Webbasierte Datenintegration

Nachdem wir einen Blick auf die Bereiche Lagerhaltung und Berichtswesen geworfen haben, soll es nun um Compliance gehen. In der heutigen Zeit gilt es – nicht nur für größere Unternehmen – eine Vielzahl von Compliance-Richtlinien zu beachten. Kommt es hier zu Fehleinschätzungen bzw. Fehlentscheidungen, kann das sehr teuer werden.
Der Automobilhersteller Mazda z.B. wurde zu einer Geldstrafe in Höhe von 5,25 Mio. US-Dollar verurteilt, weil den Kunden gegenüber versehentlich falsche Angaben über Leasingkosten und Leasingbedingungen machte.
Hier spielten inkonsistente Daten, die im System des Unternehmens verstreut waren, eine entscheidende Rolle. Die Beseitigung solcher inkonsistenter Daten ist ein Hauptpunkt bei der Verbesserung der Datenqualität.
Auch beim Risikomanagement spielt Datenqualität eine entscheidende Rolle – nämlich als Grundlage für Entscheidungen.
Als Beispiel: Die Risiko-Controller der HSH Nordbank durften die Risiken von deutschen Häuslebauern bewerten, hatten aber keinen Zugang zu Daten über Collateralized Debt Obligations (CDOs) amerikanischer Sub-Primes. So ist eine sachgerechte Bewertung eines Risikos (aber auch jeder anderen Sachlage) nicht möglich. Deshalb ist der Zugang zu allen relevanten Informationen, der längst nicht in allen Unternehmen gewährleistet ist, ein weiteres wichtiges Kriterium für Datenqualität.

Die Scitotec-Testgruppe

Hier nun der versprochene bebilderte Bericht zu unseren gestrigen Scitotec Wintersessions. Nicht nur in quantitativer, sondern auch in qualitativer Hinsicht hat uns der Schnee vollends überzeugt.
Bei optimalen Wetterbedingungen konnten die verschiedenen Analysewerkzeuge erfolgreich zum Einsatz kommen. Sowohl beim Rodeln…

Team Rodeltest

als auch beim Snowboarden…

Die Snowboard-Beauftragte

erhielt die Alte Golfwiese Bestnoten. Auch beim Snowtubing-Test überzeugte das Areal durch eine ausgezeichnete Streckenführung, welche die überragenden Fahreigenschaften der Reifen bestmöglich zur Geltung brachte.

Hohe Bahngeschwindigkeit

Auch für Rückwärtsfahrten geeignet

Mit bestem Fahrkomfort

Besonders zu erwähnen, wenn auch nicht bildlich festgehalten, ist der freundliche und preisgünstige Service am Glühweinstand, welcher gute Dienste bei der Regulierung der Körpertemperatur leistete. Einzig unser etwas überraschender Besuch in einem örtlichen Restaurant lieferte bezüglich der Nahrungsaufnahme einen Null-Wert, da man dort auf eine Zubereitung warmer Speisen außerhalb der dort üblichen Essenszeiten nicht vorbereitet war. Im nächsten Gasthaus wurden wir jedoch zu unserer vollsten Zufriedenheit versorgt und konnten uns in angenehmer Atmosphäre gut unterhalten.

Wir halten also fest: Es war ein sehr schöner Ausflug, wir sind hochzufrieden mit den örtlichen Gegebenheiten und hatten viel Spaß. Unser Testurteil lautet demzufolge: Sehr gut!

Alle hochzufrieden - auch der Juniortester

Am morgigen Donnerstag finden die Scitotec Wintersessions statt und dafür werden wir uns in ein etwas fremdes Fachgebiet wagen. Wir werden zwar testen und analysieren, aber ausnahmsweise mal keine Daten. Zu diesem Zweck fährt die gesamte Scitotec-Mannschaft nach Oberhof, um dort einmal eine ausführliche Schneequalitätsanalyse durchzuführen. Mit den unterschiedlichsten Analysewerkzeugen (Ski, Snowboard, Schlitten usw.) werden systematische Tests am Werkstoff durchgeführt. Mit eingeschlossen ist selbstverständlich auch eine eingehende Prüfung der vorhandenen Infrastruktur. Dabei erfolgt eine individuell auf jedes Teammitglied angepasste Fehlersuche und Prozessoptimierung – und ganz sicher auch das eine oder andere Workaround. Wir sind sehr gespannt, welche Erfolg versprechenden und Lösungen dabei gefunden werden und wie wir das neu gewonnene Wissen adäquat managen.
Einen ausführlichen und bebilderten Testbericht gibt es am Freitag!

