Im März 2024 wurde eine überarbeitete Fassung des DAMA DMBOK veröffentlicht. Wenn Sie an Initiativen im Bereich Datenmanagement beteiligt sind, ist Ihnen diese Aktualisierung wahrscheinlich nicht entgangen. Bevor wir uns näher mit dem Thema befassen, ist es hilfreich, einige Hintergrundinformationen zu geben.

DAMA International und das DMBOK

DAMA International ist eine 1980 gegründete gemeinnützige Organisation, die sich der Entwicklung internationaler Standards und bewährter Verfahren für das Datenmanagement widmet. Die Organisation hat ihren Hauptsitz in Vancouver und ist über regionale Sektionen weltweit tätig, darunter auch in Frankreich.

Das DMBOK umfasst mehr als 600 Seiten, 17 Kapitel und ein Rahmenwerk aus miteinander verknüpften, sich ergänzenden Funktionen, die durch das bekannte DAMA-Rad dargestellt werden. Würde man das gesamte Buch in einem einzigen Artikel behandeln, würde man nur an der Oberfläche kratzen; daher konzentriert sich dieser Artikel speziell auf eine seiner Kernfunktionen: die Datenqualität.

Der allgemeine Ansatz des DMBOK zum Datenqualitätsmanagement

Die vom DMBOK vertretene Strategie ist klar und einfach: Die Ziele des Datenmanagements – und die Ziele der zugrunde liegenden Funktionen – müssen auf die Geschäftsziele des Unternehmens abgestimmt werden. Das mag selbstverständlich klingen, doch Unternehmen übersehen diesen Aspekt oft zugunsten rein datengesteuerter Ansätze, bei denen die operativen Teams Schwierigkeiten haben, Ziele, Prioritäten und Governance-Regelungen zu definieren, die die Geschäftsergebnisse tatsächlich unterstützen.

Man sollte auch bedenken, dass die Datenqualität stark vom jeweiligen Kontext abhängt. Ein und derselbe Datensatz kann von einem Teil eines Unternehmens als qualitativ hochwertig angesehen werden, während ein anderer Teil ihn als unzureichend bewertet. Letztendlich hängt die Datenqualität davon ab, wie die Daten innerhalb der Geschäftsprozesse genutzt werden.

Vor diesem Hintergrund nennt das DMBOK vier zentrale Geschäftsziele, die als Grundlage für das Datenqualitätsmanagement dienen sollten.

1. Verbesserung der Erfahrungen der Interessengruppen und des Rufs der Organisation

Dieses Ziel lässt sich als die Fähigkeit eines Unternehmens interpretieren, seinen Kunden zu versichern, dass es stets zuverlässige Produkte und Dienstleistungen mit minimalen Mängeln oder Störungen liefern kann – und vor allem, dass es dieses Versprechen auch einhält. Dies war schon immer eine geschäftliche Priorität, ist jedoch heute enger denn je mit der Datenqualität verknüpft, da Produkte, Dienstleistungen und Prozesse zunehmend digitalisiert werden.

2. Steigerung der organisatorischen Effektivität

Um erfolgreich zu sein, müssen Unternehmen ihre Geschäftsziele auf ihre Gesamtstrategie abstimmen, geeignete Leistungskennzahlen festlegen, die Leistung im Zeitverlauf überwachen und messbare Ergebnisse erzielen. In der Praxis ist dieses Ziel eng mit Business Intelligence und datengestützter Entscheidungsfindung verbunden.

3. Risiken und damit verbundene Kosten reduzieren

Unternehmen müssen Risiken in allen Geschäftsbereichen identifizieren, bewerten und überwachen, darunter Fertigung, Logistik, Vertrieb, Finanzen, Compliance und Betrieb. Dazu sind genaue, zuverlässige und vertrauenswürdige Daten erforderlich, die eine fundierte Entscheidungsfindung und ein effektives Risikomanagement ermöglichen.

4. Steigerung der Effizienz und Produktivität

Dieses Ziel konzentriert sich auf die Optimierung von Prozessen, Fertigungsabläufen und der Ressourcennutzung bei gleichzeitiger kontinuierlicher Leistungssteigerung im Laufe der Zeit. Um es mit den Worten von Lord Kelvin zu sagen – die später von W. Edwards Deming durch den PDCA-Zyklus bekannt gemacht wurden: „Was man nicht messen kann, kann man auch nicht verbessern.“ Unternehmen müssen daher qualitativ hochwertige Daten erheben, pflegen und verwalten, die eine kontinuierliche Verbesserung unterstützen.

Warum der geschäftliche Kontext an erster Stelle steht

Im DMBOK wird eindeutig festgestellt, dass das Verständnis des geschäftlichen Kontexts und der Geschäftsziele eine Voraussetzung für die Festlegung von Anforderungen an das Datenqualitätsmanagement ist. Wenn Initiativen zur Datenqualität direkt auf die geschäftlichen Prioritäten abgestimmt sind, ist die Wahrscheinlichkeit weitaus größer, dass sie im gesamten Unternehmen verstanden, unterstützt und finanziert werden.

Wo soll man anfangen?

Hinter diesen vier Geschäftszielen verbirgt sich eine beträchtliche Menge an Daten, die in nahezu allen Abteilungen erfasst werden. Wo soll man also anfangen? Eine Priorisierung ist unerlässlich. Geht man davon aus, dass das Pareto-Prinzip zutrifft, kann die Lösung von 20 % der Datenqualitätsprobleme bereits 80 % des Gesamtnutzens bringen.

Das DMBOK empfiehlt, sich zunächst auf kritische Daten zu konzentrieren – also Daten, die in direktem Zusammenhang mit den vorrangigsten Zielen der Organisation stehen, darunter Kundenzufriedenheit, Wirksamkeit und betriebliche Effizienz. Solche kritischen Daten beziehen sich in der Regel auf einen oder mehrere der folgenden Bereiche:

• Aufsichts-, Finanz- und Managementberichterstattung
• Kerngeschäft
• Messung der Produktqualität und Überwachung der Kundenzufriedenheit
• Geschäftsstrategie und Wettbewerbsvorteile

Unternehmen sollten Referenz- und Stammdaten besondere Aufmerksamkeit widmen, da diese oft von Natur aus kritisch sind, weil sie wesentliche Geschäftsprozesse unterstützen.

Dimensionen der Datenqualität

Sobald kritische Daten identifiziert wurden, benötigen Unternehmen messbare und klar definierte Kriterien, anhand derer die Datenqualität bewertet werden kann. Zu den gängigen Kriterien zählen Validität, Vollständigkeit, Genauigkeit, Eindeutigkeit, Konsistenz und Integrität.

Das DMBOK stützt sich auf die Norm ISO 8000, das Rahmenwerk von Wang und Strong – das allein bereits fünfzehn Dimensionen umfasst – sowie auf mehrere andere etablierte Ansätze. Während sich diese Rahmenwerke in der Regel über die grundlegenden Prinzipien einig sind, unterscheiden sie sich hinsichtlich der Frage, welche Dimensionen priorisiert und überwacht werden sollten. Die vom DMBOK hervorgehobenen spezifischen Dimensionen behandeln wir in einem eigenen Artikel: Die 9 Dimensionen der Datenqualität verstehen.