(openPR) Die Richtigkeit des Dateninhalts ist entscheidend für alle Geschäfts- und datenverarbeitenden Prozesse. Bestelldaten, Stücklisten müssen stimmen, um beispielsweise Fehlbuchungen, Nacharbeiten, Bestandsdifferenzen oder Rücksendungen und resultierende Kosten zu vermeiden.
Schlechte Datenqualität verursacht hohe Kosten. Besonders unangenehm sind die monetär nicht exakt quantifizierbaren Kosten, die entstehen, wenn auf der Basis einer schlechten Datenlage falsche Entscheidungen getroffen werden: Ist die Qualität der zugrunde liegenden Daten schlecht, so liefern die Auswertungen ein Zerrbild der tatsächlichen Situation. Die nachfolgenden Entscheidungen können falsche operationale oder falsche strategische Maßnahmen zur Folge haben. - Der Unternehmenserfolg hängt auch von einer guten Datenqualität ab.
Der Begriff "Datenqualität" ist ein relativ neuer Begriff. In der Praxis wird heute der Verbesserung der Datenqualität eine hohe Bedeutung beigemessen. Exakte Definitionen oder gar eine Metrik, welche es erlaubt, die unternehmensweite Datenqualität messbar zu machen, fehlten bisher völlig. Es ist auch sehr schwierig, eine Größe verbessern zu wollen, die man bisher nicht messen oder gar nicht einmal hinreichend definieren konnte.
Datenqualität ist im Kontext des Gesamtprozesses zu betrachten. Nicht ein einzelner Prozess, sondern das Zusammenspiel vieler Einzelsysteme, der einzelnen Prozesse, der Schnittstellen innerhalb des Gesamtprozesses beeinflusst gemeinsam die Datenqualität.
Neben der Verbesserung und Sicherung der Prozess- und Datenqualität im Geschäfts-Prozess war es Ziel der Herren Boenisch, Kugler und Kutscha, ein Metriksystem für Datenqualität zu erstellen: Transparenz über die komplexen Prozesse sollte gewonnen werden, Datenqualität quantifizierbar werden.
Zum einen kann damit der Ist-Zustand hinsichtlich Datenqualität analysiert werden, um möglichen Handlungsbedarf abzuleiten.
Zum anderen können damit kurz-, mittel- oder langfristig geplante Veränderungen betrachtet und deren Auswirkungen auf die Datenqualität simuliert werden.
Als Metrik-System entwickelten Boenisch, Kugler und Kutscha die "DQ-Kennzahl".
Die DQ-Kennzahl nach Boenisch, Kugler und Kutscha ist als Managementinstrument einsetzbar, um bestmögliche operationelle als auch strategische Entscheidungen zu treffen.
DQ-KENNZAHL NACH BOENISCH, KUGLER, KUTSCHA
Was ist die DQ-Kennzahl?
Die DQ-Kennzahl gibt eine Aussage über die Datenqualität in einem Prozess.
DQ-Formel:
Aus dem Verhältnis der Punkte im Prozess, an denen aufgrund von Maßnahmen keine Fehler mehr auftreten [FWPgrün], zu den Punkten im Prozess, an denen bereits einmal ein Fehler aufgetreten ist (=Fehlerwirkungspunkte [FWP]), ergibt sich die DQ-Kennzahl.
DQ = Menge FWPgrün / Summe aller FWP
Im Einzelnen
In einem Prozess treten Fehler auf. Diese Fehler werden jeweils als Fehlerarten definiert.
Die Fehlerarten werden innerhalb des Prozesses gewichtet: tritt eine Fehlerart in einem Prozessablauf nur an einer Stelle auf, so ergibt das eine Anzahl an Fehlerwirkungspunkten (FWP) von "1", wirkt diese Fehlerart in einem Prozess an mehreren Stellen, z. B. bei der Disposition, in der Montage, bei der Rückwarenabwicklung, so sorgt diese Fehlerart in diesem Beispiel entsprechend für "3" Fehlerwirkungspunkte im Prozess. Damit wird die unterschiedliche und spezifische Auswirkung eines Fehlers im Prozess gewichtet.
Um einen Hub in der der Verbesserung der DQ zu erreichen, kann man sich Fehlerarten mit einer hohen Anzahl an Fehlerwirkungspunkten vordergründig vornehmen. Das Abstellen einer Fehlerart mit hohem Anteil an FWPen führt zu einer höheren DQ als eine Maßnahme gegen eine Fehlerart mit einem FWP.
Um eine DQ von 100% zu erreichen, dürfen an keinem potentiellen FWP mehr Fehler auftreten.
Die DQ-Kennzahl gibt somit Auskunft, wie hoch der Anteil an abgestellten Fehlerwirkungspunkten im Prozess ist.
Beispiel:
Wir nehmen die uns bekannten Fehlerarten und ermitteln darüber die Anzahl der Fehlerwirkungspunkte im Prozess.
DQ = 0% - Haben wir KEINEN dieser FWPe abgestellt, also keine einzige wirksame Maßnahme gegen auch nur einen der potentiellen Fehler, der FWPe im Prozess verursacht, getroffen, so ist unsere DQ-Kennzahl = 0.
DQ = 100% - Wir haben für ALLE FWPe erfolgreich Maßnahmen getroffen, keine Fehlerart verursacht FWPe im Prozess. Damit ist unsere DQ-Kennzahl = 100.
Voraussetzung für das Erkennen von aufgetretenen Fehlern sowie des Erfolges von umgesetzten Maßnahmen ist eine lückenlose Fehler-Buchhaltung.
Vorsicht Irrtümer!
1.) Die DQ-Kennzahl ist KEIN Abarbeitungsstand von Maßnahmen!
Die DQ-Kennzahl gibt Auskunft über die Güte eines Prozesses anhand seiner potentiellen Fehlerwirkungspunkte.
2.) Fehlerlisten, wie z. B. die "COGI" (= fehlerhafte Warenbewegungen in SAP) oder sog. Minus-Bestände ("Minus-PVB" in SAP) sagen NICHTS über die Güte der Datenqualität oder der Prozessqualität aus!
Sie sind lediglich ein Indiz, dass es im Prozess Fehler gegeben hat.
Die Erfahrung zeigt den Herren Boenisch, Kugler und Kutscha, dass Industrieunternehmen für gute Geschäftsprozesse eine DQ-Kennzahl zwischen 70 und 80 benötigen.
Andreas Boenisch
Buckower Damm 161
D - 12349 Berlin
Telefon: +49-700-26324000
Fax: +49-700-26324000
Andreas Boenisch, *1968
Betriebswirtschaft, e-Business- & Prozessmanagement
Berlin
