Wie gut steht meine Marke gegenüber dem Wettbewerber da? Warum
gewinnen die Discounter mit ihren No-Name-Produkten so stark gegenüber
dem traditionellen Lebensmitteleinzelhandel (LEH)? Wieviel haben uns
die Werbemaßnahmen der letzten Wochen an zusätzlichem Umsatz
gebracht?

Die Beantwortung dieser und weiterer Fragen steht im Mittelpunkt der
Produktmanager von Markenartikelherstellern aber auch von Analysten
aus dem traditionellen LEH.

Analysesysteme auf Basis neuster OLAP-Technologien sollen hier Unter-
stützung leisten. Vor der Kür der Analyse steht jedoch die Pflicht: die
Datenbereitstellung. Zu diesem Prozess gehören Datenbereinigung
(Data Cleansing), Datenaufbereitung (Data Finishing) und
Datenspeicherung (Data Load).

Data Cleansing legt den Grundstein für die Qualität der einzelnen Analysen.
Die gewonnenen Daten sind je nach Datenquelle in einer mehr oder minder
starken Rohform vorhanden. Hier setzt der Prozess der Bereinigung an.
Formale und logische Datenfehler sind zu erkennen. Daten können
fehlen oder in ihrer Maßeinheit oder Größenordnung fehlerhaft sein.
Plausibilitätsprüfungen geben Hinweise auf unerwartete Abweichungen. Im
Zweifelsfall ist der ganze Datensatz zu verwerfen. In vielen Fällen lassen
sich fehlerhafte Daten auch erst im Zusammenhang mit anderen
Größen erkennen.

Das einfache Beispiel - 100 verkaufte Produkte zu einem Preis von 3,99 €
bei einem Umsatz von 499 € im gleichen Zeitraum - zeigt, dass eine der
Größen nicht korrekt sein kann. Geeignete Verfahren erlauben eine Analyse
und eventuell eine Korrektur des falschen Datums.

Auch der Abgleich mit bereits vorhandenen Daten und die Transformation
(z.B. Vereinheitlichung von Maßeinheiten, Nachkommastellen etc.) gehören
zum Prozess des Data Cleansing.

Data Cleansing stellt eine wichtige Basis für die spätere Analyse dar, denn
jede Analyse kann nur so gut sein wie die Qualität der Daten, auf der sie
basiert. Durch ein effektives Data Cleansing wird somit eine sichere
Ausgangsbasis für hochwertige Analysen geschaffen, um sichere
Managemententscheidungen zu unterstützen.

topcom verfügt über langjähriges Know-how im Data Cleansing. In zahlreichen
Projekten hat unser erfahrenes Team diverse Formen interner und externer
Datenquellen von Industrie, Handel und Marktforschungsinstituten analysiert,
bereinigt und integriert. Durch definierte Prozesse und Systembausteine
können wir einen effizienten und zukunftssicheren Aufbau einer
Analysebasis sicherstellen.