In den nächsten Folgen werden wir einzelne Beispiele zeigen, welche Kosten durch niedrige Datenqualität entstehen und ggf. auch, wie sich diese Kosten verringern bzw. vermeiden lassen. Diese Beispiele haben wir je nach Geschäftsbereich gegliedert. Somit entsteht einerseits keine Verwirrung, andererseits wird einmal mehr deutlich, auf wie viele Geschäftsfelder im Unternehmen die Qualität von Daten Einfluss nimmt.
Wenn man zunächst z.B. einen Blick auf den Bereich Lagerhaltung wirft, tauchen bereits die ersten Komplikationen auf. So konnte z.B. eine Firma Waren auf Lager im Wert von 32 Mio. US-Dollar nicht verkaufen – sie waren im System verloren gegangen.
(Information Difference survey “Document initiatives and the state of data quality today” 2009)
So schnell kann es passieren, dass ein Großauftrag nicht erfüllt werden kann oder Waren doppelt produziert werden, nur weil sie aufgrund von mangelnder Datenqualität im System verloren gehen.
Auch für das Berichtswesen gibt es ein prominentes Beispiel. Ein Rechenfehler kostete Finanzchef Paul Bowtell von TUI Travel im Jahr 2010 seinen Job. Nach zusätzlichen Abschreibungen in Höhe von 88 Mio. Pfund stieg die Wertberichtigung des Unternehmens auf über 117 Mio. Pfund. TUI musste dementsprechend seinen Jahresgewinn von 2008/2009 um über 42 Mio. Pfund mindern.
Der Grund dafür waren fehlerhafte Prozesse beim Abgleich von Forderungsbeständen zwischen den IT-Systemen der Reiseveranstalter und des Vertriebs in Großbritannien.
Auch wenn sich diese – und auch die folgenden Beispiele – auf große Firmen beziehen. Der relative Effekt ist immer der gleiche. Auch die Wahrscheinlichkeit, dass dies in kleinen Betrieben geschieht, ist annähernd genauso groß. Die Beträge, um die es in solchen Fällen geht, sind zwar absolut gesehen kleiner, aber in Relation zur Unternehmensgröße dennoch genauso beachtlich.

Wie bereits in den vorangegangenen Folgen besprochen, entfaltet eine hohe Datenperformance vor allem in den Bereichen Marketing und Kundenmanagement seine größten Vorteile. Eine große Zeitersparnis äußert sich darin, dass stets aktuelle Telefonnummern Ihrer Kunden und Geschäftspartner vorhanden sind. Ein Aufwand für deren Suche bzw. Nachrecherche entfällt also. Zudem ist durch vollständige und aktuelle Adressen die Zustellquote für Mailings deutlich höher, was gleich mehrere positive Aspekte beinhaltet. Eine geringere Zahl an Rückläufern spart nicht nur Porto, sondern auch wertvolle Arbeitszeit für deren Bearbeitung – von der Vergeudung des umsonst eingesetzten Materials ganz zu schweigen.
Gerade im Marketing, Controlling und in der Verwaltung entstehen auch scheinbar ganz banale Vorteile, z.B. bei der Mitarbeiterzufriedenheit. Wenn die eigenen Angestellten in Folge hoher Datenperformance nicht ständig nach Adressen, Lagenbeständen und zuverlässigen Unternehmenskennzahlen suchen müssen, arbeiten sie nicht nur schneller, sondern auch entspannter. Muss man hingegen ständig alles zusammensuchen, steigt die Frustration und man ist insgesamt weniger produktiv.
Weitere geldwerte Vorteile liegen in den Bereichen Marketing und Vertrieb. Das Cross-Selling z.B. wird durch hohe Datenperformance deutlich erleichtert, denn mit einer gut gepflegten Datenbank kann das Kaufverhalten der Kunden analysiert werden. Auf dieser Grundlage kann der Vertrieb individuell auf Kundenbedürfnisse abgestimmte Angebote zusammenstellen, was wiederum einerseits den Umsatz steigert und andererseits Kunden bindet.
Besonders wichtig, vor allem in rechtlicher Hinsicht, ist zudem die Sicherheit, nur diejenigen Kunden anzusprechen, die auch Werbung Ihres Unternehmens wünschen. Durch qualitativ hochwertige Daten lässt sich das Opt-in der Kunden direkt im jeweiligen Datensatz berücksichtigen, was unnötige Klagen von denjenigen vermeidet, die kein Opt-in gegeben haben. Nicht zuletzt entstehen durch den möglichen Verlust dieser verärgerten Kunden ein Umsatzschaden sowie auch ein beträchtlicher Imageverlust des Unternehmens in der Öffentlichkeit.
Wie man sieht, werden im Rahmen der positiven Aspekte hochwertiger Daten immer wieder auch negative Auswirkungen niedriger Datenqualität beleuchtet. Deshalb soll es als kleiner Gegensatz dazu in den nächsten Folgen einmal um konkrete Negativbeispiele im Zusammenhang mit niedriger Datenqualität gehen.

