Erfolg messbar machen:
Datenqualitätskriterien der DGIQ

Fast 20 Jahre ist es jetzt her, dass Richard Wang und Diane Strong 15 Dimensionen zur Klassifizierung und Messung von Informationsqualität durch zwei quantitative Umfragen identifiziert und im renommierten Journal of Management Information Systems veröffentlicht haben. Basierend auf ihren Ergebnissen hat die Deutsche Gesellschaft für Informations- und Datenqualität e. V. (DGIQ e. V.) 2007 die Dimensionen überarbeitet und eine Empfehlung für die Definition von Datenqualitätskriterien veröffentlicht.

Die DGIQ unterscheidet vier Sichten, die die Datenqualität aus verschiedenen Blickwinkeln betrachten. Diese Sichten helfen, die Datenqualität umfassend zu bewerten und zu verbessern. Die vier Sichten sind:

Zweckabhängige Sicht:

Diese Sicht bezieht sich auf die Datenqualität in Bezug auf den spezifischen Zweck oder die Anforderungen, für die die Daten verwendet werden. Die Daten müssen den Bedürfnissen und Erwartungen der Nutzer entsprechen und für die beabsichtigte Verwendung geeignet sein. Daten, die für eine bestimmte Analyse oder Entscheidungsfindung benötigt werden, müssen relevant, aktuell und korrekt sein.

• Relevanz: Die Daten müssen für den vorgesehenen Zweck geeignet und relevant sein.

• Adäquanz: Die Daten sollten angemessen sein, um die gestellten Fragen oder Anforderungen zu beantworten.

• Zeitgerechtheit: Die Daten müssen rechtzeitig verfügbar und aktuell sein, um den zeitlichen Anforderungen zu entsprechen.

Darstellungsbezogene Sicht:

Hier geht es um die Art und Weise, wie Daten präsentiert und dargestellt werden. Die Daten sollten in einem Format präsentiert werden, das für die Nutzer verständlich und übersichtlich ist. Dies umfasst die Struktur, das Layout, die Visualisierung und die Beschriftung der Daten. Eine klare und benutzerfreundliche Darstellung trägt zu einer besseren Interpretation und Nutzung der Daten bei.

• Verständlichkeit: Die Daten sollten in einer klaren und verständlichen Weise präsentiert werden.

• Format: Die Daten müssen in einem benutzerfreundlichen Format präsentiert werden, das für die Analyse und Interpretation geeignet ist.

• Visualisierung: Die Daten sollten durch Diagramme, Grafiken oder Dashboards ansprechend und leicht interpretierbar visualisiert werden.

Inhärente Sicht:

Diese Sicht befasst sich mit den intrinsischen Eigenschaften der Daten, unabhängig von ihrer Verwendung oder Darstellung. Der Schwerpunkt liegt hier auf den grundlegenden Datenqualitätsmerkmalen wie Genauigkeit, Vollständigkeit, Konsistenz, Aktualität und Zuverlässigkeit. Die inhärente Sichtweise betrachtet die Datenqualität als intrinsische Eigenschaft der Daten selbst.

• Korrektheit: Die Daten müssen genau und fehlerfrei sein.

• Vollständigkeit: Alle erforderlichen Datenfelder müssen vollständig und konsistent ausgefüllt sein.

• Konsistenz: Die Daten müssen in verschiedenen Teilen des Systems konsistent und widerspruchsfrei sein.

• Aktualität: Die Daten müssen dem aktuellen Stand der Realität entsprechen und regelmäßig aktualisiert werden.

Systemgestützte Sicht:

Diese Sicht bezieht sich auf die technischen Aspekte der Datenqualität. Dabei geht es um die Qualität der Daten in Bezug auf Datenverarbeitungssysteme, Datenbanken, Schnittstellen und Datenmanagementprozesse. Ein gut konzipiertes und zuverlässiges Datenverarbeitungssystem trägt dazu bei, die Datenqualität zu gewährleisten und Fehler oder Inkonsistenzen zu vermeiden.

• Integrität: Die Daten müssen vor Verlust, Beschädigung oder unbefugter Änderung geschützt sein.

• Validität: Die Datenstruktur muss den definierten Standards entsprechen und gültig sein.

• Zugriff: Der Zugriff auf die Daten muss einfach und sicher für autorisierte Benutzer sein.

• Verarbeitung: Die Daten sollten durch das Datenverarbeitungssystem korrekt und fehlerfrei verarbeitet werden.

Die DGIQ Datenqualitätskriterien im Einsatz

Die innoscale AG orientiert sich bei der Verbesserung der Datenqualität an diesen Dimensionen. Zum einen lassen sich Projekte zur Verbesserung der Datenqualität schnell und verständlich anhand der Datenqualitätskriterien strukturieren. Erster Schritt zur Verbesserung der Datenqualität in Unternehmen ist oftmals eine Bestandsaufnahme und damit verbunden eine Festlegung von Qualitätskriterien für das Datenmanagement. Dies kann beispielsweise kooperativ mit den Mitarbeitern mittels einer Umfrage basierend auf den DGIQ-Qualitätskriterien geschehen. Es kann so ermittelt werden, in welchem Bereich mit der Verbesserung der Daten begonnen werden sollte. Zum anderen können Verbesserungen der Datenqualität in einem Wertesystem, basierend auf den DGIQ-Qualitätskriterien, strukturiert, nachvollziehbar gemessen und im Zeitverlauf analysiert werden.

In einer Studie der Westfälischen Wilhelms-Universität Münster und der innoscale AG zum Status quo im Stammdatenmanagement wurde anhand der DGIQ-Qualitätskriterien untersucht, welche Qualitätskriterien in deutschen Unternehmen besonders wichtig sind. Für die befragten 112 Unternehmen sind in erster Linie aktuelle, glaubwürdige und zweckmäßige Daten sehr wichtig. Die größten Herausforderungen bei der Verbesserung der Datenqualität bestehen in den Dimensionen: Zugänglichkeit, Fehlerfreiheit, Vollständigkeit und Aktualität.

Jedes Unternehmen hat individuelle Ansprüche und Anforderungen an die Durchführung von Datenqualitäts-Projekten. In jedem Projekt sollten jedoch die Datenqualitätskriterien genau definiert und strukturiert werden. Erst dann können diese sinnvoll analysiert, Fehler nachvollziehbar korrigiert, Informationen aktualisiert, die Datenqualität nachhaltig verbessert und der Erfolg messbar gemacht werden.

Selbst nach 20 Jahren ist das Thema Daten- und Informationsqualität so aktuell wie nie und die identifizierten Qualitätskriterien haben Ihre Gültigkeit nicht verloren und sind oftmals in der Praxis erprobt.