{"id":14116,"date":"2019-12-16T15:07:15","date_gmt":"2019-12-16T14:07:15","guid":{"rendered":"https:\/\/www.haufe-akademie.de\/blog\/?p=14116"},"modified":"2023-05-03T17:29:27","modified_gmt":"2023-05-03T15:29:27","slug":"datenqualitaetsmanagement-engl-data-quality-management","status":"publish","type":"post","link":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/","title":{"rendered":"Datenqualit\u00e4tsmanagement – Data Quality Management"},"content":{"rendered":"
\n

Unternehmen schwimmen nur so in Daten. Doch ohne ein gutes Datenqualit\u00e4tsmanagement treiben sie orientierungslos im eigenen Daten-Meer: Sie wissen nicht, welche Informationen relevant, welche Daten wirklich aussagekr\u00e4ftig sind. Sie laufen Gefahr, ihre Managemententscheidungen auf schlechte Daten zu st\u00fctzen. Ein starkes Datenqualit\u00e4tsmanagement (DQM) hingegen stellt sicher, dass alle Daten auch aussagekr\u00e4ftig sind f\u00fcr Unternehmensentscheidungen. Worauf es dabei ankommt, erfahren Sie in diesem Beitrag.<\/p>\n<\/div>\n

\n

Definition: Datenqualit\u00e4t und Datenqualit\u00e4tsmanagement<\/h2>\n
\n

Datenqualit\u00e4t beschreibt die Korrektheit, die Relevanz und die Verl\u00e4sslichkeit von Daten, abh\u00e4ngig vom Zweck, die die Daten in einem bestimmten Zusammenhang erf\u00fcllen sollen. Dieser Zweck kann je nach Unternehmen und Einsatzbereich variieren. F\u00fcr ein Unternehmen ist die Vollst\u00e4ndigkeit der Daten wichtig, f\u00fcr ein anderes die Genauigkeit. In beiden F\u00e4llen ist die Qualit\u00e4t der Daten nicht ausreichend, wenn sie ihren Zweck (Vollst\u00e4ndigkeit oder Genauigkeit) nicht erf\u00fcllen.<\/p>\n

Das Datenqualit\u00e4tsmanagement (DQM) besch\u00e4ftigt sich daher mit der kontinuierlichen \u00dcberwachung und Sicherung der Datenqualit\u00e4t. Das DQM bezeichnet dabei s\u00e4mtliche Ma\u00dfnahmen, die eine verm\u00f6genswerte Betrachtung, Steuerung und Qualit\u00e4tssicherung von Daten in einem Unternehmen erm\u00f6glichen. Datenqualit\u00e4tsmanagement ist dabei eine Teildisziplin einer ganzheitlichen Data Governance Strategie<\/a> , die die Menschen, Prozesse und Technologien umfasst, die f\u00fcr eine gute Qualit\u00e4t aller Unternehmensdaten verantwortlich sind.<\/p>\n<\/div>\n<\/div>\n

Datenqualit\u00e4tsmanagement als kritischer Erfolgsfaktor f\u00fcr Organisationen<\/h2>\n

Die Vorteile einer konsistenten Datenqualit\u00e4t im Unternehmen sind vielf\u00e4ltig und erstrecken sich \u00fcber mehrere Bereiche. So lassen sich mit einer guten Datenqualit\u00e4t regulatorische Anforderungen leichter bedienen, da Daten nicht nur schnell, sondern auch zuverl\u00e4ssig zur Verf\u00fcgung stehen. Man denke hier an die bevorstehenden Nachhaltigkeitsberichte, die Unternehmen vorlegen m\u00fcssen, sowie die Anforderungen durch die DSGVO. Neben den Vorteilen in der Regulatorik profitieren Unternehmen mit einem Datenqualit\u00e4tsmanagement zudem von besseren Einblicken in die Bed\u00fcrfnisse ihrer Kund:innen. Eine 360\u00b0-Kundensicht entsteht, auf Basis derer zum Beispiel Entscheidungen in der Produktentwicklung besser getroffen werden k\u00f6nnen.<\/p>\n