Wie wir im vorangegangenen Beitrag bereits besprochen haben, schlagen sich die Auswirkungen niedriger Datenperformance in quasi allen Bereichen eines Unternehmens nieder. Will man dem entgegenwirken, sollte das gesamte Unternehmen in die Bemühungen mit eingebunden werden. Vor allem die Geschäftsleitung muss hinter dieser Maßnahme stehen, um auch deren Wichtigkeit zu untermauern. Aber was genau kann getan werden?

Machen Sie Datenperformance zur Chefsache Eine Möglichkeit besteht darin, die Qualität der Daten aus einer Abteilung (oder einem Geschäftsbereich) durch eine andere überprüfen zu lassen. So umgeht man die oft so problematische Betriebsblindheit. Schaffen sie nach einer Analyse im Unternehmen ein Bewusstsein für Datenqualität. Diese treibt schließlich die Geschäftsprozesse. Die Gründe für Prozessschwächen lassen sich zumeist auf Dateninkonsistenzen zurückführen bzw. aus ihnen ableiten.

Vereinheitlichen Sie die Bezeichnungen für Produkte, Bauteile und Leistungen Insbesondere in der Lagerhaltung ist eine einheitliche Klassifizierung aller Teile unabdingbar, um erstens jederzeit einen realitätsnahen Überblick über den Bestand zu haben und zweitens beim Einkauf den jeweiligen Bedarf schnell und genau ermitteln zu können. Dies gilt im Übrigen partiell auch für Dienstleistungen, da deren genaue Klassifikation sowohl die interne als auch externe Kommunikation (z.B. bei der Erstellung von Angeboten) wesentlich erleichtert.

Messen Sie die Performance Ihrer Daten Durch die permanente Weiterentwicklung der einschlägigen Standards sind zuverlässige Datenqualitätsmessungen inzwischen problemlos durchführbar und sehr hilfreich. Die Messkriterien bestimmt das Unternehmen nach eigenem Ermessen. Grundsätzlich kann und sollte man sich an aktuellen Standards orientieren, wie sie z.B. von der DGIQ [link] herausgegeben werden.

Bleiben Sie am Ball Datenqualität ist keine Eintagsfliege. Wie wir bereits angedeutet haben, sind alle Daten einem permanenten Verfall unterworfen. Dementsprechend ist auch die Verbesserung (bzw. Aufrechterhaltung) der Datenqualität ein kontinuierlicher Prozess. Data-Profiling-Werkzeuge können Ihnen dabei helfen, die Datenqualität messbar und bewertbar zu machen. Schaffen Sie diesbezüglich Verantwortlichkeiten im Unternehmen, um eine regelmäßige „Wartung“ der Datenperformance sicherzustellen. Durch gezielte Anreize und Gratifikationen für die zuständigen Mitarbeiter kann eine langfristige Sicherung der Datenperformance erreicht werden.

Messen Sie Ihre Datenqualität automatisch Wie in anderen Bereichen auch werden manuelle Datenqualitätsmessungen mitunter zwar geplant, aber dann doch nicht durchgeführt. Dabei können solche Vorgänge auch automatisiert werden. So bleibt man stets über die aktuelle Qualität seiner Daten informiert, ohne dass Mitarbeiter durch die Messungen gebunden werden. Aber was hat man eigentlich genau von hoher Datenperformance? Wie spart man damit Kosten und was bringt das dem Unternehmen alles in allem? Darauf möchten wir in der kommenden Folge unserer Blogserie intensiver eingehen.

