„informationsqualität als schlüssel für unternehmerischen ... · • normen und standards in...
TRANSCRIPT
bdquoInformationsqualitaumlt als Schluumlssel fuumlr unternehmerischen ErfolgldquobdquoCloud-Computingldquo
bull Vorstellung Scitotec
bull Vorstellung DGIQ eV
bull Informationen und deren Qualitaumlt oder wie man sehr schnell eine ganze Menge Geld oder die eigene Glaubwuumlrdigkeit verliert
ndash Begrifflichkeiten
ndash Schlechte Informationsqualitaumlt am konkreten Beispiel
ndash Zahlen und Fakten
ndash Ursachen mangelnder Datenqualitaumlt
ndash Folgen mangelnder Datenqualitaumlt
ndash Kosten mangelnder Datenqualitaumlt
ndash Verbessern der Datenqualitaumlt
04042011 2
Agenda
bull Normen und Standards in Informations- und Datenqualitaumltndash ISO 90002000
ndash ISO 8000 ndash Information Quality
ndash Qualitaumltsmanagement Grundlagen
ndash The European Data and Information Institutes approach (EIDIQ)
ndash IQ Definition 15 Dimensionen und 4 Kategorien
ndash Standardmodell fuumlr ein IQM
ndash Lessons learned
bull Datenanalyse am konkreten Beispielndash Was tun wenn meine Daten nicht stimmen
ndash Beispiele fuumlr mangelnde Stammdatenqualitaumlt
ndash Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
ndash DQ-Assessment
04042011 3
Agenda
bull Robert Hollmann MScbull Preistraumlger des Best-Master-Degree Awards im Bereich
Datenqualitaumlt und aktives Mitglied der Deutschen Gesellschaft fuumlr Informations- und Datenqualitaumlt (DGIQ eV)
bull leitet die Regionalgruppe Ost der DGIQ eVbull Geschaumlftsfuumlhrer bei Scitotec
ndash Sitz in Erfurtndash 8 Mitarbeiter
04042011 4
Vorstellung Scitotec
04042011 5
Vorstellung Scitotec
04042011 6
Vorstellung Scitotec
04042011 7
Vorstellung Scitotec ndash Cloud Computing
bull webbasierte Dienstebull Browser-Softwarebull Infrastrukturmanagement bull Private vs Public Cloudbull Updates und Appliance
04042011 8
Vorstellung DGIQ
bull Wer sind wirndash ca 150 Mitglieder aus Wissenschaft Wirtschaft und Verwaltungndash foumlrdert alle Aktivitaumlten zur Verbesserung der
Informationsqualitaumlt in Gesellschaft Wirtschaft Wissenschaft und Verwaltung
ndash befasst sich mit den Voraussetzungen und Folgen der Daten-und Informationsqualitaumlt
ndash Erfahrungsaustausch und Wissensvermittlung der Mitglieder stehen dabei im Vordergrund
ndash Die DGIQ verfolgt ausschlieszliglich gemeinnuumltzige Ziele
bull Welche Interessen vertritt die DGIQndash Die DGIQ verfolgt ihre Ziele neutral und unabhaumlngig Sie vertritt
die wissenschaftlichen technischen und kommunikativen Interessen seiner Mitglieder
ndash Regionalgruppenbull regionale Ansprechpartner durch die Umsetzung eines
Regionalgruppenkonzeptesbull sechs regionale Gruppen in Deutschland
ndash German Information Quality Management Conference (GIQMC)
Wie man sehr schnell eine ganze Menge
Geld oder die eigene Glaubwuumlrdigkeit verliert
04042011 9
Agenda
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
bull Vorstellung Scitotec
bull Vorstellung DGIQ eV
bull Informationen und deren Qualitaumlt oder wie man sehr schnell eine ganze Menge Geld oder die eigene Glaubwuumlrdigkeit verliert
ndash Begrifflichkeiten
ndash Schlechte Informationsqualitaumlt am konkreten Beispiel
ndash Zahlen und Fakten
ndash Ursachen mangelnder Datenqualitaumlt
ndash Folgen mangelnder Datenqualitaumlt
ndash Kosten mangelnder Datenqualitaumlt
ndash Verbessern der Datenqualitaumlt
04042011 2
Agenda
bull Normen und Standards in Informations- und Datenqualitaumltndash ISO 90002000
ndash ISO 8000 ndash Information Quality
ndash Qualitaumltsmanagement Grundlagen
ndash The European Data and Information Institutes approach (EIDIQ)
ndash IQ Definition 15 Dimensionen und 4 Kategorien
ndash Standardmodell fuumlr ein IQM
ndash Lessons learned
bull Datenanalyse am konkreten Beispielndash Was tun wenn meine Daten nicht stimmen
