Datenqualitätsscore (Data Quality Score)
Ein Datenqualitätsscore ist eine Zahl, oft von 0 bis 100, die zeigt, wie vollständig, korrekt und konsistent ein Produktdatensatz oder Katalog gemessen an deinen Regeln ist.
Was ist Datenqualitätsscore (Data Quality Score)?
Ein Datenqualitätsscore (Data Quality Score) ist eine Zahl, meist von 0 bis 100, die zeigt, wie gut ein Produktdatensatz oder ein ganzer Katalog deine Datenregeln erfüllt. So kannst du Datenqualität messen: Jedes Produkt wird gegen Kriterien wie die Vollständigkeit der Pflichtfelder, gültige Formate, einheitliche Einheiten und vorhandene Bilder und Beschreibungen geprüft, danach werden die Ergebnisse gewichtet. Eine Data Quality Scorecard ist der Bericht, der diese Scores nach Dimension, Kategorie, Kanal oder Lieferant aufschlüsselt, damit du siehst, wo du zuerst ansetzen solltest. Ein Vollständigkeitsscore für Produktdaten ist ein Teil davon: Er misst nur, wie viele Pflichtfelder gefüllt sind, nicht ob die Werte stimmen. Der Score ist nur so nützlich wie die Regeln dahinter, also stütze sie auf das, was deine Kanäle tatsächlich verlangen. Mit unserem kostenlosen Rechner für Produktdatenqualität bekommst du schnell einen Score für deinen eigenen Katalog.
Warum Datenqualitätsscore (Data Quality Score) im E-Commerce wichtig ist
Eine einzige Zahl macht Datenqualität sichtbar und lässt dich sie über die Zeit verfolgen, pro Kategorie oder pro Lieferant. Aus dem vagen Gefühl, dass die Daten unordentlich sind, wird eine priorisierte Liste dessen, was du korrigieren solltest. Beim Import sind Produktdaten oft schwach. Im State of Product Data 2026 Report von WISEPIM erreichte der mittlere Katalog (Median) vor der Anreicherung 56,6 von 100 Punkten, mit dünnen Beschreibungen und vielen Produkten ohne Bild oder Kategorie. Ein Score pro Produkt zeigt, wo die Anreicherung am meisten bewirkt.
Kostenloses Tool
Bewerte die Datenqualität eines Produkts
Gib Titel, Beschreibung, Meta-Felder und Attribute ein. Du bekommst eine Gesamtpunktzahl von 100, eine Punktzahl pro Kategorie und die ersten Verbesserungen, auf Basis der Voreinstellung für deine Branche.
Beispiele für Datenqualitätsscore (Data Quality Score)
- 1Dimension: Vollständigkeit, Prüfung: Titel, Beschreibung, Marke, GTIN, Bild und Kategorie gefüllt, Auswirkung auf den Score: Jedes fehlende Pflichtfeld senkt den Score.
- 2Dimension: Gültigkeit, Prüfung: GTIN hat eine gültige Prüfziffer, Gewicht ist eine Zahl mit Einheit, Auswirkung auf den Score: Ungültige Werte zählen als fehlend.
- 3Dimension: Konsistenz, Prüfung: Farbwerte stammen aus einer Liste (Navy, nicht „navy blue“ und „dark blue“), Auswirkung auf den Score: Werte außerhalb der Liste werden markiert.
- 4Dimension: Kanalbereitschaft, Prüfung: Produkt erfüllt die Anforderungen von Google Shopping, Auswirkung auf den Score: eigener Score pro Kanal.
So hilft WISEPIM
- Regeln, die du steuerst: Quality-Guard-Regeln legen fest, wie ein vollständiges, gültiges Produkt aussieht, und markieren jedes Produkt, das nicht ausreicht.
- Pro Kanal: Channel Readiness (Kanalbereitschaft) zeigt, welche Produkte die Anforderungen jedes Kanals erfüllen und welche Felder sie blockieren.
- Korrigieren im großen Maßstab: AI-Anreicherung füllt fehlende Beschreibungen, Attribute und Spezifikationen, und die Massenbearbeitung korrigiert Werte über viele Produkte hinweg.
Häufige Fehler bei Datenqualitätsscore (Data Quality Score)
- Nur die Vollständigkeit bewerten, sodass ein gefüllter, aber falscher Wert als gut zählt.
- Einen Score für jeden Kanal nutzen, obwohl sich die Anforderungen unterscheiden.
- Alle Felder gleich gewichten, sodass eine fehlende GTIN genauso zählt wie eine fehlende Zweitfarbe.
- Den Score verfolgen, ohne jemanden mit der Korrektur der schwächsten Produkte zu beauftragen.
Tipps zu Datenqualitätsscore (Data Quality Score)
- Stütze die Pflichtfelder auf das, was deine wichtigsten Kanäle verlangen.
- Gewichte Felder nach Wirkung: zuerst Identifikatoren, Titel, Bild und Preis.
- Zeige den Score pro Kategorie, damit Verantwortliche ihren eigenen Bereich angehen können.
- Korrigiere zuerst die Produkte mit dem niedrigsten Score und dem meisten Traffic.
Trends rund um Datenqualitätsscore (Data Quality Score)
- Scores pro Kanal statt einer globalen Zahl.
- Bereitschaft für AI-Shopping-Assistenten als neue Dimension im Score.
- Scores, die beim Import automatisch geprüft werden, bevor Produkte einen Kanal erreichen.
- Lieferanten-Scorecards, die die Qualität eingehender Daten pro Lieferant vergleichen.
Tools für Datenqualitätsscore (Data Quality Score)
- Prüfungen in der Tabellenkalkulation: Zähle leere Zellen pro Spalte für einen ersten groben Score.
- Datenqualitätstools: profilieren Datensätze und berichten über Gültigkeit und Duplikate.
- Diagnosen in Merchant Center und auf Marketplaces: zeigen Probleme auf Artikelebene pro Kanal.
- WISEPIM: Quality-Guard-Regeln, Channel Readiness und ein kostenloser Rechner für Produktdatenqualität.