Der Wert von Daten bedarf heute keines gesonderten Nachweises und ist nicht länger ausschließlich auf Namens- und Adressdaten begrenzt. Darüber hinaus ist die Datenqualität nicht länger ein genuines IT-Thema, sondern gewinnt mehr und mehr Bedeutung - auch als wichtiges Geschäftsthema. Die Datenqualität ist ein entscheidender Erfolgsfaktor bei großen CRM-, ERP- oder BI-Projekten, die substanzielle Investitionen verlangen und bildet den Kern des Informationssystems eines jeden Unternehmens. Es wird deshalb kaum verwundern, dass die Verbesserung und Optimierung aller Datenqualitätsmaßnahmen auch eine der wichtigsten Voraussetzungen für ein effizientes Risikomanagement ist. Egal wie fortschrittlich die Lösung eines bestimmten Unternehmens: im Endeffekt geht es darum, die Daten korrekt zu interpretieren und zu verarbeiten. Dies gilt auch und vor allem für Compliance-Maßnahmen. "Es gibt ein gemeinschaftliches Element für erfolgreiche Compliance-Maßnahmen: Datenqualität", sagt Holger Wandt (Foto unten), Principal Advisor bei Human Inference. Der niederländische Sprachwissenschaftler beschäftigt sich seit mehr als 15 Jahren mit dem Thema Datenqualität und dem damit verbundenen sprachspezifischen Wissen. Bei Human Inference ist er für alle Aspekte der Qualität von nationalen und internationalen Namen und Adressen verantwortlich. Sein Ziel ist es, internationale Adresselemente generisch zu kategorisieren und zu definieren sowie darauf aufbauende Regeln für die physische Darstellung und den elektronischen Austausch dieser Elemente aufzustellen.

Betrugserkennung und Terrorismusbekämpfung

So genannte HI-Quality-Lösungen können dabei helfen, eindeutige Profile über die Kunden zu erstellen. Im Bereich Betrugserkennung oder Terrorismusbekämpfung werden z.B. Verfahren integriert, mit deren Hilfe Dubletten mit unterschiedlichen Risikoprofilen herausgefiltert werden können. Auch die Schufa setzt derartige Modelle ein, beispielsweise für die Dublettenbereinigung in ihrer Referenzdatenbank für Firmenadressen. Das Prinzip ist relativ einfach: Die Gefahr menschlicher Fehler bei der Adresseingabe wird reduziert, indem als gleich erkannte Datensätze mit Hilfe unternehmensspezifischer Geschäftsregeln (Business-Rules) automatisch zusammengeführt werden. Ambiguität, Kontextanalyse und Mustererkennung sind dabei die größten Herausforderungen für die Datenanalyse. Vor allem bei der Terrorismusbekämpfung müssen Fehler beim Datenmatching tunlichst vermieden werden. Die Transkribierung, Transliteration, die Zusammenstellung einzelner Namensteile, Namensänderungen bei der Geburt eines Kindes oder Abkürzungen können z.B. bei arabischen Namen zu ungewollten Dubletten oder Falschzuweisungen führen, die sich aber durch Dekomposition, Interpretion, phonetische Vergleiche oder Trigrammvergleiche identifizieren lassen, so Wandt im Rahmen einer Veranstaltung des BankingCLUB in Köln. Zweifellos: Datenqualität ist  eine Wissenschaft für sich. "Ein standardisiertes Verfahren bei der Matching-Methodik und Risikoerkennung von Personen wird aber wohl niemals möglich sein", erteilt Wandt allzu großen Hoffnungen auf den IT-Einsatz bei der Adressoptimierung eine Absage. Handarbeit und manuelle Nachbearbeitung sterben eben nicht aus.