Von Rohdaten zu verlässlichen Analysen: Warum Datenbereinigung oft die eigentliche Arbeit ist

Daten sind in Unternehmen meist reichlich vorhanden. Sie liegen in ERP-Systemen, Datenbanken, Excel-Dateien, CSV-Exporten und spezialisierten Anwendungen. Im Controlling treffen beispielsweise Buchungsdaten aus dem ERP-System auf Informationen aus Konsolidierungs- und Planungslösungen, operative Vorsysteme und individuell gepflegte Tabellen aus den Fachbereichen.

Das Problem besteht deshalb häufig nicht darin, dass Daten fehlen. Die eigentliche Herausforderung beginnt in dem Moment, in dem aus unterschiedlichen Quellen eine gemeinsame und verlässliche Analyse entstehen soll.

Ein Datum wird in einem System als 01.02.2026 gespeichert, in einem anderen als 2026-02-01. Kundennamen unterscheiden sich in ihrer Schreibweise, Kostenstellen verändern sich im Laufe der Zeit und Produktgruppen werden neu strukturiert. Zahlen können in einer Datei als numerische Werte vorliegen und in einer anderen als Text gespeichert sein. Für den menschlichen Betrachter erscheinen viele dieser Unterschiede zunächst unbedeutend. Für eine systematische Verarbeitung sind sie es nicht.

Bevor aus Daten verlässliche Informationen entstehen können, müssen ihre Herkunft und Bedeutung verstanden, Strukturen vereinheitlicht und Beziehungen zwischen den verschiedenen Quellen hergestellt werden. Dieser Teil der Arbeit bleibt für den späteren Nutzer eines Reports weitgehend unsichtbar. Für die Qualität des Ergebnisses ist er jedoch entscheidend.

Viele Datenquellen ergeben noch keine verlässliche Datenbasis

In gewachsenen Unternehmen entstehen Daten selten an einem zentralen Ort. Ein ERP-System enthält Buchungs- und Bewegungsdaten, eine Konsolidierungs- oder Planungssoftware weitere finanzwirtschaftliche Informationen. Fachbereiche führen eigene Tabellen, externe Anwendungen liefern regelmäßige Exporte und ergänzende Zuordnungen werden teilweise in manuell gepflegten Dateien verwaltet.

Jede dieser Quellen kann für ihren ursprünglichen Zweck problemlos funktionieren. Schwierigkeiten entstehen häufig erst dann, wenn Informationen miteinander verbunden werden sollen.

Ein typisches Beispiel ist eine unternehmensübergreifende Kundenauswertung. Im ERP-System besitzt ein Kunde möglicherweise eine eindeutige Nummer, während in einer Vertriebsdatei lediglich der Name geführt wird. Eine weitere Liste verwendet eine abgekürzte Unternehmensbezeichnung oder eine ältere Firmierung. Für einen Mitarbeiter ist möglicherweise sofort erkennbar, dass es sich um dasselbe Unternehmen handelt. Bei einer automatisierten Verknüpfung entstehen daraus jedoch zunächst unterschiedliche Datensätze.

Ähnliche Probleme treten bei Produkten, Kostenstellen, Gesellschaften, Projekten oder Zeitangaben auf. Je mehr Datenquellen miteinander verbunden werden, desto wichtiger werden deshalb eindeutige Schlüssel und nachvollziehbare Zuordnungsregeln.

Die Anzahl verfügbarer Datenquellen sagt wenig darüber aus, wie gut sich die enthaltenen Informationen tatsächlich analysieren lassen. Entscheidend ist vielmehr, ob zwischen ihnen verlässliche Beziehungen hergestellt werden können.

Datenprobleme sind nicht immer auf den ersten Blick erkennbar

Fehlerhafte Daten werden häufig mit leeren Feldern, falschen Werten oder doppelten Datensätzen verbunden. Solche Probleme sind vergleichsweise leicht zu erkennen. Schwieriger sind Abweichungen, die technisch unauffällig erscheinen und erst durch den fachlichen Kontext problematisch werden.

