Daten- und Informationsqualität (Inhouse)

Grundlagen, Analyse und Management der Datenqualität

• Grundlagen der Informationsqualität: 
  • Ziele und Nutzen des Datenqualitätsmanagements   
  • Informationsniveaus nach Rehhäuser und Krcmar   
  • Qualitätsbegriff allgemein und bezogen auf Daten, Informationen, Wissen   
  • Modelle der Dimensionen der Datenqualität 
  Data Governance: 
  • IT-Governance-Komponenten   
  • Compliance und Datenqualität   
  • Alignment und Informationsmanagement   
  • Informationsarchitektur als View (Dimension) der Enterprise-Architektur   
  • Improvement der IQ-Prozesse   
  • Entscheidungsfindung für das IQ-Management 
  Methoden zur Analyse der Datenqualität: 
  • Fehlerklassifikation von Daten   
  • Metriken zur Datenqualität   
  • Methoden zur Fehlererkennung   
  • Statistische Methoden zur Analyse der Datenqualität (z. B. Ranglisten, Regression, Histogramme, Korrelationen) 
  • Visuelle Analyseverfahren wie Data Profiling zur Identifikation von Datenqualitätsmängeln 
  Data Profiling zur Visualisierung von Datenqualitätsmängeln:   
  • Automatische Klassifikation zur Entdeckung von Datenqualitätsmängeln, z. B. durch Clustering-Verfahren, die Erkennung von Ausreißern und Gruppierung ähnlicher Datensätze 
  • Methoden zur Verbesserung der Datenqualität und zur Fehlerbehebung 
  Die Organisation der Datenqualität: 
  • Daten-Qualitätsmanagementprozess der DAMA   
  • IQ-Policy   
  • Anforderungen an die Datenqualität   
  • Aufgaben und Phasen einer integrierten und kontinuierlichen Datenqualitätssicherung   
  • Datenqualitätsaudit   
  • Beurteilen der Datenqualität und Vorschläge zur Verbesserung   
  • Data-Tracking nach Redman   
  • Priorisierung von DQ-Maßnahmen 
  Das Informations-Lebenszyklus-Qualitätsmanagement-Assessment: 
  • Reifegrade   
  • Prozessgebiete und Indikatoren des IQM-CMM   
  • Organisationsaufgabe IQM   
  • Dienstleister am Markt   
  • Literaturdiskussion

Methode

Unsere praxiserfahrenen Trainer:innen vermitteln Ihnen durch Vortrag und Diskussion sowie anhand eines durchgängigen Fallbeispiels und mittels Musterentwürfe den Datenqualitätsmanagement-Prozess.

Hinweis

Hinweis für Online-Schulungen:Für unsere Online-Schulungen möchten wir Sie darauf hinweisen, dass es von Vorteil ist, wenn Sie über zwei Bildschirme verfügen. Ein zusätzlicher Bildschirm ermöglicht es Ihnen, die Schulungsinhalte auf einem Bildschirm anzuzeigen, während Sie auf dem anderen Bildschirm praktische Übungen durchführen oder Anwendungen parallel öffnen können.Durch die Verwendung von zwei Bildschirmen können Sie die Schulungsinhalte effektiver verfolgen und gleichzeitig interaktiv an den Übungen teilnehmen, ohne zwischen Fenstern hin- und herwechseln zu müssen.Wir empfehlen daher, sich im Vorfeld auf die Schulung mit einem zusätzlichen Bildschirm vorzubereiten, um das bestmögliche Lernerlebnis zu gewährleisten.

Weiterführende Informationen: Eine Auswahl vertiefender Inhalte und praxisorientierter Beiträge zum Thema Datenkompetenz findet sich im DatenkompetenzBlog.

LernzieleZuverlässige Daten sind die Grundlage für fundierte Entscheidungen und effiziente Prozesse. In diesem Seminar lernen Sie, die Daten- und Informationsqualität in Ihrem Unternehmen systematisch zu bewerten, verbessern und nachhaltig zu sichern. Sie erhalten einen umfassenden Überblick über Methoden der Fehlererkennung, Metriken zur Datenanalyse und organisatorische Ansätze des Datenqualitätsmanagements. In diesem Seminar arbeiten Sie mit praxisnahen Fallbeispielen und profitieren vom Austausch mit erfahrenen Trainer:innen. Das dreitägige Seminar findet wahlweise als Live Online Training oder in Präsenz statt. Nach dem Seminar sind Sie in der Lage, Datenqualitätsprobleme gezielt zu identifizieren, geeignete Maßnahmen zur Verbesserung einzuleiten und die Qualität von Informationen als strategischen Erfolgsfaktor zu etablieren. Sie leisten so einen messbaren Beitrag zur Effizienz und Sicherheit datengetriebener Prozesse in Ihrem Unternehmen.Zielgruppen

• Fach- und Führungskräfte, die Verantwortung für Datenmanagement tragen 
• Projektleiter:innen, die in datenintensiven Projekten arbeiten 
• IT-Expert:innen sowie Data Analysts, die Datenqualitätsprobleme lösen möchten 
• Data-Warehouse-Architekt:innen und Datenqualitätsbeauftragte 
• IT-Koordinator:innen, die in die Optimierung der Datenqualität eingebunden sind