Fachbeiträge & Kommentare zu Rechnungswesen

Bei einer vertikalen Delegation reicht der Verpflichtete seine Aufgaben im Rahmen einer hierarchischen Beziehung weiter an von ihm arbeitsvertraglich abhängige Mitarbeiter oder an externe Kräfte.[10] Die Aufgabenbearbeitung nimmt in diesem Sinne einen Weg "von oben nach unten". Beauftragung eines Steuerberaters: Die einfachste Form vertikaler Delegation stellt die Beauftragun...mehr

Überblick Bei der Nutzung und Archivierung von betrieblichen Unterlagen müssen das Datenschutzrecht, vor allem die Datenschutz-Grundverordnung, sowie Vorschriften über die Datensicherheit beachtet werden. Zu diesen Unterlagen zählen auch E-Mails. Der Beitrag gibt einen Überblick über die gesetzlichen Anforderungen mit dem Fokus auf den Bereich des Rechnungswesens, berücksich...mehr

Die Digitalisierung macht auch vor dem altbewährten Rechnungswesen nicht halt. Vor einigen Jahr(zehnt)en war es noch üblich, Papierbelege zu bearbeiten, sie von Hand A zu Hand B zu übergeben, Fotokopien davon zu erstellen, Freigaben kugelschreibend zu zeichnen, Stempel mit Kontierungsangaben und Buchungs- und Zahldaten für die Ewigkeit zu hinterlassen. Inzwischen hat sich die elekt...mehr

Zusammenfassung Überblick Die unaufhaltsam fortschreitende Digitalisierung hat Daten zum neuen Gold werden lassen. Unternehmen werden in allen Bereichen immer abhängiger von Daten und deren Qualität. Wer keine hohen Ansprüche an die Qualität seiner Daten stellt und deren Zustand nicht kontinuierlich überwacht, wird ähnlich negative Erfahrungen machen wie Unternehmen, die ihre...mehr

Im Rahmen des ersten Projektschritts erfolgt eine schriftliche Definition dessen, was unter einer hohen Datenqualität im Rechnungswesen zu verstehen ist. Das Projektteam hat sich dazu entschieden, eine Erfassung bekannter Datenqualitätsprobleme durchzuführen und diese hinsichtlich der zukünftigen, erwarteten Datenqualität zu bewerten, um hieraus Vorgaben zu entwickeln. Die E...mehr

Redundanz liegt vor, wenn identische Informationen mehrfach in einer Informationsquelle vorhanden sind und die betreffende Information in einem der Speicherorte ohne Informationsverlust gelöscht werden könnte. Hierfür müssen nicht zwangsläufig Dubletten vorliegen; Redundanz liegt bereits dann vor, wenn Debitorenstammdaten wie z. B. Telekommunikationskontaktdaten sowohl im Re...mehr

Alle Erfahrungen und Ergebnisse aus den durchgeführten qualitativen und quantitativen Analysen, der Datenbereinigung und den individuellen Erwartungen und Anforderungen werden ausgewertet und priorisiert. Das Projektteam erarbeitet anschließend einen Sollzustand zur Datenqualität im Rechnungswesen, der dem Lenkungsausschuss präsentiert wird. In einem ersten Schritt hat sich ...mehr

Eine hohe Datenqualität setzt eine gute Verständlichkeit der Informationen voraus. Die Datensätze müssen hinsichtlich ihrer Struktur, Beschaffenheit und Begrifflichkeit so vorliegen, dass der Informationsverarbeiter – oftmals ein Mensch – sie entsprechend interpretieren und verstehen kann. So ist es beispielsweise nicht hilfreich, einem Rechnungswesen-Sachbearbeiter eine Tab...mehr

Überblick Die unaufhaltsam fortschreitende Digitalisierung hat Daten zum neuen Gold werden lassen. Unternehmen werden in allen Bereichen immer abhängiger von Daten und deren Qualität. Wer keine hohen Ansprüche an die Qualität seiner Daten stellt und deren Zustand nicht kontinuierlich überwacht, wird ähnlich negative Erfahrungen machen wie Unternehmen, die ihre Produktqualitä...mehr