Eine Kostenstelle kann beispielsweise in allen Datensätzen korrekt vorhanden sein, im Laufe des Jahres jedoch organisatorisch einem anderen Verantwortungsbereich zugeordnet worden sein. Ein Produkt besitzt weiterhin dieselbe Artikelnummer, gehört inzwischen aber zu einer anderen Produktgruppe. Ein Kunde wurde im System zweimal angelegt oder eine Kennzeichnung enthält nicht genügend Informationen für die später gewünschte Analyse.

Gerade der letzte Fall zeigt eine wichtige Grenze der Datenanalyse. Wenn beispielsweise ein Verkauf mehrere Stück eines Produkts umfasst, eine Rückgabe aber lediglich mit Ja oder Nein gekennzeichnet wird, lässt sich zwar feststellen, dass zu diesem Vorgang eine Rückgabe vorliegt. Wie viele Stück tatsächlich zurückgegeben wurden, kann aus den vorhandenen Daten jedoch nicht abgeleitet werden.

Eine Berechnung kann in solchen Fällen technisch vollkommen korrekt ausgeführt werden und trotzdem zu einer fachlich unvollständigen oder irreführenden Aussage führen. Nicht jeder Datenfehler ist daher ein technischer Fehler. Manche Probleme lassen sich erst erkennen, wenn die Bedeutung der Daten und der dahinterliegende Geschäftsprozess verstanden werden.

Datenbereinigung ist mehr als das Entfernen von Dubletten

Der Begriff Datenbereinigung klingt zunächst nach einer überschaubaren technischen Aufgabe: doppelte Datensätze entfernen, leere Felder behandeln und Schreibweisen vereinheitlichen. In der Praxis geht es jedoch um deutlich mehr.

Am Anfang steht die Frage, welche Daten für die jeweilige Analyse überhaupt benötigt werden. Anschließend müssen unterschiedliche Strukturen aufeinander abgestimmt, Datentypen vereinheitlicht und fachliche Beziehungen hergestellt werden. Spalten werden aufgeteilt oder zusammengeführt, Werte standardisiert und Informationen aus unterschiedlichen Quellen über gemeinsame Schlüssel miteinander verbunden.

Dabei entstehen Fragen, die sich nicht allein technisch beantworten lassen. Welches System ist führend, wenn zwei Quellen unterschiedliche Informationen liefern? Wie werden historische Veränderungen berücksichtigt? Nach welcher Logik dürfen fehlende Werte ergänzt werden? Welche Datensätze können ausgeschlossen werden und welche müssen trotz unvollständiger Informationen erhalten bleiben?

Diese Entscheidungen bestimmen wesentlich die spätere Aussagekraft einer Analyse. Software kann Daten nach definierten Regeln transformieren, filtern und verbinden. Die Entscheidung darüber, welche Transformation fachlich richtig ist, bleibt jedoch eine analytische Aufgabe.

Datenaufbereitung erfordert deshalb sowohl technisches als auch betriebswirtschaftliches Verständnis. Wer ausschließlich die Tabellenstruktur betrachtet, kann einen technisch sauberen Datenbestand erzeugen, der die wirtschaftliche Realität dennoch nicht korrekt abbildet.

SQL und Power Query übernehmen unterschiedliche Rollen

Für die Verarbeitung größerer und unterschiedlich strukturierter Datenbestände stehen verschiedene Werkzeuge zur Verfügung. In vielen Analyse- und Reportingprozessen spielen insbesondere SQL und Power Query eine wichtige Rolle. Beide können Daten verarbeiten und transformieren, setzen jedoch an unterschiedlichen Stellen des Prozesses an.

SQL arbeitet direkt mit strukturierten Daten in relationalen Datenbanken. Über Abfragen können gezielt benötigte Datensätze ausgewählt, Tabellen miteinander verbunden, Daten gruppiert und Berechnungen bereits vor der weiteren Analyse durchgeführt werden. Statt vollständige Tabellen mit sehr großen Datenmengen zu exportieren, kann eine Abfrage genau die Informationen bereitstellen, die für eine konkrete Fragestellung erforderlich sind.