ndash Beispiele fuumlr mangelnde Stammdatenqualitaumlt
ndash Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
ndash DQ-Assessment
04042011 3
Agenda
bull Robert Hollmann MScbull Preistraumlger des Best-Master-Degree Awards im Bereich
Datenqualitaumlt und aktives Mitglied der Deutschen Gesellschaft fuumlr Informations- und Datenqualitaumlt (DGIQ eV)
bull leitet die Regionalgruppe Ost der DGIQ eVbull Geschaumlftsfuumlhrer bei Scitotec
ndash Sitz in Erfurtndash 8 Mitarbeiter
04042011 4
Vorstellung Scitotec
04042011 5
Vorstellung Scitotec
04042011 6
Vorstellung Scitotec
04042011 7
Vorstellung Scitotec ndash Cloud Computing
bull webbasierte Dienstebull Browser-Softwarebull Infrastrukturmanagement bull Private vs Public Cloudbull Updates und Appliance
04042011 8
Vorstellung DGIQ
bull Wer sind wirndash ca 150 Mitglieder aus Wissenschaft Wirtschaft und Verwaltungndash foumlrdert alle Aktivitaumlten zur Verbesserung der
Informationsqualitaumlt in Gesellschaft Wirtschaft Wissenschaft und Verwaltung
ndash befasst sich mit den Voraussetzungen und Folgen der Daten-und Informationsqualitaumlt
ndash Erfahrungsaustausch und Wissensvermittlung der Mitglieder stehen dabei im Vordergrund
ndash Die DGIQ verfolgt ausschlieszliglich gemeinnuumltzige Ziele
bull Welche Interessen vertritt die DGIQndash Die DGIQ verfolgt ihre Ziele neutral und unabhaumlngig Sie vertritt
die wissenschaftlichen technischen und kommunikativen Interessen seiner Mitglieder
ndash Regionalgruppenbull regionale Ansprechpartner durch die Umsetzung eines
Regionalgruppenkonzeptesbull sechs regionale Gruppen in Deutschland
ndash German Information Quality Management Conference (GIQMC)
Wie man sehr schnell eine ganze Menge
Geld oder die eigene Glaubwuumlrdigkeit verliert
04042011 9
Agenda
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
bull Normen und Standards in Informations- und Datenqualitaumltndash ISO 90002000
ndash ISO 8000 ndash Information Quality
ndash Qualitaumltsmanagement Grundlagen
ndash The European Data and Information Institutes approach (EIDIQ)
ndash IQ Definition 15 Dimensionen und 4 Kategorien
ndash Standardmodell fuumlr ein IQM
ndash Lessons learned
bull Datenanalyse am konkreten Beispielndash Was tun wenn meine Daten nicht stimmen
ndash Beispiele fuumlr mangelnde Stammdatenqualitaumlt
ndash Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
ndash DQ-Assessment
04042011 3
Agenda
bull Robert Hollmann MScbull Preistraumlger des Best-Master-Degree Awards im Bereich
Datenqualitaumlt und aktives Mitglied der Deutschen Gesellschaft fuumlr Informations- und Datenqualitaumlt (DGIQ eV)
bull leitet die Regionalgruppe Ost der DGIQ eVbull Geschaumlftsfuumlhrer bei Scitotec
ndash Sitz in Erfurtndash 8 Mitarbeiter
04042011 4
Vorstellung Scitotec
04042011 5
Vorstellung Scitotec
04042011 6
Vorstellung Scitotec
04042011 7
Vorstellung Scitotec ndash Cloud Computing
bull webbasierte Dienstebull Browser-Softwarebull Infrastrukturmanagement bull Private vs Public Cloudbull Updates und Appliance
04042011 8
Vorstellung DGIQ
bull Wer sind wirndash ca 150 Mitglieder aus Wissenschaft Wirtschaft und Verwaltungndash foumlrdert alle Aktivitaumlten zur Verbesserung der
Informationsqualitaumlt in Gesellschaft Wirtschaft Wissenschaft und Verwaltung
ndash befasst sich mit den Voraussetzungen und Folgen der Daten-und Informationsqualitaumlt
ndash Erfahrungsaustausch und Wissensvermittlung der Mitglieder stehen dabei im Vordergrund
ndash Die DGIQ verfolgt ausschlieszliglich gemeinnuumltzige Ziele
bull Welche Interessen vertritt die DGIQndash Die DGIQ verfolgt ihre Ziele neutral und unabhaumlngig Sie vertritt
die wissenschaftlichen technischen und kommunikativen Interessen seiner Mitglieder
ndash Regionalgruppenbull regionale Ansprechpartner durch die Umsetzung eines