Auch k\u00f6nnen Unternehmen mit einem Datenqualit\u00e4tsmanagement ihre Prozesse effektiver optimieren, da sie ihre Prozessdaten besser analysieren und Schwachstellen fr\u00fcher identifizieren k\u00f6nnen. Das bedeutet im Umkehrschluss, dass Unternehmen mit einem gut organisierten Datenmanagement und einer hohen Datenqualit\u00e4t Daten effizienter und intelligenter nutzen und damit ihre Wettbewerbsf\u00e4higkeit steigern.<\/p>\n

Wie datengetrieben sind die deutschen Unternehmen? <\/strong><\/p>\n

Dass datenbasierte Entscheidungen gute Entscheidungen sind, haben bereits 75 % der deutschen Banken und Versicherungen verinnerlicht. Sie gaben in einer L\u00fcnendonk-Studie an, den Wandel zu einer datengetriebenen Organisation bei sich im Unternehmen zu priorisieren.<\/p>\n

Gleichzeitig wissen 72 % dieser Unternehmen, dass ein solcher Wandel nur mit einem proaktiven Datenmanagement gelingen kann\u00b9 .<\/p><\/blockquote>\n

Datenqualit\u00e4t messen: Methoden und Tools zur Bewertung von Datenqualit\u00e4t<\/h2>\n

Um sinnvolle Verbesserungsma\u00dfnahmen umsetzen zu k\u00f6nnen, m\u00fcssen die Daten, auf denen die festgelegten Ma\u00dfnahmen beruhen, qualitativ hochwertig sein. Doch wie l\u00e4sst sich die Datenqualit\u00e4t messen? Hierzu bedient man sich der sogenannten Datenqualit\u00e4tskriterien oder auch Dimensionen wie Vollst\u00e4ndigkeit, Eindeutigkeit, Korrektheit etc. In der Praxis haben sich daf\u00fcr insgesamt 11 Dimensionen als gut anwendbar herausgestellt.<\/p>\n

\"\"<\/p>\n

Basierend auf diesen Kriterien werden die vorhandenen Daten im Unternehmen mit Hilfe sogenannter Data Quality Tools bewertet. Dadurch werden etwaige Regelverletzungen und daraus resultierende Datenqualit\u00e4tsprobleme offengelegt. F\u00fcr diesen Identifikationsprozess eignet sich beispielsweise die Friday-Afternoon-Methode<\/a> . Dabei setzen sich Manager:innen, die datenbasierte Entscheidungen treffen, mit 2-3 Personen aus ihrem Team zusammen und besprechen \u2013 urspr\u00fcnglich und im amerikanischen Raum meist am Freitagnachmittag \u2013 potenzielle Schwachstellen und Fehler im Datensatz. Das f\u00fchrt nicht nur dazu, dass offensichtliche Fehler entdeckt werden, sondern dass auch das Team f\u00fcr das Thema Datenqualit\u00e4t sensibilisiert wird.<\/p>\n

Zentrale Herausforderungen im Datenqualit\u00e4tsmanagement<\/h2>\n

Wenn sowohl Datenmenge als auch Datenvielfalt in einem Unternehmen kontinuierlich zunehmen, wird ein zentrales Datenqualit\u00e4tsmanagement zum einen wichtiger, zum anderen aber eben auch komplexer. So steht man einerseits vor der Herausforderung, unterschiedliche Datenstrukturen aus unterschiedlichen Quellen mit unterschiedlichen Qualit\u00e4tsniveaus in einen dem Zweck entsprechenden sinnvollen Zusammenhang zu bringen. Andererseits muss man immer gr\u00f6\u00dfere Datenmengen in immer k\u00fcrzerer Zeit mit hoher Qualit\u00e4t verarbeiten und f\u00fcr unterschiedliche Stakeholder:innen aufbereiten. All das erfordert ein zus\u00e4tzliches Wissen der verantwortlichen Mitarbeiter:innen zu den Themen Datenmanagement und Data Governance sowie ein Aufbrechen sogenannter Datensilos, damit ein zentrales Datenqualit\u00e4tsmanagement \u00fcberhaupt erst m\u00f6glich wird.<\/p>\n

