Skip to main content

- Data Inspired Human Culture -

Data Strategy & Data Governance ist der Schlüssel zu einer nachhaltig dateninspirierten Organisation!

Eine Data Strategy als integraler Baustein einer Unternehmensstrategie unterstützt maßgeblich das Erreichen von Prozess- und Produktzielen, sichert die Compliance-Konformität, steigert den Durchsatz sowie die Kundenbindung und unterstützt Organisationen in der Transformation zu einer dateninspirierten Innovations-Kultur (Data Inspired Human Culture) in der die Menschen im Vordergrund stehen.
Organisationen sichern somit ihre Wettbewerbsfähigkeit und können diese durch eine gesteigerte Datenintelligenz und Datenkompetenz (Data Literacy) weiter ausbauen.

The Data Economist | Establishing sustainable "Data Inspired Human Culture"

Empower your organization to Data Inspired Human Culture

Data Exploration & Prototyping von KPI/Dashboards: Sichere Projektergebnisse & ein valides Reporting

Data Quality Management Online-Konferenz v. 02.12.2021

Der Vortrag zum Thema „Data Exploration & Prototyping von KPI und Dashboards – sichere Projektergebnisse und ein valides Reporting“ zeigte auf, wie FIEGE mit dem Rapid Data Performance Simulation (RDPS) Verfahren Investitionen in Data Analytics und Data Products ganz objektiv nach Erfolgswahrscheinlichkeiten auswählt – und die entsprechenden Umsetzung anschließend nachhaltig zum Erfolg führt.

 


Data Profiling - Daten endlich richtig verstehen & beurteilen

Erfahrungsbericht Rapid Data Performance Assessment (RDPA)

(Webinar vom 19.01.2021)


Datenqualität - Voraussetzung für ein funktionierendes Qualitäts-Management-System

(Control 2016, DGQ Kunden-Foren, Stuttgart, 27.04.2016)

 

Logikbäume: Mehr Transparenz zur Wirkung schlechter Datenqualität auf Unternehmensziele

Mit den effektiven Denkprozessen aus der TOC (Theory of Constraints) Durchbruchslösungen im Datenqualitätsmanagement schaffen

Ein Bewusstsein dafür, dass ein dringender Handlungsbedarf besteht ein übergreifendes und nachhaltiges DQM einzuführen, ist in vielen Organisationen noch gering ausgeprägt.

Wenn sich um das Thema Datenqualität gekümmert wird, dann meist auf lokale Einheiten beschränkt und situativ bedingt. Je nach Handlungsdruck werden immer wieder Einzelmaßnahmen durchgeführt. In der Regel stört schlechte Datenqualität den Flow von Prozessen und es erfordert immer wieder Nachbearbeitungsschleifen im laufenden Betrieb, bis ein Prozess effektiv abgeschlossen werden kann. Zusätzlich stören immer wieder die ad hoc initiierten Datenkorrekturmaßnahmen den Regelbetrieb.