In der heutigen Folge soll es um häufige Probleme im Zusammenhang mit Datenqualität gehen. Einer der wichtigsten Gründe, warum es überhaupt erst zu gravierenden Problemen kommt, ist: Die Abnahme der Datenqualität im Unternehmen ist ein permanenter und schleichender Prozess.
Eine niedrige Datenqualität hindert die entsprechende Software nicht daran, mit ihnen weiterzuarbeiten. Dementsprechend fallen die Mängel erst sehr spät auf – nämlich dann, wenn die Daten bereits so stark verunreinigt sind, dass selbst im Tagesgeschäft ständig Komplikationen auftauchen. Bemerkt werden diese allerdings auch erst, wenn sie sich häufen, und zudem treten sie nicht da zutage, wo sie entstehen. In vielen Fällen werden sie erst am Ende der Prozesskette offensichtlich und die Suche nach der Quelle geht zumeist nicht ohne größeren Aufwand vonstatten.
Im CRM-System z.B. können Datensätze durch Rufnummernänderung oder den Umzug des Kunden unbrauchbar werden, bei der Lagerhaltung kann es durch Umstrukturierungen oder Lieferantenwechsel zu Problemen mit dem Datenbestand kommen. Da die verwendeten Programme jedoch auch mit qualitativ schlechten Daten arbeiten, wird oft nicht bemerkt, wie deren Qualität stetig sinkt. Und was hat dieser unbemerkte Abfall der Datenqualität für Folgen?
Zunächst betrifft das natürlich wie bereits angedeutet die Managemententscheidungen. Wenn die Business-Intelligence-Software (also die Programme, welche Ihnen Auskunft und Übersicht über Ihre Geschäftszahlen geben, damit gezielt Unternehmensprozesse optimiert werden können) aufgrund schlechter Daten falsche Ergebnisse liefert, werden dementsprechend auch falsche Entscheidungen getroffen. Das führt im günstigsten Fall zu hohen Kosten bzw. Umsatzeinbußen, im schlimmsten Fall jedoch zu existenzbedrohenden Aktivitäten.
Im Zusammenhang damit steht die Erstellung von Berichten. Wenn diese Reports aufgrund schlechter Daten nicht die Wirklichkeit abbilden, kann es nicht nur zu falschen Entscheidungen im Management kommen, sondern es kann ein realitätsfernes Bild vom Zustand eines Unternehmens entstehen.
Darüber hinaus können diverse operative Prozesse stark beeinträchtigt werden, als Beispiel soll hier die Lagerhaltung dienen. So lässt sich der Einkauf nur dann effizient bewerkstelligen, wenn alle Waren einheitlich und korrekt bezeichnet sind. Passieren hier Fehler oder existieren aufgrund von unterschiedlichen Zulieferern differierende Bezeichnungen, kann der aktuelle Warenbestand nicht fehlerfrei ermittelt werden.
Die größte und vermutlich wichtigste Gefahrenquelle ist wohl der Umgang mit Kundendaten.  Mangelt es hier an der Qualität der Daten, entstehen sowohl direkte als auch indirekte Kosten. Direkte Kosten entstehen z.B. durch fehlgeleitete Mailings, weil (häufig sehr große) Teile der Kundendatensätze veraltet sind. Außerdem fällt in diese Rubrik unter anderem der zeitliche Mehraufwand, den ein Mitarbeiter betreibt, um z.B. eine veraltete Telefonnummer, Adresse etc. neu zu recherchieren.
Die indirekten Kosten (oder auch Umsatzausfälle) entstehen durch die Unzufriedenheit des Kunden bei mangelnder Betreuung. Dies geschieht, wenn ein Kunde aufgrund falscher oder veralteter Daten nicht erreicht bzw. ihm seine Ware nicht ordnungsgemäß zugestellt werden kann. In Zukunft wird er dann höchstwahrscheinlich seine Geschäfte mit anderen Firmen machen.
Es bleibt festzuhalten, dass eine niedrige Datenperformance Auswirkungen auf alle kritischen Bereiche eines Unternehmens hat – angefangen vom Vertrieb über das Marketing und Kundenmanagement bis hin zur Lagerhaltung. Sogar das Image eines Unternehmens wird mitunter leiden, wenn die genannten Probleme an die Öffentlichkeit kommen.
Wie man diesen Schwierigkeiten gelassen entgegentreten kann, erfahren Sie in der nächsten Folge unserer Blogserie, in der es um geeignete Maßnahmen zur Erhöhung der Datenperformance geht.

