Verknüpfung von DQ-Indikatoren mit KPIs und Auswirkungen auf das Return on Investment - Daten und Informationsqualitat - page 397

Die soeben beschriebenen Beispiele geben Hinweise auf die Auswirkungen
schlechter Datenqualität. Folgende Aspekte sind aus einer Unternehmenssicht
besonders stark von Datenqualitätsproblemen betroffen:
Kosten : schlechte Daten kosten Unternehmen viel Geld u.a. weil durch die
Folgen Schäden entstehen können, die Fehlerursache und Beseitigung sehr
teuer zu stehen kommt, die Produktivität durch Leerlaufzeiten reduziert
wird.
Umsatz : je geringer die Datenqualität, umso mehr Umsatzeinbußen sind zu
erwarten, da Opportunitäten nicht erkannt werden oder ganz einfach die
Verbindung zum Kunden abreißt und erbrachte Leistungen nicht korrekt
verrechnet werden.
Risiko : mit abnehmender Datenqualität nimmt die Bedeutung von Risiko-
faktoren zu, die sowohl intern (Kumulierung schlechter Schuldner) als auch
extern (z.B. Verhängung von Strafen durch Aufsichtsbehörden wegen Ver-
stöße gegen gesetzliche Vorgaben) wirken können.
Vertrauen (intern) und Reputation (extern) : sowohl intern als auch intern
schwindet das Vertrauen der Mitarbeiter bzw. Kunden oder Partner in die
Fähigkeit des Unternehmens, seine Prozesse und Daten in den Griff zu be-
kommen, wenn sich Datenqualitätsprobleme vermehrt manifestieren.
5.3 Wie viel kosten schlechte Daten den Unternehmer?
Es gibt mittlerweile Schätzungen der Kosten, die durch schlechte Daten verursacht
werden. The Data Warehouse Institute hat vor einigen Jahren die mittlerweile be-
rühmte Studie [TDWI 2002] veröffentlicht, in der für US-Firmen die durch den
Einfluss schlechter Datenqualität entstandenen Zusatzkosten für Porto, Druck und
Gehälter auf 600 Milliarden Dollar geschätzt werden.
Im Zusammenhang mit der Adressqualität hat sich die 1-10-100 Regel bestätigt. Sie
besagt, dass die korrekte Eingabe einer Adresse ca. 1 Euro, nachgelagerte Korrek-
turen durch Spezialsoftware ca. 10 Euro und ca. 100 Euro kostet, falls überhaupt
keine Datenqualitätsmaßnahmen getroffen werden.
Markanalysten wie die Gartner Group geben in ihren Studien an, dass zwischen
50% und 70% aller CRM und Data Warehouse Projekte fehlschlagen, weil das
Thema Datenqualität von Anfang an unterschätzt wird [Gartner 2004]. Solche Pro-
jekte verursachen Kosten, die ohne weiteres in die Millionenhöhe hochschnellen.
Nicht rechtzeitig erkannte Datenqualitätsprobleme erhöhen diese Aufwände zu-
sätzlich und führen zu kläglicher Nutzerakzeptanz dieser Systeme und der darin
enthaltenen Daten, was wiederum den Return on Investment solcher Projekte re-
duziert.