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.

Das Datenqualitätsniveau bestimmt die Ergebnisqualität von Sprachassistenzsystemen

Wer "ja" zur Digitalisierung sagt, muss auch "ja" zu besserer Datenqualität sagen

"76% aller Organisationen glauben, dass ungenaue Daten ihre Fähigkeit behindert, ein herausragendes Kundenerlebnis zu bieten (Experian, DQ-Studie 2016)." 

Alles deutet darauf hin, dass wir zukünftig immer stärker Sprachassistenzsysteme nutzen werden. Der prominenteste Vertreter ist Siri. Mit dem zunehmenden Erfolg zogen Google und Amazon nach. Im Bereich der Daten-Analyse ist der bekannteste Vertreter Watson von IBM. Weitere werden sicherlich folgen.

Data Governance & Data Intelligence - Empower your organization to Data Driven 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 Driven Company ganz objektiv nach Erfolgswahrscheinlichkeiten auswählt – und die entsprechenden Projekte 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)

Zu den Vortragsfolien >>>


Theory of Constraints - Engpassermittlung mit InfoZoom

(InfoZoom Best Practice Day, Schloß Birlinghoven, St. Augustin, 08.11.2012)


Data Governance, der Schlüssel zu einer erfolgreichen datenintelligenten Organisationskultur

Definition: Was ist Data Governance? 

Data Governance (Datensteuerung) umfasst in Summe die Menschen, Prozesse und Technologien, die zur Verwaltung, zum Schutz und zur Steigerung des “Datenkapitals” einer Organisation benötigt werden, um allgemein verständliche, korrekte, vollständige, vertrauenswürdige, sichereauffindbare Unternehmensdaten und deren wertorientierte Nutzung garantieren zu können.

Data Governance: Vom Data Profiling zur ganzheitlichen Leistungsbewertung von Daten

Wie Data Governance zum Innovator wird und Mehrwert liefert

Viele Unternehmen wandelten sich in den letzten Jahren zu agilen Organisationsformen, um sich den Herausforderungen von schnellen Anforderungsänderungen besser stellen zu können. Auch das Unternehmen, für welches ich tätig bin, befindet sich mitten in diesem Wandel. Hinzu kommt, dass Daten und datengetriebene Prozesse immer stärker im Fokus stehen. Wer einen Vorsprung in der Datenintelligenz erlangt und diesen optimal zu nutzen weiß, erlangt auch einen erfolgskritischen Wettbewerbsvorsprung, den es stetig auszubauen bzw. auf lange Sicht zu halten gilt.

Data Governance: Was sind Ihre Unternehmens-Daten wert?

Wie Organisationen ihre Daten in Geld bewerten können und warum Data Governance sich selbst finanziert.

Viele Unternehmen hadern noch mit dem Gedanken eine Data Governance einzuführen und fragen sich, welchen Mehrwert hat eigentlich Data Governance? Natürlich kann man jetzt sagen, was gibt es da noch zu überlegen. Wer im Zuge der Digitalisierung wettbewerbsfähig bleiben möchte, kommt an einer Data Strategy und der Einführung einer Data Governance nicht vorbei. Zumindest liest man das permanent in der Fachpresse und hört es ständig von vielen Beratern. Andererseits ist es absolut berechtigt in diesem Zusammenhang die ökonomische Frage zu stellen, welchen Mehrwert in Geld bringt eine Data Governance der Organisation und wieviel bin ich bereit zu investieren bzw. wie wird mein ROI (Return On Invest) aussehen.

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 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.

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 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.

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!

Der Datenqualitätsdurchsatz bestimmt die Effizienz digitalisierter Prozesse

Digitales Formularmanagement steigert die Effizienz - Voraussetzung für die Verbesserung ist einwandfreie Datenqualität

Ein Großteil von Formularen wird noch immer auf Papier ausgedruckt und per Hand ausgefüllt, anschließend wieder eingescannt und bestenfalls in einem Dokumentenmanagementsystem abgelegt und verschlagwortet. Digitales Formularmanagement bietet die Möglichkeit, diesen Prozess erheblich effizienter und damit wirtschaftlicher zu gestalten.

Ein Qualitätsmanagementsystem (QMS) ohne ein integriertes Datenqualitätsmanagement (DQM) hat in einer digitalisierten Welt keine Zukunft

Durch die stark wachsende Anzahl datengetriebener Geschäftsmodelle gibt es keinen Ausweg für das Qualitätsmanagement, sich verstärkt mit dem Thema Datenqualität zu beschäftigen. Datenqualität als Risikofaktor ist schon etwas länger bekannt. Negative Auswirkungen schlechter Datenqualität auf das gesamte System einer Organisation werden zukünftig durchschlagender sein.

