DE  EN 
Tel: +49 (0) 711 490 448 50
Tel: +49 (0) 711 490 448 50
Kontakt
Slide background

Datenqualität nachhaltig überwachen,

pflegen und langfristig verbessern.

DQ-Issue-Management

Die Qualität Ihrer Daten ist für viele Unternehmensbereiche von grundlegender Bedeutung. Deshalb ist es wichtig, die Datenqualität kontinuierlich zu beobachten und gegebenenfalls zu verbessern. Dieses so genannte DQ-Issue-Management funktioniert reibungslos, wenn ein entsprechender Prozess fachgerecht gestaltet, eingerichtet und ausgeführt wird.

Bei TOLERANT finden Sie die entsprechenden Tools, die als Basis für derartige Prozesse dienen und die Messergebnisse sowie Korrekturvorschläge liefern. Für einige Themenbereiche ist sogar eine vollständig automatisierte Datenkorrektur mit TOLERANT-Werkzeugen möglich. Darüber hinaus verfügen unsere Experten über das nötige Know-how und die langjährige Erfahrung, um die entscheidenden Prozesse aufzubauen, einzurichten und zu begleiten.

Fehler in Kundendaten verhindern:
Die Vorteile von DQ-Issue-Management.

Die kontinuierliche Messung und Beobachtung der Datenqualität hilft Ihnen dabei, den Ist-Zustand Ihrer Daten im Blick zu behalten, fehlerhafte Daten für eine systematische Bereinigung vorzumerken und Fehlerquellen bei der Erfassung und Verarbeitung Ihrer Datensätze zu finden. Durch die langfristige Beobachtung erkennen Sie Trends und Veränderungen frühzeitig und können entsprechend reagieren. Sinkt die Qualität der Daten ab, können im Prozess die Ursachen gefunden werden. Datenfehler können Sie Schritt für Schritt nach Prioritäten sortiert bearbeiten.

Die Basis Ihres Erfolgs:
Warum lohnt sich DQ-Issue-Management?

Ob Marketingmaßnahmen, Kennzahlenauswertung oder operative Entscheidungen: der Erfolg hängt immer von der zugrunde liegenden Datenqualität ab. Deshalb ist eine nachhaltig hohe Datenqualität eine entscheidende Basis für ein Unternehmen. Um diese zu erreichen, müssen die Daten kontinuierlich gepflegt werden. So erkennen Sie auch systematische Ursachen für Fehler und Ungenauigkeiten. Je nach Ursache werden diese Fehler dann manuell oder automatisch bereinigt – auch das wird im DQ-Issue-Management organisiert und festgelegt.

Eine Definition:
Was ist DQ-Issue-Management?

DQ-Issue-Management beschreibt einen organisierten Prozess zur Messung, Bewertung und Korrektur von Datenqualitätsproblemen (DQ-Issues), bei dem automatisierte Messwerkzeuge, Prozesssteuerung und manuelle Prüfschritte miteinander kombiniert werden.

Ein Datenqualitätsproblem (DQ-Issue) ist ein Qualitätsfehler an einem Datensatz Ihrer Kunden bzw. Geschäftspartner. Typische Beispiele für Datenqualitätsprobleme sind:

> Ungültige postalische Adressen
> Fehler in der Schreibweise eines Namens
> Unvollständige Namen
> Doppelte Einträge für einen Kunden (Dubletten)
> Veraltete Adressen, für die eine Umzugsadresse bekannt ist
> Fehlende Markierung verstorbener Kunden
> Fehlerhafte Telefonnummern
> Fehlerhafte E-Mail-Adressen

Pro Kunde können dabei mehrere Fehler auftreten. Die Datenqualitätswerkzeuge messen die einzelnen Aspekte der Datenqualität. Für einige Probleme können diese Werkzeuge auch konkrete Korrekturvorschläge liefern. Auch wenn die Werkzeuge vieles leisten können, ist eine manuelle Überprüfung von automatisch erkannten Fehlern sinnvoll, denn die Werkzeuge können auch mal „falsche Fehler“ finden oder etwas übersehen. Unter dem Begriff „False-Positive“ werden Fehlermeldungen eines DQ-Werkzeugs zusammengefasst, die keine echten Fehler sind. Ein Beispiel: Eine Straße in einem Neubaugebiet ist in den Referenzdaten noch nicht enthalten. „False-Negative“ sind die Fehler in den Daten, die von den DQ-Werkzeugen nicht erkannt wurden.

