SlideShare ist ein Scribd-Unternehmen logo
Kostenaspekte
mangelnder Datenqualität




Diplom-Volkswirt Jan Hüfner
TIQ Solutions GmbH
Oktober 2004


TIQ Solutions GmbH            Telefon:   +49 (0) 341/35 59 03 00
Industriestraße 85-95             Fax:   +49 (0) 341/35 59 03 25
D-04229 Leipzig                  Web:       www.tiq-solutions.de
                               E-Mail:      info@tiq-solutions.de
Inhalt
1. Einführung.............................................................................................................................. 3
2. Externe Kommunikationskosten ............................................................................................ 4
3. Interne Verwaltungskosten..................................................................................................... 5
4. IT-Kosten ............................................................................................................................... 6
5. (Fehl-) Entscheidungskosten .................................................................................................. 7
6. Produktionskosten .................................................................................................................. 7
7. Kreditkosten ........................................................................................................................... 7
8. Umsatzeinbußen ..................................................................................................................... 7
9. Juristische Aspekte mangelnder Datenqualität ...................................................................... 8
10. „Weiche“ Kostenfaktoren .................................................................................................... 9
11. Zusammenfassung.............................................................................................................. 10




                                                                      2
1. Einführung
Mangelnde Datenqualität beeinflusst die Kosten in allen Bereichen einer Unterneh-
mung und stellt letztlich eine erhebliche Ressourcenvergeudung sowie eine Vernach-
lässigung gegenüber Umsatz- und Gewinnpotenzialen dar. Drei voneinander unab-
hängig durchgeführte Expertenschätzungen zu den „Total Cost of poor Data Quality“
gehen ausnahmslos von signifikanten Größenordnungen aus, die zwischen 8 und
12% des Umsatzes liegen.1 Laut Data Warehouse Institute ergeben sich insgesamt
in diesem Bereich für die US-amerikanische Industrie und Verwaltung jährliche Schä-
den von 600 Mrd. Dollar. Und selbst in Deutschland haben nur noch 18 Prozent der
Unternehmen Vertrauen in ihre Daten.2

So werden die Aufwendungen für externe Kommunikation genauso negativ beein-
flusst, wie die für die interne Verwaltung, das Personal, die Produktion, die einge-
setzte Informationstechnologie, Kredite und nicht zuletzt auch für die strategische
Entscheidungsfindung. Darüber hinaus resultieren neben Umsatzeinbußen und dem
Nichterkennen von Betrugsversuchen durchaus auch Strafzahlungen aus einem un-
professionellen bzw. fehlenden Datenqualitätsmanagement. Beispiele wie das der
Firma Microsoft zeigen hingegen, dass entsprechende Investitionen in die Verbesse-
rung der Qualität des Datenbestandes schon im gleichen Jahr ein Vielfaches an Ein-
sparungen ermöglichen, so dass der Nutzen praktisch sofort auf der Hand liegt.3

Oft kann das Problem mangelnder Datenqualität von der Führungsebene aus nur
unzureichend wahrgenommen werden. Daher sind auch die Komplexität des Themas
sowie die damit verbundenen Risiken und Kosten nur schwer erkennbar. Oder: Bei
der Neueinführung von Softwaretechnologien beispielsweise konzentriert man sich
auf deren Funktionalitäten, die meist in Ordnung sind. Die Resultate aus der Nutzung
der Softwaresysteme sind jedoch mangelhaft, auch wenn man dies nicht sofort sieht.
Schlechte Datenqualität verhindert damit letztlich auch die Effizienzvorteile teurer
neuer Softwaresysteme.

Die folgenden Abschnitte sollen dazu beitragen, das Problem auch in den Führungs-
etagen bewusster zu machen, in dem verschiedene Beispiele für die negativen mo-
netären Auswirkungen qualitativ schlechter Datenbestände zusammengetragen wer-
den. Einige Aspekte sind mit Rechenbeispielen unterlegt, um die Kosten quantifizier-
bar zu machen und damit den Sinn professionellen Datenqualitätsmanagements
noch deutlicher zu unterstreichen.




1
  de Fries/Seidl/Windheuser: Datenqualität: Ein unterschätzter Erfolgsfaktor, ExperPraxis 2001/02, S.
92
2
  ohne Verfasserangabe, Vorwort zur „First German Information Quality Management Conference“,
Frankfurt/Main, Oktober 2003
3
  Die Firma Microsoft stellte fest, dass die eingehenden Sales-Daten nicht schlüssig sind und damit
die Reports falsche Werte ausgaben. Entsprechende manuelle Berichtigungen führten zu extrem ho-
hen Zusatzkosten. Die Einführung eines professionellen Datenqualitätsmanagements führte zu einem
zehnfachen RoI schon im ersten Jahr. Garbage In Garbage Out, IT-Management, 6-2002

                                                  3
2. Externe Kommunikationskosten
In unserer mobilen Gesellschaft altern im Jahr etwa 15 Prozent der Kundendaten
(6,5 Mio. Personen und 200.000 Unternehmen ziehen jährlich in Deutschland um).
Etwa 15-30 Prozent der Daten enthalten sonstige Fehler (Tipp- oder Schreibfehler,
Dubletten usw.). Nach fünf Jahren können die Daten völlig veraltet sein. Ungefähr
3,5-5 Prozent von Mailings und Rechnungen erreichen nicht ihr Ziel.

Oft können die richtigen Informationen durch die Mitarbeiter selber nicht mehr aus
den veralteten oder falschen Daten abgeleitet werden. In diesen Fällen muss zusätz-
lich noch in externe Dienstleistungen investiert werden. So z.B. in die teuren Anfra-
gen an das jeweils richtige Einwohnermeldeamt (EMA), welches es zunächst auch
erst einmal zu ermitteln gilt. In solchen Fällen lassen sich heutzutage Schnittstellen
zu Informationssystemen herstellen, die den aktuellen Stand zum Teil kostenlos oder
wenigstens wesentlich günstiger ermitteln können.

      Postrückläufer:

             Annahmen:
                   10 Mio. Kunden
                   eine Postsendung pro Kunde und Jahr,
                   10% Postrückläufer,
                   davon 1% ohne Neuanschrift,
                   Material- und Personalkosten pro Brief ca. 0,45 €, Porto 0,55 €,
                   EMA-Anfrage 7,50 €
             Zusätzlicher Aufwand:
                   Postrückläufer (10 %): 1 Mio x (0,55+0,45) € = 1 Mio €,
                   Adressrecherchegebühr (1%): 0,1 Mio x 7,50 € = 0,75 Mio €
             Gesamter Zusatzaufwand: 1,75 Mio € pro Jahr

      Doppelerfassungen, fehlende Haushaltsverknüpfungen, Mehrfachkon-
      taktierungen zu verschiedenen Geschäftsprozessen aufgrund fehlenden
      Gesamtüberblicks über Kunden:

             Annahmen:
                   Problem betrifft 5% der Kundenzahl,
                   Versandumfang, Material- und Personalkosten wie oben
             Zusätzlicher Aufwand: 0,5 Mio x (0,55+0,45) € = 0,5 Mio € pro Jahr

      Marketingkampagnen für einzelne Produkte:

             Annahmen:
                   Reaktionsbereitschaft auf versendetes Werbematerial liegt bei
                   1% der Kundenzahl,
                   Versandumfang, Material- und Personalkosten wie oben
                   Verlorener Aufwand: 9,9 Mio x (0,55+0,45) € = 9,9 Mio €
             Verbesserung der Reaktionsbereitschaft um 5%:
             0,5 Mio x (0,55+0,45) € = 0,5 Mio € Reduzierung verlorenen Auf-
             wandes pro Jahr. Bei 10%-iger Verbesserung bedeutet dies entspre-
             chend eine Einsparung von 1 Mio €!

                                          4
Zuzüglich der weitaus wichtigeren möglichen zusätzlichen Umsatzeffek-
          te durch die effizientere Marketingkampagne

    Quantifizierbare Gesamteinsparungsmöglichkeiten im Bereich der exter-
    nen Kommunikation anhand der o.g. Beispiele: 2,75 Mio € pro Jahr. Dieser
    Betrag erweitert sich entsprechend mit dem Umfang derartiger Aktivitäten je
    Kunde.


