Messung von Datenqualitätskosten

Die Messung von Datenqualitätskosten ist nicht ganz einfach, aber auch nicht unmöglich. Analog zu den „Cost of Conformance“ und „Cost of Non-Conformance“ von Feigenbaum kann man Datenqualitätskosten in

  1. Kosten guter Datenqualität und
  2. Kosten schlechter Datenqualität

einordnen. Kosten guter Datenqualität sind dabei Kosten für Fehlererkennung und -vorbeugung. Dazu gehören neben den Hard- und Softwarekosten zur Unterstützung des Datenqualitätsmanagements auch die Personalkosten für die Erarbeitung von Datenanforderungen. Dem gegenüber stehen die Kosten schlechter Datenqualität, also Kosten, die durch Datenqualitätsprobleme verursacht werden. Zu solchen Kosten gehören unter anderem

  • Kosten für Nacharbeiten,
  • Kosten des Problemmanagements,
  • Kosten ungenutzter Business Intelligence Berichte,
  • Kosten gescheiterter Projekte,
  • Kosten, die durch Fehlentscheidungen und Prozessstörungen entstehen, sowie
  • ausbleibende Umsätze durch unzufriedene Kunden.

Datenqualitätskosten

Durch die Kostenbrille betrachtet könnte man beispielsweise den Earned Value des Datenqualitätsmanagements berechnen. Dazu werden die Reduzierung der Kosten schlechter Datenqualität (Benefits(DQM)) mit den Kosten für die Einführung bzw. den Betrieb eines Datenqualitätsmanagements (Kosten(DQM)) verglichen:

EV(DQM) = Benefits(DQM) – Kosten(DQM)

Die Benefits des Datenqualitätsmanagements könnten beispielsweise anhand der Reduzierung der Incidents zu Datenproblemen im Servicemanagement, anhand der Steigerung der Projekterfolge oder anhand der Reduzierung von Rücksendungen wegen falscher Adressdaten quantifiziert werden. Natürlich kann man nicht beweisen, dass gerade das Datenqualitätsmanagement zu einer Reduktion geführt hat. Allerdings bietet der Earned Value für Datenqualitätsmanagement einen ungefähren Anhaltspunkt, um den Wertbeitrag von Datenqualitätsmanagementsystemen einzuschätzen, bevor es großflächig im Unternehmen ausgerollt wird.

Jedoch sollte man nicht nur eindimensional auf Datenqualitätsmanagement schauen. Beispielsweise ist durch Solvency II ein funktionierendes Datenqualitätsmanagement in der Versicherungsbranche in Europa bald aufgrund von gesetzlichen Vorgaben existenziell und sollte daher in Versicherungsunternehmen immer implementiert werden, auch wenn die Kosten für das Datenqualitätsmanagement kurzfristig überwiegen. Darüber hinaus sind bestimmte Informationen, z.B. zur Behandlung von Gefahrgut oder Patientendaten, lebenswichtig und sollten immer stimmen.


Das Information Quality Institute hilft Ihnen dabei, ein Datenqualitätsmanagement zu implementieren, das sich dauerhaft für Sie auszahlt und existenzgefährdende Risiken minimiert. Haben wir Ihr Interesse geweckt? Dann rufen Sie uns unter +49 (0)8177 3 919 515-0 an oder nutzen Sie unser Kontaktformular.