Background Image

Wie aus vielen Daten
gute Daten werden

Wozu ein Data Quality Tool?

Eine gute Produktdatenqualität erhöht den Unternehmenserfolg, steigert den Umsatz und erzielt ganz automatisch die Kundenzufriedenheit, da die Anzahl an Reklamationen minimiert wird, die in vielen Fällen auf falsche Produktbeschreibungen zurückgehen.

Eine schlechte Datenqualität, die auf fehlerhafte oder unvollständige Produktinformationen zurückzuführen ist, kann sogar die Seriosität eines Unternehmens beeinflussen. Selbst Studien zeigen, dass sich mangelhafte Daten negativ auf die Marke oder den Hersteller auswirken können.

Oftmals sind vollständige Daten der entscheidende Faktor dafür, dass die Produkte im Web bessere Suchtreffer erzielen. Dadurch steigen auch die Verkaufszahlen.

Mit Hilfe von Tools zur Datenprüfung vermeidet man den Einsatz von unnötigen Ressourcen, z.B. im Kundenservice oder in der manuellen Nacharbeit von Datenkorrekturen. So können Kosten gespart werden und die Effizienz der Unternehmensprozesse steigt.

So bietet das Data Quality Tool also Funktionen zur umfassenden Überwachung, mit dem es möglich ist, Inhalte und Pflegeprozesse projektbezogen oder dauerhaft zu optimieren.

Die wichtigsten Prüffaktoren für gute Datenqualität

Folgende Prüffaktoren machen eine professionelle Datenqualität aus, sind dadurch unverzichtbar und natürlich Teil des Data Quality Tools:

graphic

Vollständigkeit

Jede Eigenschaft, die von einem konsumierenden System erwartet wird, muss auf seine Vollständigkeit geprüft werden. Die genaue Anzahl der noch fehlenden Informationen wird pro Auswertung berechnet und in Prozent ausgegeben. Die noch zu pflegenden Attribute können schnell und einfach über eine Filterfunktion ermittelt werden.

Beispiel: Produktinformationen für Auswertung A = 80%, die 20% noch zu pflegenden Attribute können direkt angezeigt werden.


graphic

Korrektheit

Selbst wenn 100% Datenvollständigkeit erreicht ist, können sich bei der initialen Datenpflege Fehler eingeschlichen haben. Jedes Merkmal und jeder Datentyp können aus verschiedenen Gesichtspunkten betrachtet werden. Dabei kommen spezielle Programmierungslogiken zum Einsatz, die genau auf diesen Anwendungsfall prüfen. Das Suchergebnis weist direkt auf kritische Fälle hin. Diese können dann geprüft und schnellstmöglich korrigiert werden.

Beispiel: Fehlerhafte Angabe = Gewicht muss > 0 sein


graphic

Eindeutigkeit und Einheitlichkeit

Existierende Datensätze dürfen sich nicht widersprechen und liegen im System einheitlich vor: Diese Prüfung wird oftmals unterschätzt, ist aber genauso wichtig wie die vorangegangenen Faktoren. Das Szenario, das man tunlichst vermeiden möchte, ist die Publikation identischer Artikel, die sich jedoch inhaltlich unterscheiden. Die Konsistenz lässt sich aber auch auf die anderen Datenbestände adaptieren.

Beispiel: Duplikat von Dateivariante A bei Produktbild B


graphic

Aktualität und Gültigkeit von Bestellinformationen

Das Tool erlaubt nicht nur inhaltliche Prüfungen, sondern berücksichtigt auch die Aktualität und Gültigkeit von Bestellinformationen. Mit dem zusätzlichen Portfolio Check können in Abhängigkeit von Ländersortimenten bestimmte Publikationskriterien validiert werden.

Kriterien, die pro Use Case immer gleich sind, könnten sein…

  • Existiert der Datensatz?
  • Ist der Datensatz freigegeben?
  • Ist der Datensatz in der Region oder in dem Land verkaufsfähig?
  • Existiert zu dem Datensatz ein gültiger Preis?

Beispiel: Sachnummer A = Status: verkaufsfähig

Der Report, der nach der Auswertung zur Verfügung steht, kann als Excel-Datei heruntergeladen werden, die pro Sachnummer die jeweiligen Ergebnisse aufzeigt.


Vollständigkeit mangelhaft – und nun?

Nun reicht es jedoch nicht aus, die Daten nur zu prüfen: Es ist wichtig, zeitnah zu handeln. Daher werden innerhalb des Data Quality Tools diverse Funktionen angeboten, die den anschließenden Handlungsprozess unterstützen.

Über ein granulares Rechtemanagement können verschiedene Benutzergruppen auf das Tool zugreifen, die je nach zugewiesener Rolle auf limitierte Inhalte und Funktionen zugreifen können. Administratoren sehen nicht nur alle existierenden Auswertungen, sondern können die Datensätze auch für eine Veröffentlichung freigeben, sobald alle Daten korrigiert und korrekt sind.

Mit der Downloadunktion, die auf jeder Seite zur Verfügung steht, lässt sich jeder Datensatz und dessen Inhalt als Microsoft Excel herunterladen und für eine weitere Bearbeitung in die verantwortliche Organisation übergeben. Die Datei enthält neben den Basisinformationen auch Angaben zur Datenquelle, kommen die doch meistens aus mehreren Systemen (ERP, TecDoc, PIM, MAM…).


Das Data Quality Tool als universale Lösung für Multichannel-Systeme

Die Definition, welche Datensätze und Merkmale vom Data Quality Tool auf welche Kriterien geprüft werden sollen, sind immer abhängig von Verkaufsorganisation, Sprache und Anwendungsfall.

Nicht alle Inhalte sind relevant für jeden Use Case. Beispielsweise werden für den Printkatalog andere Dateivarianten von Produktbildern benötigt als für digitale Vertriebswege. So können also unterschiedliche Anforderungen pro Auswertung festgelegt und geprüft werden.