Berlin, den 23. Juni 2015 | 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.
Unterteilt in vier Kategorien definieren diese Dimensionen aus zweckabhängiger, darstellungsbezogener, inhärenter und systemgestützter Sicht die Qualität von Daten. Ihre Zweckmäßigkeit ergibt sich oft erst durch einen konkreten Kontext, welcher von Unternehmen zu Unternehmen unterschiedlich ausgeprägt ist. Dennoch stellt die nachfolgende Systematik eine umfassende Sicht auf die verschiedenen Perspektiven von Datenqualität dar.
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.
Das passende Produkt für die Sicherung Ihrer Datenqualität:
Quellen:
Grafik: Basierend auf: Richard Wang, Diane Strong: Beyond Accuracy: What Data Quality Means to Data Consumers. In: Journal of Management Information Systems, Bd. 12, Nr. 4, S. 5-33, 1996.
Tabelle: Pipino, L., Lee., Y.W., and Wang, R.Y., 1998, Measuring information quality, TDQM-97-04, Total Data Quality Management Program, MIT Sloan School of Management. Die englischen Ausdrücke entsprechen denjenigen, die das Massachusetts Institute of Technology verwendet. Abweichung zu den Quellen: Das MIT sieht eine 16. Dimension vor, diejenige der „Security“. Die DGIQ hat diese Dimension bei ihrer Adaption für den deutschen Sprachraum weggelassen. Hier vorliegend ist die deutsche Fassung der DGIQ.