3. Interne Verwaltungskosten
    Beschaffung richtiger Daten, Abstimmung und händische Aktualisierung

          Personalaufwand für Datenrecherche und Fehlerbereinigung z.B. von
          Stammdaten
          Annahmen:
                Siehe obiges Beispiel Postrückläufer im Punkt externe Kommu-
                nikationskosten
                Personalaufwand je notwendiger Recherche beim Einwohner-
                meldeamt entspricht 3,50 € (für Rückläufer ohne neue Adress-
                angabe, 1%)
                Personalaufwand für die händische Datenpflege sowie die Ab-
                stimmung zwischen Datenerfassern und Datennutzern entspricht
                1,50 € (für alle Rückläufer, 10 %)
          Zusatzaufwand: 0,1 Mio x 3,50 € + 0,1 Mio x 1,50 € = 0,5 Mio €

    Fehlender Gesamtüberblick über einen Kunden erfordert zusätzlichen
    Aufwand bei der Zusammenstellung notwendiger Kundeninformationen

    Ineffiziente manuelle Bereinigung fehlerhafter oder veralteter Daten

    Auch die Beseitigung von Fehlern durch aufwendige händische Bereinigung
    oder nicht wieder verwendbare Programmroutinen erfordert erhebliche zusätz-
    liche Ressourcen. Um z.B. aus ineffizienten Datenkonstrukten überhaupt
    Schlussfolgerungen ziehen zu können, ist ein hoher (manueller) Aufwand bei
    den Analysen zu betreiben.

    Zunehmender Fusions- bzw. Kooperationsdruck

    Bei der Zusammenführung bzw. Abstimmung diverser Organisationsstrukturen
    ist es erforderlich, auch unterschiedliche IT-Strukturen und Datenquellen mit
    verschiedenen Schemata zu integrieren. In diesem Zusammenhang ist gerade
    im Bereich des Datenqualitätsmanagements eine wichtige Voraussetzung da-
    für zu schaffen, dass in der Zukunft ein reibungsloses Zusammenspiel der In-
    formationen unternehmens- bzw. netzwerkweit gelingen kann. Eine Vernach-
    lässigung derartiger Aktivitäten bedingt einen erheblichen Kostenfaktor der
    künftigen Verwaltungsprozesse.




                                      5
Kontensperrung im Todesfalle

                 An diesem konkreten Beispiel wird die Sinnhaftigkeit der Automatisie-
                 rung von Datenqualitätsmaßnahmen besonders offensichtlich: Drei Mit-
                 arbeiter einer Regionalbank mit ca. 500.000 Kunden sammeln täglich
                 halbtags Todesanzeigen in diversen Regionalzeitungen, um gegebe-
                 nenfalls bei ihnen vorhandene Konten der Verstorbenen zu schließen.
                 Der Aufwand der manuellen Bewältigung ist nicht unerheblich: 1,5 Mit-
                 arbeiter-Tage (150 €), -Monate (3.000 €), -Jahre (36.000 €). Der Auf-
                 wand zur Automatisierung des Vorgehens hätte sich in weit weniger als
                 einem Jahr amortisiert.
                 Eine Hochrechnung dieser Kosten auf den gesamten von der Finanz-IT
                 betreuten Sparkassenbereich ergibt einen speziellen Aufwand von
                 0,72 Mio € pro Jahr, der eingespart werden könnte.

4. IT-Kosten
          Datenmigration bei der Einführung neuer Softwaresysteme zur Ge-
          schäftsprozessunterstützung

                 Möglichkeit der Reduzierung des Datenmigrationsaufwandes durch
                 Zwischenschaltung eines ganzheitlichen Datenqualitätsmanagements
                 (DQM) zur Abstimmung der verschiedenen zu integrierenden Daten-
                 quellen sowie des Dateninhalts selbst.
                 Durch Einsparung der notwendigen zusätzlichen Testmigrationen wird
                 der Aufwand um etwa ein Drittel reduziert. Zudem wird das Risiko des
                 Scheiterns des Einführungsprojektes selbst erheblich gesenkt. In die-
                 sem worst-case-Fall können die Projektkosten selbst oder zumindest
                 der Aufwand zur Fehlerbehebung als Zusatzaufwand angesetzt wer-
                 den. Hinzu kommen die dadurch entgangenen Umsatzmöglichkeiten.
                 Eine adäquate Kosten-Nutzen-Quantifizierung eines ganzheitlichen
                 DQM ist erst anhand der konkreten Aufgabenstellung möglich.

          Programmiertechnische Wiederaufbereitung mangelnder Datenqualität

                 Experten gehen davon aus, dass monatlich etwa 2% der exakten Daten
                 durch Prozessfehler beschädigt werden (2% von 1 Mio. Daten = 20.000
                 Daten). Selbst kleine Fehler rufen mit der Zeit und im Schneeballeffekt
                 Ineffizienz hervor und legen damit die Grundlage für kommende größe-
                 re Qualitätsprobleme.4 Durch die Einbindung von Indikatoren zur Be-
                 stimmung der Datenqualität (Genauigkeit, Vollständigkeit, Konsistenz
                 usw.) lassen sich derartige Probleme schnell erfassen und ursachenge-
                 recht beheben.
                 Eine Vernachlässigung derartiger Präventivmaßnahmen bindet zuneh-
                 mend größere, vor allem personelle IT-Ressourcen im reaktiven Be-
                 reich der Datenaufbereitung. Zudem erfolgt dies meist zur Entwicklung
                 von nur partiell oder gegebenenfalls nicht wiederverwendbaren Pro-
                 grammroutinen.

4
    Dubois: Customer Relationship Management with Enterprise-Wide Data Quality, DM Direct, 08/1999


                                                  6
5. (Fehl-) Entscheidungskosten
      Aufgrund mangelnder Datenqualität

             Qualitativ mangelnde Stamm- oder Bewegungsdaten führen dazu, dass
             diese für anspruchsvolle Auswertungen im Data Warehouse nicht adä-
             quat zusammengefasst oder in Beziehung gesetzt werden können.
             Es entstehen Fehlinterpretationen durch falsche oder nicht zusammen-
             fassbare Quelldaten. Beispielsweise werden bestimmte Stammdaten,
             die regional oder anderweitig aufgrund falscher Informationen nicht zu-
             ordenbar sind, nicht in die Auswertung einbezogen. Dies kann durch-
             aus bis zu einem Drittel der relevanten Datensätze ausmachen. Dies
             führt zur Verzerrung der realen Situation.

      Aufgrund mangelnder Abstimmung verschiedener Datenquellen

             Eine schlecht integrierte Datenbasis im Rahmen einer Fusion, ein man-
             gelnder Datenabgleich mit Verbundpartnern und eine unzureichende
             Haushaltsverknüpfung führt ebenfalls zu Fehlinterpretationen im Rah-
             men von strategischen Auswertungen, gegebenenfalls zur Ignorierung
             profitabler Marktsegmente sowie zur Verpassung von Trends.
             Außerdem besteht die Möglichkeit, Wettbewerbsvorteile durch Ablei-
             tung falscher Strategien zu verlieren.

6. Produktionskosten
      Ausschuss und Nacharbeit durch falsch justierte Maschinen aufgrund
      ungenauer Daten

      Rückrufaktionen wegen Produktionsmängeln, die auf fehlerhaften Pro-
      duktionsdaten oder Berechnungen beruhen

7. Kreditkosten
Die neuen Kreditvergaberichtlinien der Banken (Basel II) üben großen Druck auf die
Unternehmen aus. In Zukunft muss man mit einem adäquaten Risikomanagement-
system nachweisen, dass man die Risiken im Griff hat. Ein besonderer Fokus liegt
dabei auf den IT-Risiken, welche transparente und glaubhafte Datenbestände der
Firmen einschließen. Eine Aufgabe im Rahmen des Datenqualitätsmanagements!

8. Umsatzeinbußen
      Ineffizientes Cross-Selling bei fehlendem Überblick über Kundeninforma-
      tionen

             Annahme:
                  10 Mio. Kunden
                  angenommener durchschnittlicher Umsatzzuwachs von nur 50 €
                  je Kunde im Rahmen einer Cross-Selling-Aktion

                                         7
Bei einer Verbesserung der Datenqualität um 1% ergibt sich dabei
               eine Umsatzsteigerung von 5 Mio. €.
               Die Kosten verlorener Kunden und verpasster Gelegenheiten können
               zwei- bis dreimal so hoch sein, wie die Aufwendungen für Datenquali-
               tät!

       Unzustellbarkeit von Rechnungen

    Die Unzustellbarkeit von Rechnungen reduziert die Einnahmen der jeweiligen
    Firma entsprechend und nimmt damit Einfluss auf den Gewinn.

       Nutzung leer stehend gemeldeter Verbrauchsstellen

               Verbrauchsstellen (VS) sind leer stehend gemeldet, obwohl ein Großteil
               längst wieder genutzt wird. Konsequenz ist ein Verbrauch ohne Ein-
               nahmen.
               Annahme:
                      200.000 VS,
                      3% abgemeldet aber genutzt
                      jährlicher Verlust 500 €/VS
                      Umsatzverlust: 6.000 VS x 500 €/VS = 3 Mio. € pro Jahr
               Datenaufbereitung schafft Umsatz und Erlöse: Nach Erfahrungswerten
               sind 40-50% solcher Verbrauchsstellen wieder aktivierbar. Zu erwar-
               tende Einnahmesteigerung: ca. 1,5 Mio. € pro Jahr.

