Matthias Rottländer. Diplomarbeit im Fach Spezielle Wirtschaftsinformatik

Größe: px
Ab Seite anzeigen:

Download "Matthias Rottländer. Diplomarbeit im Fach Spezielle Wirtschaftsinformatik"

Transkript

1 Matthias Rottländer Diplomarbeit im Fach Spezielle Wirtschaftsinformatik Eignung von Methoden des Datenqualitätsmanagement für Datentypen im Unternehmenskontext Themasteller: Univ.-Prof. Dr. Ali Sunyaev Vorgelegt in der Diplomprüfung im Studiengang Wirtschaftsinformatik der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität zu Köln Köln, Mai 2012

2 II Inhaltsverzeichnis Abkürzungsverzeichnis... IV 1. Einleitung Problemstellung Zielsetzung Vorgehensweise Einführung in die Daten- und Informationsqualität Definition Daten- und Informationsqualität und ihre Dimensionen Definition Datenqualitätsmanagement Definition Datenqualitätsmanagement-Methoden Datentypen in Unternehmen Definition Datentypen Einteilung von Datentypen nach Eigenschaften Format Struktur Inhalt Stabilität Verarbeitung Business Object Datentypen im unternehmerischen Kontext Zusammenhänge zwischen den Datentypen im Unternehmen Methoden des Datenqualitätsmanagement Kriterien für die Auswahl von DQM-Methoden Verschiedene Perspektiven zum Vergleich von DQM-Methoden Ansätze von DQM-Methoden in der Literatur Komplett-Methoden Überprüfungs-Methoden Operativ-Methoden DQM-Methoden und Datentypen Analyse der DQM-Methoden hinsichtlich ihrer Eignung für unterschiedliche Datentypen Übersicht DQM-Methoden/ Datentypen Fazit...46 Literaturverzeichnis...48

3 III Erklärung...56 Lebenslauf...57

4 IV Abkürzungsverzeichnis AIM-Q BPMD CRM DA DBPMD DQ DQA DQM DQMC DQT DW ERMCD FSTDQM GO GQM HFMDQ HDQM IASDO IMS IP AIM-Quality Bias Patterns in Missing Data Customer Relationship Management Dual Assessment Discover Bias Patterns in Missing Data Datenqualität Data Quality Assessment Datenqualitätsmanagement Data Quality Metric For Currency Data Quality Toolkit Data Warehouse Estimating and Replacing Missing Categorical Data Four-stage Methodology for TDQM Geschäftsobjekt Goal-Question-Metric Homogenous Framework to Measure Data Quality Heterogenous Data Quality Methodology Integrated Aspects of Static, Dynamic and Organisation Information Manufacturing System Informationsprodukt

5 V IQ IS MIMS PSPM TDQM TRFDQMIS WWW Informationsqualität Informationssystem Modelling IMS Product-Service-Performance-Modell Total Data Quality Management Time related factors of DQ in Multichannel IS World Wide Web

6 VI Abbildungsverzeichnis Abb. 2-1 : Zusammenhang DQ, DQ-Dimensionen und DQ-Metriken...8 Abb. 2-2 : Geeignetes Datenqualitätsmangement...9

7 VII Tabellenverzeichnis Tab. 2-1: Datenqualitätsdimensionen und ihre Kategorien nach Wang (1996)...7 Tab. 3-1: Unterscheidungskriterien: Stammdaten vs. Bewegungsdaten...16 Tab. 4-1: Übersicht über die DQM-Methoden mit entsprechenden Abkürzungen...37 Tab. 5-1: Übersicht über DQM-Methoden in Hinblick auf ihre Eignung für verschiedene Datentypen....45

8 1 1. Einleitung 1.1 Problemstellung In Unternehmen stellt die Qualität der Daten und Informationen einen kritischen Erfolgsfaktor dar, weshalb die ständige Messung, Bewertung und Verbesserung der Daten- bzw. Informationsqualität von hoher Relevanz ist. 1 Aufgrund der hohen Abhängigkeit des Erfolges eines Unternehmens von der Qualität der Daten sowie einer zunehmend heterogenen System- und Datenlandschaft ist ein Management der Datenqualität unumgänglich. Unter Datenqualitätsmanagement (DQM) versteht man aufeinander abgestimmte Maßnahmen zum Leiten und Lenken eines Unternehmens hinsichtlich der Datenqualität. In der Literatur werden verschiedene Methoden des DQM beschrieben. Unterschiedliche Methoden sind dabei für unterschiedliche Datentypen gut geeignet. 2 Batini u.a. differenziert bei der Eignung von Methoden für Datentypen zwischen strukturierten, semi-, und unstrukturierten Daten. 3 Aufgrund einer zunehmend heterogenen Datenlandschaft sowohl innerhalb von Organisationen als auch im Austausch zwischen Organisationen wird die Auswahl einer geeigneten DQM-Methode erschwert. 4 Da DQM-Methoden für unterschiedliche Datentypen geeignet sind, muss die Auswahl einer geeigneten Methode hinsichtlich der im Unternehmen vorliegenden Daten klar analysiert werden. In der Literatur zu dem Thema DQM-Methoden wird in Hinblick auf Datentypen nahezu ausschließlich anhand der Struktur der Daten differenziert. Bei der Beschreibung von Unternehmensdaten gibt es andere gängige Unterscheidungsmerkmale, die sich nicht direkt aus der Struktur der Daten ableiten lassen, sondern dem unternehmerischen Kontext entsprechen. Vor diesem Hintergrund kann bspw. noch zwischen Stamm- und Bewegungsdaten sowie operativen und dispositiven Daten unterschieden werden. 1 Vgl. Hüner (2011), S Vgl. Batini u.a. (2009), S Vgl. Batini u.a. (2009), S Vgl. Batini u.a. (2011), S

