Digitalisierung im Rechnungswesen: Hohe Datenqualität – ... / 3 Wie kann Datenqualität definiert werden?

Eine Aussage wie "unsere Datenqualität muss sich verbessern", ist schnell ausgesprochen und scheint den Eindruck eines guten Qualitätsverständnisses zu hinterlassen. Doch was ist eine gute (Daten-) Qualität; wie lässt sie sich quantitativ messen und bewerten? Solche und ähnliche qualitätsorientierte Fragestellungen stehen produktseitig auf der Tagesordnung von Qualitätssicherungsabteilungen. Sie beschäftigen sich täglich mit der Messbarkeit und Bewertbarkeit der Produktqualität. Die Ergebnisse sind Erfassungen von Termintreue, fehlerfreie Lieferungen, (Kunden-) Reklamationen und Ausschussquoten.

Definition und Bestimmung erfolgen nicht durch eine einzelne Messgröße, sondern sind vielmehr das Ergebnis einer Vielzahl von Einflussfaktoren. Diese Faktoren umfassen unter anderem Prozesse, Anwender, Datenverarbeitungssysteme und schlussendlich die Unternehmensphilosophie. Grundsätzlich lässt sich Datenqualität als Eignung zur Erfüllung eines bestimmten Zwecks ("fitness for use") definieren.

Zeitnähe	Effizienz	Neutralität	Bestimmtheit
Überprüfbarkeit	Operationalität	Wahrheitsgehalt	Wirkungsdauer
Aktualität	Bestätigungsgrad	Zuverlässigkeit	Unabhängigkeit
Vollständigkeit	Korrektheit	Zeitbezug	Testbarkeit
Handhabbarkeit	Genauigkeit	Verlässlichkeit	Bedeutung
Objektivität	Signifikanz	Redundanzfreiheit	Flexibilität
Quantifizierbarkeit	Einheitlichkeit	Wiederverwendbarkeit	Benutzbarkeit
Eindeutigkeit	Integrität	Sicherheit	Aufbereitungsgrad
Portabilität	Informationsgrad	Klarheit	Relevanz
Rechtzeitigkeit	Gültigkeit	Verdichtungsgrad	Allgemeingültigkeit
Verständlichkeit	Performanz	Detailliertheit	Referenzielle Integrität
Geltungsdauer	Änderungshäufigkeit	Ganzheit	Zugänglichkeit
Verfügbarkeit	Robustheit	Glaubwürdigkeit	Kompaktheit

Tab. 1: Kriterien zur Bestimmung von Datenqualität

Welchen besonderen Herausforderungen müssen sich Rechnungswesen-Praktiker stellen, um die Datenqualität in ihrem finanzlastigen Bereich zu bestimmen und zu messen? Im Folgenden werden 11 Kriterien zur Bestimmung von Datenqualität erläutert. In keiner Rechnungswesen-Abteilung werden alle 11 Kriterien gleichzeitig die Messlatte darstellen. Vielmehr werden eine individuelle Auswahl und Gewichtung entsprechend der Sinnhaftigkeit und des Zwecks zur Anwendung kommen. Unternehmen, die mit der Bestimmung der Datenqualität am Anfang stehen, sind gut beraten, nur eine begrenzte Anzahl von Kriterien auszuwählen und sich auf diese zu fokussieren. Im Laufe der Zeit und nach Sammlung der ersten Erfahrungen können dann sukzessive weitere Kriterien hinzugenommen werden, um die Datenqualität zu optimieren.

3.1 Vollständigkeit

Das Kriterium der Vollständigkeit ist erfüllt, wenn der entsprechende Datensatz an sich vorhanden ist und alle geforderten Bestandteile (Attribute) enthält. Die geforderten Attribute werden zum einen durch die sogenannten "Muss-Felder" (Pflichteingabefelder) und die individuell erforderlichen Zusatzfelder definiert. I. d. R. ist eine Kreditorennummer ein Pflichteingabefeld zur eindeutigen Identifizierung und Unterscheidung. Ein Kreditorenname kann prinzipiell mehrfach vorkommen (z. B. "Müller GmbH"), eine Kreditorennummer darf jedoch nie doppelt vorkommen.

Neben der Pflichteingabe "Kreditorennummer" sind weitere Eingaben erforderlich, die von den individuellen Besonderheiten des jeweiligen Unternehmens abhängig sind. So sollte es z. B. eine – bestenfalls schriftliche – Vorgabe geben, ob und wie Adress-, Kommunikations- und Sonderfelder auszufüllen sind.

Praxis-Beispiel

Vollständigkeit des Datensatzes "Debitorenstammdaten"

Systemseitig ist bei der VolleDaten GbR eine eindeutige Debitorennummer als Pflichtfeld definiert. Da das Mahnwesen des Unternehmens papiergebunden abgewickelt wird, sind die Adressfelder sowie der Ansprechpartner beim Debitor vollständig auszufüllen, um eine sichere Zustellung der Mahnungen zu gewährleisten. Da vereinzelt Kundengutschriften zur Auszahlung kommen, sind zusätzlich stets die Bankdaten des Debitors zu hinterlegen.

Vollständigkeit ist gegeben, wenn alle systemseitig und individuell vorgegebenen Attribute vorhanden sind; im oben genannten Beispielfall wären das:

Nr.	Attribut	Vorgabe	vorhanden?
1	Debitorennummer	System
2	Debitorenname	Intern
3	Ansprechpartner Anrede	Intern
4	Ansprechpartner Vorname	Intern
5	Ansprechpartner Nachname	Intern
6	Ansprechpartner E-Mail	Intern
7	Straße	Intern
8	Hausnummer	Intern
9	Postleitzahl	Intern
10	Ort	Intern
11	Land	Intern
12	Bankname	Intern
13	IBAN	Intern
14	BIC	Intern

3.2 Eindeutigkeit

Jeder Datensatz muss für sich und in Bezug auf andere Datensätze eindeutig interpretierbar sein, um das Kriterium Eindeutigkeit zu erfüllen. Gibt es in einem Datenbestand zwei Datensätze, die bis auf ein Datenfeld identisch sind, so sind beide Datensätze nicht mehr eindeutig interpretierbar. Es ist zu bezweifeln, ob es sich um zwei unterschiedliche Datensätze handelt und hinsichtlich des abweichenden Datenfelds besteht Unklarheit, ob einer der Eingaben oder gar beide korrekt sind.

Praxis-Beispiel

Eindeutigkeit von Deb...