       Falsche Daten beim E-Business

               Eine Einzelhandelsfirma in UK erhielt und bestätigte Bestellungen von
               Tausenden von TV-Sets, die im Internet mit 3 statt 300 falsch aus-
               gepreist waren.
               Eine europäische Telekommunikationsfirma hat neun Monate lang „ü-
               bersehen“, dass die Internetgebühren ihrer Kunden nicht eingezogen
               wurden. Der Verlust belief sich auf 8 Mio. €.
               Eine US-Fluggesellschaft bot auf ihrer Homepage transatlantische Flü-
               ge für nur 25 US$ an.5 Geeignete Indikatoren für Datenqualität hätten
               solche Irrtümer schnell aufgedeckt.


9. Juristische Aspekte mangelnder Datenqualität
       Betrugsversuche über Kundenangaben im E-Business

    Beim E-Business geht man davon aus, dass nur etwa 10% der Daten in Ordnung
    sind.6 Typisch sind Mehrfachanmeldungen mit modifizierten Angaben durch die
    gleiche Person, um beispielsweise angebotene Bonus- oder Kreditprogramme
    mehrmals nutzen zu können.

5
 English: Plain English About Information Quality: Information Quality in E-Business 10/2002
6
 Dubois: Customer Relationship Management with Enterprise-Wide Data Quality, DM Direct, 08/1999.
Dies ist aber nicht nur auf Betrugsversuche, sondern auch auf den Schutz der Identität sowie auf die
verschiedenen Fehlerquellen zurückzuführen.

                                                 8
Geldstrafen

    Der Autokonzern Mazda wurde in den USA zu einer Geldstrafe in Höhe von 5,25
    Mio. US$ verurteilt, nachdem sich herausstellte, dass er seinen Kunden gegen-
    über falsche Angaben über Leasingkosten und Leasingbedingungen machte.
    Auch in diesem Falle war eine schlechte Datenqualität die Ursache.7

        Gesetzlicher Schutz der Kunden

    Falsche Produktpreise in den Datenbanken von Barcodescannern haben in den
    USA zu derartigen Problemen geführt, dass entsprechende Verbraucherschutz-
    gesetze erlassen werden mussten.8

    Falsche Preisdaten in Handelsdatenbanken kosten amerikanische Konsumenten
    jährlich etwa 2,5 Mrd. US$. Untersuchungen haben nachgewiesen, dass 80% der
    über Barcodes ausgelesenen fehlerhaften Preisangaben den ausgewiesenen
    Warenpreis übersteigen.9


10. „Weiche“ Kostenfaktoren
        Imageeinbußen

        Die Qualität des Produktes wird oft anhand der Qualität der Adressierung be-
        wertet. Der Verlust in das Vertrauen z.B. einer Bank lässt vor allem Kunden
        mit hohen Einlagen sehr schnell abwandern: „Wenn die Adresse schon nicht
        stimmt, was passiert dann erst mit meinem Geld?“

        Kundenunzufriedenheit

                Entsteht z.B. durch Berechnungsfehler und Mehraufwand des Kunden
                zur Klärung der Angelegenheit.
                Bei der Euroumstellung hat die Dresdner Bank die Wertpapier-Depots
                ihrer Kunden gleich zweimal umgerechnet, so dass nur noch ein Viertel
                des ursprünglichen Guthabens auf dem Kontoauszug ausgewiesen
                war. Nach Angaben der Verbraucherzentrale Nordrhein-Westfalen ist
                dies kein Einzelfall gewesen, da auch mehrere Beschwerden von Kun-
                den anderer Banken vorlagen.10
                Erfahrungsgemäß ist der Aufwand, um einen Neukunden zu gewinnen
                zehn Mal höher als der, einen Kunden zu behalten!




7
  English/Rerez: Plain English About Information Quality: The Information Quality Act, DM Review
02/2003
8
  English/Rerez: Plain English About Information Quality: The Information Quality Act, DM Review
02/2003
9
  de Fries/Seidl/Windheuser: Datenqualität: Ein unterschätzter Erfolgsfaktor, ExperPraxis 2001/02, S.
92
10
   de Fries/Seidl/Windheuser: Datenqualität: Ein unterschätzter Erfolgsfaktor, ExperPraxis 2001/02, S.
92

                                                  9
Mitarbeiterzufriedenheit und -motivation

   Mitarbeiterzufriedenheit und -motivation sinken bei hohem und unnützem Verwal-
   tungsaufwand, so dass neben der Mehrbelastung auch die Umsetzung der ei-
   gentlichen Aufgaben qualitativ und quantitativ leidet.


Auch wenn diese „weichen“ Kostenfaktoren nur schwer quantifizierbar sind, wird
doch klar, dass sie erheblich den Erfolg einer Unternehmung beeinflussen können.
Daher ist es wichtig, auch diese Aspekte im Rahmen eines ganzheitlichen Ansatzes
für professionelles Datenqualitätsmanagement besonders zu berücksichtigen.


11. Zusammenfassung
Es konnte anhand einzelner Beispiele gezeigt werden, dass der Faktor Datenqualität
neben erhöhter Kundenzufriedenheit und Mitarbeitermotivation erhebliche Einsparpo-
tenziale in den organisatorischen und technischen Abläufen, den Entscheidungsfin-
dungsprozessen, aber auch in anderen Bereichen mit sich bringt, die bislang kaum
genutzt werden, weil das Bewusstsein darüber derzeit sehr wenig ausgeprägt ist.
Allein die dargestellten quantifizierten Einsparpotenziale machen unter den getätig-
ten Annahmen mehrere Millionen Euro jährlich aus. Dem stehen Aufwendungen für
die weitgehend automatisierte Herstellung entsprechender Datenqualität entgegen,
die schon kurz- bis mittelfristig um ein Mehrfaches durch die zu erwartenden Einspa-
rungen wettgemacht werden können.

Nachhaltige Datenqualität wird noch zu wenig als ein entscheidender Qualitätspara-
meter definiert, der neben der Generierung neuer Geschäftsmöglichkeiten und dem
Abbau von Risiken echte Wettbewerbsvorteile schafft. Zu dieser Nachhaltigkeit ge-
hört natürlich auch die Einsicht, dass Datenqualitätsmanagement nicht nur reaktiv
angegangen werden kann, sondern vor allem ursachenorientiert. Dies wiederum
heißt, die jeweiligen Prozesse in den Arbeitsabläufen und der IT-Struktur so zu ges-
talten, dass die Fehler nicht nachträglich analysiert und beseitigt werden müssen,
sondern - soweit wie möglich - von vorn herein ausgeschlossen werden können.




                                        10

Weitere ähnliche Inhalte

Andere mochten auch

Dt Socialbar
Dt SocialbarDt Socialbar
Dt Socialbar
Ahmet Emre Acar
 
Pemerintah kabupaten kepulauan selayar
Pemerintah kabupaten kepulauan selayarPemerintah kabupaten kepulauan selayar
Pemerintah kabupaten kepulauan selayar
smpn05makassar
 
Modern-Machine-Shop-8-95
Modern-Machine-Shop-8-95Modern-Machine-Shop-8-95
Modern-Machine-Shop-8-95
rdtjr01
 
Israel Online Reputation
Israel Online ReputationIsrael Online Reputation
Israel Online Reputation
guest8d15cb
 
CELEBRACIÓN DEL DÍA DE LA PAZ.
CELEBRACIÓN DEL DÍA DE LA PAZ.CELEBRACIÓN DEL DÍA DE LA PAZ.
CELEBRACIÓN DEL DÍA DE LA PAZ.
manuel falla
 
The Best Films You Ve Ever Seen!
The Best Films You Ve Ever Seen!The Best Films You Ve Ever Seen!
The Best Films You Ve Ever Seen!
innamasha
 
Die Gegenwart der Vergangenheit. "Richtiges" Erinnern? NS und Holocaust im ko...
Die Gegenwart der Vergangenheit. "Richtiges" Erinnern? NS und Holocaust im ko...Die Gegenwart der Vergangenheit. "Richtiges" Erinnern? NS und Holocaust im ko...
Die Gegenwart der Vergangenheit. "Richtiges" Erinnern? NS und Holocaust im ko...
Lisa Rosa
 
"E-Mail von Tante Emma" (M3 CAMPIXX 2013)
"E-Mail von Tante Emma" (M3 CAMPIXX 2013)"E-Mail von Tante Emma" (M3 CAMPIXX 2013)
"E-Mail von Tante Emma" (M3 CAMPIXX 2013)
Rene Kulka
 
Manuale Armonica I Quaderno
Manuale Armonica I QuadernoManuale Armonica I Quaderno
Manuale Armonica I Quaderno
giacinthom plexere
 
Social Media Marketing für die gute Sache | WWF Deutschland, Paula Hannemann ...
Social Media Marketing für die gute Sache | WWF Deutschland, Paula Hannemann ...Social Media Marketing für die gute Sache | WWF Deutschland, Paula Hannemann ...
Social Media Marketing für die gute Sache | WWF Deutschland, Paula Hannemann ...
Twittwoch e.V.
 