9 2 Für die vorliegende Untersuchung, die explizit den unternehmerischen Kontext berücksichtigt, scheint eine Erweiterung der Differenzierung der Datentypen in unternehmerischer Hinsicht sinnvoll. Das beschriebene Praxisproblem motiviert daher für folgende Forschungsfrage: Welche Methoden des Datenqualitätsmanagement werden in der Literatur beschrieben und für welche Datentypen sind die identifizierten Methoden geeignet? Eine hier erstellte Übersicht kann dazu beitragen, dass sich Unternehmen aufgrund ihrer spezifischen Daten für eine geeignete DQM-Methode entscheiden. Im Rahmen der vorliegenden Diplomarbeit wird eine Übersicht entwickelt, die DQM-Methoden hinsichtlich der beschriebenen Perspektiven nach Batini u.a. 5 strukturiert, beschreibt und analysiert, für welche Datentypen diese Methoden geeignet sind. 1.2 Zielsetzung Das Hauptziel dieser Arbeit ist, zu beschreiben, für welche Datentypen welche Methode des DQM geeignet ist. Dabei muss ein Teilziel sein, die unterschiedlichen Datentypen in Unternehmen zu identifizieren und zu beschreiben. Neben den Eigenschaften muss zudem noch der Kontext festgelegt werden, in denen die Daten eingebettet sind. Der Kontext ist charakterisiert durch die Funktion, die die Daten erfüllen sollen und den dahinterliegenden Prozess. Im Anschluss daran muss aufgezeigt werden, welche Zusammenhänge zwischen den Datentypen bestehen (Kapitel 3). Des Weiteren muss festgelegt werden, welche Kriterien ausschlaggebend sind, damit im Rahmen dieser Arbeit eine DQM-Methode Berücksichtigung findet. Ein weiteres Teilziel dieser Arbeit muss damit die Identifikation der Merkmale bzw. Perspektiven sein, anhand derer sich DQM-Methoden unterscheiden lassen. Dabei werden vor allem diejenigen Perspektiven fokussiert, die Auswirkungen auf die in der Methode behandelten Datentypen haben. Anschließend werden die im Rahmen der Literaturrecherche identifizierten Methoden des DQM anhand der festgelegten Perspektiven skizziert (Kapitel 4). Um die zentrale Forschungsfrage dieser Arbeit abschließend zu beantworten und damit das Hauptziel zu erreichen, müssen die beschriebenen DQM-Methoden hinsichtlich 5 Vgl. Batini u.a. (2009), S. 3.

10 3 ihrer Eignung für die zuvor identifizierten Datentypen analysiert werden. Zur Visualisierung der Ergebnisse wird eine Übersicht entwickelt, die alle zuvor berücksichtigten Aspekte beinhaltet (Kapitel 5). 1.3 Vorgehensweise Die vorliegende Arbeit ist als eine Literaturarbeit zu charakterisieren. Es wird Englischund deutschsprachige Literatur zu dem Thema DQM-Methoden gesichtet und ausgewertet. Bei der Auswertung der Literatur, wird untersucht, ob eine DQM-Methode vorliegt oder nicht. Als Entscheidungsgrundlage dient die Definition von Batini u.a. 6 Demnach werden Methoden berücksichtigt, die sowohl für die Messung/Bewertung und Verbesserung der Datenqualität (DQ) in Unternehmen als auch die Methoden, die nur für die Messung/Bewertung geeignet sind. Der Fokus der Untersuchung richtet sich darauf, ob sich die verschiedenen Ansätze des DQM den in der vorliegenden Arbeit Datentypen zuordnen lassen. Daher sind Veröffentlichungen, die die Aspekte des DQM mit Datentypen explizit verknüpfen, von primärem Interesse. Darüber hinaus wird auch Literatur zu DQM-Methoden analysiert, in der die Datentypen zwar nicht konkretisiert werden, sich aber aus den Charakteristika der Datentypen ableiten lassen. Veröffentlichungen, die keinen Aufschluss darüber geben, für welche Datentypen die DQM-Methode geeignet ist, finden keine weitere Berücksichtigung. Die Literatur wird über Stichwortsuche in den Zeitschriften des Senior Scholars Basket, in der Zeitschrift Journal of data and Information Quality und in der Zeitschrift International Journal of Database Management Systems recherchiert. Hierbei wird der Fokus auf die Schlagwörter: data quality, information quality, type(s) of data, data type(s) gelegt. 6 Vgl. Batini u.a. (2009), S 2.

11 4 2. Einführung in die Daten- und Informationsqualität 2.1 Definition Daten- und Informationsqualität und ihre Dimensionen Daten und Informationen dienen als Entscheidungsgrundlage in Unternehmen und bilden daher einen kritischen Erfolgsfaktor. 7 Die Qualität dieser Daten und Informationen muss ständig kontrolliert werden. Das liegt darin begründet, dass Daten mit einer hohen Qualität die Kundenzufriedenheit erhöhen können, Einnahmen und Gewinne im Unternehmen steigern und einen strategischen Vorteil bieten können. 8 In der Literatur werden die Begriffe Datenqualität und Informationsqualität häufig synonym verwendet. 9 Grundsätzlich gibt es jedoch eine Trennung zwischen den Begriffen Daten und Informationen. Informationen bestehen aus zwei Teilen, nämlich den eigentlichen Daten und dem dazugehörigen Kontext. Daten, die nicht in einen bestimmten Kontext eingebettet sind, sind für Unternehmen wertlos. Erst aus einer zielgerichteten Nutzung von Daten lassen sich Informationen ableiten. Die Qualität der Daten ist nur dann zu bewerten, wenn die Daten im Kontext ihrer Nutzung betrachtet werden. 10 Aufgrund der einheitlichen Verwendung von Daten- und Informationsqualität in der für diese Arbeit relevanten Literatur, 11 werden die Begriffe Datenqualität und Informationsqualität auch im weiteren Verlauf dieser Arbeit synonym verwendet. Es wird folgende Definition für Datenqualität verwendet: Datenqualität ist die Gesamtheit der Ausprägungen von Qualitätsmerkmalen eines Datenbestandes bezüglich dessen Eignung, festgelegte und vorausgesetzte Erfordernisse zu erfüllen. 12 Nach Wang und Strong bemisst sich die Datenqualität an der Beurteilung desjenigen, der die Daten verwendet. Dieses Konzept firmiert in der Literatur unter fitness for use. 13 Bei der Bewertung von DQ bieten sich demnach subjektive Wahrnehmungen und Bedürfnisse derjenigen Personen, die in Datengenerierung, -verwaltung und 7 Vgl. Shankaranarayanan (2005), S Vgl. Lee u.a. (2006), S Vgl. zu diesem Absatz Gebauer, Windheuser (2011), S Vgl. Strong, Lee, Wang (1997) S Vgl. z.b. Pipino, Lee, Wang (2002), S Gebauer, Windheuser (2011), S Vgl. Wang, Strong (1996), S. 6.