Von \u00e4hnlichen Herausforderungen berichten auch die befragten Unternehmen der L\u00fcnendonk-Studie. So stufen 55 % ihre Datenqualit\u00e4t als mittelm\u00e4\u00dfig ein. Als h\u00e4ufigste Gr\u00fcnde nannten die Verantwortlichen u.a. nicht ausgepr\u00e4gte Datenkulturen sowie ein fehlendes Datenbewusstsein im Unternehmen (82 %), fehlende Zust\u00e4ndigkeiten (47 %) und eine geringe Stammdatenqualit\u00e4t (47 %). \u00b2<\/p><\/blockquote>\n

\"\"<\/p>\n

Datenqualit\u00e4tsmanagement implementieren: So gelingt\u2019s!<\/h2>\n

Um ein Datenqualit\u00e4tsmanagement im Unternehmen zu implementieren, braucht es zuoberst ein dezidiertes Projektteam. Das fokussiert sich \u00fcber einen Zeitraum von 3-6 Monaten auf einen bestimmten Bereich, in dem eine Verbesserung der Datenqualit\u00e4t zu konkreten Optimierungen im Organisationsalltag f\u00fchrt. Wichtig ist es, eine:n Sponsor:in aus dem Vorstand oder der Gesch\u00e4ftsleitung f\u00fcr ein Steering Committee zu gewinnen. Als Projektmethode eignet sich ein agiles Verfahren mit 2 \u2013 3 Wochensprints. Zeigt sich, dass man den ersten DQ-Verbesserungs-Prozess gut im Griff hat, kann man sich mit der \u00fcbergeordneten Datenstrategie des Unternehmens befassen und das Modell in der Organisation weiter vorantreiben, um die n\u00e4chsten Verbesserungsma\u00dfnahmen einzuleiten. Wichtig dabei ist aber, dass alle Verbesserungsma\u00dfnahmen in Bezug auf die Datenqualit\u00e4t eines Bereichs in Einklang mit der \u00fcbergeordneten Datenstrategie des Unternehmens stehen.<\/p>\n

So ist jedes Datenqualit\u00e4tsmanagement auch von der Datenkultur im Unternehmen abh\u00e4ngig, bestimmt doch das allgemeine Daten-Bewusstsein der Belegschaft, wie sorgf\u00e4ltig mit Daten umgegangen wird. Organisationen k\u00f6nnen hier zwar alle notwendigen technischen Vorkehrungen treffen und entsprechende Analyse-Tools und zentrale Datenbanken einf\u00fchren. Doch die F\u00f6rderung einer Datenkultur im Unternehmen sowie die entsprechende Bef\u00e4higung der Mitarbeiter:innen z\u00e4hlen genauso zu wichtigen Voraussetzungen f\u00fcr ein gelingendes Datenqualit\u00e4tsmanagement.<\/p>\n

Wo ist Datenqualit\u00e4tsmanagement organisatorisch am besten angesiedelt?<\/h2>\n

Erfahrungsgem\u00e4\u00df starten die meisten Organisationen mit einem Data Quality Management im Bereich Business Intelligence \/ Data Warehousing. Da hier viele Daten bereits zusammengef\u00fchrt werden, ist das Bewusstsein f\u00fcr Datenqualit\u00e4tsschw\u00e4chen und deren Auswirkung auf die Aussagekraft der Kennzahlen bereits stark ausgepr\u00e4gt. F\u00fcr den Anfang ist das akzeptabel, langfristig ist es jedoch zu kurz gegriffen. Der Wettbewerbsvorteil eines datengetriebenen Unternehmens liegt in der Umsetzung einer ganzheitlichen, organisations\u00fcbergreifenden Datenstrategie. Darunter f\u00e4llt ein zentrales Datenqualit\u00e4tsmanagement, das \u00fcber alle Organisationsbereiche hinweg Daten- und Verantwortlichkeitssilos aufbricht und interdisziplin\u00e4r zusammenf\u00fchrt, beispielsweise in sogenannten Competence Centers.<\/p>\n