Aufgrund der gehäuften Datenfehler in den Verarbeitungsprozessen des Rechnungswesens initiierte die Geschäftsleitung selbst ein Projekt zur Erhöhung der Datenqualität. Damit hat der Leiter Rechnungswesen nicht die (schwierige) Aufgabe, die Unternehmensspitze von der Notwendigkeit eines solchen Projekts zu überzeugen. Von zentraler Bedeutung für den Erfolg eines Datenqualität...mehr

Die Ursachen für schlechte Datenqualität in den Abteilungen des Rechnungswesens sind vielfältig. In erster Linie hängt sie vom grundlegenden Qualitätsverständnis des jeweiligen Unternehmens ab, das in der Unternehmenskultur verankert ist. Betriebe, die aufgrund ihrer Kultur und ihres Geschäftsmodells ein hohes Qualitätsbewusstsein aufweisen müssen, werden i. d. R. eine höher...mehr

Ein zentrales Prinzip der Informatik lässt sich auch auf die Datenqualität übertragen: "GIGO" steht in der IT für "Garbage In – Garbage Out" [1] (Müll rein – Müll raus) und besagt, dass die Ergebnisse nur Müll sein können, wenn die Systeme mit Müll "gefüttert "werden. Da ein Computer prinzipiell nicht unterscheiden kann, ob die Eingaben seines Anwenders für den beabsichtigten...mehr

Das mittelständische Industrie-Unternehmen DQ-Improvement GmbH mit Sitz in Freiburg beschäftigt 200 Mitarbeiter. Das Unternehmen verfügt über eine eigene Rechnungswesen-Abteilung mit Kreditoren- und Debitorenbuchhaltung. Die Mitarbeiter in der Finanzbuchhaltung werden von einer IT-Abteilung sowie einer Controlling-Abteilung unterstützt. Die in der Finanzbuchhaltungssoftware ...mehr

Die technische Infrastruktur der Rechnungswesen-Systeme ist insbesondere in kleineren Unternehmen eine häufige Ursache für mangelhafte Datenqualität. Einmal eingerichtet werden die Systeme nur noch im Einzelfall angefasst und wenn, dann nur "drüber-installiert" und "drauf-optimiert". Im Laufe der Jahre sind die Systeme dann überinstalliert und mit (unnötigen) Zusatzmodulen u...mehr

Fehlen klare Anweisungen und Vorgaben zur Durchführung der Datenerfassung, wird sich im Laufe der Zeit der berühmte "Schlendrian" einstellen: Dateneingaben werden aus Bequemlichkeitsgründen abgekürzt, relevante Daten wie beispielsweise die Umsatzsteuer-Identifikationsnummern bei der Stammdatenanlage werden ausgelassen, weil sie gerade nicht verfügbar sind und Datenanpassunge...mehr

Die in den Workshops und Fragebögen erfassten subjektiv gemeldeten Missstände der Daten werden in einem nächsten Schritt mittels eines ersten Data Profilings objektiv überprüft. Diese Datenanalyse wird federführend durch das Controlling durchgeführt, wobei die IT-Abteilung einen ersten Datenexport von Stammdaten und Bewegungsdaten aus dem Finanzbuchhaltungs- und ERP-System v...mehr

Sobald ein Unternehmen die für die individuellen Datenqualitätskriterien relevanten Kennzahlen erarbeitet hat – ggf. in Abstimmung und Zusammenarbeit mit den Fachabteilungen – empfiehlt es sich, diese genau zu dokumentieren. Damit wird sichergestellt, dass auch dezentral verwendete Kennzahlen einheitlich betrachtet werden und vergleichbare Ergebnisse liefern. Im Folgenden is...mehr

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 hin...mehr

Konsistenz erfordert, dass die Daten den definierten Integritätsanforderungen entsprechen; im weiteren Sinne korrekt sind. Ein Datensatz darf in sich und zu anderen Datensätzen keine offensichtlichen Widersprüche aufweisen. Dies kann auf logischen Zusammenhängen beruhen (das Geburtsdatum der Kinder muss später sein, als das der Eltern) oder auf internen Vorgaben (Sachkonten ...mehr

Kennzahlen für die Datenqualität lassen sich grundsätzlich in drei Kategorien einteilen. 4.1.1 Formal-technische Kennzahlen Die Berechnung von formal-technischen Kennzahlen erfolgt i. d. R. systemseitig durch einfache Datenabfragen unterschiedlicher Datenbereiche. Praxis-Beispiel Anzahl fehlerhafter Anrede-Felder In den Debitorenstammdaten ist ein Anrede-Feld als Freitextfeld fü...mehr