Darauf müssen Sie achten:
Wie funktioniert DQ-Issue-Management?

Welche Schritte sind nötig für eine langfristig hohe und gute Datenqualität? Zuerst definieren Sie die Messgrößen für die Datenqualität. Dazu gehören die Adressqualität, die Namensqualität, Dubletten, Umzüge, Verstorbene, Fehler in Telefonnummern und E-Mail-Adressen und mehr. Dann erstellen Sie einen Fehlerkatalog und legen die Priorität der einzelnen Fehler fest. Anschließend definieren Sie, wie die jeweiligen Fehler geprüft und korrigiert werden. Damit ist die Planung des Prozesses abgeschlossen.

Es folgt die Umsetzung: Die Datenqualität wird gemessen. Die Ergebnisse werden in einer Datenbank mit nachvollziehbarem Bezug zum einzelnen Datensatz dokumentiert. Dann werden die Ergebnisse visualisiert und bewertet. Die Fehler und Korrekturvorschläge werden Mitarbeitern zur Bearbeitung übergeben. Diese prüfen und bewerten die Fehler/Korrekturvorschläge und korrigieren sie gegebenenfalls. Die Ergebnisse der Sichtprüfung und die Korrekturen werden in White und Black Lists abgelegt, die bei wiederholten Prüfläufen verhindern, dass bereits bearbeitete Fehler nochmals markiert werden. Die White List enthält fehlerhaft erscheinende Datensätze, die aber in Ordnung sind, die Black List enthält bestätigte Verdachtsfälle, die auch wirklich Fehler sind und die möglichen Korrekturen. Die korrigierten Daten werden am Schluss wieder in die Datenquelle z.B. Ihre Kundendatenbank mit aufgenommen.

Sie haben das System, wir das Pattern für den Prozess:
TOLERANT ist Ihr erfahrener Partner für DQ-Issue-Management.

Unsere erfahrenen Experten können für Sie effiziente Prozesse für Datenqualität aufbauen, betreuen und betreiben. Unsere Software-Tools liefern dabei die Messergebnisse und Korrekturvorschläge, die als Basis für ein DQ-Issue-Management genutzt werden können. Wir begleiten und beraten Sie bei der Planung, Einrichtung und dem Aufbau Ihres DQ-Issue-Managements – passend zu Ihrem System und zu Ihren Abläufen. Wir zeigen Ihnen, wie sich unsere Software-Produkte in Ihre Systeme und Prozesse einbinden lassen, um alles langfristig und effektiv nutzen zu können. Passend für Ihre Anforderungen entwickeln wir einen Mess-Regelkreis: Ihre Daten werden gemessen, es erfolgt ein Reporting, die Fehler werden korrigiert und die Daten erneut gemessen. Dieser Prozess verbindet die Diagnose durch Messwerkzeuge mit einer organisierten Fehlerkorrektur nach Prioritäten, aufgeteilt in Arbeitspakete und Arbeitsverteilung. Ist dieser Mess-Regelkreis etabliert, entdecken Sie frühzeitig Schwachstellen, die beispielsweise in der Erfassung durch Mitarbeiterwechsel oder Systemfehler entstehen können. Bereits vorhandene Datenfehler werden systematisch abgebaut und Sie behalten einen guten Überblick über die Qualität Ihrer Daten.

 

Sind Sie interessiert?

Wir erklären Ihnen gerne die Details und freuen uns auf Ihre Rückmeldung.Termin vereinbaren