Data Quality erfolgreich steuern: Bessere Datenqualität – bessere Managemententscheidungen

Einleitung und Definition

• Von den Daten zu Informationen zu Wettbewerbsfähigkeit.
• Definition von Datenqualität und Datenqualitätsmanagement (DQM).
• Warum DQM? – Treiber für die Einführung eines unternehmensweiten DQM.
• Mehrwert eines Data Quality Managements für Organisationen.
• DQM-Reifegradmodell (Wo würden Sie Ihr Unternehmen einordnen?).

Schlechte Datenqualität

• Anforderungen an die Datenqualität (gesetzlich/ökonomisch).
• Ursachen und Wirkung schlechter Datenqualität auf die Organisation als System.
• Auswirkung schlechter Datenqualität auf Kennzahlen.
• Datenqualitätsklassen und Untersuchungsgegenstände zur Erhebung schlechter Datenqualität.

Datenqualitätskriterien definieren und messen (Data Profiling)

• Überblick Datenqualitätsdimensionen zur optimalen Messung von Datenqualität.
• Datenqualitätsdimensionen definieren (praktische Übung).
• Datenqualitätsdimensionen anwenden (Praxisbeispiel).

Entwicklung von Logikbäumen zur Ermittlung und Bewertung von Ursache/Wirkung

• Prinzipien Logikbäume und Mehrwert.
• Logikbäume anwenden (praktische Übung).
• Bewertung der Erkenntnisse aus Logikbäumen.

Ableitung von Verbesserungsmaßnahmen und Analyse Kosten/Nutzen

• Logikbäume zur Entscheidungsfindung weiterentwickeln für eine optimale Kosten-/Nutzenbewertung (praktische Übung).
• Verbesserungsmaßnahmen ableiten (praktische Übung).

Aufbau eines Data Quality Reportings und Data Quality Index

• DQM-Regelkreis.
• Vom Prototyping zum DQ-Standardreporting.
• Entwicklung und Implementierung eines prozessorientierten DQ-Index.

Data Quality Organisation und Prozesse

• Rollen und Verantwortlichkeiten.
• Standardprozesse: Data Profiling, Data Quality Monitoring, Fehlertracking und Verbesserung.
• Einordnung Data Quality im Data Governance Modell.

• Sie sehen die Notwendigkeit zur Einführung eines Data Quality Managements aus gesetzlicher und ökonomischer Sicht.
• Sie lernen, wie Sie die Qualität Ihrer Daten zielorientiert und nachhaltig verbessern können.
• Sie erkennen, wie Chancen und Risiken von Datenqualität im Unternehmen ermittelt und bewertet werden können und welche Investitionen sich lohnen.
• Sie erfahren, wie Sie Datenqualitätskriterien definieren und messen können.
• Sie lernen, wie Sie Verbesserungsmaßnahmen im Datenmanagement mit entsprechenden Kosten-Nutzen-Analysen ableiten können.
• Sie erhalten einen Leitfaden, wie Sie Data Quality Management in Ihrem Unternehmen aufbauen und nachhaltig etablieren können.

Data Quality Manager:innen, Fach- und Führungskräfte aus Controlling, Finanzen, Marketing, Datenqualitätsmanagement sowie alle Personen, die sich mit Digitalisierung und Datenanalyse beschäftigen.