BInEx - Blog | Etablierung nachhaltiger Data Strategy, Data Governance & Data Quality Management
Datenqualität sichert die Wettbewerbsfähigkeit
Erfolgreich bleiben im digitalen Zeitalter
Warum bringt ein Wechsel der strategischen Ausrichtung auf ein prozessorientiertes Datenqualitätsmanagement einen größeren Nutzen für die gesamte Organisation? Er schafft die überlebenswichtige Verknüpfung unterschiedlicher Management-Systeme in Organisationen.
Prozessorientiertes Datenqualitätsmanagement
Prozessgedanke entscheidend für Erfolg
Je mehr Daten ein Unternehmen erzeugt, desto wichtiger ist es, dass es sich auf diese auch verlassen kann. Eine Entscheidung, die auf fehlerhaften Daten basiert, kann fatale Folgen haben. Verhindern lassen sich diese Probleme, wenn die Datenqualität direkt an die Geschäftsprozesse gekoppelt wird.
Datenqualitätsmanagement und DIN EN ISO 9001: Ist die Revision schon jetzt überholt?
Datenqualität sichert den Erfolg
Daten- und Informationsqualität war jahrelang nur ein Thema für IT-Spezialisten. Doch je größer die Datenbestände durch elektronische Datenverarbeitung werden, umso wichtiger wird für jedes Unternehmen eine gute Daten- und Informationsqualität.
Datenqualität eines der wichtigsten Zukunftsaufgaben im BIG-DATA-Management
Ergebnisse zum Thema Datenqualität aus der Studie „BIG DATA Future – Chancen und Herausforderungen für die deutsche Industrie“, 02/2015 v. MHP, a Porsche Company.
Die Studie beantwortet die Frage, wo genau die Industrieunternehmen in Deutschland bei der Umsetzung von Big Data stehen. Hierzu wurden online und anonym 254 Entscheider aus deutschen Industrieunternehmen zwischen August und Oktober 2014 befragt.
Omni Channel & Datenqualität
Gute Datenqualität sichert den Erfolg von Omni-Channel-Strategien
Omni-Channel, das nächste große Ding im Retailing. Im Gegensatz zum Multi-Channel, wo Kunden die verschiedenen Vertriebskanäle hintereinander nutzen, bietet Omni-Channel die Möglichkeit die Vertriebskanäle parallel zu nutzen.
Was macht Datenqualitätsmanagement jetzt und in Zukunft unumgänglich?
Seit Jahren investieren Unternehmen in Qualitätsmanagementsysteme, um ihre Prozesse an den Kundenwünschen auszurichten. Trotz aller Erfahrungen und Weiterentwicklungen auf diesem Gebiet wurde die Qualität der Daten bisher nahezu vernachlässigt. Das soll sich mit einer überarbeiteten Version der Norm DIN EN ISO 9001, die 2015 veröffentlicht wird, ändern. Diese berücksichtigt verstärkt den risikobasierten Ansatz. Der Ansatz zielt darauf ab, frühzeitig unternehmensgefährdende Risiken zu berücksichtigen, zu bewerten und zu vermeiden. Dabei gibt es erste Anzeichen in Richtung Daten- und Informationsqualität.
Data- und Information Governance - Worum geht es?
So regeln Sie die gesamte Daten- und Informationslogistik
Eine Data- und Information Governance (DIG) ist das unternehmensweite Rahmenwerk für ein Compliance-konformes Daten- und Informationsmanagement. Solch ein Rahmenwerk regelt den Umgang und die Steuerung der gesamten Daten- und Informationslogistik, bildet die Qualität-Standards ab und definiert das Informationsdesign.
Datenqualität und Automatisierungs-Prozesse
Integration des Data-Quality-Managements in eine ganzheitliche Qualitätsmanagement-Strategie schafft erst erfolgreiche Automatisierungsprozesse.
