicht die Qualität der Produktdaten erhöhen, sondern nur ein Level an Qualität feststellen oder dokumentieren, dass der Datenbereitsteller geliefert hat! Jedem Datenbereitsteller muss bewusst sein, dass er in Prozesse und Systeme investieren muss, damit er die Qualität an Product Content liefert, die seine Datenabnehmer erwarten.
Dieser Prozess ist absolut vergleichbar mit dem Prozess, um die Qualität der physischen Produkte sicher zu stellen. Auch hier muss sich der Hersteller überlegen, wie er seine Produktionsprozesse organisiert, so dass seine Produkte immer die gleiche Qualität haben, wie sie der Handel beziehungsweise der Konsument erwartet.
Anforderungen aus D2C- und Handelskanälen
Neben der Sicherheit von Produkten, die insbesondere in Branchen wie dem Gesundheitswesen oder auch dem Lebensmitteleinzelhandel essenziell ist, profitiert auch die Produktkommunikation von der Qualität des bereitgestellten Product Contents. Dabei stellt jeder Kommunikationskanal spezifische Anforderungen an die zu nutzenden Produktinformationen und Medieninhalte, ihre Länge, Formate, Zuschnitte oder Dateigrößen. Auch die jeweilige Customer Journey ist sehr spezifisch und sollte bei der kanalspezifischen Aufbereitung des Product Contents berücksichtigt werden.
Zu den wichtigsten D2C- (Direct-to-Customer-)Kanälen gehören beispielsweise der eigene Online-Shop, die eigene App, Webseite oder auch Social Media-Kanäle. Drittanbieterkanäle wie Onlinemarktplätze oder die Online-Shops und Social Commerce Channels von Retailern müssen jedoch ebenfalls mit entsprechend optimiertem Product Content beliefert werden.
Anforderungen aus D2C- und Handelskanälen
Neben der Sicherheit von Produkten, die insbesondere in Branchen wie dem Gesundheitswesen oder auch dem Lebensmitteleinzelhandel essenziell ist, profitiert auch die Produktkommunikation von der Qualität des bereitgestellten Product Contents. Dabei stellt jeder Kommunikationskanal spezifische Anforderungen an die zu nutzenden Produktinformationen und Medieninhalte, ihre Länge, Formate, Zuschnitte oder Dateigrößen. Auch die jeweilige Customer Journey ist sehr spezifisch und sollte bei der kanalspezifischen Aufbereitung des Product Contents berücksichtigt werden.
Zu den wichtigsten D2C- (Direct-to-Customer-)Kanälen gehören beispielsweise der eigene Online-Shop, die eigene App, Webseite oder auch Social Media-Kanäle. Drittanbieterkanäle wie Onlinemarktplätze oder die Online-Shops und Social Commerce Channels von Retailern müssen jedoch ebenfalls mit entsprechend optimiertem Product Content beliefert werden.
Datenqualität – unbeherrschbares Regelkonstrukt?
All das führt also dazu, dass die Datenqualität zu einem immer schwerer zu fassenden Konstrukt wird, wenn die Unternehmen nicht mit einer umfassenden Strategie und Konzeption reagieren. Gerade für größere Hersteller mit einer breiten Produktpalette, die eine Vielzahl von Handelspartner beliefern und dabei auch eigene D2C-Kanäle nutzen, gehört das Thema Datenqualität konstant auf die Agenda. Mithilfe einer umfassenden Data Governance lassen sich sämtliche Regeln – ob von globalen Datenpools, vom Gesetzgeber oder von den Handelspartnern – sauber dokumentieren und zentral bereitstellen. Damit ist es aber längst noch nicht getan: Es ist notwendig, die Data Governance in jeden
Datenprozess zu implementieren und damit die Sensibilität der Mitarbeiter zu schärfen. Automatisierte Validierungsprozesse durch das PIM-System helfen dabei, die Qualitätsregeln einzuhalten.
Das alles hat auch wichtige Implikationen für die Unternehmenskultur, da das Thema Daten nicht länger isoliert von einer dedizierten Abteilung abgefangen werden kann, sondern als grundlegendes Asset in alle Unternehmensbereiche eingeführt und verstanden werden muss. Damit gehört die Etablierung einer Data Literacy, also das gemeinsame Verständnis für Daten und ihre Bedeutung für die eigenen Arbeitsabläufe zu den wichtigsten Aufgaben dieser Unternehmen.
Datenqualität – unbeherrschbares Regelkonstrukt?
All das führt also dazu, dass die Datenqualität zu einem immer schwerer zu fassenden Konstrukt wird, wenn die Unternehmen nicht mit einer umfassenden Strategie und Konzeption reagieren. Gerade für größere Hersteller mit einer breiten Produktpalette, die eine Vielzahl von Handelspartner beliefern und dabei auch eigene D2C-Kanäle nutzen, gehört das Thema Datenqualität konstant auf die Agenda.
Mithilfe einer umfassenden Data Governance lassen sich sämtliche Regeln – ob von globalen Datenpools, vom Gesetzgeber oder von den Handelspartnern – sauber dokumentieren und zentral bereitstellen. Damit ist es aber längst noch nicht getan:
Es ist notwendig, die Data Governance in jeden Datenprozess zu implementieren und damit die Sensibilität der Mitarbeiter zu schärfen. Automatisierte Validierungsprozesse durch das PIM-System helfen dabei, die Qualitätsregeln einzuhalten.
Das alles hat auch wichtige Implikationen für die Unternehmenskultur, da das Thema Daten nicht länger isoliert von einer dedizierten Abteilung abgefangen werden kann, sondern als grundlegendes Asset in alle Unternehmensbereiche eingeführt und verstanden werden muss. Damit gehört die Etablierung einer Data Literacy, also das gemeinsame Verständnis für Daten und ihre Bedeutung für die eigenen Arbeitsabläufe zu den wichtigsten Aufgaben dieser Unternehmen.
Möchten Sie mehr über Datenqualität erfahren?
Herzliche Grüße – Ihr Björn Bayard