Regionalgruppenkonzeptesbull sechs regionale Gruppen in Deutschland
ndash German Information Quality Management Conference (GIQMC)
Wie man sehr schnell eine ganze Menge
Geld oder die eigene Glaubwuumlrdigkeit verliert
04042011 9
Agenda
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
bull Robert Hollmann MScbull Preistraumlger des Best-Master-Degree Awards im Bereich
Datenqualitaumlt und aktives Mitglied der Deutschen Gesellschaft fuumlr Informations- und Datenqualitaumlt (DGIQ eV)
bull leitet die Regionalgruppe Ost der DGIQ eVbull Geschaumlftsfuumlhrer bei Scitotec
ndash Sitz in Erfurtndash 8 Mitarbeiter
04042011 4
Vorstellung Scitotec
04042011 5
Vorstellung Scitotec
04042011 6
Vorstellung Scitotec
04042011 7
Vorstellung Scitotec ndash Cloud Computing
bull webbasierte Dienstebull Browser-Softwarebull Infrastrukturmanagement bull Private vs Public Cloudbull Updates und Appliance
04042011 8
Vorstellung DGIQ
bull Wer sind wirndash ca 150 Mitglieder aus Wissenschaft Wirtschaft und Verwaltungndash foumlrdert alle Aktivitaumlten zur Verbesserung der
Informationsqualitaumlt in Gesellschaft Wirtschaft Wissenschaft und Verwaltung
ndash befasst sich mit den Voraussetzungen und Folgen der Daten-und Informationsqualitaumlt
ndash Erfahrungsaustausch und Wissensvermittlung der Mitglieder stehen dabei im Vordergrund
ndash Die DGIQ verfolgt ausschlieszliglich gemeinnuumltzige Ziele
bull Welche Interessen vertritt die DGIQndash Die DGIQ verfolgt ihre Ziele neutral und unabhaumlngig Sie vertritt
die wissenschaftlichen technischen und kommunikativen Interessen seiner Mitglieder
ndash Regionalgruppenbull regionale Ansprechpartner durch die Umsetzung eines
Regionalgruppenkonzeptesbull sechs regionale Gruppen in Deutschland
ndash German Information Quality Management Conference (GIQMC)
Wie man sehr schnell eine ganze Menge
Geld oder die eigene Glaubwuumlrdigkeit verliert
04042011 9
Agenda
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 5
Vorstellung Scitotec
04042011 6
Vorstellung Scitotec
04042011 7
Vorstellung Scitotec ndash Cloud Computing
bull webbasierte Dienstebull Browser-Softwarebull Infrastrukturmanagement bull Private vs Public Cloudbull Updates und Appliance
04042011 8
Vorstellung DGIQ
bull Wer sind wirndash ca 150 Mitglieder aus Wissenschaft Wirtschaft und Verwaltungndash foumlrdert alle Aktivitaumlten zur Verbesserung der
Informationsqualitaumlt in Gesellschaft Wirtschaft Wissenschaft und Verwaltung
ndash befasst sich mit den Voraussetzungen und Folgen der Daten-und Informationsqualitaumlt
ndash Erfahrungsaustausch und Wissensvermittlung der Mitglieder stehen dabei im Vordergrund
ndash Die DGIQ verfolgt ausschlieszliglich gemeinnuumltzige Ziele
bull Welche Interessen vertritt die DGIQndash Die DGIQ verfolgt ihre Ziele neutral und unabhaumlngig Sie vertritt
die wissenschaftlichen technischen und kommunikativen Interessen seiner Mitglieder
ndash Regionalgruppenbull regionale Ansprechpartner durch die Umsetzung eines
Regionalgruppenkonzeptesbull sechs regionale Gruppen in Deutschland
ndash German Information Quality Management Conference (GIQMC)
Wie man sehr schnell eine ganze Menge
Geld oder die eigene Glaubwuumlrdigkeit verliert
04042011 9
Agenda
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 6
Vorstellung Scitotec
04042011 7
Vorstellung Scitotec ndash Cloud Computing
bull webbasierte Dienstebull Browser-Softwarebull Infrastrukturmanagement bull Private vs Public Cloudbull Updates und Appliance
04042011 8
Vorstellung DGIQ
bull Wer sind wirndash ca 150 Mitglieder aus Wissenschaft Wirtschaft und Verwaltungndash foumlrdert alle Aktivitaumlten zur Verbesserung der
Informationsqualitaumlt in Gesellschaft Wirtschaft Wissenschaft und Verwaltung
ndash befasst sich mit den Voraussetzungen und Folgen der Daten-und Informationsqualitaumlt