12 5 -nutzung involviert sind, und andererseits objektive Messungen, die an den Datensätzen selbst durchgeführt werden, an. Die Studie von Wang und Strong ist eine der meistzitierten Studien zur Beschreibung und Bewertung von Daten- bzw. Informationsqualität. 14 Die DQ hat unterschiedliche Ausprägungen und lässt sich somit in Hinblick auf verschiedene Dimensionen bewerten. 15 Diese Dimensionen erfasst Wang und Strong empirisch anhand einer Befragung von Datenkonsumenten und unterteilt sie wie folgt: Glaubwürdigkeit, Objektivität, Fehlerfreiheit, hohes Ansehen, Wertschöpfung, Relevanz, Aktualität, Vollständigkeit, Angemessenheit des Umfangs, Interpretierbarkeit, Verständlichkeit, Konsistenz, Übersichtlichkeit, Zugänglichkeit, Zugriffssicherheit. 16 In der Definition von Rohweder u.a. wird hingegen die Dimension Zugriffssicherheit nicht als eigenständige DQ-Dimension betrachtet, da die Sicherheit keinen Einfluss auf die DQ aus Sicht des Anwenders habe. 17 Anstelle davon wird die Dimension Bearbeitbarkeit mit einbezogen. Im Folgenden werden die Dimensionen nach Rohweder u.a. kurz skizziert. 18 Die Dimension Zugänglichkeit, im englischen accessibility, beschreibt, dass Daten dann als zugänglich bezeichnet werden können, wenn sie für den Konsumenten auf direktem Weg und anhand einfacher Verfahren abrufbar sind. 19 Der Angemessene Umfang (engl. appropriate amount of data) bezeichnet Daten dann als angemessen, wenn die Menge der verfügbaren Informationen adäquat für die an sie gestellten Bedürfnisse ist. Man spricht von Glaubwürdigkeit (engl. believability) von Daten, wenn die Daten als vertrauenswürdig und zuverlässig gelten können. Die Dimension Vollständigkeit (engl. completeness) beschreibt Daten als vollständig, wenn sie die realen Objekte vollständig beschreiben Vgl. Rohweder u.a. (2011), S Vgl. z.b. Wang (1996), S. 6 sowie Pipino, Lee, Wang (2002), S Vgl. Wang, Strong (1996), S sowie zur Modifizierung und deutschen Übersetzung Rohweder (2011), S Vgl. Rohweder u.a. (2011), S Batini u.a. konstatieren, dass es in der Literatur verschiedene Definitionen der einzelnen Dimensionen gibt. Siehe dazu Batini u.a. (2009), S. 6. In der vorliegenden Arbeit werden die Dimensionen gemäß den Ausführungen Rohweders u.a. verwendet. Siehe dazu Rohweder (2011), S Vgl. zu diesem Absatz Rohweder u.a. (2011), S. 28,

13 6 Die DQ in Hinblick auf die Dimension Übersichtlichkeit (engl. concise representation) bemisst sich daran, ob die Daten ein passendes Format aufweisen. 21 Eine weitere Anforderung eines Datenkonsumenten an die Daten ist die Einheitliche Darstellung (engl. consistent representation). Wenn Daten immer auf dieselbe Art und Weise abgebildet sind, kann ihre Darstellung als einheitlich betrachtet werden. Unter der Dimension Bearbeitbarkeit (engl. ease of manipulation) versteht man, dass Daten dann leicht zu bearbeiten sind, wenn sie leicht zu ändern sind und für unterschiedliche Verwendungszwecke gebraucht werden können. Wenn Daten mit der Realität übereinstimmen, spricht man von Fehlerfreiheit (engl. free of error). Eine weitere DQ-Dimensionen anhand derer Datenqualität bewertet werden kann, ist Eindeutige Auslegbarkeit (engl. interpretability). Darunter versteht man, dass die Daten von allen am Datenprozess Beteiligten auf gleiche Weise und damit korrekt verstanden werden. Spricht man von Objektivität (engl. objectivity) der Daten, so können Daten als sachlich und wertfrei bezeichnet werden. Die Relevanz (engl. relevancy) von Daten ist hoch, wenn sie für die Aufgaben in einem Unternehmen die benötigten Informationen beinhalten. Daten genießen ein Hohes Ansehen (engl. reputation), wenn sie aus einer seriösen Quelle entstammen. DQ lässt sich auch anhand der Aktualität (engl. timeliness) der Daten bemessen. Daten werden als aktuell charakterisiert, wenn sie auf Veränderungen des realen Objekts zeitnah angepasst werden. Die Verständlichkeit (engl. understandability) von Daten resultiert aus der Lesbarkeit und Nutzbarkeit des Anwenders. Die DQ-Dimension Wertschöpfung (engl. value-added) ist dann hoch, wenn die Daten einen Mehrwert für das Unternehmen darstellen und somit zu den Unternehmenszielen beitragen können Vgl. hierzu auch Batini u.a. (2009), S Vgl. zu diesem Absatz Rohweder u.a. (2011), S. 28, Die ausführliche Darstellung der Dimensionen anhand derer sich die Datenqualität bewerten lassen, ist der Tatsache geschuldet, dass sie ein zentrales Moment in der Analyse der Eignung von DQM- Methoden für verschiedene Datentypen einnehmen. So beeinflussen die Datentypen die DQ- Dimensionen, die Gegenstand der DQM-Methode sind. Dies entspricht auch den Ausführungen Batinis u.a. Siehe dazu Batini u.a. (2009), S. 23.

14 Dimensionen 7 Die Dimensionen der DQ fasst Wang in übergeordnete DQ-Kategorien zusammen wie in Tab. 2-1 dargestellt. DQ- Kategorie Inhärente DQ Zweckabhängige DQ Darstellungsbezogene DQ Systemunterstützenden DQ Glaubwürdigkeit Aktualität Verständlichkeit Zugänglichkeit Objektivität Wertschöpfung Übersichtlichkeit Bearbeitbarkeit Fehlerfreiheit Vollständigkeit einheitliche Darstellung Hohes Ansehen Angemessener Umfang Relevanz eindeutige Auslegbarkeit Tab. 2-1: Datenqualitätsdimensionen und ihre Kategorien nach Wang (1996). Modifiziert nach Rohweder (2011) Unter die Kategorie Inhärente DQ fallen alle Dimensionen, die sich auf die Daten selber beziehen. 23 In der Kategorie Zweckabhängige DQ werden Dimensionen zusammengefasst, die für Daten im Hinblick auf ihren Verwendungszweck relevant sind. Die unter Darstellungsbezogene DQ subsumierten Dimensionen nehmen Bezug auf die Darstellungsform der Daten. Eine letzte Kategorie stellt die Systemunterstützende DQ dar. Dieser Kategorie werden die DQ-Dimensionen zugeordnet, die ein Maß dafür sind, wie zugänglich und bearbeitbar Daten sind. Die Kategorien haben unterschiedliche Untersuchungsgegenstände. So kann die Inhärente DQ nur in Bezug auf den Inhalt der Daten bewertet werden. Bei der Bewertung der Zweckabhängigen DQ wird als Untersuchungsgegenstand die Funktion betrachtet, die die Daten erfüllen müssen. Die Darstellungsbezogene DQ wird anhand der adäquaten Darstellung der Daten beurteilt und bei der Beurteilung der Systemunterstützenden DQ wird als Untersuchungsgegenstand das System, in dem die Daten verarbeitet werden, betrachtet. Damit DQ-Dimensionen quantifiziert und damit messbar gemacht werden können, werden sogenannte DQ-Metriken entwickelt. 24 Beispielweise kann die Dimension Vollständigkeit bestimmt werden, indem gemessen wird, wie viele Attribute in einem Informationssystem mit Werten belegt sind im Verhältnis zu der Gesamtanzahl an 23 Vgl. zu diesem Absatz Wang, Strong (1996), S Vgl. Pipino, Lee, Wang (2002), S. 211.