7.1 Ausgangslage Das mittelständische Industrie-Unternehmen DQ-Improvement GmbH mit Sitz in Freiburg beschäftigt 200 Mitarbeiter. Das Unternehmen verfügt über eine eigene Rechnungswesen-Abteilung mit Kreditoren- und Debitorenbuchhaltung. Die Mitarbeiter in der Finanzbuchhaltung werden von einer IT-Abteilung sowie einer Controlling-Abteilung unterstützt. Die in der Finanzbuchh...mehr

6.1 Data Profiling (Datenanalyse) Data Profiling ist eine statistische Analyse und Bewertung von Datensätzen. Vergleichbar mit einem Archäologen werden Daten mit Werkzeugen ausgegraben, sauber freigelegt, betrachtet, kategorisiert und bewertet. Im Gegensatz zum Archäologen, der dafür i. d. R. Handarbeit mit Schaufel, Spachtel und Pinsel leistet, erfolgt die Analyse beim Data ...mehr

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 Qualitätssiche...mehr

Nach Abschluss aller Analysen und Festlegung des Sollzustandes ist es erforderlich, das gültige Regelwerk an die Anwender zu adressieren und kommunizieren. Das Projektteam hat sich dafür entschieden, eine schriftliche Anweisung zur Datenqualität je nach Anwendungsbereich in unterschiedlichen Dokumenten zu veröffentlichen. Um schnell und einfach zu einem Ergebnis zu kommen, w...mehr

Zur Datenbereinigung gehört auch die Entfernung von Duplikaten (doppelte Datensätze). Duplikate stellen redundante Daten dar und müssen zur Optimierung des Datenbestandes und zur Fehlervermeidung unbedingt bereinigt werden. Im Rahmen der Bereinigung (Löschung des redundanten Datensatzes) ist wiederum zu prüfen und sicherzustellen, dass der verbleibende Datensatz in allen Bel...mehr

Die Entstehung von Daten muss zuverlässig und nachvollziehbar sein. Gerade in Zeiten zunehmender Bedeutung von Big Data (Massendaten) ist die Zuverlässigkeit von Daten (-beständen) ein wichtiges Qualitätskriterium. Praxis-Beispiel Zuverlässigkeit von Rechnungsdaten Für das Konzernreporting müssen die täglichen Ausgangsrechnungen der Tochtergesellschaft "Sohn GmbH" bis 10 Uhr d...mehr

Die Berechnung von formal-technischen Kennzahlen erfolgt i. d. R. systemseitig durch einfache Datenabfragen unterschiedlicher Datenbereiche. Praxis-Beispiel Anzahl fehlerhafter Anrede-Felder In den Debitorenstammdaten ist ein Anrede-Feld als Freitextfeld für die Ansprache im Rahmen der Korrespondenz zu befüllen. Für die Eingabe der zulässigen Werte in dieses Feld wurden intern...mehr

Da nicht alle Ausprägungen von Datenqualitätskriterien quantitativ erfassbar sind, müssen bestimmte Kennzahlen durch qualitative Verfahren, wie z. B. die Befragung von Anwendern, ermittelt werden. Sofern die Einschätzung der Befragten nachvollziehbar und begründbar ist, kann als Ergebnis eine kennzahlentechnische Einstufung des Kriteriums erfolgen. Praxis-Beispiel Begründung ...mehr

Die erstmalige (manuelle) Eingabe von Daten in ein System stellt eine sehr häufige Ursache für unzureichende Datenqualität dar. Sie kann auf den Faktor Mensch zurückgeführt werden, wenn fehlerhafte Eingaben oder unzureichende Qualifikationen (Verständnisprobleme) vorliegen, mangelhafte Kenntnisse über die Funktionalität der Softwareanwendung bestehen oder unvollständige Eingabe...mehr

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 z...mehr

Die im Rahmen des Data Profilings identifizierten Datenmängel sind anschließend mittels Data Cleansings durch verschiedene Verfahren zu bereinigen. Sofern die betroffenen Daten zuvor zuverlässig standardisiert wurden, ist die Bereinigung deutlich einfacher durchzuführen. Beispielsweise sollte ein Datumsfeld immer in einem einheitlichen Format vorliegen. Liegt ein Datumswert ...mehr