ndash Erfahrungsaustausch und Wissensvermittlung der Mitglieder stehen dabei im Vordergrund
ndash Die DGIQ verfolgt ausschlieszliglich gemeinnuumltzige Ziele
bull Welche Interessen vertritt die DGIQndash Die DGIQ verfolgt ihre Ziele neutral und unabhaumlngig Sie vertritt
die wissenschaftlichen technischen und kommunikativen Interessen seiner Mitglieder
ndash Regionalgruppenbull regionale Ansprechpartner durch die Umsetzung eines
Regionalgruppenkonzeptesbull sechs regionale Gruppen in Deutschland
ndash German Information Quality Management Conference (GIQMC)
Wie man sehr schnell eine ganze Menge
Geld oder die eigene Glaubwuumlrdigkeit verliert
04042011 9
Agenda
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 7
Vorstellung Scitotec ndash Cloud Computing
bull webbasierte Dienstebull Browser-Softwarebull Infrastrukturmanagement bull Private vs Public Cloudbull Updates und Appliance
04042011 8
Vorstellung DGIQ
bull Wer sind wirndash ca 150 Mitglieder aus Wissenschaft Wirtschaft und Verwaltungndash foumlrdert alle Aktivitaumlten zur Verbesserung der
Informationsqualitaumlt in Gesellschaft Wirtschaft Wissenschaft und Verwaltung
ndash befasst sich mit den Voraussetzungen und Folgen der Daten-und Informationsqualitaumlt
ndash Erfahrungsaustausch und Wissensvermittlung der Mitglieder stehen dabei im Vordergrund
ndash Die DGIQ verfolgt ausschlieszliglich gemeinnuumltzige Ziele
bull Welche Interessen vertritt die DGIQndash Die DGIQ verfolgt ihre Ziele neutral und unabhaumlngig Sie vertritt
die wissenschaftlichen technischen und kommunikativen Interessen seiner Mitglieder
ndash Regionalgruppenbull regionale Ansprechpartner durch die Umsetzung eines
Regionalgruppenkonzeptesbull sechs regionale Gruppen in Deutschland
ndash German Information Quality Management Conference (GIQMC)
Wie man sehr schnell eine ganze Menge
Geld oder die eigene Glaubwuumlrdigkeit verliert
04042011 9
Agenda
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 8
Vorstellung DGIQ
bull Wer sind wirndash ca 150 Mitglieder aus Wissenschaft Wirtschaft und Verwaltungndash foumlrdert alle Aktivitaumlten zur Verbesserung der
Informationsqualitaumlt in Gesellschaft Wirtschaft Wissenschaft und Verwaltung
ndash befasst sich mit den Voraussetzungen und Folgen der Daten-und Informationsqualitaumlt
ndash Erfahrungsaustausch und Wissensvermittlung der Mitglieder stehen dabei im Vordergrund
ndash Die DGIQ verfolgt ausschlieszliglich gemeinnuumltzige Ziele
bull Welche Interessen vertritt die DGIQndash Die DGIQ verfolgt ihre Ziele neutral und unabhaumlngig Sie vertritt
die wissenschaftlichen technischen und kommunikativen Interessen seiner Mitglieder
ndash Regionalgruppenbull regionale Ansprechpartner durch die Umsetzung eines
Regionalgruppenkonzeptesbull sechs regionale Gruppen in Deutschland
ndash German Information Quality Management Conference (GIQMC)
Wie man sehr schnell eine ganze Menge
Geld oder die eigene Glaubwuumlrdigkeit verliert
04042011 9
Agenda
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
Wie man sehr schnell eine ganze Menge
Geld oder die eigene Glaubwuumlrdigkeit verliert
04042011 9
Agenda
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
Datenqualitaumlt (DQ) ≙ Datenperformance
Datenqualitaumlt (DQ) ne Informationsqualitaumlt (IQ)
Daten ne Informationen ne Wissen
04042011 10
Begrifflichkeiten
Begriffsdefinition Datenqualitaumltbull fitness of usebull Gebrauchstauglich fuumlr einen bestimmten Zweck
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 11
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 12
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 13
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 14
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 15
Schlechte Informationsqualitaumlt am konkreten Beispiel