Power Query eignet sich insbesondere für wiederholbare Import- und Transformationsprozesse. Regelmäßig eingehende Dateien können aus einem Ordner eingelesen und zusammengeführt, Datentypen angepasst, Spalten bereinigt und unterschiedliche Strukturen standardisiert werden. Einmal definierte Transformationsschritte lassen sich bei der nächsten Aktualisierung erneut ausführen.

Gerade in Unternehmen, in denen Datenbanken, ERP-Exporte und Excel-Dateien parallel Teil der Reportinglandschaft sind, kann die Kombination beider Ansätze sinnvoll sein. SQL stellt gezielt die benötigten Daten aus strukturierten Datenbeständen bereit, während Power Query weitere Transformationen übernimmt und unterschiedliche Quellen für den nachgelagerten Reportingprozess vorbereitet.

Die Frage sollte deshalb nicht lauten, welches Werkzeug grundsätzlich besser ist. Entscheidend ist, welches Werkzeug für den jeweiligen Teil des Datenprozesses geeignet ist.

Aus manuellen Korrekturen müssen reproduzierbare Prozesse werden

Viele Datenprobleme werden im Unternehmensalltag zunächst pragmatisch gelöst. Eine Spalte wird kopiert, über Suchen und Ersetzen werden Werte angepasst, eine Formel wird nach unten gezogen und einzelne Auffälligkeiten werden anschließend manuell korrigiert.

Für eine einmalige Analyse kann dieses Vorgehen durchaus sinnvoll sein. Problematisch wird es, wenn derselbe Ablauf regelmäßig wiederholt werden muss. Dann beginnt die Arbeit im nächsten Monat erneut, häufig mit denselben Schritten und denselben Fehlermöglichkeiten.

Ein nachhaltiger Datenprozess unterscheidet sich von einer einmaligen Korrektur deshalb vor allem durch seine Wiederholbarkeit. Die notwendigen Transformationen werden so aufgebaut, dass sie auch mit neuen Daten erneut ausgeführt werden können.

Ein monatlicher Export muss dann nicht jedes Mal von Grund auf manuell bearbeitet werden. Die Verarbeitungsschritte sind bereits definiert: Daten werden eingelesen, Datentypen angepasst, nicht benötigte Informationen entfernt, Strukturen vereinheitlicht und festgelegte Prüfungen durchgeführt. Manuelle Eingriffe konzentrieren sich auf tatsächliche Ausnahmen, anstatt bei jeder Aktualisierung den gesamten Prozess erneut durchlaufen zu müssen.

Neben der Zeitersparnis verbessert ein solches Vorgehen die Nachvollziehbarkeit. Wenn eine Kennzahl hinterfragt wird, lässt sich rekonstruieren, aus welcher Quelle die Daten stammen und welche Transformationen durchgeführt wurden. Bei manuellen Zwischenschritten ist diese Transparenz häufig nur eingeschränkt vorhanden.

Standardisierung schafft Vergleichbarkeit

Eine der wichtigsten Aufgaben der Datenaufbereitung ist die Standardisierung. Informationen aus unterschiedlichen Quellen müssen eine gemeinsame Sprache erhalten, bevor sie sinnvoll miteinander verglichen werden können.

Das betrifft offensichtliche Merkmale wie Datums- und Zahlenformate, geht aber weit darüber hinaus. Einheitliche Kundenschlüssel, Produktgruppen, Kostenstellen, Gesellschaften oder Regionen sind ebenso notwendig, wenn Daten über verschiedene Systeme und Zeiträume hinweg analysiert werden sollen.

Besonders anspruchsvoll wird dies bei historischen Veränderungen. Unternehmen verändern ihre Strukturen, Verantwortungsbereiche werden neu zugeschnitten, Produkte anderen Kategorien zugeordnet und Kostenstellen reorganisiert. Werden solche Veränderungen in der Datenbasis nicht berücksichtigt, kann eine organisatorische Veränderung in einer Analyse wie eine wirtschaftliche Entwicklung erscheinen.