Wenn ich als Kunde für ein Produkt einen hohen Preis bezahle, habe ich auch hohe Erwartungen an die Qualität. Ein einfacher Sachverhalt – für mich als Käufer. Wie erfülle ich diesen Anspruch als herstellendes Unternehmen? Welche Rolle spielen hier der Faktor Mensch und die sogenannte Industrie 4.0?
Datenqualität und Compliance
Information- und Datenqualität wird immer mehr zum Compliance-Thema
Die Wichtigkeit eines ganzheitlichen und nachhaltigen Datenqualitätsmanagement liegt nicht mehr alleine in einem wirtschaftlichen Nutzen begründet, sondern wird immer häufiger in Normen und Regelwerken fest verankert. Daher ist es nicht mehr nur eine sinnvolle Option für Untenrehmen, sein Qualitätsmanagementsystem um ein Datenqualitätsmanagement zu ergänzen, sondern wird immer mehr zu einer Pflichtdisziplin.
Datenqualität, Business Analytics und Big Data
Ohne ein effektives Datenqualitätsmanagement kein erfolgreiches Business Analytics
Business Analytics definiere ich als Gesamtheit aller Methoden und Werkzeuge zur Analyse von polystrukturierten Daten für eine nachhaltig gewinnorientierte Unternehmenssteuerung.
Was hinsichtlich dem Thema gute Datenqualität bereits für Business Intelligence sowie störungsfreier Unternehmensabläufe und Kundenservices gilt, ist für Business Analytics und Big Data erst recht eine erfolgskritische Notwendigkeit!
SEPA–Zahlungsverkehr - Umdeutung und Datenqualität
Schwächen in der Datenqualität bereitet Schwierigkeiten bei der Umdeutung bestehender Lastschriften
Seit dem 09. Juli 2012 ist es möglich bestehende Lastschriften in eine SEPA Lastschrift umzudeuten.
Für eine SEPA-konforme Umdeutung müssen folgende Voraussetzungen erfüllt werden.
SEPA stellt höhere Anforderungen an die Datenqualität
SEPA-Verfahren für alle ab 01. Februar 2014 bindend
Überweisungen und Lastschriften müssen lt. der europäischen SEPA-Verordnung ab dem 1. Februar 2014 einheitlichen rechtlichen und technischen Anforderungen im EU-Zahlungsraum genügen. Die nationalen Verfahren sind in der bekannten Form so nicht mehr gültig und werden entsprechend ersetzt.
Tücken bei Migrationsprojekten
Gastbeitrag von Ingo Lenzen, Leiter InfoZoom Academy
Wer hat Schuld an schlechten Daten im neuen System?
Jedes Migrationsprojekt, bei dem bestehende Daten in neue Systeme übertragen werden, hat Hürden zu überwinden. Das gilt für den Adressimport genauso wie für den Artikelimport. Dabei sind häufig Stammdaten-Plausibilisierungen für die Folgearbeiten sehr wichtig. Sind erst Doubletten oder falsche Daten im System, kommen Fehler und Probleme nach und nach zum Vorschein. Aber wie kann ich tausende Datensätze auf einmal prüfen? Wie bringe ich einen Kunden dazu, in vorgelagerte Bereinigungen zu investieren? Intelligente Tools zeigen Lösungen auf.
Business Intelligence und Datenqualität
Gastbeitrag von Ingo Lenzen, Leiter InfoZoom Academy
Insbesondere große Unternehmen setzen für ihre unternehmerischen Entscheidungen auf die Anfang bis Mitte der 1990er-Jahre populär gewordene Business Intelligence (BI). Ins Deutsche übersetzt, kann man von „Geschäftsanalytik“ reden.