Die Anforderungen an Daten sind in den letzten Jahren erheblich gestiegen. Manager müssen sich bei ihren Entscheidungen auf die aus den ihnen resultierenden Fakten verlassen können. Das gute alte „Bauchgefühl“ tritt zunehmend in den Hintergrund.
Dennoch entgehen vielen Unternehmen noch immer große Summen an Umsätzen durch mangelnde Datenqualität, obwohl sich die Technik und Methodik der Datenqualitätsanalyse in den letzten Jahren entscheidend weiterentwickelt hat.
Der US-Wirtschaft z.B. entsteht aufgrund niedriger Datenqualität jedes Jahr ein Schaden von umgerechnet ca. 600 Milliarden Euro. Um dem entgegenzuwirken, setzen zahlreiche Top-Unternehmen – trotz Wirtschaftskrise – auf groß angelegte Datenqualitätsprojekte.
Das Softwarehaus Omikron Data Quality hat in einer Studie unter 361 Firmen mit einem Jahresumsatz von über 50 Millionen Euro herausgefunden, dass nur zwei Prozent der Unternehmen, die das Thema Datenqualität in Angriff genommen haben, aufgrund der schlechten Wirtschaftslage von einer Datenqualitätsoffensive abgesehen haben.
Man hat erkannt, dass gerade in wirtschaftlich schwierigen Zeiten die Straffung der Betriebsabläufe durch eine Erhöhung der Datenqualität maßgeblich zum Erfolg – oder auch zum Überleben – eines Unternehmens beitragen kann. Denn Tatsache ist, dass vor allem momentan viele große Firmen zwar das eine oder andere Projekt aufgrund von Geldmangel streichen, die Datenqualität gehört hier jedoch kaum dazu.
Man ist geneigt zu glauben, dass diese Projekte nur in großen Unternehmen Sinn machen, da nur dort in ausreichendem Maße Einsparmöglichkeiten vorliegen. Tatsächlich schlummern auch – oder gerade – in kleineren Unternehmen in puncto Datenqualität geldwerte Reserven in den Datenbanken. Denn wo in einer großen Firma eine Marketingaktion fehlschlägt, passiert das in einer kleinen genauso. Wo große Unternehmen einen unzufriedenen Kunden verlieren, kann es in einem kleinen einer von vielleicht dreien sein. Das bringt einen kleinen bzw. mittelständischen Betrieb schnell ins Wanken.
Der Vorteil eines kleinen Unternehmens ist, dass man aus den Studien zum Thema Datenqualität lernen kann, die von großen Firmen angestrengt werden. Hierauf soll am Ende dieser Blogserie näher eingegangen werden.
Zunächst möchten wir jedoch auf häufige Probleme im Zusammenhang mit Datenqualität eingehen, um zu verdeutlichen, wie allgemeingültig das Problem ist.

