Strukturierte Datenanalyse, Profiling und Geschäftsregeln - Daten und Informationsqualitat - page 100

vergebener Branchenschlüssel mit einem intern abgeleiteten verglichen. Die Dar-
stellung macht deutlich, dass sich aus technisch logischer Sicht die Abgleiche nicht
unterscheiden. Die eigentliche Arbeit erfolgt auf der inhaltlichen Ebene, die im
Wesentlichen von den prozessualen Gegebenheiten geprägt ist.
Bei Ablösungen von Systemen wird regelmäßig die Qualität der neuen Software
in Testzyklen auf Basis der Erfahrungen mit dem alten System oder der Erwartung
an das neue System überprüft. Diese Tests werden mittlerweile durch ausgereifte
Testsysteme unterstützt, mit deren Hilfe die Realität abbildende Testfälle abgear-
beitet werden. Diese Testzyklen stellen sicher, dass die neue Software in ihren neu-
en und alten Funktionalität korrekt arbeitet.
Dies bedeutet allerdings in der Regel nicht, dass die Daten und Informationen, die
durch das System repräsentiert werden, nach der Migration auch wiedergefunden
werden können. Diese gehen schlicht auf dem Weg von einem zum anderen Sys-
tem ‚verloren', da
die den Systemen zugrunde liegenden Datenmodelle unterschiedlich sind,
o dadurch gleiche Sachverhalte unterschiedlich verschlüsselt wer-
den und
o Informationen in unterschiedlicher Granularität abgelegt werden.
das Datenmodell des Altsystems über seine Lebensdauer hinweg unkontrol-
liert angepasst wurde oder
Wissen über das Altsystem und des zugehörigen Datenmodells nicht mehr
oder nur eingeschränkt vorhanden ist.
Somit kann auch der Erfolg von Datenmigrationen mit den im vorangegangenen
Abschnitt beschriebenen Methoden anhand der vorgefundenen Datenqualität be-
urteilt werden. In der Regel müssen die genutzten Datenqualitätsregeln hierbei
angepasst werden.
Reine Datenqualitätsmessungen sind für viele Bereiche eine operativ notwendige
Maßnahme. Nur eine hohe Datenqualität erlaubt es Unternehmen z.B. regulatori-
schen Anforderungen zu genügen oder auch Business Intelligence erfolgreich zu
betreiben. Insofern ist die Überprüfung der Datenqualität immer zielgerichtet
durchzuführen und sollte keinem Selbstzweck folgen.
Deming [Deming 1986] hat dies bereits in den 50er Jahren in einer seiner Regeln
deutlich formuliert. Mitarbeiter werden, wenn sie quantitative Datenqualitätsziele
erreichen müssen, diese, koste es was es wolle, zu erreichen suchen. Dies kann im
schlechtesten Falle am Ende bedeuten, dass Unternehmen Geld für diese Messun-
gen und Maßnahmen ausgeben, ohne dass irgendjemand davon profitiert.