Warum Ihre Unternehmensdaten lügen (und wie Sie herausfinden, wo)

Die Entscheidung wird in einem Meeting getroffen. Jemand öffnet ein Dashboard, zeigt auf eine Zahl, und der Raum nickt. Umsatz pro Kunde, Konversionsrate, Lagerumschlag — was auch immer die Kennzahl ist, sie sieht maßgeblich aus, weil sie aus dem System stammt.

Hier ist, was niemand fragt: bedeutet diese Zahl noch das, was wir denken?

Die meisten Unternehmen arbeiten mit Daten, die vor zwei Jahren korrekt waren, vor der Notlösung, bevor das Feld umgewidmet wurde, bevor die Integration begann, stillschweigend zu scheitern. Das Dashboard aktualisiert sich weiterhin, also gehen alle davon aus, dass es in Ordnung ist. Meist ist es das nicht.

Die vier Arten, wie Daten stillschweigend falsch werden

Daten korruptieren nicht auf einmal. Sie driften, und jede Art von Drift hat ein Muster.

1. Definitions-Drift

Ein Feld bedeutete etwas, als es erstellt wurde, dann musste jemand etwas Benachbartes nachverfolgen, und der einfachste Ort dafür war das vorhandene Feld. Jetzt bedeutet dieselbe Spalte zwei Dinge je nach Kontext, und jede Abfrage muss wissen, welchen Kontext sie betrachtet.

Die klassische Version: ein Statusfeld mit Werten wie ausstehend, genehmigt, abgeschlossen — dann fügt jemand zur_prüfung_ausstehend und mit_ausnahmen_genehmigt hinzu. Sechs Monate später filtern die Hälfte Ihrer Berichte nach genehmigt und verpassen die Ausnahmen. Die andere Hälfte schließt sie ein. Niemand ist sich über die tatsächliche Genehmigungsrate einig, weil das Feld jetzt zwei Konzepte kodiert.

Wie man es erkennt: Suchen Sie nach Feldern mit mehr als fünf verschiedenen Werten oder Werten, die Trennzeichen enthalten (Unterstriche, Bindestriche, Schrägstriche). Beides sind Symptome dafür, dass ein einzelnes Feld mehrere Aufgaben erfüllt.

2. Prozess-Drift

Das Datenmodell spiegelt einen Prozess wider, der nicht mehr so abläuft wie früher. Das Unternehmen hat sich angepasst — ein Schritt wurde übersprungen, eine Übergabe verschoben, eine Genehmigungsebene hinzugefügt — aber das System nicht, also umgehen die Leute es.

Beispiel: ein CRM, in dem Deals durch fünf Phasen gehen sollen, aber der Vertrieb hat gelernt, dass Phase drei immer genehmigt wird, also springen sie direkt von zwei zu vier. Das System hat immer noch Phase drei, Berichte messen immer noch die Zeit in Phase drei, und diese Kennzahl ist jetzt immer null. Niemand schaut sie mehr an, aber sie ist immer noch im Executive-Dashboard.

Wie man es erkennt: Finden Sie Kennzahlen, die sich nie ändern, oder Felder, die immer denselben Wert haben. Dann fragen Sie jemanden, der die Arbeit täglich macht, ob dieser Schritt noch stattfindet.

3. Integrations-Drift

Zwei Systeme synchronisierten sich sauber. Dann änderte sich eines von ihnen — ein Feld wurde umbenannt, ein API-Endpunkt veraltet, ein erforderlicher Parameter hinzugefügt — und die Integration lief weiter, begann aber stillschweigend zu scheitern.

Der Fehlermodus ist spezifisch: Der Sync-Prozess gibt keine Fehler aus, er hört einfach auf, bestimmte Datensätze zu verschieben. Neue Kunden synchronisieren sich gut, aber Updates an bestehenden nicht. Oder es funktioniert für Datensätze, die nach einem bestimmten Datum erstellt wurden, und alles davor ist eingefroren. Das Symptom sind Daten, die für einige Dinge genau und für andere subtil veraltet sind, was schlimmer ist als umfassend kaputt, weil es schwerer zu bemerken ist.

Wie man es erkennt: Vergleichen Sie Datensatzzahlen und Zeitstempel der letzten Aktualisierung über Systeme hinweg, die übereinstimmen sollten. Eine wachsende Diskrepanz bedeutet, dass sich etwas nicht synchronisiert.

4. Annahmen-Drift

Die Daten sind in Ordnung. Die Kennzahl ist falsch.

Ein Bericht wurde auf einer Annahme aufgebaut — "wir schließen Deals durchschnittlich in 30 Tagen" — und die Logik spiegelt das wider. Dann änderte sich der Markt, Deal-Zyklen verlängerten sich, und jetzt schließt die Kennzahl alles über 45 Tage als Ausreißer aus. Die Zahl auf dem Dashboard ist immer noch mit "durchschnittlicher Deal-Zyklus" beschriftet, aber es ist eigentlich "durchschnittlicher Deal-Zyklus für Deals, die schnell abgeschlossen werden", was nicht dasselbe ist.

Wie man es erkennt: Jede Kennzahl mit einem Filter oder einer Ausnahme, die nach dem ursprünglichen Bericht hinzugefügt wurde. Fragen Sie, was herausgefiltert wird und ob diese Ausnahme noch Sinn macht.