2009 fatball playoffs
2009 fatball playoffs2009 fatball playoffs
2009 fatball playoffs
stym85
 
Massageol kneipp
Massageol kneippMassageol kneipp
Massageol kneipp
calp1
 
Algorithmen zwischen Reeperbahn und Elbe
Algorithmen zwischen Reeperbahn und ElbeAlgorithmen zwischen Reeperbahn und Elbe
Algorithmen zwischen Reeperbahn und Elbe
Matthias Mueller-Prove
 
Fh wien optimierung ikt einsatz im tourismus 1 strategie
Fh wien optimierung ikt einsatz im tourismus 1 strategieFh wien optimierung ikt einsatz im tourismus 1 strategie
Fh wien optimierung ikt einsatz im tourismus 1 strategie
Martin Schobert
 

Andere mochten auch (15)

Laussane
LaussaneLaussane
Laussane
 
Dt Socialbar
Dt SocialbarDt Socialbar
Dt Socialbar
 
Pemerintah kabupaten kepulauan selayar
Pemerintah kabupaten kepulauan selayarPemerintah kabupaten kepulauan selayar
Pemerintah kabupaten kepulauan selayar
 
Modern-Machine-Shop-8-95
Modern-Machine-Shop-8-95Modern-Machine-Shop-8-95
Modern-Machine-Shop-8-95
 
Israel Online Reputation
Israel Online ReputationIsrael Online Reputation
Israel Online Reputation
 
CELEBRACIÓN DEL DÍA DE LA PAZ.
CELEBRACIÓN DEL DÍA DE LA PAZ.CELEBRACIÓN DEL DÍA DE LA PAZ.
CELEBRACIÓN DEL DÍA DE LA PAZ.
 
The Best Films You Ve Ever Seen!
The Best Films You Ve Ever Seen!The Best Films You Ve Ever Seen!
The Best Films You Ve Ever Seen!
 
Die Gegenwart der Vergangenheit. "Richtiges" Erinnern? NS und Holocaust im ko...
Die Gegenwart der Vergangenheit. "Richtiges" Erinnern? NS und Holocaust im ko...Die Gegenwart der Vergangenheit. "Richtiges" Erinnern? NS und Holocaust im ko...
Die Gegenwart der Vergangenheit. "Richtiges" Erinnern? NS und Holocaust im ko...
 
"E-Mail von Tante Emma" (M3 CAMPIXX 2013)
"E-Mail von Tante Emma" (M3 CAMPIXX 2013)"E-Mail von Tante Emma" (M3 CAMPIXX 2013)
"E-Mail von Tante Emma" (M3 CAMPIXX 2013)
 
Manuale Armonica I Quaderno
Manuale Armonica I QuadernoManuale Armonica I Quaderno
Manuale Armonica I Quaderno
 
Social Media Marketing für die gute Sache | WWF Deutschland, Paula Hannemann ...
Social Media Marketing für die gute Sache | WWF Deutschland, Paula Hannemann ...Social Media Marketing für die gute Sache | WWF Deutschland, Paula Hannemann ...
Social Media Marketing für die gute Sache | WWF Deutschland, Paula Hannemann ...
 
2009 fatball playoffs
2009 fatball playoffs2009 fatball playoffs
2009 fatball playoffs
 
Massageol kneipp
Massageol kneippMassageol kneipp
Massageol kneipp
 
Algorithmen zwischen Reeperbahn und Elbe
Algorithmen zwischen Reeperbahn und ElbeAlgorithmen zwischen Reeperbahn und Elbe
Algorithmen zwischen Reeperbahn und Elbe
 
Fh wien optimierung ikt einsatz im tourismus 1 strategie
Fh wien optimierung ikt einsatz im tourismus 1 strategieFh wien optimierung ikt einsatz im tourismus 1 strategie
Fh wien optimierung ikt einsatz im tourismus 1 strategie
 

Ähnlich wie Kostenaspekte mangelnder Datenqualität

Banken im digitalen Wandel – Neue Themen, Kompetenzen und Strukturen
Banken im digitalen Wandel – Neue Themen, Kompetenzen und StrukturenBanken im digitalen Wandel – Neue Themen, Kompetenzen und Strukturen
Banken im digitalen Wandel – Neue Themen, Kompetenzen und Strukturen
Hays
 
worldiety GmbH - Prozessdigitalisierung 2.0
worldiety GmbH - Prozessdigitalisierung 2.0worldiety GmbH - Prozessdigitalisierung 2.0
worldiety GmbH - Prozessdigitalisierung 2.0
worldiety GmbH
 
Ersatzteilstrategie für ihren After Sales
Ersatzteilstrategie für ihren After SalesErsatzteilstrategie für ihren After Sales
Ersatzteilstrategie für ihren After Sales
no-stop.de
 
Kostenoptimierung mit CostOptima Consult
Kostenoptimierung mit CostOptima ConsultKostenoptimierung mit CostOptima Consult
Kostenoptimierung mit CostOptima Consult
Stefan Wirth
 
[DE] "Effizienter Einsatz von Dokumenten-Technologie" | Dr. Ulrich Kampffmeye...
[DE] "Effizienter Einsatz von Dokumenten-Technologie" | Dr. Ulrich Kampffmeye...[DE] "Effizienter Einsatz von Dokumenten-Technologie" | Dr. Ulrich Kampffmeye...
[DE] "Effizienter Einsatz von Dokumenten-Technologie" | Dr. Ulrich Kampffmeye...
PROJECT CONSULT Unternehmensberatung Dr. Ulrich Kampffmeyer GmbH
 
Eine durchdachte Ersatzteilstrategie zeigt Ihnen den Weg zu Profit und Kunden...
Eine durchdachte Ersatzteilstrategie zeigt Ihnen den Weg zu Profit und Kunden...Eine durchdachte Ersatzteilstrategie zeigt Ihnen den Weg zu Profit und Kunden...
Eine durchdachte Ersatzteilstrategie zeigt Ihnen den Weg zu Profit und Kunden...
no-stop.de
 
Unternehmensberatung für das Preismanagement einsetzen
Unternehmensberatung für das Preismanagement einsetzenUnternehmensberatung für das Preismanagement einsetzen
Unternehmensberatung für das Preismanagement einsetzen
no-stop.de
 
Cloudbasierte Dienstleistungen in ihrem Unternehmen by Mario Meir-Huber
Cloudbasierte Dienstleistungen in ihrem Unternehmen by Mario Meir-HuberCloudbasierte Dienstleistungen in ihrem Unternehmen by Mario Meir-Huber
Cloudbasierte Dienstleistungen in ihrem Unternehmen by Mario Meir-Huber
Medien Meeting Mannheim
 
Wie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova
Wie Predictive CRM wirkt und wie ihr damit starten könnt! – MoonovaWie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova
Wie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova
CrossEngage
 
Buchhaltung, quo vadis? - Ein Ausblick auf die Herausforderungen für Buchhalt...
Buchhaltung, quo vadis? - Ein Ausblick auf die Herausforderungen für Buchhalt...Buchhaltung, quo vadis? - Ein Ausblick auf die Herausforderungen für Buchhalt...
Buchhaltung, quo vadis? - Ein Ausblick auf die Herausforderungen für Buchhalt...
Christian Ritosek
 
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas BerthWerbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at Summit
 
Einführung in OpenText Customer Communication Management
Einführung in OpenText Customer Communication ManagementEinführung in OpenText Customer Communication Management
Einführung in OpenText Customer Communication Management
app4value
 
Preisstrategien für Ersatzteile
Preisstrategien für Ersatzteile Preisstrategien für Ersatzteile
Preisstrategien für Ersatzteile
no-stop.de
 
Crmexpo 2014 stuttgart
Crmexpo 2014 stuttgartCrmexpo 2014 stuttgart
Crmexpo 2014 stuttgart
B2B Smartdata GmbH
 