15 8 Attributen im Informationssystem. 25 Der sich daraus ergebende Wert bildet die Ausprägung der Dimension Vollständigkeit. In Abbildung 1 werden noch einmal die beschriebenen Begrifflichkeiten zusammengefasst. DQ DQ- Dimensionen DQ-Metriken Abb. 2-1 : Zusammenhang DQ, DQ-Dimensionen und DQ-Metriken Eigene Darstellung in Anlehnung an Gebauer, Windheuser (2011), S Definition Datenqualitätsmanagement Für eine Bewertung oder Verbesserung der DQ in einem Unternehmen reichen sporadische Maßnahmen nicht aus. Vielmehr müssen Verantwortlichkeiten, Vorgehensweisen etc. im Unternehmen ganz klar festgelegt werden und als Management-Aufgabe betrachtet werden. Dies liegt darin begründet, dass die Ergebnisse strategischer und operativer Aufgaben im Unternehmen stark von der Qualität der Daten abhängen. 26 Zwirner differenziert beim DQM zwischen drei Vorgehensweisen. 27 Laissez faires Vorgehen, reaktives Vorgehen und eine proaktive Vorgehensweise. Tauchen Datenfehler in einer geringen Frequenz auf und sind die betroffenen Daten für 25 Vgl. Heinrich, Klier (2011), S Vgl. Weigel (2011), S Vgl. zu diesem Absatz Zwirner (2011), S

16 9 den Unternehmenserfolg nicht kritisch, kann eine laissez faire-vorgehensweise gewählt werden. Hierbei werden keine besonderen Qualitätsmaßnahmen getroffen und Datenfehler lediglich bei der Verwendung der Daten bereinigt. Bei einer reaktiven Vorgehensweise werden Datenfehler behoben, wenn sie auffallen. Hierbei werden sowohl maschinelle als auch manuelle Bereinigungsaktionen durchgeführt. D.h. die Datenfehler werden nicht ursächlich behoben, sondern nur bereinigt und können in der Folgezeit immer wieder auftreten. Diese Vorgehensweise wird genau dann angewendet, wenn die Datenfehler nur eine geringe Auswirkung auf die Qualität der Daten haben. Eine proaktive Vorgehensweise wird dann gewählt, wenn die Daten für den Unternehmenserfolg von enormer Bedeutung sind. Hierbei werden nicht nur die Fehler bereinigt, sondern auch die Fehlerquellen behoben. Zudem wird in der Folgezeit die Qualität der Daten überwacht. Erst bei dieser Vorgehensweise kann von einem Management der Datenqualität im eigentlichen Sinne gesprochen werden. 28 In Abbildung 2-2 ist zu sehen, unter welchen Bedingungen welche Vorgehensweise sinnvoll ist. Abb. 2-2 : Geeignetes Datenqualitätsmangement Eigene Darstellung in Anlehnung an Zwirner (2011), S Vgl. Zwirner (2011), S. 109.

17 10 Hierbei muss sich ein Unternehmen für eine geeignete Vorgehensweise entscheiden und die Bedeutung und die Änderungshäufigkeit der betroffenen Unternehmensdaten berücksichtigen. Je wichtiger die Daten für eine Organisation sind, desto eher eignet sich eine proaktive Vorgehensweise. Einen anderen Ansatz zur Beschreibung von DQM wählt Wang u.a. 29 Er versteht unter DQM einen ganzheitlichen Ansatz, das sogenannte Total Data Quality Management (TDQM). Bei diesem Ansatz wird die Herstellung von Daten bzw. Informationen mit der Herstellung eines physikalischen Produktes verglichen. Ein Informationssystem, das Daten verarbeitet, kann dann analog zu Fertigungsstraßen in der Industrie betrachtet werden. 30 Die Maßnahmen zur Steigerung der Qualität werden sinnvollerweise nicht am Ende des Produktionsprozesses getroffen, sondern bereits während des Herstellungsprozesses. In Anlehnung daran sollen Daten im Unternehmen entlang ihres Lebenszyklus analysiert und qualitätsgesichert werden. 31 Um diesen Ansatz umsetzen zu können, müssen u.a. Ziele gesetzt werden, Rollen und Positionen verteilt werden und technische Anforderungen bewältigt werden. Das DQM folgt damit einer Methode. In Kapitel 2.3 wird der Begriff DQM-Methoden definiert. 2.3 Definition Datenqualitätsmanagement-Methoden Während in Kapitel 2.2 DQM definiert wurde, geht im Folgenden darum, Methoden des DQM zu beschreiben. In der Literatur werden unterschiedliche Methoden des Datenqualitätsmanagements beschrieben. Dabei liegt der Fokus auf Techniken, die die Datenqualität in Unternehmen messen, bewerten und verbessern. 32 Datenqualitätsmanagement- Methoden nach Batini u.a. bieten eine Reihe von Richtlinien und Techniken zur Messung und Verbesserung der Datenqualität Vgl. zu diesem Absatz Wang (1998), S Vgl. Weigel (2011), S Vgl. Weigel (2011), S Vgl. Batini u.a. (2009), S Vgl. Batini u.a. (2011), S. 62.