bull Scitotec Partner erhaumllt am 1112010 Angebot fuumlr PKV
bull Anfrage Dezember 2009 gestellt
bull Kunde seit 012010
bull TUI Tochter Travel PLC
bull Kein Abgleich der Buchung der Reisebuumlros mit den (Forderungs-) Zahlen des Reiseveranstalters
bull Abschreibungen von 120 Mio Euro
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 16
Schlechte Informationsqualitaumlt am konkreten Beispiel
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 17
Schlechte Informationsqualitaumlt am konkreten Beispiel
1999 geht die Weltraumsonde bdquoMars Climate Orbiterldquo verloren da bei der Entwicklung des Navigationssystems ein Einheiten- Umrechnungsfehler uumlbersehen wurde
Die Dresdner Bank hat die Wertpapierdepots ihrer Kunden zweimal in Euro umgerechnet Dadurch stand anschlieszligend in den Kontoauszuumlgen nur noch ein Viertel des urspruumlnglichen Guthabens
Nestle US hat durch die Reduktion der unterschiedlichen Spezifikationen fuumlr die Zutat Vanille die Anzahl der Lieferanten massiv reduzieren koumlnnen und so jaumlhrliche Einsparungen von 30 Millionen US-Dollar generiert Insgesamt hatten derartige operative Einsparungen ein jaumlhrliches Volumen von 1 Milliarde US-Dollar
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 18
Schlechte Informationsqualitaumlt am konkreten Beispiel
Bei einer Mailing-Kampagne eines britischen Einzelhaumlndlers stellt sich heraus dass ein Fuumlnftel der Empfaumlnger verstorben war Sie wurden dennoch angeschrieben
bdquoDear Mr Deceasedldquo bdquoSehr geehrter Herr Verstorbenldquo
Wegen einer DQ-Panne beim Systemwechsel wurden im Landkreis Harz vier Saumluglinge wehrpflichtig ndash eine peinliche Panne
Nicaraguas Streitkraumlfte marschieren uumlberraschend im Nachbarland Costa Rica ein Schuld daran ist ein Fehler im Kartendienst Google Maps ndash welcher auf veralteten Daten des US-Auszligenministeriums beruht
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 19
Schlechte Informationsqualitaumlt am konkreten Beispiel
Durch ein internes Audit stellt ein europaumlische Unternehmen fest dass fuumlr ca 4 der Bestellungen keine Rechnungen gestellt wurden Fuumlr ein Unternehmen von 2 Milliarden US-Dollar bedeutet dies einen Verlust in Houmlhe von 80 Millionen US-Dollar
bdquoSo verrechnete sich zB eine Groszligbank bei der Ermittlung ihrer Gewinne um 200 Millionen Schweizer Franken Der Grund war mangelnde Datenqualitaumlt bei der einer zuvor zugekauften Versicherungsgesellschaftldquo
US-Finanzbehoumlrde knapp 100000 Steuerstattungsbescheide waren nicht zustellbar
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 20
Schlechte Informationsqualitaumlt am konkreten Beispiel
[1] Schrappe M et al Agenda Patientensicherheit 2007 Witten Aktionsbuumlndnis Patientensicherheit 2007
[2] Kohn LT et al To Err Is Human Building a Safer Health System Washington National Academy Pr 2000
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 21
Zahlen und FaktenWuumlrde das Business Ihres Unternehmens unter einer schlechten Datenqualitaumlt leiden
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 22
Ursachen mangelnder Datenqualitaumlt
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 23
Ursachen mangelnder Datenqualitaumlt
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 24
Folgen mangelnder Datenqualitaumlt
Buszliggelder
Uumlberarbeitungskosten
Ertragsverlust
Fehlentscheidungen
Erhoumlhte IT-Kosten
geringere Responserate
Houmlhere Personalkosten
Unzufriedenes Personal
Houmlhere Kapitalkosten
weniger Neugeschaumlft
Kundenverlust
Reputationsverlust
10
90
100
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 25
Folgen mangelnder Datenqualitaumlt
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 26
Verbessern der Datenqualitaumlt
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
bull Normen und Standards in Informations- und Datenqualitaumlt