Stammdatenmanagement: unsexy aber lebenswichtig
Stammdatenmanagement:  unsexy aber lebenswichtigStammdatenmanagement:  unsexy aber lebenswichtig
Stammdatenmanagement: unsexy aber lebenswichtig
no-stop.de
 
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
Marco Geuer
 
victor CRM Datenbankanreicherung
victor CRM Datenbankanreicherungvictor CRM Datenbankanreicherung
victor CRM Datenbankanreicherung
emotion banking
 
Besserer Service - weniger Kosten. Kundenfokussierung als Schlüssel zu effizi...
Besserer Service - weniger Kosten. Kundenfokussierung als Schlüssel zu effizi...Besserer Service - weniger Kosten. Kundenfokussierung als Schlüssel zu effizi...
Besserer Service - weniger Kosten. Kundenfokussierung als Schlüssel zu effizi...
Infosys Consulting
 
DQM bei Ihnen
DQM bei IhnenDQM bei Ihnen
DQM bei Ihnen
Michael Küsters
 

Ähnlich wie Kostenaspekte mangelnder Datenqualität (20)

Banken im digitalen Wandel – Neue Themen, Kompetenzen und Strukturen
Banken im digitalen Wandel – Neue Themen, Kompetenzen und StrukturenBanken im digitalen Wandel – Neue Themen, Kompetenzen und Strukturen
Banken im digitalen Wandel – Neue Themen, Kompetenzen und Strukturen
 
worldiety GmbH - Prozessdigitalisierung 2.0
worldiety GmbH - Prozessdigitalisierung 2.0worldiety GmbH - Prozessdigitalisierung 2.0
worldiety GmbH - Prozessdigitalisierung 2.0
 
Ersatzteilstrategie für ihren After Sales
Ersatzteilstrategie für ihren After SalesErsatzteilstrategie für ihren After Sales
Ersatzteilstrategie für ihren After Sales
 
Kostenoptimierung mit CostOptima Consult
Kostenoptimierung mit CostOptima ConsultKostenoptimierung mit CostOptima Consult
Kostenoptimierung mit CostOptima Consult
 
[DE] "Effizienter Einsatz von Dokumenten-Technologie" | Dr. Ulrich Kampffmeye...
[DE] "Effizienter Einsatz von Dokumenten-Technologie" | Dr. Ulrich Kampffmeye...[DE] "Effizienter Einsatz von Dokumenten-Technologie" | Dr. Ulrich Kampffmeye...
[DE] "Effizienter Einsatz von Dokumenten-Technologie" | Dr. Ulrich Kampffmeye...
 
Eine durchdachte Ersatzteilstrategie zeigt Ihnen den Weg zu Profit und Kunden...
Eine durchdachte Ersatzteilstrategie zeigt Ihnen den Weg zu Profit und Kunden...Eine durchdachte Ersatzteilstrategie zeigt Ihnen den Weg zu Profit und Kunden...
Eine durchdachte Ersatzteilstrategie zeigt Ihnen den Weg zu Profit und Kunden...
 
Unternehmensberatung für das Preismanagement einsetzen
Unternehmensberatung für das Preismanagement einsetzenUnternehmensberatung für das Preismanagement einsetzen
Unternehmensberatung für das Preismanagement einsetzen
 
Cloudbasierte Dienstleistungen in ihrem Unternehmen by Mario Meir-Huber
Cloudbasierte Dienstleistungen in ihrem Unternehmen by Mario Meir-HuberCloudbasierte Dienstleistungen in ihrem Unternehmen by Mario Meir-Huber
Cloudbasierte Dienstleistungen in ihrem Unternehmen by Mario Meir-Huber
 
Wie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova
Wie Predictive CRM wirkt und wie ihr damit starten könnt! – MoonovaWie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova
Wie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova
 
Buchhaltung, quo vadis? - Ein Ausblick auf die Herausforderungen für Buchhalt...
Buchhaltung, quo vadis? - Ein Ausblick auf die Herausforderungen für Buchhalt...Buchhaltung, quo vadis? - Ein Ausblick auf die Herausforderungen für Buchhalt...
Buchhaltung, quo vadis? - Ein Ausblick auf die Herausforderungen für Buchhalt...
 
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas BerthWerbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
 
Einführung in OpenText Customer Communication Management
Einführung in OpenText Customer Communication ManagementEinführung in OpenText Customer Communication Management
Einführung in OpenText Customer Communication Management
 
Preisstrategien für Ersatzteile
Preisstrategien für Ersatzteile Preisstrategien für Ersatzteile
Preisstrategien für Ersatzteile
 
Crmexpo 2014 stuttgart
Crmexpo 2014 stuttgartCrmexpo 2014 stuttgart
Crmexpo 2014 stuttgart
 
Stammdatenmanagement: unsexy aber lebenswichtig
Stammdatenmanagement:  unsexy aber lebenswichtigStammdatenmanagement:  unsexy aber lebenswichtig
Stammdatenmanagement: unsexy aber lebenswichtig
 
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
 
victor CRM Datenbankanreicherung
victor CRM Datenbankanreicherungvictor CRM Datenbankanreicherung
victor CRM Datenbankanreicherung
 
Software einführen - Oh Schreck
Software einführen - Oh SchreckSoftware einführen - Oh Schreck
Software einführen - Oh Schreck
 
Besserer Service - weniger Kosten. Kundenfokussierung als Schlüssel zu effizi...
Besserer Service - weniger Kosten. Kundenfokussierung als Schlüssel zu effizi...Besserer Service - weniger Kosten. Kundenfokussierung als Schlüssel zu effizi...
Besserer Service - weniger Kosten. Kundenfokussierung als Schlüssel zu effizi...
 
DQM bei Ihnen
DQM bei IhnenDQM bei Ihnen
DQM bei Ihnen
 

Mehr von Vizlib Ltd.

TIQ Solutions - QlikView Data Integration in a Java World
TIQ Solutions - QlikView Data Integration in a Java WorldTIQ Solutions - QlikView Data Integration in a Java World
TIQ Solutions - QlikView Data Integration in a Java World
Vizlib Ltd.
 
Vortrag "Spend Quality Time with your Data" zum WELT POKAL 2011
Vortrag "Spend Quality Time with your Data" zum WELT POKAL 2011Vortrag "Spend Quality Time with your Data" zum WELT POKAL 2011
Vortrag "Spend Quality Time with your Data" zum WELT POKAL 2011
Vizlib Ltd.
 
DQM und Change Management am Beispiel der West Lb
DQM und Change Management am Beispiel der West LbDQM und Change Management am Beispiel der West Lb
DQM und Change Management am Beispiel der West Lb
Vizlib Ltd.
 
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-WerkzeugenUnternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Vizlib Ltd.
 
Ich werde Datenqualitätsbeauftragter - und nun?
Ich werde Datenqualitätsbeauftragter - und nun?Ich werde Datenqualitätsbeauftragter - und nun?
Ich werde Datenqualitätsbeauftragter - und nun?
Vizlib Ltd.
 
Datenqualitätsmanagement heute und morgen
Datenqualitätsmanagement heute und morgenDatenqualitätsmanagement heute und morgen
Datenqualitätsmanagement heute und morgen
Vizlib Ltd.
 
Methodenstreit im Datenqualitätsmanagement
Methodenstreit im DatenqualitätsmanagementMethodenstreit im Datenqualitätsmanagement
Methodenstreit im Datenqualitätsmanagement
Vizlib Ltd.
 
Medienresonanzanalyse Datenqualitätsmanagement
Medienresonanzanalyse DatenqualitätsmanagementMedienresonanzanalyse Datenqualitätsmanagement
Medienresonanzanalyse Datenqualitätsmanagement
Vizlib Ltd.
 
TIQView - Interaktives Data Profiling für Jedermann
TIQView - Interaktives Data Profiling für JedermannTIQView - Interaktives Data Profiling für Jedermann
TIQView - Interaktives Data Profiling für Jedermann
Vizlib Ltd.
 
Ich werde Datenqualitätsbeauftragter – und nun?
Ich werde Datenqualitätsbeauftragter – und nun?Ich werde Datenqualitätsbeauftragter – und nun?
Ich werde Datenqualitätsbeauftragter – und nun?
Vizlib Ltd.
 
Change Management – Das Vergessene Kapitel des Datenqualitätsmanagements
Change Management – Das Vergessene Kapitel des DatenqualitätsmanagementsChange Management – Das Vergessene Kapitel des Datenqualitätsmanagements
Change Management – Das Vergessene Kapitel des Datenqualitätsmanagements
Vizlib Ltd.
 
TIQStrategy - Strategieberatung für qualitätsorientiertes Datenmanagement
TIQStrategy - Strategieberatung für qualitätsorientiertes DatenmanagementTIQStrategy - Strategieberatung für qualitätsorientiertes Datenmanagement
TIQStrategy - Strategieberatung für qualitätsorientiertes Datenmanagement
Vizlib Ltd.
 