18 11 Hierbei lassen sich die Hauptaktivitäten in drei Phasen unterteilen: Rekonstruktion des Zustandes, Messung bzw. Bewertung der Datenqualität und Verbesserung der Datenqualität. 34 In der Phase Rekonstruktion des Zustandes werden Informationen über den Ist- Zustand des Organisationprozesses gesammelt. Zudem wird analysiert, wie die Daten generiert werden. Sofern Dokumentationen über die Organisationsprozesse bestehen, kann optional auf die erste Phase verzichtet werden. In der Phase Messung/Bewertung wird die Qualität der Datensammlung anhand von zuvor festgelegten Datenqualitätsdimensionen 35 gemessen und unter Bezugnahme auf Referenzwerte bewertet. In der Phase Verbesserung werden Maßnahmen, Strategien und Techniken entwickelt, um neu gesteckte Datenqualitätsziele zu erreichen. Nicht alle DQM-Methoden müssen alle genannten Phasen umfassen, so differenzieren Batini u.a. DQM-Methoden in Komplett Methoden, die sowohl für die Bewertung als auch Verbesserung der Daten geeignet sind und dabei technische und wirtschaftliche Aspekte miteinbeziehen, sowie Überprüfungs-Methoden, die sich auf die Bewertung der DQ fokussieren und einen Ausblick für eine mögliche Verbesserungsphase bieten. 36 Des Weiteren unterscheiden sie zwischen Operativen Methoden, die sich ausschließlich auf die technische Umsetzung von Bewertungs- und Verbesserungsphasen begrenzen, ohne wirtschaftliche Gesichtspunkte zu berücksichtigen und Wirtschaftliche Methoden, mit denen die Kosten durch ein DQM evaluiert werden. Charakteristisch für DQM-Methoden ist, dass sie sich nicht in der bloßen Anwendung technischer Werkzeuge erschöpfen. Da sie immer in den konkreten Kontext eines Unternehmens integriert werden müssen, ist ein wichtiger Aspekt einer DQM-Methode auch davon ab, den Prozess durch Gespräche und Analysen mit den Beteiligten wie Administratoren und Datenkonsumenten zu begleiten. So legen Batini u.a. für alle 34 Vgl. zu diesem Absatz Batini u.a. (2009), S Wang u.a. (1996) haben in der Studie Beyond Accuracy: What Data Quality Means to Data Consumers Datenkonsumenten befragt, was ihnen bzgl. der Datenqualität wichtig ist. Aus den Ergebnissen hat er 15 Qualitätsdimensionen evaluiert, die bereits in Kapitel 2.1 ausführlich erläutert werden. 36 Vgl. zu diesem Absatz Batini u.a. (2009), S

19 12 Phasen der DQM-Methoden auch Arbeitsschritte fest, in denen vorgesehen ist, die Beteiligten zu befragen Datentypen in Unternehmen 3.1 Definition Datentypen Der Begriff Datentyp beschreibt das Format, das in einem Datenfeld gespeichert werden kann. 38 Hier kann z.b. unterschieden werden zwischen alphanumerisch, numerisch, integer, floating point etc. 39 Ist bspw. ein Datenfeld als numerisch deklariert, können die eingegebenen Daten nur Zahlenwerte annehmen. Wird dann integer als weiteres Charakteristikum festgelegt, können diese Werte nur ganzzahlig sein. Die Literatur für die hier vorliegende Untersuchung wurde u.a. mit dem Suchbegriff data type recherchiert. Bei Sichtung der entsprechenden englischsprachigen Literatur zeigte sich, dass sich der Begriff data type nicht in dem oben beschriebenen Datentyp erschöpft, sondern sich durch weitere Kriterien beschreiben lässt. Damit entspricht er eher dem deutschen Begriff Datenart. Bei Datenarten werden Datenfelder zusammengefasst, wie z.b. die Daten Straße, Name, Vorname zur Datenart Stammdatum. 40 In der vorliegenden Arbeit wird Datentyp mit Datenart synonym verwendet, wobei die inhaltliche Bedeutung von Datenarten übernommen wird. In einem Unternehmen können Daten verschiedenen Datenarten zugeteilt werden. Merkmale zur Unterscheidung von Datenarten sind Format wodurch Datentypen im eigentlichen Sinne als ein Aspekt von Datenarten beschrieben werden können Struktur, Stabilität, Inhalt, Verarbeitung und business object, 41 die im nachfolgenden Kapitel näher beleuchtet werden. 37 Vgl. Batini (2009), S Vgl. Loshin (2001), S Vgl. Piro, Gebauer (2011), S Vgl. Piro, Gebauer (2011), S Vgl. Piro, Gebauer (2011), S. 145.

20 Einteilung von Datentypen nach Eigenschaften In der Vergangenheit wurden Unternehmensdaten vorwiegend zentral in einer Datenbank verwaltet. Die Voraussetzung bei einem traditionellen Datenbanksystem ist, dass die dort enthaltenen Daten gemäß einem vorher definierten Datenschema eine strukturierte Form aufweisen. 42 Aufgrund der Zunahme von Daten im World Wide Web (WWW), liegen Daten in Unternehmen immer häufiger auch semi- bzw. unstrukturiert vor. Um die DQ in Unternehmen zu bewerten und zu verbessern, scheint gemäß der Literaturlage eine Differenzierung hinsichtlich ihrer Struktur unumgänglich. Jedoch ist die Differenzierung der Unternehmensdaten nach ihrer Struktur nur eine Möglichkeit. In Hinblick auf Unternehmensdaten ist eine verfeinerte Betrachtung sinnvoll, die im folgenden Abschnitt vorgestellt werden. Dabei wird neben der Struktur zwischen Format, Inhalt, Stabilität, Verarbeitung und Business Object differenziert Format Mit dem Format wird der Datenwert eines Datenattributs definiert. Dabei kann ein Datenfeld alphanumerisch, numerisch, integer, floating point etc. definiert sein. Das Format bestimmt den Datentyp, der in einem Datenfeld verwendet wird Struktur Wie bereits oben dargestellt gibt es bei der Struktur der Daten grundsätzlich drei Unterscheidungsmerkmale. Man differenziert zwischen strukturierten, unstrukturierten und semistrukturierten Daten. Strukturierte Daten sind Daten, zu denen Informationen vorhanden sind, die die Daten klassifizieren. Sie werden dadurch anhand eines Schemas strukturiert. 45 Unter semistrukturierten Daten versteht man Daten, die in einzelnen Elementen strukturiert sein können, im Ganzen jedoch keine strukturierte Form aufweisen. Ein 42 Vgl. zu diesem Absatz Bry u.a. (2001), S Vgl. zu der Einteilung und den weiteren Ausführungen Piro, Gebauer (2011), S Vgl. Loshin (2001), S Vgl. zu diesem Absatz Piro, Gebauer (2011), S. 146.

