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 würdest du dein 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.

Lerndauer: 2 Tage

Diese Veranstaltung findet vor Ort statt (aktuelle Hygienekonzepte)!

Lernziele

• Du siehst die Notwendigkeit zur Einführung eines Data Quality Managements aus gesetzlicher und ökonomischer Sicht.
• Du lernst, wie du die Qualität deiner Daten zielorientiert und nachhaltig verbessern kannst.
• Du erkennst, wie Chancen und Risiken von Datenqualität im Unternehmen ermittelt und bewertet werden können und welche Investitionen sich lohnen. Du erfährst, wie du Datenqualitätskriterien definieren und messen kannst.
• Du lernst, wie du Verbesserungsmaßnahmen im Datenmanagement mit entsprechenden Kosten-Nutzen-Analysen ableiten kannst.
• Du erhältst einen Leitfaden, wie du Data Quality Management in deinem Unternehmen aufbauen und nachhaltig etablieren kannst.

Solltest du dich auch für das Seminar Data Governance interessieren, ist es sinnvoll, nicht aber zwingend erforderlich, mit dem Seminar Data Governance zu starten. 

Zielgruppen

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