Mehr von Vizlib Ltd. (12)

TIQ Solutions - QlikView Data Integration in a Java World
TIQ Solutions - QlikView Data Integration in a Java WorldTIQ Solutions - QlikView Data Integration in a Java World
TIQ Solutions - QlikView Data Integration in a Java World
 
Vortrag "Spend Quality Time with your Data" zum WELT POKAL 2011
Vortrag "Spend Quality Time with your Data" zum WELT POKAL 2011Vortrag "Spend Quality Time with your Data" zum WELT POKAL 2011
Vortrag "Spend Quality Time with your Data" zum WELT POKAL 2011
 
DQM und Change Management am Beispiel der West Lb
DQM und Change Management am Beispiel der West LbDQM und Change Management am Beispiel der West Lb
DQM und Change Management am Beispiel der West Lb
 
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-WerkzeugenUnternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
 
Ich werde Datenqualitätsbeauftragter - und nun?
Ich werde Datenqualitätsbeauftragter - und nun?Ich werde Datenqualitätsbeauftragter - und nun?
Ich werde Datenqualitätsbeauftragter - und nun?
 
Datenqualitätsmanagement heute und morgen
Datenqualitätsmanagement heute und morgenDatenqualitätsmanagement heute und morgen
Datenqualitätsmanagement heute und morgen
 
Methodenstreit im Datenqualitätsmanagement
Methodenstreit im DatenqualitätsmanagementMethodenstreit im Datenqualitätsmanagement
Methodenstreit im Datenqualitätsmanagement
 
Medienresonanzanalyse Datenqualitätsmanagement
Medienresonanzanalyse DatenqualitätsmanagementMedienresonanzanalyse Datenqualitätsmanagement
Medienresonanzanalyse Datenqualitätsmanagement
 
TIQView - Interaktives Data Profiling für Jedermann
TIQView - Interaktives Data Profiling für JedermannTIQView - Interaktives Data Profiling für Jedermann
TIQView - Interaktives Data Profiling für Jedermann
 
Ich werde Datenqualitätsbeauftragter – und nun?
Ich werde Datenqualitätsbeauftragter – und nun?Ich werde Datenqualitätsbeauftragter – und nun?
Ich werde Datenqualitätsbeauftragter – und nun?
 
Change Management – Das Vergessene Kapitel des Datenqualitätsmanagements
Change Management – Das Vergessene Kapitel des DatenqualitätsmanagementsChange Management – Das Vergessene Kapitel des Datenqualitätsmanagements
Change Management – Das Vergessene Kapitel des Datenqualitätsmanagements
 
TIQStrategy - Strategieberatung für qualitätsorientiertes Datenmanagement
TIQStrategy - Strategieberatung für qualitätsorientiertes DatenmanagementTIQStrategy - Strategieberatung für qualitätsorientiertes Datenmanagement
TIQStrategy - Strategieberatung für qualitätsorientiertes Datenmanagement
 