21 14 Beispiel für semistrukturierte Daten wäre ein Textfeld für die Eingabe von Mitarbeiterdaten. Erster Eintrag: Mustermann; Erika; Musterstadt; 54321; Zweiter Eintrag: ;Rainer Mustermann; 54321; Die beiden Beispiele divergieren aufgrund unterschiedlicher Datenerfasser und fehlender Vorgaben, umfassen aber dieselben inhaltlichen Informationen. Zwar ist jedes einzelne Element strukturiert, in der Gesamtheit ist jedoch keine Struktur zu erkennen. Bei unstrukturierten Daten ist in der Regel die Struktur nicht direkt und eindeutig zu erkennen. Dies bedeutet nicht, dass unstrukturierte Daten keine strukturierten Daten enthalten können. Vielmehr hängt die Interpretation der Daten stark vom Leser ab. Beispiele für unstrukturierte Daten können Texte, Bilder und s sein. Es ist davon auszugehen, dass für Unternehmen in Zukunft auch unstrukturierte Daten an Relevanz gewinnen, da bspw. bei der Erfassung von Kundenstammdaten neben den Kontaktdaten (Name, Vorname etc.) bspw. auch ein Foto des Ansprechpartners ergänzend hinzugefügt wird. 46 Die Kontaktdaten liegen bei diesem Beispiel in einer strukturierten Form vor, wohingegen das Bild ein unstrukturiertes Datum darstellt. Hierin zeigt sich eine mögliche zunehmende Vermischung verschiedener Datentypen Inhalt Im Hinblick auf die Eigenschaft Inhalt können Daten danach eingeteilt werden, ob sie tatsächliche Informationen beinhalten oder ob sie diese Informationen einer festen Struktur zuordnen. 47 Sie werden als Inhalts- bzw. Metadaten bezeichnet. Metadaten sind Daten, die einen bestimmten Inhalt (Inhaltsdatum) einem Schlüssel zuordnen. D.h. bei der Erfassung von Abteilungen bspw. kann die Marketingabteilung als Inhaltsdatum erfasst werden oder ihr kann ein Metadatum wie etwa eine Abteilungsnummer zugeteilt werden. 46 Vgl. White u.a. (2006), S Vgl. zu diesem Absatz Piro, Gebauer (2011), S

DGIQ Projekt IQ-Definition

DGIQ Projekt IQ-Definition DGIQ Projekt IQ-Definition Definition des Begriffsfeldes Informationsqualität bzw. Datenqualität Ein Projekt der DGIQ, 2007 Normen und Standards Dr. Jan Philipp Rohweder, Andrea Piro, Joachim Schmid GIQMC,

Mehr

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

Metriken für ein ROI-basiertes Datenqualitätsmanagement

Metriken für ein ROI-basiertes Datenqualitätsmanagement Dr. Max Mustermann Referat Kommunikation & Marketing Verwaltung Metriken für ein ROI-basiertes Datenqualitätsmanagement Prof. Dr. Bernd Heinrich, Prof. Dr. Mathias Klier Institut für Wirtschaftsinformatik

Mehr

Quality Point München Datenqualität

Quality Point München Datenqualität Quality Point München Datenqualität Paul, wie ist denn Eure Datenqualität? Nachdem ich bei der letzten Gehaltszahlung mit Frau... angeredet wurde, bin ich mir nicht mehr so sicher. Autor: W. Ulbrich IT&More

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne

Mehr

Informationsqualität Definitionen, Dimensionen und Begriffe

Informationsqualität Definitionen, Dimensionen und Begriffe Informationsqualität Definitionen, Dimensionen und Begriffe 2 Jan P. Rohweder, Gerhard Kasten, Dirk Malzahn, Andrea Piro und Joachim Schmid 2.1 Einleitung Die Verbesserung und Sicherstellung der Informationsqualität

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

Mehr

Anforderungen: Management

Anforderungen: Management Anforderungen: Management Anforderungen: Management Der Begriff der Anforderungsanalyse ist grundsätzlich vom Begriff des Anforderungsmanagements zu trennen, obwohl beide Konzepte in vie l- fältiger Weise

Mehr

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad Datenqualität mit dem DataFlux dfpower Studio 8.1 Tobias Jansen Zaferna-Hütte, 4. Januar 2009 Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter Nasa Marssonde Mars Climate Orbiter

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 350

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 350 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 350 Ein konzeptioneller Business-Intelligence-Ansatz zur Gestaltung von Geschäftsprozessen

Mehr

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

Mehr

Risikomanagement für IT-Projekte: Vergleich von Risiken und Methoden

Risikomanagement für IT-Projekte: Vergleich von Risiken und Methoden Sperrvermerk Risikomanagement für IT-Projekte: Vergleich von Risiken und Methoden Bachelorarbeit Zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Inhaltsverzeichnis 1 Einleitung 1 2 Begriffliche Grundlagen 9 3 Untersuchungsrahmen und Methodenanforderungen 31

Inhaltsverzeichnis 1 Einleitung 1 2 Begriffliche Grundlagen 9 3 Untersuchungsrahmen und Methodenanforderungen 31 Inhaltsverzeichnis 1 Einleitung 1 1.1 Problemstellung und Handlungsbedarf 1 1.2 Zielsetzung und Adressaten 2 1.3 Kontext der Arbeit und Forschungsmethodik 3 1.4 Aufbau der Arbeit 7 2 Begriffliche Grundlagen

Mehr

your IT in line with your Business Geschäftsprozessmanagement (GPM)

your IT in line with your Business Geschäftsprozessmanagement (GPM) your IT in line with your Business Geschäftsprozessmanagement (GPM) Transparenz schaffen und Unternehmensziele effizient erreichen Transparente Prozesse für mehr Entscheidungssicherheit Konsequente Ausrichtung

Mehr

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit IT-basierte Erstellung von Nachhaltigkeitsberichten Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Leibniz Universität Hannover vorgelegt von

Mehr

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

Mehr

Diplomarbeit. gframe und das gedas Human Change Management Framework am Beispiel einer SAP R/3 Einführung im iranischen Automotive Sektor

Diplomarbeit. gframe und das gedas Human Change Management Framework am Beispiel einer SAP R/3 Einführung im iranischen Automotive Sektor Hochschule Harz Wernigerode Fachbereich Wirtschaftswissenschaften Studiengang Wirtschaftsinformatik Diplomarbeit gframe und das gedas Human Change Management Framework am Beispiel einer SAP R/3 Einführung

Mehr

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009 Datenqualität: allgemeiner Überblick Waldemar Braun Seminar Datenqualität OvGU Magdeburg Gliederung 1. Einleitung 2. Motivation 3. Definition 4. DQ-Probleme 5. DQ-Dimensionen 6. DQ-Modelle 7. Messen der

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 348

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 348 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 348 Konzeption eines Projektvorgehensmodells für die Business-Intelligence-Strategieberatung

Mehr

ERP-Systemeinsatz bewerten und optimieren

ERP-Systemeinsatz bewerten und optimieren ERP-Systemeinsatz bewerten und optimieren Handlungsfelder zur Optimierung des ERP-Systemeinsatzes ERP-Lösungen werden meist über viele Jahre lang eingesetzt, um die Geschäftsprozesse softwaretechnisch

