Fehlerhafte, veraltete oder doppelte Daten verfälschen wichtige Kennzahlen
Im Fokus von CPM stehen die Kennzahlen (Key Performance Indicators/KPI) des Unternehmens. Sie stellen die Leistung einer Abteilung oder des gesamten Unternehmens quantitativ dar und bilden die Basis zur permanenten Überwachung, Analyse und Optimierung der Geschäftsprozesse. Anders als bei Business Intelligence spielen bei CPM nicht nur finanzielle Kennzahlen und Durchlaufzeiten eine Rolle, sondern auch andere Größen wie die Kundenzufriedenheit, der Wert von Marken und Patenten oder die Mitarbeitermotivation. Da hier unzählige IT-Systeme aus verschiedenen Abteilungen Daten liefern müssen, können sich fehlerhafte, veraltete oder doppelte Daten verheerend auf die Präzision und Zuverlässigkeit der Auswertungen auswirken.
Ungenaue Kennzahlen führen zu falschen Entscheidungen
Basieren Ihre Kennzahlen auf schlechter Datenqualität im Data Warehouse, kann es beim Abgleich Ihrer Planziele mit der aktuellen Unternehmensperformance zu falschen Ergebnissen kommen. Dies kann dazu führen, das Sie die Leistungsfähigkeit einzelner Abteilungen, von Geschäftsprozessen oder des gesamten Unternehmens falsch einschätzen und notwendige Optimierungen operativer oder strategischer Aktivitäten zu spät oder überhaupt nicht vornehmen. Hier können Sie mit Ihren Zukunftsprognosen falsch liegen und im Wettbewerb schnell ins Hintertreffen geraten. Auch das Risikomanagement leidet, wenn Sie aktuelle Schwachstellen falsch bewerten, woraus auch Schwierigkeiten bei der Einhaltung von Compliance-Richtlinien entstehen können.
Kein Vertrauen in CPM – weniger Effizienz in der Unternehmensplanung
Erfüllt das CPM-System aufgrund mangelhafter Datenqualität und unpräziser Auswertungen nicht die Erwartungen der Entscheider, werden die herausragenden Möglichkeiten von CPM eventuell nicht mehr konsequent genutzt. Hier sind Fehlplanungen und –prognosen vorprogrammiert, da Entscheidungen nicht auf Basis von Kennzahlen-Analysen, sondern aufgrund unzureichender Informationen oder sogar nach Bauchgefühl getroffen werden.
Manuelle Datenbereinigung verzögert Entscheidungen und steigert die Kosten
Liegen die zur Analyse benötigten Daten nur unvollständig, fehlerhaft und inkonsistent im Data Warehouse vor, müssen diese manuell zusammengestellt, ausgewertet und in Reportings aufbereitet werden. Dies verhindert den schnellen Abgleich mit Planzielen und verzögert dringende Anpassungen kritischer Geschäftsprozesse. Und Sie geben viel Geld für IT-Ressourcen aus, das Sie z.B. für geschäftskritische IT-Projekte einsetzen könnten.