Schlechte Datenqualität kostet bares Geld

Wie teuer sind inkorrekte Daten heutzutage? Und wie können Unternehmen vorgehen, um ihre Datenqualität zu verbessern?

In unserem digitalen Zeitalter sind Daten überaus wertvoll. Sie helfen Unternehmen in den unterschiedlichsten Bereichen bei der Entscheidungsfindung und können so dafür sorgen, dass verfügbare Ressourcen so effektiv wie möglich eingesetzt werden.

Im Bereich des Customer Relationship Managements lassen sich Kundendaten beispielsweise im analytischen CRM gezielt auswerten, um einen besseren Überblick über die Präferenzen der Zielgruppe und allgemeine Trends zu erhalten.

So teuer sind schlechte Daten 

Laut dem Data Quality Market Survey von Gartner (Stand 2017) kosten fehlerhafte Daten Unternehmen durchschnittlich $15 Millionen oder zwischen 15% - 25% des Umsatzes (1, 2). Auf makroökonomischer Ebene kommt man so schnell auf Kosten in Milliardenhöhe.

Weitreichende Konsequenzen 

Eine schlechte Datenbasis sorgt dafür, dass auch die Qualität und Belastbarkeit der darauf aufbauenden Analysen und Auswertungen leidet. Neben weniger profitablen Geschäftsentscheidungen kann eine schlechte Datenqualität – z.B. wenn sie aus schlechten Rahmenbedingungen und einer aufwendigen Datenpflege resultiert – auch einen negativen Einfluss auf die Mitarbeiterzufriedenheit haben (3).

Mögliche Ursachen und Hintergründe 

Eine schlechte Datenqualität kann unterschiedliche Hintergründe haben. So ändern sich Kundendaten stetig. Auch Stammdaten wie Name oder Adresse können sich durch Umzug, Heirat, Scheidung & Co. verändern. Und zur Konsequenz haben, dass Mailings, Briefe oder gar Rechnungen nicht richtig zugestellt werden können (3).

Änderungen gehören dazu. Werden Stammdaten nicht ausreichend oft gepflegt, kann es dazu kommen, dass die Datenqualität durch veraltete Datensätze leidet. Dieser Effekt wird jedoch noch deutlich verstärkt, wenn dieselben Daten an unterschiedlichen Stellen im Unternehmen in mehreren Version vorgehalten werden. Statt einer „Single Source of Truth“ werden die Informationen in Insellösungen vorgehalten, die nicht ausreichend miteinander vernetzt sind. Dies erfordert dann eine doppelte Datenpflege; Datensilos werden aufgebaut und Dubletten entstehen.

Konsolidierung der IT-Infrastruktur 

Abhilfe schaffen kann dann die Konsolidierung der eigenen IT-Infrastruktur. Durch die Nutzung ganzheitlicher Systeme wird sichergestellt, dass alle Mitarbeitenden immer Zugriff auf dieselben, korrekten Daten haben, welche auf einer einheitlichen Plattform verwaltet werden. Von Bedeutung ist in Zusammenhang mit dem CRM-System beispielsweise eine Verknüpfung mit der ERP-Software als Herzstück der unternehmenseigenen IT-Infrastruktur.

Wenn man bedenkt, dass das jährliche Datenvolumen und somit auch das Datenaufkommen in Unternehmen in den kommenden Jahren weiter steigen soll (4), sollten Unternehmen die Einführung ganzheitlicher Lösungen in Betracht ziehen, um den wachsenden Anforderungen im Zeitalter von Big Data gerecht werden zu können.

Bevor Betriebe also über die Einführung smarter Systeme mit KI-gestützten Funktionen zur Datenauswertung nachdenken, sollten sie einen Blick auf die aktuelle Datenbasis werfen und eruieren, an welchen Stellen es Optimierungspotenziale bei der Datenspeicherung gibt. Weiterführende Informationen zum Thema AI finden Sie übrigens auch im Artikel "Das Potenzial künstlicher Intelligenz im CRM". 

Quellen

1. „So hoch ist der Preis für schlechte Datenqualität in Unternehmen“, qvantum-plan.de, abgerufen: 15.04.2024.
2. „Datenqualität – Was ist das und wie gut müssen meine Daten sein?“, pacemaker.ai, abgerufen: 15.04.2024.
3. „Was kosten schlechte Daten? Und wie können diese vermieden werden?“, uniserv.com, abgerufen: 15.04.2024.
4. „Volumen der jährlich generierten/replizierten digitalen Datenmenge weltweit von 2010 bis 2022 und Prognose bis 2027“, de.statista.com, 13.02.202