Daten sind überall. Die Daten werden verwendet, um Annahmen zu untermauern, die als Fakten dargestellt werden. Wir suchen nach Daten, um Informationen zu erstellen, auf denen wir geschäftliche, persönliche und Community-Entscheidungen basieren. Nicht nur die Absoluten der Zahlen sind wichtig, sondern wie sie ermittelt wurden, wie sie analysiert werden und welche Annahmen gemacht werden, sind entscheidend für die Bewertung des Wertes der Daten. Das schafft Unsicherheit und selbst die Anwendung der wissenschaftlichen Methode ist keine Grundlage für Komfort.

Ein solches Beispiel ist: “p-hacking,” in dem die Forscher ihre Daten anhand vieler Hypothesen testen und nur solche melden, die statistisch signifikante Ergebnisse haben. Warum?

“Das derzeitige System hat zu viel getan, um Ergebnisse zu belohnen,” sagt Joseph Hilgard, Postdoktorand am Annenberg Public Policy Center. “Das löst einen Interessenkonflikt aus: Der Wissenschaftler ist für die Bewertung der Hypothese zuständig, aber der Wissenschaftler will auch verzweifelt, dass die Hypothese wahr ist.”¹

Berücksichtigen Sie auch den Fall, in dem Datenerfassungsalgorithmen einfach nicht richtig entworfen oder angewendet werden. So wie in jeder Facette unserer Welt, passieren wirklich bahnbrechende Erkenntnisse einfach nicht so oft, wie Forscher es gerne hätten. Der weitaus größte Teil dessen, was wir als Innovation betrachten, verbessert sich wirklich auf bereits gut verstandene oder etablierte Prozesse und Technologien. Das bedeutet eine Chance, “Über” Ergebnisse zu interpretieren. Betrachten:

“Wir wissen, dass sich bis zu 30 Prozent der einflussreichsten medizinischen Forschungsarbeiten später als falsch oder übertrieben erweisen.”²

Aber das ist Wissenschaft. Das bedeutet etwas Richtiges? Wie ich eingangs sagte, sind die Daten überall. In der Wirtschaft beschäftigen sich mehrere Rollen aus allen Unternehmensbereichen mit Daten. Dazu gehören IT, Datenmanagement, Fertigung,&D, Marketing, Kundenservice, Vertrieb, Betrieb und mehr.

Nehmen wir das Beispiel des Supply Chain Managements. Die Datenqualität wirkt sich auf die gesamte Reise aus. Auf der Frachtmanagementseite, wenn ein Container nur 1/4” anders in der Höhe als die Konnossement sagt es ist, 1.000 weniger Fälle pro LKW-Ladung wird versendet werden, bestehend aus 20 weniger Paletten pro LKW, was dazu führt, dass 6 mehr LKW!³

Wenn Qualität und Vertrauen in Daten ein wichtiges Anliegen in der wissenschaftlichen Forschung und beim Transport von Waren durch eine Lieferkette sind, was ist dann mit unserer kleinen Welt von ITAM und ITSM? Es geht uns nur darum, wie viele Vermögenswerte es gibt, wo sie sind und wer sie nutzt.

IT-Datenqualität untermauert jedes Element der Führung eines Unternehmens. In Diskussionen über CMDB-Strategien mit Gartner war die Datenqualität in über 60 Prozent dieser Gespräche ein zentrales Anliegen von IT-Führungskräften.⁴ Andere Untersuchungen haben gezeigt, dass 48 Prozent der Befragten 15 Stunden oder mehr pro Woche damit verbrachten, Probleme mit der Datengenauigkeit zu versöhnen, vor allem, weil sie mehrere Datenerfassungssysteme verwenden. Koppeln Sie dies mit der Situation, dass das ITAM-Tool Nummer eins Excel bleibt und dies das Problem verschärft. Sie sind jetzt mit statischen Daten konfrontiert, bei denen die Dienstbereitstellung dynamisch ist und erwartet wird, dass sie den aktuellen Status des Profils eines Benutzers oder einer Rechenzentrumskonfiguration widerspiegelt.

Es ist offensichtlich, dass Fragen der Datenqualität geschäftliche, soziale und persönliche Auswirkungen haben und zu Misstrauen gegenüber Berichten, Ergebnissen und Vorhersagen führen können. Aus ITAM- und ITSM-Sicht wirken sie sich auf Kosten, Effizienz, Governance und Sicherheit aus. Um diese Daten so zu verbessern, dass sie als Information betrachtet werden können, müssen Menschen, Prozesse und Technologien zusammenarbeiten. Es ist wichtig, zu versuchen, den seit Jahrzehnten so üblichen isolierten Ansatz zu beseitigen. Wenn Sie mehr darüber erfahren möchten, wie dies erreicht werden kann, nehmen Sie bitte am kommenden Webinar teil, “Warum kann ich Ihnen nicht vertrauen? IT Asset Data Quality Pitfalls und Chancen” am 9. November um 14:00 .m. Eastern/13:00 p.m. Central/11:00 a.m. Pazifik.

_______________________

¹ www.vox.com/2016/7/14/12016710/science-challeges-research-funding-peer-review-process
² Julia Belluz, Brad Plumer und Brian Resnick: www.vox.com/2016/7/14/12016710/science-challeges-research-funding-peer-review-process
³ www.gs1us.org/DesktopModules/Bring2mind/DMX/Download.aspx?command=core_download&entryid=544&language=en-US&PortalId=0&TabId=134
⁴ Gartner Research Note: Befolgen Sie drei Regeln, um sicherzustellen, dass Ihre CMDB geschäftlichen Nutzen bietet; 20. September 2017; Roger Williams, Kenneth Gonzalez