Die Informations- und Datenqualität gibt Auskunft über den formalen und inhaltlichen Zustand eines Datensatzes oder einer Datenbank. Dieser hängt von einer Reihe verschiedener Aspekte ab. Eine hohe Datenqualität bedeutet demzufolge, dass die betrachteten Daten und Informationen u.a. fehlerfrei, anschaulich, vollständig, aktuell und für die jeweiligen Geschäftsprozesse relevant sind. Für eine vollständige Aufstellung der Datenqualitätsmerkmale möchten wir auf die 15 Dimensionen von Datenqualität verweisen, welche von der „Deutschen Gesellschaft für Informations- und Datenqualität e.V. (DGIQ e.V.) aufgestellt wurden. In einer unserer vorangegangenen Blogserien haben wir diese 15 Dimensionen bereits näher erläutert und alle Aspekte besprochen, welche eine hohe Datenqualität ausmachen.
Datenperformance (von engl. „performance“ -> Leistung) drückt aus, wie gut und wie reibungslos die Daten tatsächlich arbeiten bzw. funktionieren – also was sie leisten und wie gut sie ihre „Arbeit“ verrichten.
Im Klartext: Wenn alle Datensätze mit allen Informationen gefüllt sind, die für den reibungslosen Betriebsablauf nötig sind und jede Software, die mit ihnen arbeitet, diese Informationen korrekt abrufen kann, dann besteht eine hohe Datenqualität. Es wird also über deren grundsätzlichen Zustand gesprochen. Datenperformance wiederum bezieht sich darauf, wie hoch der eigentliche Mehrwert ist, die Daten im Tagesgeschäft eines Unternehmens leisten.
Ein Beispiel: Ein gesunder Mitarbeiter, der aus fachlicher Sicht den ihm übertragenen Aufgaben problemlos gewachsen ist, hat eine „hohe Qualität“.
Wenn er nun seine Fähigkeiten optimal zur Bewältigung seiner Aufgaben einsetzt, weil sein Arbeitsumfeld (adäquate Werkzeuge, Software, Hardware, Teamgeist und Zusammenarbeit mit Kollegen) es ihm erlaubt, dann ist seine „Performance (also seine Leistung) hoch“.
Schaffen Sie also eine hohe Datenqualität und ermöglichen Sie Ihren hochwertigen Daten eine gute Arbeitsatmosphäre, dann werden sie zum Motor Ihres Unternehmens.
In der nächsten Folge werden wir uns zunächst mit dem Ist-Stand zum Thema Datenqualität befassen. Daraus ergibt sich dann eine gute Ausgangsbasis für weitere diesbezügliche Betrachtungen.

Bis vor ein paar Jahren waren Begriffe wie „Datenqualität“ oder „Datenperformance“ in den meisten Firmen noch Fremdworte. Mit der zunehmenden Globalisierung wuchs jedoch das Datenaufkommen in vielen Unternehmen erheblich. Inzwischen ist der Datenbestand eines der wichtigsten Arbeitsmittel im Unternehmen geworden. Nicht nur kritische Entscheidungen auf Managementebene werden auf ihrer Grundlage getroffen, sondern alle Geschäftsbereiche benötigen permanenten Zugriff auf die verschiedensten Daten. Somit rückt die Erhaltung und Verbesserung von deren Qualität immer mehr in den Vordergrund.

Große Unternehmen entdecken zunehmend die Wichtigkeit von Datenqualität und beschäftigen sich daher nun intensiv mit diesem Thema. Viele Manager mussten feststellen, dass schlechte Datenperformance die Betriebsabläufe empfindlich stört, was mit erheblichen Kosten sowie Umsatzeinbußen einhergeht.
Entscheidend ist dabei zu wissen, welche Rolle die Daten in den Unternehmensprozessen spielen, denn nur so kann deren Qualität gezielt verbessert werden. Nicht umsonst haben große Unternehmen bereits Untersuchungen und statistische Erhebungen lanciert, die Vorteile hoher Datenqualität optimal für sich nutzen zu können.
Für kleine und mittelständische Unternehmen entsteht dabei oft das Gefühl, derartige Maßnahmen würden sich nur für Top-Unternehmen lohnen. Aber auch kleinere Firmen haben diesbezüglich ähnlich viele Reserven wie die „Großen“. Bisher existieren dort jedoch zumeist keine oder nur rudimentäre Datenqualitätsrichtlinien, obwohl sich an dieser Stelle in den letzten Jahren sehr viel getan hat.
Deshalb möchten wir in unserer neuen Blogserie zum Thema „Datenperformance: Der Motor eines Unternehmens“ einmal genauer betrachten, welche Auswirkungen die Qualität der Daten auf ein Unternehmen hat. Anfänglich möchten wir einmal genauer unter die Lupe nehmen, wie das Thema „Datenqualität“ derzeit in vielen Unternehmen gehandhabt wird. Weiterhin werden wir häufig auftretende Probleme beleuchten, auf mögliche Gegenmaßnahmen eingehen und die Vorteile aufzeigen, die eine hohe Datenperformance im Unternehmen mit sich bringt. Am Ende werden wir anhand einer Studie noch einmal ganz konkret auf den finanziellen Effekt von Investitionen in die Qualität der Unternehmensdaten eingehen.
In der nächsten Folge werden wir uns jedoch zunächst mit der Frage beschäftigen, was Datenqualität  und Datenperformance eigentlich bedeutet. Was bedeuten diese Begriffe und wofür stehen sie?