04042011 27
Agenda
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 28
Normen und Standards in Informations- und Datenqualitaumlt
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 29
ISO 90002000
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 30
ISO 8000 ndash Information Quality
Part 1 Overview principles and general requirementsbull Part 2 TerminologybullPart 100 Master data quality Overviewbull Part 110 Master data qualitybull Syntax semantic encoding and conformance to customer requirementsbull Part 120 Master data quality Provenancebull Part 150 Master data quality Management systems
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 31
The European Data and Information Institutes approach (EIDIQ)
bull The European Data and Information Institutes approach (EIDIQ)
bull EIDIQ-SP-1-2008 Grundlagen und Begriffe des IQM
bull EIDIQ-SP-2-2010 Anforderungen und
Leitfaden zur Verbesserung fuumlr das IQMbull EIDIQ-SP-3-2012 Strukturen Methoden und Techniken des IQM
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 32
IQ Definition 15 Dimensionen und 4 Kategorien
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 33
IQ Definition 15 Dimensionen und 4 Kategorien
Definition (Zugaumlnglichkeit)Informationen sind zugaumlnglich wenn sie anhand einfacher Verfahren und auf direktem Weg fuumlr den Anwender abrufbar sind
BeispieleStammdatenndash (positiv) Das Kundenstammdaten-System steht dem Back Office zur Verfuumlgung und kann mit einfachem Login aufgerufen werdenndash (negativ) Das Kundenstammdaten-System steht dem Back Office aufgrund eines Systemfehlers nicht zur Verfuumlgung Der Name des Kunden kann nur per telefonische Ruumlckfrage im Handel erfragt werden
Bewegungsdatenndash (positiv) Das Haumlndlerticket wird auf elektronischem Weg an das Back Office Systemweitergeleitet und wird vom Back Office Mitarbeiter als neues Geschaumlft im System identifiziert und bearbeitetndash (negativ) Das Haumlndlerticket soll per Fax an das Back Office weitergeleitet werden Durch einen Defekt der Telekommunikation erhaumllt das Back Office das Fax nicht Die Informationen sind damit vorhanden jedoch im naumlchsten Prozess-Schritt nicht verfuumlgbar
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 34
IQ Definition 15 Dimensionen und 4 Kategorien
bull Verfuumlgbarkeit Konservierung und Auffindbarkeit von Wissen
bull Schaffung einer allgemeinen Wissensbasis fuumlr Partner Zulieferer und Kunden
bull Produktoptimierung Innovationen Kundengewinnung
bull Uumlbergabe von Projekten und Informationen von ausscheidenden Mitarbeitern
bull Erlangung von Wettbewerbsvorteilen und Verbesserung von Wettbewerbsanalysen
bull Bereitstellung aller erforderlichen Dokumente fuumlr interne Organisation wie Arbeitsanweisung Vorschriften oder Gesetzesblaumltter (REACH)
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 35
IQ Definition 15 Dimensionen und 4 Kategorien
bull Bis zu 20 der Arbeitszeit wird heutzutage auf die Suche nach Informationen verwendet
bull Wissensmanagement kurze Amortisationszeiten von unter einem Jahr Beispielndash 10 Mitarbeiter Lohnkosten 4000 euro pro MonatMitarbeiter
ndash Gesamtaufwand fuumlr Informationsbeschaffung 8000 euro pro Monat
ndash Einsparpotential von mehr als 20
ndash Investition in Wissensmanagementsoftware ca 10000 euro
-10000 euro
-5000 euro
- euro
5000 euro
10000 euro
15000 euro
20000 euro
25000 euro
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Monate
Ausgaben Einsparungen kummulierter Zahlungstrom
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 36
Standardmodell fuumlr ein IQM
Schaffung der Voraussetzungenbull Committment der Geschaumlftsleitungbull Benennung eines IQM-Beauftragtenbull Festlegung und Bereitstellung der Ressourcen
