Das Problem, das niemand gerne zugeben will
Wenn ein Geschäftsführer eine strategische Entscheidung trifft, verlässt er sich auf Zahlen. Ein Bericht sagt, dass die Kundenzufriedenheit bei 87 Prozent liegt. Die Verkaufszahlen zeigen ein Wachstum von 15 Prozent im letzten Quartal. Ein Dashboard warnt vor sinkenden Margen. Aber wie sicher ist man wirklich, dass diese Zahlen stimmen?
Wir sehen in vielen Unternehmen ein unbewusstes Problem: Die Daten werden wie Fakten behandelt, obwohl niemals überprüft wurde, ob sie tatsächlich zuverlässig sind. Ein fehlerhafter Datenimport, veraltete Filter, eine missverstandene Berechnungslogik — und schon basieren wichtige Entscheidungen auf falschen Grundlagen.
Das ist nicht fahrlässig. Es ist normal. Weil die meisten Unternehmen gar nicht wissen, wie man überprüft, ob Daten vertrauenswürdig sind.
Was bedeutet Datenvertrauenswürdigkeit überhaupt?
Vertrauenswürdigkeit bedeutet nicht, dass Daten perfekt sind. Keine Datenmenge ist es. Vertrauenswürdigkeit bedeutet, dass man die Schwachstellen kennt und bewusst damit umgeht.
Wir sprechen hier von drei Dimensionen: Erstens die Genauigkeit — werden die Werte richtig erfasst und gespeichert? Zweitens die Vollständigkeit — fehlen relevante Datensätze oder Felder? Drittens die Konsistenz — stimmen die Daten übereinein, wenn man sie aus verschiedenen Quellen betrachtet?
Ein häufiges Beispiel: Ein Unternehmen speichert Kundenadresse in drei verschiedenen Systemen. Das CRM, das ERP-System und die Dokumentenverwaltung. Wenn ein Kunde umzieht und die Adresse nur in einem System aktualisiert wird, haben wir ein Konsistenzproblem. Das System, das die alten Daten noch kennt, wird falsche Geschäftsentscheidungen unterstützen.
Wie man Daten konkret überprüft
Die einfache Plausibilitätsprüfung
Das erste, das man machen sollte, ist banal: Nachdenken. Ein Bericht zeigt, dass die durchschnittliche Auftragsbearbeitungszeit 2 Tage beträgt. Weiß der Leiter des Versands das auch? Oder sagt sein Bauchgefühl, dass es eher 5 Tage sind? Wenn diese Zahlen stark auseinanderklaffen, ist das ein klares Warnsignal.
Wir empfehlen, regelmäßig mit denjenigen zu sprechen, die die Prozesse kennen. Die Personalleiter, die Schichtleiter, die Verkäufer. Sie haben ein intuitives Verständnis, ob eine Kennzahl realistisch ist oder völlig falsch liegen muss.
Datenquellen überprüfen
Woher kommen die Daten? Werden sie manuell eingegeben oder automatisch erfasst? Ein Verkäufer, der seine Abschlüsse selbst ins System einträgt, hat möglicherweise Anreize, die Zahlen zu beschönigen. Ein automatischer Sensor hat andere Fehlerquellen — aber meist sind diese bekannt und berechenbar.
Viele Unternehmen nutzen Excel-Listen, die von Hand in die Kernensysteme übertragen werden. Das ist eine klassische Fehlerquelle. Jede manuelle Übertragung ist eine Gelegenheit für Tippfehler, Formatierungsprobleme oder dass Zeilen versehentlich doppelt eingegeben werden.
Zeitliche Konsistenz überprüfen
Ein einfacher Test: Man nimmt einen Bericht von heute und einen von vor drei Monaten. Für die gleiche Periode sollten die Zahlen identisch sein. Wenn sie unterschiedlich sind, wurde etwas nachträglich korrigiert oder die Berechnungslogik hat sich geändert. Das sollte dokumentiert sein. Wenn es nicht dokumentiert ist, ist das ein Vertrauensproblem.
Ähnlich: Summenwerte überprüfen. Wenn ein Bericht sagt, dass insgesamt 500 Kundenaufträge bearbeitet wurden, sollte das gleich sein, wenn man alle Einzelaufträge addiert. Wenn es nicht stimmt, gibt es einen Fehler in der Datenlogik.
Extremwerte suchen
Ein häufiges Zeichen für fehlerhafte Daten sind Ausreißer, die keinen Sinn ergeben. Ein Kunde, der 10 Millionen Euro Umsatz in einem Monat generiert, obwohl der nächstgrößte Kunde 100.000 Euro bringt — das könnte ein echtes Geschäftsresultat sein. Oder es ist ein Dateneingabefehler, bei dem eine 100 zu einer 100.000.000 wurde.
Solche Anomalien sollten systematisch untersucht werden, nicht einfach als Teil der Realität hingenommen.
Die unbequeme Wahrheit
In einem idealen Unternehmen gibt es eine Person oder ein Team, das sich um Datenqualität kümmert. Das erfordert Zeit und Struktur. Es ist nicht glamourös. Es bringt keine Berichte und Dashboards hervor, die Entscheidern gut aussehen.
Aber es ist die Grundlage dafür, dass alle anderen Berichte und Dashboards tatsächlich nützlich sind.
Wir empfehlen, damit zu beginnen, die kritischsten Kennzahlen zu identifizieren. Die Zahlen, auf deren Basis echte finanzielle oder strategische Entscheidungen getroffen werden. Für diese Kennzahlen sollte man dokumentieren: Wo kommen die Daten her? Wie werden sie berechnet? Wer überprüft sie regelmäßig? Welche bekannten Fehlerquellen gibt es?
Diese Dokumentation ist nicht lästig. Sie ist beruhigend. Sie gibt dem Entscheider die Sicherheit, dass er nicht auf Sand baut.
Ein anfänglicher Schritt
Wenn Sie unsicher sind, wie es um die Datenqualität in Ihrem Unternehmen bestellt ist, empfehlen wir einen pragmatischen Start: Wählen Sie drei wichtige Kennzahlen aus. Fragen Sie diejenigen, die diese Prozesse verantworten, ob die Zahlen realistisch sind. Überprüfen Sie die Datenquelle. Kontrollieren Sie, ob die gleiche Periode in verschiedenen Reports die gleiche Zahl ergibt.
Das dauert einen Nachmittag und gibt oft schon einen klaren Überblick darüber, wo wirkliche Probleme liegen.
Wenn Sie dabei feststellen, dass die Situation komplexer ist als erwartet, und Sie Unterstützung möchten, um ein fundiertes Verständnis für die Vertrauenswürdigkeit Ihrer Daten zu entwickeln, sprechen Sie gerne mit uns. Wir helfen Ihnen, die richtigen Fragen zu stellen und einen realistischen Plan für verbesserte Datenqualität zu entwickeln.