Datenbestände sollten nicht nur vollständig, korrekt und aktuell sein; die Dateneingabe muss zusätzlich genau sein. Die Genauigkeit von Datensätzen ist erfüllt, wenn die Daten in der geforderten Exaktheit vorliegen. Die Gründe für die Erfordernis "Genauigkeit" können technischer oder organisatorischer Natur sein. So kann es erforderlich sein, Daten in einer bestimmten Form v...mehr

Eine weitere Methode ist das Ersetzen fehlerhafter oder fehlender Daten durch Daten aus alternativen Quellen (Referenzdatenbestände). Dies setzt voraus, dass die für das Ersetzen verwendete Datenquelle zuverlässig ist; optimalerweise hat sie erfolgreich einen vollständigen Datenprüfprozess durchlaufen und kann somit bedenkenlos verwendet werden. Im Gegensatz zur Methode "Ent...mehr

In anderen Fällen können fehlende Werte durch Standardwerte ersetzen werden. Voraussetzung ist, dass für den fehlenden Wert ein eindeutiger, vordefinierter Wert (sog. "Default-Wert") zur Verfügung steht, dessen Verwendung die Datenqualität des betreffenden Datensatzes verbessert oder zumindest nicht "verschlimmbessert". Praxis-Beispiel Standard-Wert für internen Ansprechpartn...mehr

Datenbestände sind einheitlich, wenn die Eingabe gleichartiger Werten immer einheitlich erfolgt. Dies gilt insbesondere für Texteingaben. Um hier Irrtümer und Fehlinterpretationen zu vermeiden, sollten für bestimmte Texteingabefelder interne Vorgaben vorhanden sein, um die Einheitlichkeit der Daten zu gewährleisten. Praxis-Beispiel Einheitlichkeit bei Städtenamen Damit bei der...mehr

Das Pendant zu den Duplikaten sind fehlerhafte Vermischungen von zwei verschiedenen Datensätzen zu einem Datensatz. In diesem Fall muss der vermischte Datensatz aufgetrennt werden, wobei auch hier die Werte genau überprüft werden müssen, damit die beiden getrennten Datensätze später jeweils die korrekten Werte aufweisen. Praxis-Beispiel Datenauftrennung von Kreditorenstammdat...mehr

Inhaltliche Kennzahlen analysieren komplexere Regelwerke und unterstützen durch die tiefergehenden Resultate vornehmlich die Fachabteilungen. Die Definition der anzuwendenden Regelwerke – als Grundlage für die inhaltlichen Kennzahlen – sollte daher in enger Zusammenarbeit mit den Fachabteilungen erfolgen. Praxis-Beispiel Häufigkeit von Datumswerten In den Stammdaten sind versc...mehr

Eine weitere Ursache ist in den häufig eingestaubten oder fehlerhaften Arbeitsabläufen zu finden. Unzureichende Prozesse, von der Datenerfassung bis zur Datenverarbeitung und Datenausgabe, führen regelmäßig zu Fehlern und unzureichender Datenqualität. Für die Datenqualität besonders nachteilig sind – zumindest für die wesentlichen Datensätze – fehlende oder holprige Prüfproz...mehr

Die Haltbarkeit von Lebensmitteln ist im Einzelhandel ein wesentlicher Faktor für die Produktqualität. Waren mit abgelaufenem Mindesthaltbarkeitsdatum führen unweigerlich zu mangelhafter Produktqualität. Ein Verkauf von abgelaufenen Produkten ist i. d. R. nur noch mit Preisabschlägen möglich. Auch bei Daten kann die Haltbarkeit zu einem Qualitätsproblem werden. Im Laufe der ...mehr

Die Korrektheit setzt voraus, dass die eingegebenen Daten mit der Realität übereinstimmen; die Aktualität erfordert darüber hinaus, dass sie dem aktuellen Stand der Realität entsprechen. Interne Vorgaben definieren dabei den Zeitpunkt oder Zeitraum, zu dem die Aktualität gegeben sein muss. Praxis-Beispiel Aktualität von Postleitzahlen In den Debitorenstammdaten der Veraltet OH...mehr

Bei dieser Methode werden fehlerhaft identifizierte Datensätze vollständig aus dem Bestand entfernt und somit nicht weiterverarbeitet. Diese Methode ist anzuwenden, wenn die Daten nicht oder nur mit sehr hohem manuellem Aufwand korrigiert werden können. Die nicht entfernten, korrekten Datensätze werden jedoch weiterverarbeitet. Praxis-Beispiel Entfernung eines fehlerhaften Kr...mehr