Kostenaspekte mangelnder Datenqualität

  • 1. Kostenaspekte mangelnder Datenqualität Diplom-Volkswirt Jan Hüfner TIQ Solutions GmbH Oktober 2004 TIQ Solutions GmbH Telefon: +49 (0) 341/35 59 03 00 Industriestraße 85-95 Fax: +49 (0) 341/35 59 03 25 D-04229 Leipzig Web: www.tiq-solutions.de E-Mail: info@tiq-solutions.de
  • 2. Inhalt 1. Einführung.............................................................................................................................. 3 2. Externe Kommunikationskosten ............................................................................................ 4 3. Interne Verwaltungskosten..................................................................................................... 5 4. IT-Kosten ............................................................................................................................... 6 5. (Fehl-) Entscheidungskosten .................................................................................................. 7 6. Produktionskosten .................................................................................................................. 7 7. Kreditkosten ........................................................................................................................... 7 8. Umsatzeinbußen ..................................................................................................................... 7 9. Juristische Aspekte mangelnder Datenqualität ...................................................................... 8 10. „Weiche“ Kostenfaktoren .................................................................................................... 9 11. Zusammenfassung.............................................................................................................. 10 2
  • 3. 1. Einführung Mangelnde Datenqualität beeinflusst die Kosten in allen Bereichen einer Unterneh- mung und stellt letztlich eine erhebliche Ressourcenvergeudung sowie eine Vernach- lässigung gegenüber Umsatz- und Gewinnpotenzialen dar. Drei voneinander unab- hängig durchgeführte Expertenschätzungen zu den „Total Cost of poor Data Quality“ gehen ausnahmslos von signifikanten Größenordnungen aus, die zwischen 8 und 12% des Umsatzes liegen.1 Laut Data Warehouse Institute ergeben sich insgesamt in diesem Bereich für die US-amerikanische Industrie und Verwaltung jährliche Schä- den von 600 Mrd. Dollar. Und selbst in Deutschland haben nur noch 18 Prozent der Unternehmen Vertrauen in ihre Daten.2 So werden die Aufwendungen für externe Kommunikation genauso negativ beein- flusst, wie die für die interne Verwaltung, das Personal, die Produktion, die einge- setzte Informationstechnologie, Kredite und nicht zuletzt auch für die strategische Entscheidungsfindung. Darüber hinaus resultieren neben Umsatzeinbußen und dem Nichterkennen von Betrugsversuchen durchaus auch Strafzahlungen aus einem un- professionellen bzw. fehlenden Datenqualitätsmanagement. Beispiele wie das der Firma Microsoft zeigen hingegen, dass entsprechende Investitionen in die Verbesse- rung der Qualität des Datenbestandes schon im gleichen Jahr ein Vielfaches an Ein- sparungen ermöglichen, so dass der Nutzen praktisch sofort auf der Hand liegt.3 Oft kann das Problem mangelnder Datenqualität von der Führungsebene aus nur unzureichend wahrgenommen werden. Daher sind auch die Komplexität des Themas sowie die damit verbundenen Risiken und Kosten nur schwer erkennbar. Oder: Bei der Neueinführung von Softwaretechnologien beispielsweise konzentriert man sich auf deren Funktionalitäten, die meist in Ordnung sind. Die Resultate aus der Nutzung der Softwaresysteme sind jedoch mangelhaft, auch wenn man dies nicht sofort sieht. Schlechte Datenqualität verhindert damit letztlich auch die Effizienzvorteile teurer neuer Softwaresysteme. Die folgenden Abschnitte sollen dazu beitragen, das Problem auch in den Führungs- etagen bewusster zu machen, in dem verschiedene Beispiele für die negativen mo- netären Auswirkungen qualitativ schlechter Datenbestände zusammengetragen wer- den. Einige Aspekte sind mit Rechenbeispielen unterlegt, um die Kosten quantifizier- bar zu machen und damit den Sinn professionellen Datenqualitätsmanagements noch deutlicher zu unterstreichen. 1 de Fries/Seidl/Windheuser: Datenqualität: Ein unterschätzter Erfolgsfaktor, ExperPraxis 2001/02, S. 92 2 ohne Verfasserangabe, Vorwort zur „First German Information Quality Management Conference“, Frankfurt/Main, Oktober 2003 3 Die Firma Microsoft stellte fest, dass die eingehenden Sales-Daten nicht schlüssig sind und damit die Reports falsche Werte ausgaben. Entsprechende manuelle Berichtigungen führten zu extrem ho- hen Zusatzkosten. Die Einführung eines professionellen Datenqualitätsmanagements führte zu einem zehnfachen RoI schon im ersten Jahr. Garbage In Garbage Out, IT-Management, 6-2002 3
  • 4. 2. Externe Kommunikationskosten In unserer mobilen Gesellschaft altern im Jahr etwa 15 Prozent der Kundendaten (6,5 Mio. Personen und 200.000 Unternehmen ziehen jährlich in Deutschland um). Etwa 15-30 Prozent der Daten enthalten sonstige Fehler (Tipp- oder Schreibfehler, Dubletten usw.). Nach fünf Jahren können die Daten völlig veraltet sein. Ungefähr 3,5-5 Prozent von Mailings und Rechnungen erreichen nicht ihr Ziel. Oft können die richtigen Informationen durch die Mitarbeiter selber nicht mehr aus den veralteten oder falschen Daten abgeleitet werden. In diesen Fällen muss zusätz- lich noch in externe Dienstleistungen investiert werden. So z.B. in die teuren Anfra- gen an das jeweils richtige Einwohnermeldeamt (EMA), welches es zunächst auch erst einmal zu ermitteln gilt. In solchen Fällen lassen sich heutzutage Schnittstellen zu Informationssystemen herstellen, die den aktuellen Stand zum Teil kostenlos oder wenigstens wesentlich günstiger ermitteln können. Postrückläufer: Annahmen: 10 Mio. Kunden eine Postsendung pro Kunde und Jahr, 10% Postrückläufer, davon 1% ohne Neuanschrift, Material- und Personalkosten pro Brief ca. 0,45 €, Porto 0,55 €, EMA-Anfrage 7,50 € Zusätzlicher Aufwand: Postrückläufer (10 %): 1 Mio x (0,55+0,45) € = 1 Mio €, Adressrecherchegebühr (1%): 0,1 Mio x 7,50 € = 0,75 Mio € Gesamter Zusatzaufwand: 1,75 Mio € pro Jahr Doppelerfassungen, fehlende Haushaltsverknüpfungen, Mehrfachkon- taktierungen zu verschiedenen Geschäftsprozessen aufgrund fehlenden Gesamtüberblicks über Kunden: Annahmen: Problem betrifft 5% der Kundenzahl, Versandumfang, Material- und Personalkosten wie oben Zusätzlicher Aufwand: 0,5 Mio x (0,55+0,45) € = 0,5 Mio € pro Jahr Marketingkampagnen für einzelne Produkte: Annahmen: Reaktionsbereitschaft auf versendetes Werbematerial liegt bei 1% der Kundenzahl, Versandumfang, Material- und Personalkosten wie oben Verlorener Aufwand: 9,9 Mio x (0,55+0,45) € = 9,9 Mio € Verbesserung der Reaktionsbereitschaft um 5%: 0,5 Mio x (0,55+0,45) € = 0,5 Mio € Reduzierung verlorenen Auf- wandes pro Jahr. Bei 10%-iger Verbesserung bedeutet dies entspre- chend eine Einsparung von 1 Mio €! 4
  • 5. Zuzüglich der weitaus wichtigeren möglichen zusätzlichen Umsatzeffek- te durch die effizientere Marketingkampagne Quantifizierbare Gesamteinsparungsmöglichkeiten im Bereich der exter- nen Kommunikation anhand der o.g. Beispiele: 2,75 Mio € pro Jahr. Dieser Betrag erweitert sich entsprechend mit dem Umfang derartiger Aktivitäten je Kunde. 3. Interne Verwaltungskosten Beschaffung richtiger Daten, Abstimmung und händische Aktualisierung Personalaufwand für Datenrecherche und Fehlerbereinigung z.B. von Stammdaten Annahmen: Siehe obiges Beispiel Postrückläufer im Punkt externe Kommu- nikationskosten Personalaufwand je notwendiger Recherche beim Einwohner- meldeamt entspricht 3,50 € (für Rückläufer ohne neue Adress- angabe, 1%) Personalaufwand für die händische Datenpflege sowie die Ab- stimmung zwischen Datenerfassern und Datennutzern entspricht 1,50 € (für alle Rückläufer, 10 %) Zusatzaufwand: 0,1 Mio x 3,50 € + 0,1 Mio x 1,50 € = 0,5 Mio € Fehlender Gesamtüberblick über einen Kunden erfordert zusätzlichen Aufwand bei der Zusammenstellung notwendiger Kundeninformationen Ineffiziente manuelle Bereinigung fehlerhafter oder veralteter Daten Auch die Beseitigung von Fehlern durch aufwendige händische Bereinigung oder nicht wieder verwendbare Programmroutinen erfordert erhebliche zusätz- liche Ressourcen. Um z.B. aus ineffizienten Datenkonstrukten überhaupt Schlussfolgerungen ziehen zu können, ist ein hoher (manueller) Aufwand bei den Analysen zu betreiben. Zunehmender Fusions- bzw. Kooperationsdruck Bei der Zusammenführung bzw. Abstimmung diverser Organisationsstrukturen ist es erforderlich, auch unterschiedliche IT-Strukturen und Datenquellen mit verschiedenen Schemata zu integrieren. In diesem Zusammenhang ist gerade im Bereich des Datenqualitätsmanagements eine wichtige Voraussetzung da- für zu schaffen, dass in der Zukunft ein reibungsloses Zusammenspiel der In- formationen unternehmens- bzw. netzwerkweit gelingen kann. Eine Vernach- lässigung derartiger Aktivitäten bedingt einen erheblichen Kostenfaktor der künftigen Verwaltungsprozesse. 5
