Frequently Asked Questions
- Die häufigsten Gründe sind fehlendes C-Level-Sponsorship, Technologie-First-Ansatz ohne Governance-Modell, fehlende Data-Ownership-Definition, Big-Bang-Implementierung und das Fehlen messbarer Qualitätsziele. MDM-Projekte scheitern fast nie an der Technologie — sie scheitern an organisatorischen und politischen Faktoren.
- Eine erste Domäne lässt sich mit einem strukturierten Ansatz häufig in drei bis sechs Monaten spürbar verbessern. Eine unternehmensweite, dauerhafte Datenqualitäts-Governance über mehrere Domänen ist ein fortlaufender Prozess ohne festes Enddatum — mit klaren Meilensteinen statt eines einmaligen Abschlusses.
- Goldright bietet mit dem Agile Data Manager eine Low-Code-Plattform, die Validierungsregeln, Pflichtfelder und Freigabe-Workflows direkt an der Datenquelle verankert — inklusive nativer Historisierung. So wird Datenqualität mess- und dauerhaft steuerbar, statt einmalig bereinigt zu werden.
- Nein. Ohne dauerhaften Prozess und Monitoring verfällt selbst ein frisch bereinigter Datenbestand innerhalb weniger Monate wieder, weil neue Mitarbeiter, Systeme und Prozesse laufend neue Inkonsistenzen einbringen. Datenqualität ist ein Betriebsmodus, kein Projekt.
- Die Dubletten-Rate misst den Anteil doppelt angelegter Datensätze zum selben Geschäftsobjekt. Sie gehört zur Dimension Eindeutigkeit und ist meist der teuerste Qualitätsdefekt: Ein doppelt angelegter Lieferant führt etwa zu doppelten Zahlungen. Branchenrichtwerte zeigen Dubletten-Raten von 10 bis 30 % ohne formale Datenqualitäts-Prozesse.
- Die operative Verantwortung liegt bei den Data Ownern in den Fachbereichen, die strategische Steuerung typischerweise beim Chief Data Officer (CDO). Die IT stellt die technische Plattform bereit. Diese Dreiteilung ist das Rückgrat jeder funktionierenden Datenqualitäts-Governance.
- Datenqualität ist der Oberbegriff für die Qualität aller Datenarten. Stammdatenqualität bezieht sich spezifisch auf Stammdaten — also Kunden-, Lieferanten-, Produkt- und Mitarbeiterdaten, die sich selten ändern und von vielen Prozessen genutzt werden. Weil Stammdaten so breit genutzt werden, wirken sich Qualitätsmängel dort besonders stark aus.