Häufige Ursache für eine mangelhafte Datenqualität ist bei Vorliegen von unnötigen Redundanzen von Datenbeständen zu finden. Insbesondere in kleinen und mittelständischen Unternehmen werden Daten nicht ausschließlich in einem zentralen Bestand gespeichert. Finanzbuchhaltungssysteme, ERP-Systeme, Bank-Software und QM-Systeme sind oft als eigenständige Insellösungen vorhanden....mehr

In einigen Fällen können fehlerhafte oder fehlende Daten durch Ableitung aus anderen Daten korrigiert werden. Dies erfordert i. d. R. einen manuellen Eingriff, der nur in Ausnahmefällen automatisiert werden kann. Praxis-Beispiel Ableitung des Namens aus dem fehlerhaften Vornamen Bei einer Datenanalyse wurde festgestellt, dass im Datenfeld "Name" eines Datensatzes kein Eintrag ...mehr

Um die Anforderung "Relevanz " zu erfüllen, muss der Informationsgehalt der Datensätze dem jeweiligen Informationsbedarf entsprechen. Wenn der Geschäftsführer den Umsatz eines Kunden im 1. Quartal des laufenden Jahres wissen möchte, ist eine Rechnung vom 4. April des Jahres nicht relevant. Würde diese Rechnung in die Ermittlung des Umsatzes des 1. Quartals einfließen, wäre d...mehr

Um eine Bewertung der Datenqualität mit der äußerst subjektiven Frage "wie schätzen Sie die Datenqualität auf einer Skala von 1 bis 10 ein?" zu vermeiden, ist ein zuverlässiges Messsystem für den Zustand und die Entwicklung der Datenqualität erforderlich. Ohne ein solches System ist ein regelmäßiges "Data Monitoring" (Datenüberwachung) nicht sinnvoll. Die Herausforderungen, ...mehr

Zur Aufrechterhaltung der Datenqualität wird vom Projektteam ein eigener Prozess bei Aufdeckung mangelhafter Datenqualität entwickelt und implementiert. Sobald im laufenden Betrieb ein Datenfehler identifiziert wird, ist dieser Prozess zu starten. Dabei ist irrelevant, ob der Fehler durch einen Sachbearbeiter (z. B. bei der Weiterverarbeitung von Daten), einen Abteilungsleit...mehr

Um die Datenqualität im Unternehmen auf einem konstant hohen Niveau zu halten, reicht es nicht aus, die Datenanalyse und -bereinigung einmalig durchzuführen. Der Prozess muss regelmäßig wiederholt werden – wie das Aufräumen eines Kinderzimmers. Mit dem Data Monitoring werden Datenqualitätskriterien standardisiert, regelmäßig überprüft und dokumentiert. Ziel ist es, ein Instr...mehr

Data Profiling ist eine statistische Analyse und Bewertung von Datensätzen. Vergleichbar mit einem Archäologen werden Daten mit Werkzeugen ausgegraben, sauber freigelegt, betrachtet, kategorisiert und bewertet. Im Gegensatz zum Archäologen, der dafür i. d. R. Handarbeit mit Schaufel, Spachtel und Pinsel leistet, erfolgt die Analyse beim Data Profiling mit weitgehend digitale...mehr

Von Korrektheit kann gesprochen werden, wenn die Eingabewerte der jeweiligen Datensätze mit der Realität übereinstimmen. Die Überprüfung der grundsätzlichen Korrektheit kann in bestimmten Fällen einfach erfolgen, z. B. anhand der Anzahl der Stellen von nationalen Postleitzahlen, aber auch mit höherem Überprüfungsaufwand erfolgen. Wesentlich aufwendiger ist der (automatisiert...mehr

Die Ergebnisse des ersten Data Profilings führen zu Berichtigungen in den Quelldaten durch Mitglieder des Projektteams. Grundlage hierfür sind die Analyseergebnisse des Controllings; insbesondere die einzelnen, markierten Datensätze, die als fehlerhaft identifiziert wurden. Die Bereinigung erfolgt unter Einbezug der jeweiligen Sachbearbeiter, um bereits in diesem Stadium das...mehr