Fazit: Ein Bewusstsein f\u00fcr Datenqualit\u00e4t l\u00e4sst sich erlernen<\/strong><\/p>\n

Mit einem guten Datenqualit\u00e4tsmanagement sichern Unternehmen also nicht nur die Qualit\u00e4t ihrer Daten, sondern auch automatisch die Qualit\u00e4t ihrer datenbasierten Entscheidungen. Das tr\u00e4gt zum \u00fcbergeordneten Unternehmenserfolg bei. Grundvoraussetzungen daf\u00fcr sind sowohl eine technische Interoperabilit\u00e4t der IT-Landschaft als auch eine organisationsweite Datenkultur, die ein Bewusstsein f\u00fcr hohe Datenqualit\u00e4t bei den Mitarbeiter:innen f\u00f6rdert. Das gelingt mit entsprechenden Weiterbildungen. Denn die Kompetenz f\u00fcr Data Management schlummert nicht nur in Data Manager:innen, sondern in jeder:jedem Mitarbeiter:in.<\/p>\n

\n

\u00b9L\u00fcnendonk & KPMG, 2022, \u201eVon Datensilos zu Datenstr\u00f6men: Der Wandel von Banken und Versicherungen zu datengetriebenen Unternehmen\u201c. https:\/\/www.luenendonk.de\/produkte\/studien-publikationen\/luenendonk-studie-2022-von-datensilos-zu-datenstroemen-der-wandel-von-banken-und-versicherungen-zu-datengetriebenen-unternehmen-it\/<\/a>.<\/p>\n

\u00b2L\u00fcnendonk & KPMG, 2022, \u201eVon Datensilos zu Datenstr\u00f6men: Der Wandel von Banken und Versicherungen zu datengetriebenen Unternehmen\u201c. https:\/\/www.luenendonk.de\/produkte\/studien-publikationen\/luenendonk-studie-2022-von-datensilos-zu-datenstroemen-der-wandel-von-banken-und-versicherungen-zu-datengetriebenen-unternehmen-it\/<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"

Unternehmen schwimmen nur so in Daten. Doch ohne ein gutes Datenqualit\u00e4tsmanagement treiben sie orientierungslos im eigenen Daten-Meer: Sie wissen nicht, welche Informationen relevant, welche Daten wirklich aussagekr\u00e4ftig sind. Sie laufen Gefahr, ihre Managemententscheidungen auf schlechte Daten zu st\u00fctzen. Ein starkes Datenqualit\u00e4tsmanagement (DQM) hingegen stellt sicher, dass alle Daten auch aussagekr\u00e4ftig sind f\u00fcr Unternehmensentscheidungen. Worauf es<\/p>\n