  • 6. Kontensperrung im Todesfalle An diesem konkreten Beispiel wird die Sinnhaftigkeit der Automatisie- rung von Datenqualitätsmaßnahmen besonders offensichtlich: Drei Mit- arbeiter einer Regionalbank mit ca. 500.000 Kunden sammeln täglich halbtags Todesanzeigen in diversen Regionalzeitungen, um gegebe- nenfalls bei ihnen vorhandene Konten der Verstorbenen zu schließen. Der Aufwand der manuellen Bewältigung ist nicht unerheblich: 1,5 Mit- arbeiter-Tage (150 €), -Monate (3.000 €), -Jahre (36.000 €). Der Auf- wand zur Automatisierung des Vorgehens hätte sich in weit weniger als einem Jahr amortisiert. Eine Hochrechnung dieser Kosten auf den gesamten von der Finanz-IT betreuten Sparkassenbereich ergibt einen speziellen Aufwand von 0,72 Mio € pro Jahr, der eingespart werden könnte. 4. IT-Kosten Datenmigration bei der Einführung neuer Softwaresysteme zur Ge- schäftsprozessunterstützung Möglichkeit der Reduzierung des Datenmigrationsaufwandes durch Zwischenschaltung eines ganzheitlichen Datenqualitätsmanagements (DQM) zur Abstimmung der verschiedenen zu integrierenden Daten- quellen sowie des Dateninhalts selbst. Durch Einsparung der notwendigen zusätzlichen Testmigrationen wird der Aufwand um etwa ein Drittel reduziert. Zudem wird das Risiko des Scheiterns des Einführungsprojektes selbst erheblich gesenkt. In die- sem worst-case-Fall können die Projektkosten selbst oder zumindest der Aufwand zur Fehlerbehebung als Zusatzaufwand angesetzt wer- den. Hinzu kommen die dadurch entgangenen Umsatzmöglichkeiten. Eine adäquate Kosten-Nutzen-Quantifizierung eines ganzheitlichen DQM ist erst anhand der konkreten Aufgabenstellung möglich. Programmiertechnische Wiederaufbereitung mangelnder Datenqualität Experten gehen davon aus, dass monatlich etwa 2% der exakten Daten durch Prozessfehler beschädigt werden (2% von 1 Mio. Daten = 20.000 Daten). Selbst kleine Fehler rufen mit der Zeit und im Schneeballeffekt Ineffizienz hervor und legen damit die Grundlage für kommende größe- re Qualitätsprobleme.4 Durch die Einbindung von Indikatoren zur Be- stimmung der Datenqualität (Genauigkeit, Vollständigkeit, Konsistenz usw.) lassen sich derartige Probleme schnell erfassen und ursachenge- recht beheben. Eine Vernachlässigung derartiger Präventivmaßnahmen bindet zuneh- mend größere, vor allem personelle IT-Ressourcen im reaktiven Be- reich der Datenaufbereitung. Zudem erfolgt dies meist zur Entwicklung von nur partiell oder gegebenenfalls nicht wiederverwendbaren Pro- grammroutinen. 4 Dubois: Customer Relationship Management with Enterprise-Wide Data Quality, DM Direct, 08/1999 6
  • 7. 5. (Fehl-) Entscheidungskosten Aufgrund mangelnder Datenqualität Qualitativ mangelnde Stamm- oder Bewegungsdaten führen dazu, dass diese für anspruchsvolle Auswertungen im Data Warehouse nicht adä- quat zusammengefasst oder in Beziehung gesetzt werden können. Es entstehen Fehlinterpretationen durch falsche oder nicht zusammen- fassbare Quelldaten. Beispielsweise werden bestimmte Stammdaten, die regional oder anderweitig aufgrund falscher Informationen nicht zu- ordenbar sind, nicht in die Auswertung einbezogen. Dies kann durch- aus bis zu einem Drittel der relevanten Datensätze ausmachen. Dies führt zur Verzerrung der realen Situation. Aufgrund mangelnder Abstimmung verschiedener Datenquellen Eine schlecht integrierte Datenbasis im Rahmen einer Fusion, ein man- gelnder Datenabgleich mit Verbundpartnern und eine unzureichende Haushaltsverknüpfung führt ebenfalls zu Fehlinterpretationen im Rah- men von strategischen Auswertungen, gegebenenfalls zur Ignorierung profitabler Marktsegmente sowie zur Verpassung von Trends. Außerdem besteht die Möglichkeit, Wettbewerbsvorteile durch Ablei- tung falscher Strategien zu verlieren. 6. Produktionskosten Ausschuss und Nacharbeit durch falsch justierte Maschinen aufgrund ungenauer Daten Rückrufaktionen wegen Produktionsmängeln, die auf fehlerhaften Pro- duktionsdaten oder Berechnungen beruhen 7. Kreditkosten Die neuen Kreditvergaberichtlinien der Banken (Basel II) üben großen Druck auf die Unternehmen aus. In Zukunft muss man mit einem adäquaten Risikomanagement- system nachweisen, dass man die Risiken im Griff hat. Ein besonderer Fokus liegt dabei auf den IT-Risiken, welche transparente und glaubhafte Datenbestände der Firmen einschließen. Eine Aufgabe im Rahmen des Datenqualitätsmanagements! 8. Umsatzeinbußen Ineffizientes Cross-Selling bei fehlendem Überblick über Kundeninforma- tionen Annahme: 10 Mio. Kunden angenommener durchschnittlicher Umsatzzuwachs von nur 50 € je Kunde im Rahmen einer Cross-Selling-Aktion 7
  • 8. Bei einer Verbesserung der Datenqualität um 1% ergibt sich dabei eine Umsatzsteigerung von 5 Mio. €. Die Kosten verlorener Kunden und verpasster Gelegenheiten können zwei- bis dreimal so hoch sein, wie die Aufwendungen für Datenquali- tät! Unzustellbarkeit von Rechnungen Die Unzustellbarkeit von Rechnungen reduziert die Einnahmen der jeweiligen Firma entsprechend und nimmt damit Einfluss auf den Gewinn. Nutzung leer stehend gemeldeter Verbrauchsstellen Verbrauchsstellen (VS) sind leer stehend gemeldet, obwohl ein Großteil längst wieder genutzt wird. Konsequenz ist ein Verbrauch ohne Ein- nahmen. Annahme: 200.000 VS, 3% abgemeldet aber genutzt jährlicher Verlust 500 €/VS Umsatzverlust: 6.000 VS x 500 €/VS = 3 Mio. € pro Jahr Datenaufbereitung schafft Umsatz und Erlöse: Nach Erfahrungswerten sind 40-50% solcher Verbrauchsstellen wieder aktivierbar. Zu erwar- tende Einnahmesteigerung: ca. 1,5 Mio. € pro Jahr. Falsche Daten beim E-Business Eine Einzelhandelsfirma in UK erhielt und bestätigte Bestellungen von Tausenden von TV-Sets, die im Internet mit 3 statt 300 falsch aus- gepreist waren. Eine europäische Telekommunikationsfirma hat neun Monate lang „ü- bersehen“, dass die Internetgebühren ihrer Kunden nicht eingezogen wurden. Der Verlust belief sich auf 8 Mio. €. Eine US-Fluggesellschaft bot auf ihrer Homepage transatlantische Flü- ge für nur 25 US$ an.5 Geeignete Indikatoren für Datenqualität hätten solche Irrtümer schnell aufgedeckt. 9. Juristische Aspekte mangelnder Datenqualität Betrugsversuche über Kundenangaben im E-Business Beim E-Business geht man davon aus, dass nur etwa 10% der Daten in Ordnung sind.6 Typisch sind Mehrfachanmeldungen mit modifizierten Angaben durch die gleiche Person, um beispielsweise angebotene Bonus- oder Kreditprogramme mehrmals nutzen zu können. 5 English: Plain English About Information Quality: Information Quality in E-Business 10/2002 6 Dubois: Customer Relationship Management with Enterprise-Wide Data Quality, DM Direct, 08/1999. Dies ist aber nicht nur auf Betrugsversuche, sondern auch auf den Schutz der Identität sowie auf die verschiedenen Fehlerquellen zurückzuführen. 8
  • 9. Geldstrafen Der Autokonzern Mazda wurde in den USA zu einer Geldstrafe in Höhe von 5,25 Mio. US$ verurteilt, nachdem sich herausstellte, dass er seinen Kunden gegen- über falsche Angaben über Leasingkosten und Leasingbedingungen machte. Auch in diesem Falle war eine schlechte Datenqualität die Ursache.7 Gesetzlicher Schutz der Kunden Falsche Produktpreise in den Datenbanken von Barcodescannern haben in den USA zu derartigen Problemen geführt, dass entsprechende Verbraucherschutz- gesetze erlassen werden mussten.8 Falsche Preisdaten in Handelsdatenbanken kosten amerikanische Konsumenten jährlich etwa 2,5 Mrd. US$. Untersuchungen haben nachgewiesen, dass 80% der über Barcodes ausgelesenen fehlerhaften Preisangaben den ausgewiesenen Warenpreis übersteigen.9 10. „Weiche“ Kostenfaktoren Imageeinbußen Die Qualität des Produktes wird oft anhand der Qualität der Adressierung be- wertet. Der Verlust in das Vertrauen z.B. einer Bank lässt vor allem Kunden mit hohen Einlagen sehr schnell abwandern: „Wenn die Adresse schon nicht stimmt, was passiert dann erst mit meinem Geld?“ Kundenunzufriedenheit Entsteht z.B. durch Berechnungsfehler und Mehraufwand des Kunden zur Klärung der Angelegenheit. Bei der Euroumstellung hat die Dresdner Bank die Wertpapier-Depots ihrer Kunden gleich zweimal umgerechnet, so dass nur noch ein Viertel des ursprünglichen Guthabens auf dem Kontoauszug ausgewiesen war. Nach Angaben der Verbraucherzentrale Nordrhein-Westfalen ist dies kein Einzelfall gewesen, da auch mehrere Beschwerden von Kun- den anderer Banken vorlagen.10 Erfahrungsgemäß ist der Aufwand, um einen Neukunden zu gewinnen zehn Mal höher als der, einen Kunden zu behalten! 7 English/Rerez: Plain English About Information Quality: The Information Quality Act, DM Review 02/2003 8 English/Rerez: Plain English About Information Quality: The Information Quality Act, DM Review 02/2003 9 de Fries/Seidl/Windheuser: Datenqualität: Ein unterschätzter Erfolgsfaktor, ExperPraxis 2001/02, S. 92 10 de Fries/Seidl/Windheuser: Datenqualität: Ein unterschätzter Erfolgsfaktor, ExperPraxis 2001/02, S. 92 9
  • 10. Mitarbeiterzufriedenheit und -motivation Mitarbeiterzufriedenheit und -motivation sinken bei hohem und unnützem Verwal- tungsaufwand, so dass neben der Mehrbelastung auch die Umsetzung der ei- gentlichen Aufgaben qualitativ und quantitativ leidet. Auch wenn diese „weichen“ Kostenfaktoren nur schwer quantifizierbar sind, wird doch klar, dass sie erheblich den Erfolg einer Unternehmung beeinflussen können. Daher ist es wichtig, auch diese Aspekte im Rahmen eines ganzheitlichen Ansatzes für professionelles Datenqualitätsmanagement besonders zu berücksichtigen. 11. Zusammenfassung Es konnte anhand einzelner Beispiele gezeigt werden, dass der Faktor Datenqualität neben erhöhter Kundenzufriedenheit und Mitarbeitermotivation erhebliche Einsparpo- tenziale in den organisatorischen und technischen Abläufen, den Entscheidungsfin- dungsprozessen, aber auch in anderen Bereichen mit sich bringt, die bislang kaum genutzt werden, weil das Bewusstsein darüber derzeit sehr wenig ausgeprägt ist. Allein die dargestellten quantifizierten Einsparpotenziale machen unter den getätig- ten Annahmen mehrere Millionen Euro jährlich aus. Dem stehen Aufwendungen für die weitgehend automatisierte Herstellung entsprechender Datenqualität entgegen, die schon kurz- bis mittelfristig um ein Mehrfaches durch die zu erwartenden Einspa- rungen wettgemacht werden können. Nachhaltige Datenqualität wird noch zu wenig als ein entscheidender Qualitätspara- meter definiert, der neben der Generierung neuer Geschäftsmöglichkeiten und dem Abbau von Risiken echte Wettbewerbsvorteile schafft. Zu dieser Nachhaltigkeit ge- hört natürlich auch die Einsicht, dass Datenqualitätsmanagement nicht nur reaktiv angegangen werden kann, sondern vor allem ursachenorientiert. Dies wiederum heißt, die jeweiligen Prozesse in den Arbeitsabläufen und der IT-Struktur so zu ges- talten, dass die Fehler nicht nachträglich analysiert und beseitigt werden müssen, sondern - soweit wie möglich - von vorn herein ausgeschlossen werden können. 10