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.

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.

Nachschau einiger Vorträge als Sprecher auf Konferenzen

Impuls-Vortrag Data Strategy

Vortrags-Slides zum Video-Cast BI or DIE Level Up 2022 - Data Strategy & Governance

 

Data Governance

Vortragstitel:
"Data Governance Upgrade zur Data Driven Culture (von Unitymedia zu Vodafone)"

Konferenzen:


Vortragstitel:
"Datenqualitätsmanagement meistern in einer Welt der verschiedenen Geschwindigkeiten und sich stetig ändernden Herausforderungen."

Konferenz:
Data Quality Praxistage, Gut Heckenhof, Eitorf, 21.11.2019 (Weitere Infos...)


Datenqualitätsmanagement im Bereich Business Intelligence

Vortragstitel:

"Beurteilung der Leistungsfähigkeit von Daten im Rapid-Prototyping-Verfahren in agilen Umgebungen"

Vorgetragen auf folgenden Konferenzen:

EUROFORUM - Stammdaten Management 2018, 5. bis 7. November, Düsseldorf

InfoZoom Best Practice Day 2018, 29. November, Schloss Birlinghoven,  Sankt-Augustin

Anmerkung:

Die Vortragsfolien können nicht der Allgemeinheit zur Verfügung gestellt werden. Wollen Sie mehr über das Verfahren ansich erfahren, dann folgen Sie einfach dem nachfolgenden Link.

Data Governance: Vom Data Profiling zur ganzheitlichen Leistungsbewertung von Daten 


Datenqualitätsmanagement

Datenqualität - Voraussetzung für ein funktionierendes Qualitäts-Management-System
(Control 2016, DGQ-Kundenforen, Stuttgart, 27.04.2016 sowie QM-Kreis Darmstadt)

Diesen Vortrag können Sie sich auch als Video-Vortrag ansehen! >>>


Daten- und Informationsqualitätsmanagement als integraler Baustein von Management Systemen (z.B. DIN EN ISO 9001)
(DGQ Regionalkreis Köln/Bonn, 16.07.2015 und 22.10.2015; Aufgrund der hohen Nachfrage wurde der Vortrag zwei mal gehalten)


Datenqualität und Normen

Orientierungshilfe ISO8000, ISO9000ff und Best Practice zur Einführung eines nachhaltigen Datenqualitätsmanagements.
(InfoZoom Partnertag, Schloss Birlinghoven, St. Augustin, 08.11.2013 + GIQMC, Bad Soden, 15.11.2013)


Datenqualitätsmanagement (DQM) in der Versicherung

Methodik zur Identifizierung der Auswirkungen schlechter Datenqualität auf Geschäftsprozesse!
(InfoZoom Best Practice Day, Schloss Birlinghoven, St. Augustin, 2010)

 


SEPA - Kunden im Blick?

Leitfaden zur Umsetzung des SEPA-Verfahrens in Unternehmen unter Berücksichtigung des Kunden.
(vdb Infoforum: Düsseldorf, 28.02.2012 + Frankfurt, 13.03.2012; HannoverIT: Hannover, 27.11.2013)

 


HiSpeed Data Analytics

Ad-hoc Analyse großer Datenmengen für Jedermann und -frau - Mehrwert in TOC-Projekten
(TOC Netzwerktagung, Darmstadt, 24.03.2012)


Durchsatzrechnung versus Kostenrechnung

Vom kostenorientierten zum gewinnorientierten Unternehmen mit der Methodik des Durchsatzmanagements nach TOC!
(DGQ Kreis Bonn-Rhein-Sieg, Niederkassel, Febr. 2012 und IHK Aachen, März 2012)

 

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.

Copyright © 2014 - 2022 by Marco Geuer
Business Information Excellence | Transparenz schafft Handlungsalternativen
www.business-information-excellence.de | www.datenanalyse.org | www.datenqualitätsmanagement.com

Wir nutzen Cookies auf unserer Website. Einige von ihnen sind essenziell für den Betrieb der Seite, während andere uns helfen, diese Website und die Nutzererfahrung zu verbessern (Tracking Cookies). Sie können selbst entscheiden, ob Sie die Cookies zulassen möchten. Bitte beachten Sie, dass bei einer Ablehnung womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen.