Ein falsch geschriebenes Kundenmerkmal lässt sich korrigieren. Schwieriger wird es, wenn niemand weiß, wer für die Korrektur zuständig ist, welches System maßgeblich sein soll oder was ein bestimmter Begriff fachlich bedeutet.
Datenqualität wird häufig auf technische Prüfungen reduziert. Diese sind wichtig. Sie können erkennen, ob Werte fehlen, Formate stimmen oder bestimmte Regeln verletzt werden. Aber sie beantworten nicht automatisch, warum Fehler immer wieder entstehen.
Dafür muss man Prozesse, Zuständigkeiten und Nutzungskontexte betrachten. Welche Informationen werden an welcher Stelle erfasst? Wer nutzt sie später? Welche Qualitätsanforderungen ergeben sich daraus?
Datenqualität ist letztlich Eignung für einen Zweck. Ein Datensatz kann formal korrekt sein und trotzdem eine falsche Entscheidung unterstützen, wenn ihm beispielsweise Kontext, Aktualität oder eine eindeutige Definition fehlen.
Wer Datenqualität nachhaltig verbessern möchte, braucht deshalb neben geeigneten Verfahren vor allem klare Verantwortlichkeiten und den Willen, bereichsübergreifend zusammenzuarbeiten.