Ein Umsatzanstieg innerhalb einer Produktgruppe kann beispielsweise dadurch verursacht werden, dass Produkte neu zugeordnet wurden. Eine Kostenabweichung kann aus der organisatorischen Verschiebung einer Kostenstelle resultieren, während eine scheinbare Veränderung der Kundenstruktur möglicherweise lediglich die Folge bereinigter Stammdaten ist.

Eine gute Datenaufbereitung verhindert nicht jede Fehlinterpretation. Sie schafft jedoch die Voraussetzung dafür, wirtschaftliche Entwicklungen von Veränderungen in der Datenstruktur unterscheiden zu können.

Verlässliche Datenprozesse brauchen Prüfregeln

Auch ein sauber aufgebauter Transformationsprozess sollte nicht davon ausgehen, dass neu eingehende Daten automatisch korrekt und strukturell unverändert sind. Quellsysteme entwickeln sich weiter, Spalten werden umbenannt, Dateiformate angepasst und neue Werte treten auf, die bei der ursprünglichen Entwicklung des Prozesses noch nicht bekannt waren.

Deshalb gehören Prüfungen zu einem stabilen Datenprozess. Auf technischer Ebene kann beispielsweise kontrolliert werden, ob alle erwarteten Spalten vorhanden sind, Schlüsselfelder leere Werte enthalten, IDs tatsächlich eindeutig sind und Datentypen den erwarteten Formaten entsprechen.

Daneben sind fachliche Prüfungen notwendig. Kann ein Umsatz in dem betrachteten Geschäftsmodell negativ sein? Darf eine Kostenstelle mehreren Verantwortungsbereichen gleichzeitig zugeordnet werden? Ist ein ungewöhnlich hoher Wert tatsächlich fehlerhaft oder bildet er ein relevantes wirtschaftliches Ereignis ab?

Diese Unterscheidung ist wichtig. Ein automatisierter Prozess sollte Auffälligkeiten sichtbar machen und definierte Fehler behandeln können. Er sollte jedoch nicht jede ungewöhnliche Beobachtung automatisch verändern. Gerade Ausreißer können entweder auf ein Datenproblem oder auf eine betriebswirtschaftlich relevante Entwicklung hinweisen. Welche Interpretation zutrifft, lässt sich häufig nur im fachlichen Kontext beurteilen.

Gute Analysen beginnen lange vor dem Diagramm

Am Ende eines Datenprozesses steht meist etwas Sichtbares: eine Analyse, ein Managementbericht oder ein Dashboard. Die eigentliche Arbeit findet jedoch häufig lange vorher statt.

Daten müssen gefunden und auf ihre Verwendbarkeit geprüft, unterschiedliche Quellen miteinander verbunden und Definitionen geklärt werden. Transformationen müssen nachvollziehbar aufgebaut und die Ergebnisse auf technische sowie fachliche Plausibilität geprüft werden. Erst danach entsteht eine Datenbasis, auf der belastbare Analysen aufgebaut werden können.

Je besser dieser Prozess funktioniert, desto unspektakulärer erscheint er später für den Nutzer. Wer einen Bericht öffnet, erwartet, dass eine dargestellte Kennzahl stimmt. Wer eine Entwicklung über mehrere Jahre betrachtet, geht davon aus, dass die Werte miteinander vergleichbar sind. Wer einen Filter verwendet, erwartet, dass alle relevanten Datensätze korrekt zugeordnet werden.

Diese Verlässlichkeit entsteht nicht durch das Diagramm und auch nicht durch das Dashboard. Sie ist das Ergebnis der Arbeit an den zugrunde liegenden Daten.

Datenbereinigung ist deshalb keine vorbereitende Nebenaufgabe der Datenanalyse. Sie ist ein wesentlicher Teil davon. Erst wenn Daten strukturiert, nachvollziehbar verarbeitet und in ihrem fachlichen Kontext verstanden werden, können aus ihnen Informationen entstehen, die eine belastbare Grundlage für Analysen und unternehmerische Entscheidungen bilden.

Controlling · Reporting · Datenanalyse

Start Leistungen Portfolio Erkenntnisse Über mich Kontakt

kontakt@datastrux.de

Remote · DACH-Region

© 2026 Datastrux - Impressum - Datenschutz

Zahlen verstehen. Zukunft gestalten.