Skip to content
Background Blur

In dieser Woche fand die jährliche Mitgliederversammlung der Deutschen Gesellschaft für Informations- und Datenqualität e.V. (DGIQ) in Offenbach statt, deren  Mitglied ich seit einigen Jahren bin. Der Verein sieht es als einer seiner Kernaufgaben an, dass Thema „Datenqualität“ mehr und mehr in den Fokus der Betrachtung zu rücken, wenn es um die Datenerfassung, -haltung und -verarbeitung geht. In diesem Zusammenhang wird dann oft die Frage gestellt, warum kann es in einem Unternehmen überhaupt zu Datenqualitätsproblem kommen? Kurz: Was sind die Ursachen für Datenqualitätsprobleme und welche sind dies im Bereich der Artikelstammdaten im Speziellen?

Datenqualitätsprobleme sind grundsätzlich sehr vielfältig, was eine Kategorisierung der Ursachenbereiche mangelhafter Artikelstammdatenqualität sinnvoll erscheinen lässt. Bei der Literaturrecherche lassen sich unterschiedliche Einordnungsversuche finden. Einen guten Überblick bietet hier Eppler (vgl. Eppler, Managing Information Quality, 2006, S. 29ff), der die Ansätze von Garvin, Lesca & Lesca und den der Autoren Strong, Huang,Lee und Wang im Detail beschreibt und analysiert. Zusammenfassend stellt er fest:“Litrarature on information quality problems categories these challenges according to there dimension (content, format, time), their view (information as product or process), or their phase in the information life cycle (production, storage, use).“ (Eppler, Managing Information Quality, 2006, S. 39).

Eine pragmatische Einteilung von Datenqualitätsproblemen, die in Business-Inteligence-Projekten erarbeitet wurde, bieten Apel et al. (vgl. Apel et al., Datenqualität erfolgreich steuern, 2010, S. 34ff). Übertragen auf Artikelstammdaten lassen sich somit folgende Ursachenbereiche finden:

  • Datenerfassung und –pflege: Hierunter fallen Benutzerfehler (falsche Eingaben, unvollständige Erfassung, unzureichende Ausbildung des Erfassers), fehlenden Ressourcen und mangelndes Design der Eingaben- und pflegemasken.
  • Prozesse: Diese Kategorie thematisiert die Auswirkungen, die sich durch die komplexen Artikelstammdatenprozesse und deren Nutzung in den Prozessen der Artikelstammdaten ergeben.
  • Datenarchitektur: Hier steht die Gesamtheit der genutzten Systeme, deren Schnittstellen und die Datenflüsse der Artikelstammdaten zwischen den System im Fokus der Betrachtung.
  • Datendefinitionen: Für eine standardisierte und eindeutige Auslegung der Artikelstammdaten ist eine konsistente fachliche Beschreibung der Daten erforderlich. Abweichende Definitionen und Interpretationen der Artikelstammdaten in einer Organisation führen zu bereichs- aber auch unternehmensübergreifenden Datenproblem. Womit insb. die Nutzung von Standards wie die der GS1 mit GLN, GTIN und GDSN im Fokus der Betrachtung gerückt werden.
  • Datenkorrekturen: Im Zug dieses Problembereichs, ist es wichtig sicherzustellen, dass Korrekturen der Artikelstammdaten, die im DV-System A durchgeführt werden, entsprechend konsistent in der kompletten Systemlandschaft oder zumindest in den Systemen, in den mit diesen Daten gearbeitet wird, ebenfalls verbessert werden. Werden so bspw. die Maßangaben in der Logistik verbessert, so müssen auch die Korrekturen in der zentralen Artikelstammdatenbank korrigiert werden.
  • Datenverfall: Hier kommt es auf die Aktualität der Artikelstammdaten an. Mit veralteten Daten kann nicht mehr sauber gearbeitet werden. Zur Vermeidung veralteter Artikelstammdaten, sind sie ständig aktuell zu halten und außerdem sind Prozesse im Unternehmen zu installieren, die es erlauben den Datenverfall wichtiger Artikelstammdaten rechtzeitig zu erkennen.

Die hier erläuterten Ursachenbereiche mangelhaften Artikelstammdaten, verdeutlichen die Vielschichtigkeit von Datenqualitätsmängeln in der täglichen Arbeit des Artikelstammdatenmanagements. Sie zeigen aber gerade Ansatzpunkte auf, wo derartige Ursachen im Unternehmen aufgespürt werden können und rücken so „Behandlungszentren“ von Datenqualitätsproblem in den Vordergrund. Wobei gerade die Beseitigung der Ursachen, hinzu einer besseren Artikelstammdatenqualität, sicherlich die große Herausforderung darstellt, die sich die die Unternehmen stellen müssen.