Logikbäume: Mehr Transparenz zur Wirkung schlechter Datenqualität auf Unternehmensziele
Mit den effektiven Denkprozessen aus der TOC (Theory of Constraints) Durchbruchslösungen im Datenqualitätsmanagement schaffen
Ein Bewusstsein dafür, dass ein dringender Handlungsbedarf besteht ein übergreifendes und nachhaltiges DQM einzuführen, ist in vielen Organisationen noch gering ausgeprägt.
Wenn sich um das Thema Datenqualität gekümmert wird, dann meist auf lokale Einheiten beschränkt und situativ bedingt. Je nach Handlungsdruck werden immer wieder Einzelmaßnahmen durchgeführt. In der Regel stört schlechte Datenqualität den Flow von Prozessen und es erfordert immer wieder Nachbearbeitungsschleifen im laufenden Betrieb, bis ein Prozess effektiv abgeschlossen werden kann. Zusätzlich stören immer wieder die ad hoc initiierten Datenkorrekturmaßnahmen den Regelbetrieb.
Ein damit einhergehende Ressourcenklau zwingt die Mitarbeiter schädliches Multitasking zu betreiben, da in der gleichen Zeit noch mehr Aufgaben erledigt werden müssen. Erwiesenermaßen funktioniert dies nicht, so werden regelmäßig andere wichtige Aufgaben verschoben und ursprünglich geplante Fertigstellungstermine können nicht mehr eingehalten werden. Die Leistungsfähigkeit der Mitarbeiter sinkt zwangsläufig und damit auch die Motivation. Das Management kann nicht auf eine weitere Mitwirkungsbereitschaft der Mitarbeiter bauen. Ein Kampf gegen Windmühlen ist aussichtslos!
Am Anfang ist es immer recht schwierig, den Nutzen eines Datenqualitätsmanagements an Hand von Zahlen zu belegen sowie entsprechende Handlungsmaßnahmen zur Vermeidung schlechter Datenqualität abzuleiten. Dies gilt übrigens auch für viele andere Projektvorhaben wie z.B. der Einführung neuer Software und Prozesse.
Um trotzdem frühzeitig einen Nutzen von besserer Datenqualität und der Sinnhaftigkeit eines übergreifenden Datenqualitätsmanagements für die gesamte Organisation zu ermitteln, hat sich der Einsatz von sogenannten Logikbäumen, abgeleitet von den effektiven Denkprozessen der TOC, bewährt.
Hierbei wird in einem ersten Workshop (0,5 – 1 Tag) mit Personen aus unterschiedlichsten Bereichen die negative Wirkung schlechter Datenqualität auf die Unternehmensziele prozess- und abteilungsübergreifend erarbeitet. Anfänglich in Form eines Brainstormings und im Laufe des Workshops immer strukturierter, bis der Logikbaum ein gutes und verständliches Bild, dieses die negativen bzw. unerwünschten Wirkungen (Ursache-Wirkungs-Kette) schlechter Datenqualität auf die Erreichbarkeit der Unternehmensziele aufzeigt. Positive Effekte am Ende des Workshops:
- Alle Teilnehmer haben ein gleiches Verständnis der Problematik Datenqualität.
- Schlechte Datenqualität ist kein lokales Problem sondern alle sind davon betroffen.
- Isolierte, lokal optimierte Datenqualität hat nur geringe oder keine positive Wirkung auf den Durchsatz des Systems von Organisationen.
- Nur eine systemische Lösung schafft wieder einen gesteigerten Flow in den Prozessen, senkt schädliches Multitasking, steigert die Mitarbeitermotivation und Leistungsfähigkeit, sichert die Prozessqualität und unterstützt die Unternehmensziele effektiv zu erreichen.
- Die Notwendigkeit zum Handeln kann in einem Schaubild (Ist-Logikbaum) dem Management kurz und verständlich dargelegt werden.
In weiteren Workshops wird aus dem bereits erarbeiteten Ist-Logikbaum die Soll-Situation entwickelt (Soll-Logikbaum). Zur Erreichung der Soll-Situation werden Maßnahmen und deren Umsetzung in richtiger und sinnvoller Reihenfolge (nach größte Hebelwirkung) gemeinsam erarbeitet und festgelegt sowie in einem Strategie- und Taktikbaum (S & T-Baum) für alle nachvollziehbar abgebildet. Der S & T-Baum gibt die nötige Orientierung für eine effektive Umsetzung.
Lesen Sie auch:
Datenqualität, Datenqualitätsmanagement, Strategieentwicklung, Unternehmensstrategie, effektive Denkprozesse, Theory of Constraints (TOC), Prozessoptimierung, Durchsatzmanagement, Data Governance, Data Value, Wert von Daten
- Geändert am .
- Aufrufe: 13852