Mehr

Anforderungen und Auswahlkriterien für Projektmanagement-Software

Anforderungen und Auswahlkriterien für Projektmanagement-Software Anforderungen und Auswahlkriterien für Projektmanagement-Software Anika Gobert 1,Patrick Keil 2,Veronika Langlotz 1 1 Projektmanagement Payment Giesecke &Devrient GmbH Prinzregentenstr. 159, Postfach 800729,

Mehr

Cause Related Marketing

Cause Related Marketing Timo Geißel Cause Related Marketing Bestimmung erfolgskritischer Faktoren Orientierungshilfen zur Planung und Umsetzung der Kampagne Diplomica Verlag Timo Geißel Cause Related Marketing - Bestimmung erfolgskritischer

Mehr

Relationale Datenbanken Datenbankgrundlagen

Relationale Datenbanken Datenbankgrundlagen Datenbanksystem Ein Datenbanksystem (DBS) 1 ist ein System zur elektronischen Datenverwaltung. Die wesentliche Aufgabe eines DBS ist es, große Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern

Mehr

Konzeption eines Master-Data-Management-Systems. Sven Schilling

Konzeption eines Master-Data-Management-Systems. Sven Schilling Konzeption eines Master-Data-Management-Systems Sven Schilling Gliederung Teil I Vorstellung des Unternehmens Thema der Diplomarbeit Teil II Master Data Management Seite 2 Teil I Das Unternehmen Vorstellung

Mehr

TQM in Bauprojekten Kostentreiber oder Kostenersparnis?

TQM in Bauprojekten Kostentreiber oder Kostenersparnis? 1 F A C H H O C H S C H U L E S T U T T G A R T H O C H S C H U L E F Ü R T E C H N I K Master Thesis Internationaler Masterstudiengang Projektmanagement TQM in Bauprojekten Kostentreiber oder Kostenersparnis?

Mehr

Humanressourcen als Basis des Projektmanagements in Unternehmen. Bachelorarbeit

Humanressourcen als Basis des Projektmanagements in Unternehmen. Bachelorarbeit Humanressourcen als Basis des Projektmanagements in Unternehmen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B. Sc.) im Studiengang Wirtschaftsingenieur der Fakultät für Elektrotechnik

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013

Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013 Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013 Endler Gregor, Warum Datenqualität? 2002, USA: 600.000.000 $ Y2k weltweit: 1.500.000.000 $ Kosten 44.000 98.000 Todesfälle

Mehr

Leitfaden für Masterarbeiten im Master Management & Business Development für den Bereich Kommunikation und PR

Leitfaden für Masterarbeiten im Master Management & Business Development für den Bereich Kommunikation und PR Leitfaden für Masterarbeiten im Master Management & Business Development für den Bereich Kommunikation und PR 1. Wesen und Ziel der Masterarbeit Im Master Management & Business Development erlangen die

Mehr

Datenbanken 16.1.2008. Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt:

Datenbanken 16.1.2008. Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: Datenbanksysteme Entwicklung der Datenbanksysteme Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: 1. Generation: In den fünfziger

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

Mehr

Seminar. NoSQL Datenbank Technologien. Michaela Rindt - Christopher Pietsch. Richtlinien Ausarbeitung (15. November 2015)

Seminar. NoSQL Datenbank Technologien. Michaela Rindt - Christopher Pietsch. Richtlinien Ausarbeitung (15. November 2015) Seminar Datenbank Technologien Richtlinien Ausarbeitung (15. November 2015) Michaela Rindt - Christopher Pietsch Agenda 1 2 3 1 / 12 Richtlinien Ausarbeitung (15. November 2015) Teil 1 2 / 12 Richtlinien

Mehr

erfolgreich steuern Datenqualität rä dpunkt.verlag Ldwi Praxislösungen für Business-Intelligence-Projekte Rüdiger Eberlein Edition TDWI

erfolgreich steuern Datenqualität rä dpunkt.verlag Ldwi Praxislösungen für Business-Intelligence-Projekte Rüdiger Eberlein Edition TDWI Detlef Apel Wolfgang Behme Rüdiger Eberlein Christian Merighi Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte 3., überarbeitete und erweiterte Auflage Edition TDWI rä

Mehr

Datenqualität erfolgreich steuern

Datenqualität erfolgreich steuern Edition TDWI Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte von Detlef Apel, Wolfgang Behme, Rüdiger Eberlein, Christian Merighi 3., überarbeitete und erweiterte Auflage

Mehr

Enterprise Architecture Management für Krankenhäuser. Transparenz über die Abhängigkeiten von Business und IT

Enterprise Architecture Management für Krankenhäuser. Transparenz über die Abhängigkeiten von Business und IT Enterprise Architecture Management für Krankenhäuser Transparenz über die Abhängigkeiten von Business und IT HERAUSFORDERUNG Gestiegener Wettbewerbsdruck, höhere Differenzierung im Markt, die konsequente

Mehr

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching 1.1 Caching von Webanwendungen In den vergangenen Jahren hat sich das Webumfeld sehr verändert. Nicht nur eine zunehmend größere Zahl an Benutzern sondern auch die Anforderungen in Bezug auf dynamischere

Mehr

Das Paiova-Konzept für einen nachhaltigen Gebäudebetrieb

Das Paiova-Konzept für einen nachhaltigen Gebäudebetrieb Das Paiova-Konzept für einen nachhaltigen Gebäudebetrieb b b Eine modulare und ganzheitliche Vorgehensweise e e se für die Optimierung des Gebäudebetriebs Wert & Risiko Beurteilung Konzept & Massnahmen

Mehr

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN T-SYSTEMS MULTIMEDIA SOLUTIONS GMBH, 16. FEBRUAR 2012 1. Schlüsselworte Semantic Web, Opinion Mining, Sentiment Analysis, Stimmungsanalyse,

Mehr

1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung

1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung 1 Einleitung 1.1 Motivation und Zielsetzung der Untersuchung Obgleich Tourenplanungsprobleme zu den am häufigsten untersuchten Problemstellungen des Operations Research zählen, konzentriert sich der Großteil

Mehr

Without knowledge management our services would be unthinkable. Arthur D. Little

Without knowledge management our services would be unthinkable. Arthur D. Little Without knowledge management our services would be unthinkable. Arthur D. Little Weshalb Wissensmanagement? Wissen ist die Gesamtheit der Informationen, Kenntnisse und Fähigkeiten einer Person, die zur