Entscheidung auf Basis veralteter Daten verursachen jährlich 4 Mrd. Euro kosten
DIW revidierte die Zahl der Kinderarmut von 16 auf 10 Prozent
Kurz vor der Bundestagswahl 2009 veröffentlichte die OECD in Ihrem Bericht „Doing Better for Families“, das die Kinderarmut in Deutschland bei 16,3 Prozent im Jahr 2005 lag und damit weit über dem OECD Durchschnitt. Diese Zahl hatte die OECD wie üblich vom Deutschen Institut für Wirtschaftsforschung (DIW) erhalten. Aufgrund dieser Zahl entbrannte eine heftigen Diskussion in der Politik und führte nach der Bundestagswahl zu der Entscheidung, das Kindergeld um 20 Euro zu erhöhen. Die Anhebung kostet den Staat jährlich 4 Mrd. Euro.
Weitere Beiträge ...
- Wie Datenfehler die Finanz-Welt schockt!
- Kapitel 7: Datenqualität – Ein kritischer Erfolgsfaktor?
- Kapitel 6: Datenqualität - Ein kritischer Erfolgsfaktor?
- Kapitel 5: Datenqualität - Ein kritischer Erfolgsfaktor?
- Kapitel 4: Datenqualität - Ein kritischer Erfolgsfaktor?
- Kapitel 3: Datenqualität - Ein kritischer Erfolgsfaktor?
- Multitasking-Paradoxon
- Wenn Unternehmensziele sich scheinbar widersprechen...
Neue Artikel
- Der Zusammenhang von Data Strategy, Data Governance & Data Driven Culture
- Data Strategy Lifecycle wirkungsvoll im Unternehmen einführen
- Data Catalogue – Beschleuniger der Datenkompetenz (Data Literacy)
- Data Strategy: Erfolgsfaktoren für nachhaltige Wettbewerbsvorteile durch KI-basierte Datenanalysen und Digitalisierung
- Data Governance, der Schlüssel zu einer erfolgreichen datenintelligenten Organisationskultur
Beliebte Artikel
- Data Catalogue – Beschleuniger der Datenkompetenz (Data Literacy)
- Data Governance, der Schlüssel zu einer erfolgreichen datenintelligenten Organisationskultur
- Data Strategy: Erfolgsfaktoren für nachhaltige Wettbewerbsvorteile durch KI-basierte Datenanalysen und Digitalisierung
- Data Strategy Lifecycle wirkungsvoll im Unternehmen einführen
- Der Zusammenhang von Data Strategy, Data Governance & Data Driven Culture
Workshops: Data Governance & Data Quality
Ihr Nutzen
Mit einer nachhaltigen Data Governance Strategie wird die Einhaltung von Qualitäts-, Sicherheits- und Verarbeitungsstandards für Daten im Unternehmen sichergestellt. Sie beinhaltet Richtlinien und Vorgehensweisen im Umgang mit Daten, gibt Orientierung für die Mitarbeiter, reduziert die Risiken für das Unternehmen und unterstützt in der Transformation zu einer datenorientierten Kultur. Mit einer etablierten Data Governance kann eine hohe Datenqualität erreicht und die Potenziale von BI, Big Data und Advanced Analytics ausgeschöpft werden.
Wenn Sie mehr über Hintergründe und Zusammenhänge erfahren möchten und eine Data Governance nachhaltig etablieren sowie die Datenqualität in Ihrer Organisation schnell und wirkungsvoll verbessern wollen, sind die folgenden Workshops für Sie das Richtige.
Data Governance
Datenstrategie und Data Driven Culture nachhaltig etablieren sowie die Datenkompetenz (Data Literacy) stetig steigern
Haufe Akademie
10.03.2022, Online
03.05.2022, München
07.07.2022, Online
Data Quality erfolgreich steuern
Bessere Datenqualität – bessere Managemententscheidungen und effizientere Prozesse
Haufe Akademie
21. - 22.04.2022, Frankfurt a. M./Oberursel
20. - 21.06.2022, Berlin
31.08. - 01.09.2022, Köln
10. - 11.11.2022, Online
14. - 15.02.2023, Online
Vorträge
DATAGOVKON
Eine kurze Bilder-Reise durch die Data Governance
Von der Data Strategy über die Data Governance zur Data Driven Culture
28./29. September 2021, Stuttgart