<\/i>Beitrag lesen<\/a><\/div>\n","protected":false},"author":30,"featured_media":23321,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_lmt_disableupdate":"","_lmt_disable":"no","_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[72],"tags":[3113,3114,3123,1603,3120,1315,3118,3116,3117,1316,3122,3121,3115,3119],"class_list":{"0":"post-14116","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-controlling","8":"tag-bessere-datenqualitaet","9":"tag-data-driven-processes","10":"tag-data-governance-modell","11":"tag-data-quality","12":"tag-data-quality-reportings","13":"tag-datenqualitaet","14":"tag-datenqualitaetsdimensionen","15":"tag-datenqualitaetsklassen","16":"tag-datenqualitaetskriterien","17":"tag-datenqualitaetsmanagement","18":"tag-dq-index","19":"tag-dq-standardreporting","20":"tag-dqm","21":"tag-logikbaeume"},"acf":{"p_authors":[14121]},"yoast_head":"\nErfolgreiches Datenqualit\u00e4tsmanagement | Haufe-Akademie<\/title>\n<meta name=\"description\" content=\"Datenbasierte Unternehmen treffen bessere Managemententscheidungen. Die daf\u00fcr notwendige Datenqualit\u00e4t sichert ein Datenqualit\u00e4tsmanagement.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Erfolgreiches Datenqualit\u00e4tsmanagement | Haufe-Akademie\" \/>\n<meta property=\"og:description\" content=\"Datenbasierte Unternehmen treffen bessere Managemententscheidungen. Die daf\u00fcr notwendige Datenqualit\u00e4t sichert ein Datenqualit\u00e4tsmanagement.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/\" \/>\n<meta property=\"og:site_name\" content=\"Haufe Akademie\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/HaufeAkademie\" \/>\n<meta property=\"article:published_time\" content=\"2019-12-16T14:07:15+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-05-03T15:29:27+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2019\/12\/datenqualitaetsmanagement-data-quality-management.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"800\" \/>\n\t<meta property=\"og:image:height\" content=\"384\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Marco Geuer\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@HaufeAkademie\" \/>\n<meta name=\"twitter:site\" content=\"@HaufeAkademie\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Marco Geuer\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\" Minuten\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Erfolgreiches Datenqualit\u00e4tsmanagement | Haufe-Akademie","description":"Datenbasierte Unternehmen treffen bessere Managemententscheidungen. Die daf\u00fcr notwendige Datenqualit\u00e4t sichert ein Datenqualit\u00e4tsmanagement.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/","og_locale":"de_DE","og_type":"article","og_title":"Erfolgreiches Datenqualit\u00e4tsmanagement | Haufe-Akademie","og_description":"Datenbasierte Unternehmen treffen bessere Managemententscheidungen. Die daf\u00fcr notwendige Datenqualit\u00e4t sichert ein Datenqualit\u00e4tsmanagement.","og_url":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/","og_site_name":"Haufe Akademie","article_publisher":"https:\/\/www.facebook.com\/HaufeAkademie","article_published_time":"2019-12-16T14:07:15+00:00","article_modified_time":"2023-05-03T15:29:27+00:00","og_image":[{"width":800,"height":384,"url":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2019\/12\/datenqualitaetsmanagement-data-quality-management.jpg","type":"image\/jpeg"}],"author":"Marco Geuer","twitter_card":"summary_large_image","twitter_creator":"@HaufeAkademie","twitter_site":"@HaufeAkademie","twitter_misc":{"Verfasst von":"Marco Geuer","Gesch\u00e4tzte Lesezeit":" Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/#article","isPartOf":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/"},"author":{"name":"Angelika Joubert","@id":"https:\/\/www.haufe-akademie.de\/blog\/#\/schema\/person\/30fe9ce1c4f8c4f3f8529fe54c9add63"},"headline":"Datenqualit\u00e4tsmanagement – Data Quality Management","datePublished":"2019-12-16T14:07:15+00:00","dateModified":"2023-05-03T15:29:27+00:00","mainEntityOfPage":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/"},"wordCount":1233,"publisher":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/#organization"},"image":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/#primaryimage"},"thumbnailUrl":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2019\/12\/datenqualitaetsmanagement-data-quality-management.jpg","keywords":["Bessere Datenqualit\u00e4t","Data Driven Processes","Data Governance Modell","Data Quality","Data Quality