Damit Führungskräfte fundierte Entscheidungen treffen können, benötigen sie qualitativ hochwertige Daten. Leider haben die meisten Unternehmen – in allen Branchen – Datenqualitätsprobleme, die sich direkt auf die Leistung ihres Unternehmens auswirken.  

Fallbeispiel: In a aktuelle Umfrage Von meinem Unternehmen durchgeführt, wurden Praktiker zu den Problemen befragt, die ihre Arbeit plagen, wie sehr sie den Daten ihrer Organisation vertrauen und wie ihre Organisationen die Bemühungen um Datenqualität unterstützen. In einer Umfrage von meist Dateningenieure, gaben 77 % der Befragten an, dass sie Probleme mit der Datenqualität haben, und 91 % gaben an, dass sie die Leistung ihres Unternehmens beeinträchtigen. 

Gartner schätzt, dass schlechte Datenqualität Unternehmen Kosten verursacht durchschnittlich 12.9 Millionen US-Dollar indem sie ihre Fähigkeit behindern, zeitnahe und sichere Entscheidungen auf der Grundlage der ihnen vorliegenden Daten zu treffen. Laut dem Analysten ist es ein Wettbewerbsvorteil, eine hohe Datenqualität aufrechtzuerhalten. 

Die Umfrageergebnisse zeigen deutlich die Fülle von Datenqualitätsproblemen in Unternehmen und wie weit verbreitet der daraus resultierende Mangel an Datenvertrauen ist. Wenn eine Organisation eine schlechte Datenqualität hat, senkt dies die Produktivität und untergräbt das Vertrauen in die aus diesen Daten abgeleiteten nachgelagerten Artefakte – wie Dashboards, Maschinelles Lernen Modelle und Datenanwendungen.

Das Ergebnis ist eine Katastrophe. Ohne ein gemeinsames Verständnis dessen, was Ihre Metriken bedeuten sollen, kommt es zu dem, was wir als Pipeline-Schuld bezeichnen – eine Verlangsamung der Fähigkeit Ihres Unternehmens, Geschäftsentscheidungen auf der Grundlage von Daten zu treffen, Ineffizienz und Konflikte zwischen Teams sowie Vertrauensverlust in die Systeme und Arbeitsabläufe die auf Daten angewiesen sind.

Zu den wichtigsten Ergebnissen der Umfrage unter 500 Datenexperten (darunter Dateningenieure, Datenanalysten und Datenwissenschaftler) gehören:

• Datenpraktiker nennen verschiedene Gründe für schlechte Datenqualität in ihren Organisationen. Dazu gehören fehlende Dokumentation (31 %), fehlende Tools (27 %) und Teams, die sich nicht verstehen (22 %).
• Weniger als die Hälfte der Befragten drückte großes Vertrauen in die Daten ihrer Organisation aus, und 13 % hatten geringes Vertrauen in die Datenqualität, was auf fehlerhafte Apps oder Dashboards, Entscheidungen auf der Grundlage unzuverlässiger oder schlechter Daten, Teams ohne gemeinsames Verständnis von Metriken und Abteilungen zurückzuführen war waren isoliert oder in Konflikt.
• Die meisten Organisationen unterstützen die Datenqualitätsbemühungen, wobei 89 % der Befragten angaben, dass ihre Führung die Datenqualitätsbemühungen unterstützt, und 52 % glauben, dass die Führung der Datenqualität großes Vertrauen entgegenbringt.
• Datenvalidierung ist die Norm: 75 % der Befragten gaben an, dass sie Daten als Praxis validieren.
• Nur sehr wenige Organisationen bleiben von Datenqualitätsproblemen verschont. Nur 11 % der Befragten gaben an, keine Probleme mit der Datenqualität zu haben.

In der heutigen Welt sind Daten-Workflows und -Pipelines komplex, berühren mehrere Interessengruppen und ändern sich durch mehrere Prozesse. Es ist fast ebenso ein Problem der Zusammenarbeit wie ein Qualitätsproblem geworden. Damit die Datenqualitätsbemühungen erfolgreich sind, muss im gesamten Unternehmen investiert werden. Datenwissenschaftler, Analysten und Ingenieure benötigen Unterstützung von Führungskräften, um in die Infrastruktur und Prozesse zu investieren, um die Datenqualität eines Unternehmens zu verbessern und dadurch die Geschäftsergebnisse zu verbessern.

Zu den Bemühungen zur Verbesserung der Datenqualität unter den Umfrageteilnehmern gehören die Festlegung eines Datenqualitätsplans mit Umfang und Budget (22 %), die Verwendung eines bestimmten Datenqualitätstools (19 %), die manuelle Überprüfung von Daten (14 %) und der Aufbau eigener Systeme (15 %). . Die Befragten äußerten eine klare Motivation, die allgemeine Datenqualität zu verbessern.

Viele Organisationen leiden unter mangelnder Trägheit. Datenqualität kann wie ein solches Mammutproblem erscheinen – es ist schwer, überhaupt anzufangen. Meiner Erfahrung nach können Organisationen jedoch durch kleine Änderungen einen bedeutenden Einfluss haben. Mit einer wirkungsvollen Datenpipeline zu beginnen und Best Practices für die Datenqualität mit nur dieser einen Pipeline zu befolgen, kann einen messbaren Einfluss auf die Geschäftsergebnisse haben. Damit beginnt auch der Wandel in der Datenkultur und stellt eine Organisation darauf ein, sich im Laufe der Zeit zu verbessern.