Databases Reference
In-Depth Information
Maßnahmen zur Vermeidung neuer Fehler
Häufig werden in Datenqualitätsprojekten zunächst einmal Maßnahmen zur
(einmaligen) Bereinigung der festgestellten Datenfehler geplant. Wenn man
allerdings bedenkt, wie aufwändig solche Maßnahmen z.T. sind und dass sie
u.U. künftig nochmals notwendig werden, wenn die Fehlerquellen nicht be-
seitigt werden, stellt sich die Frage, ob es nicht effektivere Maßnahmen gibt.
Hierzu zählen vor allem solche Maßnahmen, durch die die Entstehung
neuer Datenfehler möglichst verhindert werden.
Bei der Projektplanung gilt es
o
zu prüfen, ob für den einzelnen Fehlerfall eine permanente Fehler-
vermeidung erforderlich ist oder ob es ausreicht, einmalig oder re-
gelmäßig wiederholt eine Bereinigung durchzuführen und
o
diejenigen Maßnahmen zu identifizieren, die für den jeweiligen
Fehlerfall geeignet und wirtschaftlich sinnvoll umsetzbar sind.
Aufwand für Datenqualitätsmaßnahmen
Last but not least gilt es in einem Datenqualitätsprojekt selbstverständlich
auch den Aufwand für Datenqualitätsmaßnahmen zu bewerten.
Einerseits können mit wenig Aufwand “Quick wins” erzielt werden, die ei-
nen kurzfristig erzielbaren Nutzen bringen. Andererseits kann es auch sehr
aufwändig sein, bestimmte Fehler bzw. Fehlerquellen zu beheben, insbe-
sondere dann, wenn ein hoher manueller Anteil an der Korrektur notwendig
ist.
Sollte man sich allerdings aus Aufwandsgründen dafür entscheiden, be-
stimmte Maßnahmen nicht durchzuführen, muss man sich der Konsequen-
zen daraus bewusst sein und diese im weiteren Verlauf stets berücksichtigen
(z.B. bei der Verlässlichkeit von Auswertungen und Analysen).
4.4 Methoden des Datenqualitätsmanagements
Nachdem die verschiedenen Datenfehler und die zur ihrer Korrektur und ggf.
künftigen Vermeidung notwendigen Maßnahmen bewertet sind, gilt es zu ent-
scheiden, wie im weiteren Projektverlauf vorangegangen wird.
Grundsätzlich gibt es für ein Datenqualitätsmanagement (DQM) folgende unter-
schiedliche Vorgehensweisen:
“Laissez faire”
Kommt man zu der Erkenntnis, dass bestimmte Datenfehler
o
unkritisch sind und / oder
o
nur so selten vorkommen, dass dadurch keine nennenswerten ne-
gativen Auswirkungen zu erwarten sind,
