Digitalisierung in der Telekommunikation
Datenqualität ist Pflicht
Fortsetzung des Artikels von Teil 1
Kundenservice und Infrastrukturinvestitionen als Frage richtiger Daten
An einem Beispiel aus der Telekommunikationsbranche lassen sich die unterschiedlichen Ebenen der Datenqualität und die damit verbundenen Auswirkungen nachvollziehen. In diesem Fall sind nicht immer alle Produkte in den Verträgen erfasst. Ein Kunde bestellt nur Telefon und Internet, bittet aber den Techniker, auch noch den TV-Anschluss freizuschalten, da dies auch im Preis enthalten ist. Dies wird allerdings nirgends vermerkt, sodass sich bei der nächsten Installation ein als frei ausgewiesener Fernsehanschluss doch als belegt herausstellt. Der Anbieter befindet sich nun in einer Zwickmühle: Der Neukunde bekommt seinen Fernsehanschluss nicht zum zugesagten Datum, eventuell muss der Anschluss des Bestandskunden abgeschaltet werden. Das Legen neuer Anschlüsse verzögert sich, da im System der Bedarf nicht ersichtlich war und notwendige Teile nicht auf Lager sind.
Hier hätte eine technische und inhaltliche Prüfung der Daten ergeben, dass Preis und Produkte nicht zusammenpassen, sodass der Anschluss entsprechend hätte vergeben werden können. Der Belegungsstatus wäre in die Kapazitätsplanung eingeflossen und Nachschub bestellt worden. Hätten alle Daten korrekt vorgelegen, wäre im dritten Schritt erkennbar gewesen, dass in diesen Straßenzügen in den letzten Monaten die Nachfrage nach Fernsehanschlüssen deutlich gestiegen ist. Dies hätte eine Investitionsentscheidung mit sich bringen können. Aufgrund der fehlenden Datenprüfung ist diese Gelegenheit verpasst worden, Einnahmen sind dem Unternehmen entgangen und auch die Kundenzufriedenheit hat gelitten. Die Kosten für eine Datenprüfung wären im Vergleich dazu niedrig ausgefallen, besonders, da viele Schritte automatisiert ausgeführt werden können.
Daten als Unternehmens-Assets bewerten
Um sich bei geschäftskritischen Entscheidungen auf eine solide Datenbasis verlassen zu können, müssen Unternehmen auf allen Stufen der Anlieferung und Erzeugung von Daten auf deren Qualität achten. Das bedeutet, dass Daten vollständig und richtig sein müssen, Syntax und Inhalte stimmen und die Informationen auf Relation und Plausibilität mit anderen Feldern geprüft werden. Automatische, regelbasierte Prüfungen werden im Idealfall durch Maßnahmen zur Fehlerkorrektur begleitet. Erst wenn dies gewährleistet ist, sollten Daten für eine weitergehende inhaltliche Analyse herangezogen werden.
Schließlich sollten auch Bestandsdaten nicht vernachlässigt werden. Periodische Prüfungen stellen sicher, dass die Datenqualität erhalten bleibt und man Veränderungen erfasst. So kann gewährleistet werden, dass diese Daten ebenso aussagekräftig sind und aktuelle Geschäftsentscheidungen sinnvoll unterstützen. Mit Hilfe von Monitoringsystemen wie einer Datenqualitäts-Scorecard lassen sich Aussagen zur Datenqualität treffen und Verbesserungen der-selben messen. Sie helfen auch dabei, den Wert von Daten für das Unternehmen zu beleuchten.
Walter Passareck ist Data Quality Solution Architect bei Uniserv
- Datenqualität ist Pflicht
- Kundenservice und Infrastrukturinvestitionen als Frage richtiger Daten
Lesen Sie mehr zum Thema
