Stammdatenpflege : Data Governance: Wie sehr Firmen mit schlechter Datenqualität zu kämpfen haben

Die Ursachen für Schwierigkeiten in Unternehmen liegen häufig viel tiefer in den Geschäftsprozessen verwurzelt, als dort, wo sie meist vermutet oder entdeckt werden. Ausbleibende Einsparungen beim Lagerbestand, nicht deaktivierte Material-Stammdatensätze, Verzögerungen in der Fertigung, nicht rechtzeitig ausgelieferte Bestellungen oder gar Fehllieferungen können darauf hinweisen, dass eine einheitliche Data Governance im Unternehmen fehlt. „Die Probleme der Verwaltung und Organisation von Stammdaten sind bei allen unternehmensrelevanten Prozessen, Kunden-, Vertriebs- oder Produktdaten sowie regulatorischen Anforderungen, wo Kunden oder Kooperationspartner teilnehmen, am deutlichsten spürbar“, erklärt Christian Piffer. Der Geschäftsführer von data square, warnt, dass gerade bei der Konsolidierung, Integration oder Migration von Systemen gerne auf den Lebenszyklus von Daten vergessen wird. „Dieser Lebenszyklus muss geordnet, gestaltet und dokumentiert sein, damit diese effektiver nutzbar sind“, so Pfeiffer. Das heißt, eine vorgelagerte Steuerung, eine „Governance“ muss zwingend erfolgen. So handelt Data Governance von der Konvergenz von Datenqualität, Datenmanagement, Datenrichtlinien, Geschäftsprozessmanagement und Risikomanagement in einer Unternehmung. Trotzdem wird heute Data Governance immer noch als nicht unternehmenskritisch eingestuft. Doch das ändert sich mit der dramatisch ansteigenden Datenflut zusehends. Aktuell werden pro Tag mehr Informationen produziert als überhaupt verarbeitet werden können. Und dieser Informationstsunami hat erst begonnen.

Ein düsteres Bild zeichnet Wolfgang Nimführ, Principal Analytics & Cognitive Solutions DACH von IBM: So treffe eins von drei Unternehmen Entscheidungen aufgrund von nicht vertrauenswürdigen Daten. „60 Prozent der Unternehmen haben mehr Daten, als sie verwenden können“, so der IBM-Mann. Sowie 80 Prozent der Zeit, die für Datenanalyse vorgesehen ist, „stellt die Ermittlung, Vorbereitung und Verteidigung der Daten dar.“ Schlechte Datenqualität soll gemäß Thomas C. Redman, Präsident der Navesink Consulting Group rund 8 bis 12 Prozent des operativen Gewinns kosten. Wie viel wertvolle Zeit man mit Analysen vergeuden kann, zeigt ein Beispiel der Unternehmensberatung Lünendonk: Über 40 Prozent der für Management-Reporting aufgewendeten Zeit verbleibt ohne konkretes Ergebnis und wird für Datenbeschaffung, Plausibilisierung und Abstimmung sowie für Konsolidierung sinnlos verbraten. Dagegen sind laut den Beratern aktuelle Real-Time-Berichterstellung, Analyse und Kommentierung sowie Maßnahmennachverfolgung viel wichtiger.