Das Audit, das dies tatsächlich findet

Das übliche Daten-Audit prüft auf fehlende Werte und Duplikate. Die sind wichtig, aber dort sind nicht die Lügen. Die Lügen sind in den Feldern, die gut aussehen, aber etwas anderes bedeuten als früher.

Hier ist das Audit, das es aufdeckt:

1. Listen Sie Ihre Top-Ten-Entscheidungen auf. Die mit angehängtem Budget. Einstellungspläne, Inventarbestellungen, Marketing-Ausgaben, Preisänderungen.
2. Benennen Sie für jede Entscheidung die Zahl, die sie antrieb. Umsatz pro Region, Kosten pro Akquisition, Lagerumschlag, was auch immer es war.
3. Verfolgen Sie diese Zahl zurück zur Abfrage. Nicht das Dashboard — die tatsächliche SQL oder Berichtsdefinition, die sie erzeugt.
4. Lesen Sie die Abfrage mit jemandem, der die Arbeit macht. Nicht der Analyst, der sie geschrieben hat — die Person im Betrieb oder Vertrieb, die die Datensätze erstellt. Bitten Sie sie zu erklären, was jedes Feld heute tatsächlich darstellt.

Sie werden Drift in mindestens drei von zehn finden. Die Frage ist, ob eine dieser drei eine Entscheidung beeinflusst hat, die jetzt schwer rückgängig zu machen ist.

Die Lösung ist nicht immer technisch

Manchmal liegt die Drift im Prozess und die Daten spiegeln ihn einfach ehrlich wider. Ein Feld, das acht verschiedene Konzepte enthält, ist ein Problem, aber das Problem ist nicht das Feld — es ist, dass Ihr Prozess acht Grenzfälle hat und niemand entschieden hat, wie man sie konsistent behandelt.

Daten zu bereinigen, ohne den Prozess zu korrigieren, bedeutet nur, dass sie in sechs Monaten wieder driften. Die Sequenz, die hält:

1. Finden Sie die Drift (das Audit oben).
2. Entscheiden Sie, was das Feld künftig bedeuten soll.
3. Aktualisieren Sie den Prozess, damit die Leute es tatsächlich so erfassen können.
4. Migrieren Sie die alten Daten zum Abgleich oder markieren Sie sie klar als Legacy.
5. Aktualisieren Sie jeden Bericht, der es berührt.

Schritt drei ist derjenige, der übersprungen wird. Wenn das System das, was die Leute nachverfolgen müssen, nicht ausdrücken kann, werden sie eine Notlösung finden, und diese Notlösung wird die nächste Drift.

Wann man dies tun sollte

Drei Momente, in denen ein Daten-Audit die Zeit wert ist:

• Vor einer großen Entscheidung. Wenn Sie im Begriff sind, sechs Monate Engineering-Aufwand oder ein materielles Budget auf der Grundlage einer Kennzahl zu investieren, verbringen Sie zwei Tage damit zu prüfen, ob diese Kennzahl noch die Realität widerspiegelt.
• Vor einer Konsolidierung. Schlechte Daten in ein neues System zu migrieren bedeutet nur, dass das neue System über das Falsche maßgeblich ist. Der Sample-Migrations-Pass, der im Konsolidierungs-Artikel erwähnt wird, ist, wo Sie dies finden.
• Wenn ein Bericht keinen Sinn mehr ergibt. Wenn sich die Zahlen falsch anfühlen oder zwei Berichte, die übereinstimmen sollten, es nicht tun, ist das kein Bug in der Abfrage — es ist ein Symptom dafür, dass Datenmodell und Realität divergiert sind.

Wie gute Datenzuverlässigkeit aussieht

Es ist nicht null Drift — das ist unrealistisch. Unternehmen ändern sich, und Datenmodelle hinken hinterher. Was zählt, ist zu wissen, wo die Drift ist.

Ein zuverlässiges Datensystem ist eines, in dem:

• Jedes Feld eine dokumentierte Definition hat, und diese Definition wird überprüft, wenn sich der Prozess ändert.
• Integrationen ihre Fehler sichtbar protokollieren, nicht stillschweigend.
• Kennzahlen ihre Annahmen und Ausschlüsse im Label enthalten, nicht nur im SQL.
• Jemand dafür verantwortlich ist zu bemerken, wenn sich eine Dashboard-Zahl nicht mehr ändert.

Das Letztere ist am schwierigsten zuzuweisen, weil es zwischen Daten und Betrieb sitzt und die meisten Organigramme keine Box dafür haben. Aber wenn niemand dafür verantwortlich ist, passiert es nicht, und Sie sind wieder dabei, Entscheidungen auf der Grundlage von Zahlen zu treffen, die maßgeblich aussehen, weil sie aus einem System stammen.

Die gefährlichsten Daten fehlen nicht — sie sind vorhanden, formatiert und falsch.

Wenn Sie im Begriff sind, Systeme zu konsolidieren oder Daten zu migrieren und eine zweite Meinung darüber wünschen, wo sich die Drift verstecken könnte, ist das eine vernünftige Sache, die in einem ersten Gespräch behandelt werden kann. Buchen Sie eines, oder lesen Sie zuerst die FAQ, wenn Sie wissen möchten, was es beinhaltet.