Analysephase (Ist)bull Erfassung und Analyse der IT-Systemebull Erfassung und Analyse der Prozessebull Erfassung und Analyse der Daten- und Informationen
bull Analysephase (Soll)bull Erfassung und Analyse der Anforderungen an die Qualitaumlt der Information aus Nutzersichtbull (3C) auf Basis der IQ-Dimensionenbull Erfassung und Analyse der Anforderungen an die Qualitaumlt des IQM
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 37
Lessons learned
bull Es muss ein klares Bekenntnis des Top Managements zumDatenqualitaumltsmanagement geben
bull Der Datenqualitaumltsbeauftragte setzt klare Regeln wer was wann konkret tun muss
bull Das fuumlhrende Management muss geeignet in das Management der Datenqualitaumlt eingebunden werden ndash DQ-Gremium
bull Dezentrale Datenqualitaumltsbeauftragte sind Mittler des DQB in den Geschaumlftsbereichen
bull Der Stand der Datenqualitaumlt wird regelmaumlszligig messbar undnachvollziehbar ermittelt
bull Maszlignahmen aus entdeckten Problemen werden umgesetzt und deren Umsetzung und Wirksamkeit uumlberpruumlft
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 38
Lessons learned
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
Datenanalyse am konkreten Beispiel
04042011 39
Agenda
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
bull Typische bdquoBriefanredenldquo in Kundendatensystemen
ndash Sehr geehrter Frau Holst
ndash Sehr geehrter Muumlller KG
ndash Sehr geehrte IT-Beratung GmbH zHd Herr Maier
ndash Sehr geehrter [nachname]
ndash Sehr geehrte verstorben
ndash Sehr geehrte Carola
04042011 40
Was tun wenn meine Daten nicht stimmen
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 41
Beispiele fuumlr mangelnde Stammdatenqualitaumlt
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
bull Fruumlhzeitige Entscheidung fuumlr eine Datenqualitaumltssuite notwendig
bull Hohe Kosten fuumlr Hard- und Software sowie fuumlr Einfuumlhrung und Integration
bull Hohe Systemkomplexitaumlt und starke Abhaumlngigkeit vom IT-Bereich
bull Flexible und intuitive Uumlberpruumlfung der Daten nicht oder kaum moumlglich
bull Haumlufig kein eigenes Dashboard vorhanden
04042011 42
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
bull Darstellung verschiedener Kennzahlen fuumlr Datenqualitaumlt mit Datenanalyse- Werkzeugen
bull Daten nach verschiedenen Kriterien fuumlr Datenqualitaumlt analysieren
bull Nutzung der Funktionalitaumlten des (vorhandenen) Werkzeuges
bull Fachbereich kann selber Kennzahlen festlegen und einbinden (je nach Werkzeug)
04042011 43
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
bull NULL-Wert-Check
bull Durch Sortierung der Datensaumltze nach der zu analysierenden Spalte
bull =ANZAHLLEEREZELLEN(G2G93)
04042011 44
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
bull Datenqualitaumltsanalyse mit modernen Werkzeugen zur Unternehmensanalyse
bull Assoziativ und interaktiv
bull Einfach flexibel und schnell
bull IT-unabhaumlngig
bull Organisationsmittel fuumlr Daten- u Prozessverantwortliche
bull Schnell kostenguumlnstig und ausbaufaumlhig
bull Referenzdatenabgleich
integrierbar
bull Aufbau individueller
Monitoringloumlsungen
04042011 45
Datenqualitaumltsanalyse mit Hilfe von Softwarewerkzeugen
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
04042011 46
DQ-Assessment
Infrastrukturanalyse (Landscape)
Problemanalyse Profiling Cleansing Enrichment
DQ-Assessment
Einstiegspaket in das Datenqualitaumltsmanagement vor OrtInhalt Daten- und Problemanalyse Datenqualitaumltspruumlfung und -bewertungZiel Schaffung von Grundlagen fuumlr die Initiierung eines DatenqualitaumltsprojektesDauer 1-5 Tage (je nach Umfang der Daten und Analysetechniken)
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47
Vielen Dank fuumlr Ihre Aufmerksamkeit
Bei Fragen kontaktieren Sie mich gern unter
03616795567
oder
roberthollmannscitotecde
04042011 47