Reportings","Datenqualit\u00e4t","Datenqualit\u00e4tsdimensionen","Datenqualit\u00e4tsklassen","Datenqualit\u00e4tskriterien","Datenqualit\u00e4tsmanagement","DQ-Index","DQ-Standardreporting","DQM","Logikb\u00e4ume"],"articleSection":["Controlling"],"inLanguage":"de-DE"},{"@type":"WebPage","@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/","url":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/","name":"Erfolgreiches Datenqualit\u00e4tsmanagement | Haufe-Akademie","isPartOf":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/#primaryimage"},"image":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/#primaryimage"},"thumbnailUrl":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2019\/12\/datenqualitaetsmanagement-data-quality-management.jpg","datePublished":"2019-12-16T14:07:15+00:00","dateModified":"2023-05-03T15:29:27+00:00","description":"Datenbasierte Unternehmen treffen bessere Managemententscheidungen. Die daf\u00fcr notwendige Datenqualit\u00e4t sichert ein Datenqualit\u00e4tsmanagement.","breadcrumb":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/"]}]},{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/#primaryimage","url":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2019\/12\/datenqualitaetsmanagement-data-quality-management.jpg","contentUrl":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2019\/12\/datenqualitaetsmanagement-data-quality-management.jpg","width":800,"height":384},{"@type":"BreadcrumbList","@id":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/datenqualitaetsmanagement-engl-data-quality-management\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.haufe-akademie.de\/blog\/"},{"@type":"ListItem","position":2,"name":"Alle Beitr\u00e4ge","item":"https:\/\/www.haufe-akademie.de\/blog\/themen\/"},{"@type":"ListItem","position":3,"name":"Controlling","item":"https:\/\/www.haufe-akademie.de\/blog\/themen\/controlling\/"},{"@type":"ListItem","position":4,"name":"Datenqualit\u00e4tsmanagement – Data Quality Management"}]},{"@type":"WebSite","@id":"https:\/\/www.haufe-akademie.de\/blog\/#website","url":"https:\/\/www.haufe-akademie.de\/blog\/","name":"Haufe Akademie","description":"","publisher":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.haufe-akademie.de\/blog\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de-DE"},{"@type":"Organization","@id":"https:\/\/www.haufe-akademie.de\/blog\/#organization","name":"Haufe Akademie","url":"https:\/\/www.haufe-akademie.de\/blog\/","logo":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/www.haufe-akademie.de\/blog\/#\/schema\/logo\/image\/","url":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2024\/06\/favicon_haufe.png","contentUrl":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2024\/06\/favicon_haufe.png","width":144,"height":144,"caption":"Haufe Akademie"},"image":{"@id":"https:\/\/www.haufe-akademie.de\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/HaufeAkademie","https:\/\/x.com\/HaufeAkademie"]},{"@type":"Person","@id":"https:\/\/www.haufe-akademie.de\/blog\/#\/schema\/person\/30fe9ce1c4f8c4f3f8529fe54c9add63","name":"Angelika Joubert","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/secure.gravatar.com\/avatar\/ca5cde36dbd822cfde94622c5d54ebff8792edae6d9a95ed59d43c4d174d38a5?s=96&d=blank&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/ca5cde36dbd822cfde94622c5d54ebff8792edae6d9a95ed59d43c4d174d38a5?s=96&d=blank&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/ca5cde36dbd822cfde94622c5d54ebff8792edae6d9a95ed59d43c4d174d38a5?s=96&d=blank&r=g","caption":"Angelika Joubert"},"url":"https:\/\/www.haufe-akademie.de\/blog\/author\/angelika-joubert\/"}]}},"modified_by":"Angelika Joubert","jetpack_featured_media_url":"https:\/\/www.haufe-akademie.de\/blog\/wp-content\/uploads\/2019\/12\/datenqualitaetsmanagement-data-quality-management.jpg","jetpack_sharing_enabled":true,"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/posts\/14116","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/users\/30"}],"replies":[{"embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/comments?post=14116"}],"version-history":[{"count":5,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/posts\/14116\/revisions"}],"predecessor-version":[{"id":23946,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/posts\/14116\/revisions\/23946"}],"acf:post":[{"embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/autoren\/14121"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/media\/23321"}],"wp:attachment":[{"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/media?parent=14116"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/categories?post=14116"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.haufe-akademie.de\/blog\/wp-json\/wp\/v2\/tags?post=14116"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}