Data Governance ist jedoch mehr als ein Posten im Katalog eines Corporate Compliance-Berichts, der routinemäßig abgearbeitet wird. Daher raten die Analysten von Forrester den Unternehmen, Regeln für eine firmenweit geltende Data Governance zu definieren und diese in Policies festzulegen. „Data Governance ist ein Maßanzug und kein Produkt von der Stange“, mahnt Piffer. „Daher müssen die jeweiligen Regeln gewissenhaft für jedes Unternehmen gesondert erarbeitet werden. Diese klären dann das Zusammenspiel zwischen den Geschäftsprozessen, der System- und IT-Landschaft, den definierten (neuen) Rollen und (neuen) Strukturen.“ Dazu gehört die Bestimmung von Personalien, die für die jeweiligen Daten und die Einhaltung von Qualitätsstandards verantwortlich sind. Das heißt, die Menschen im Unternehmen müssen vom einfachen Sachbearbeiter über Data Stewards bis hin zum Topmanagement Rollen zugewiesen bekommen, wie sie mit Daten umzugehen haben. Des Weiteren sind Standards für die Datenerfassung zu bestimmen, sprich: Definition von Mindestanforderungen. Da sich Daten ständig ändern können, ist zum Beispiel die Rückverfolgbarkeit von Daten ein wichtiges Kriterium. „Die Fähigkeit, die Abstammung und Veränderung von Informationen zu verstehen, bedingt nicht nur die Verbesserung der allgemeinen Datenqualität, sondern ist entscheidend für die Fähigkeit eines Unternehmens, Themen wie Produktsicherheit oder die Sicherheit sensibler Informationen zu gewährleisten“, betont Christophe Marcant, Strategie und Kommunikation bei der Stibo Systems GmbH. Andererseits sollten die bestehenden Sicherheitsregeln durch Regeln der Data Governance nicht verletzt werden.

"Eins von drei Unternehmen trifft Entscheidungen aufgrund von nicht vertrauenswürdigen Daten."

Erfahrungsgemäß erhalten Initiativen für Date Governance oft nicht die notwendige Unterstützung seitens des Managements. „Um eventuelle Hürden zu vermeiden, ist es hilfreich Data Governance Initiativen mit geplanten Data Management Projekten zu verbinden“, unterstreicht Christiana Klingenberg, Solution & Product Management bei der Uniserv GmbH. „Das sind beispielsweise Projekte zur Datenmigration oder auch Projekte zur Einführung eines Master Data Management Systems (MDM).“ Mit Hürden sind vielfach in diesem Zusammenhang auch knappe personelle, zeitliche und finanzielle Ressourcen gemeint. Da die Mitarbeiter fest im Tagesgeschäft eingebunden sind, bedeutet Data Governance ein bis dato nicht eingeplanter Mehraufwand. Das kann bedeuten, dass die Initiative schnell im Sand verläuft oder kein erkennbarer Mehrwert entsteht. „Die besten Chancen für einen guten Start der Umsetzung sind gegeben, wenn frühzeitig das ganze Unternehmen, also alle Mitarbeiter involviert und die Mehrwerte für das Unternehmen und damit für den einzelnen Mitarbeiter herausgestellt werden“, so Klingenberg.

"Über 40 Prozent der für Management-Reporting aufgewendeten Zeit verbleibt ohne konkretes Ergebnis."

Jede zielführende Data Governance-Initiative treibt immer auch einen nicht zu unterschätzenden Change-Prozess an. Denn an einer implementierten Data Governance müssen sich die Mitarbeiter meist neu orientieren und das eigene Handeln daran ausrichten. Dies erfordert für das Unternehmen Geduld, Überzeugungskraft und bisweilen einen etwas längeren Atem. „Data Governance ist kein Projekt, keine Einzelmaßnahme und kein reines IT-Thema“, erklärt Monika Pürsing, Chief Executive Officer der zetVisions AG. „Die funktionsübergreifende Zusammenarbeit ist erfolgskritisch, um Silos aufzubrechen und Gemeinsamkeiten oder gar Konflikte im Gebrauch mit Daten aufzuzeigen.“ Zu den messbaren Erfolgskriterien zählt Pürsing in erster Linie die deutlich erhöhte Qualität der Dateninhalte und Datenformate sowie eine verbesserte Transparenz durch optimierte Prozesse - bspw. in der Synchronisation von Daten oder der Aggregation von Informationen. „Das alles zusammen lässt unternehmerische Potenziale entstehen, erleichtert die Entscheidungsfindung, verbessert die Kundenzufriedenheit und operative Effizienz und reduziert zudem Kosten und Risiken.