Mehr

EDI CONNECT. für Microsoft Dynamics NAV. Auf einen Blick:

EDI CONNECT. für Microsoft Dynamics NAV. Auf einen Blick: Seite 1 PROTAKT Speziallösung EDI Connect Auf einen Blick: EDI CONNECT für Microsoft Dynamics NAV Elektronischer Datenaustausch ganz effizient und einfach über Ihr Microsoft Dynamics NAV System. Vollständige

Mehr

Process-Oriented Measurement of Customer Satisfaction - POMS

Process-Oriented Measurement of Customer Satisfaction - POMS Process-Oriented Measurement of Customer Satisfaction - POMS Kundenzufriedenheit (KZF) wird weithin als eine wichtige Voraussetzung für andauernden Unternehmenserfolg genannt. Wissenschaftliche Studien,

Mehr

Aufgabenheft. Fakultät für Wirtschaftswissenschaft. Modul 32701 - Business/IT-Alignment. 27.03.2015, 09:00 11:00 Uhr. Univ.-Prof. Dr. U.

Aufgabenheft. Fakultät für Wirtschaftswissenschaft. Modul 32701 - Business/IT-Alignment. 27.03.2015, 09:00 11:00 Uhr. Univ.-Prof. Dr. U. Fakultät für Wirtschaftswissenschaft Aufgabenheft : Termin: Prüfer: Modul 32701 - Business/IT-Alignment 27.03.2015, 09:00 11:00 Uhr Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe 1 2 3 4 Summe

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Software Engineering Analyse und Analysemuster

Software Engineering Analyse und Analysemuster Software Engineering Analyse und Analysemuster Prof. Adrian A. Müller, PMP, PSM 1, CSM Fachbereich Informatik und Mikrosystemtechnik 1 Klassendiagramme in der Analyse Im Rahmen der Anforderungsanalyse

Mehr

Fachbericht zum Thema: Anforderungen an ein Datenbanksystem

Fachbericht zum Thema: Anforderungen an ein Datenbanksystem Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank

Mehr

1 Einleitung. 1.1 Motivation

1 Einleitung. 1.1 Motivation 1 Einleitung 1.1 Motivation Eine zunehmende Globalisierung in Verbindung mit der Verbreitung des elektronischen Handels, stets kürzer werdende Produktlebenszyklen und eine hohe Variantenvielfalt konstituieren

Mehr

Planung und Messung der Datenqualität in Data-Warehouse-Systemen

Planung und Messung der Datenqualität in Data-Warehouse-Systemen Planung und Messung der Datenqualität in Data-Warehouse-Systemen DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften (HSG) zur Erlangung der Würde eines

Mehr

(Titel des Berichts)

(Titel des Berichts) (Titel des Berichts) Praxissemesterbericht von (Vorname Name) aus (Geburtsort) Matrikelnummer Anschrift Telefon HTW Aalen Hochschule für Technik und Wirtschaft Betreuender Professor Abgabetermin Angaben

Mehr

Klassifikation von Integrationskonflikten

Klassifikation von Integrationskonflikten Klassifikation von Integrationskonflikten Christiane Telöken 1 Inhaltsverzeichnis 1. Was bedeutet Integration? 2. Strukturelle Heterogenitätskonflikte 2.1 Konflikte bei bilateralen Korrespondenzen 2.2

Mehr

Qualitative Sozialforschung: Ein Überblick. Autor: Thomas Brüsemeister Überarbeitung: Patrick Heiser und Judith Bündgens-Kosten

Qualitative Sozialforschung: Ein Überblick. Autor: Thomas Brüsemeister Überarbeitung: Patrick Heiser und Judith Bündgens-Kosten Qualitative Sozialforschung: Ein Überblick Autor: Thomas Brüsemeister Überarbeitung: Patrick Heiser und Judith Bündgens-Kosten 2011 FernUniversität in Hagen. Fakultät für Kultur- und Sozialwissenschaften.

Mehr

ISMS Teil 3 Der Startschuss

ISMS Teil 3 Der Startschuss ISMS Teil 3 Der Startschuss Nachdem das TOP-Managenment die grundsätzliche Entscheidung getroffen hat ein ISMS einzuführen, kann es nun endlich losgehen. Zu Beginn sollte Sie noch die Grundlagen des ISMS

Mehr

XONTRO Newsletter. Kreditinstitute. Nr. 7

XONTRO Newsletter. Kreditinstitute. Nr. 7 XONTRO Newsletter Kreditinstitute Nr. 7 Seite 1 I N H A L T S V E R Z E I C H N I S 1 Zusammenfassung 2 2 Fachliche Erläuterungen 3 2.1 CCP...3 2.2 Berliner Börse...3 3 Technische Erläuterungen zum Schlussnotendatenträger

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

Notfallmanagement nach BS25999 oder BSI-Standard 100-4

Notfallmanagement nach BS25999 oder BSI-Standard 100-4 Notfallmanagement nach BS25999 oder BSI-Standard 100-4 Karner & Schröppel Partnerschaft Sachverständige für Informationssicherheit und Datenschutz Unser Konzept Informationssicherheit und Datenschutz als

Mehr

Datenqualitätsmodelle

Datenqualitätsmodelle Datenqualitätsmodelle Stefan Willi Hart 3. Dezember 2009 Stefan Willi Hart () Datenqualitätsmodelle 3. Dezember 2009 1 / 14 Inhaltsverzeichnis 1 Motivation 2 Modelle Systemseitiges DQ-Modell Allgemein

Mehr

Geschäftsprozessmanagement

Geschäftsprozessmanagement Geschäftsprozessmanagement Der INTARGIA-Ansatz Whitepaper Dr. Thomas Jurisch, Steffen Weber INTARGIA Managementberatung GmbH Max-Planck-Straße 20 63303 Dreieich Telefon: +49 (0)6103 / 5086-0 Telefax: +49

Mehr

I n halts verze ichn is. Inhaltsverzeichnis

I n halts verze ichn is. Inhaltsverzeichnis I n halts verze ichn is Inhaltsverzeichnis 1 Einführung 1 1.1 Ausgangslage und Handlungsbedarf 1 1.2 Ziele, Adressaten und Nutzen der Arbeit 2 1.3 Entstehung und Einordnung der Arbeit 4 1.4 Forschungsmethodik

Mehr

4 Architektur-Perspektiven (WO)

4 Architektur-Perspektiven (WO) 4 Architektur-Perspektiven (WO) Abb. 4-1: Positionierung des Kapitels im Ordnungsrahmen. Dieses Kapitel befasst sich mit der WO-Dimension des architektonischen Ordnungsrahmens. Es erläutert, auf welchen

Mehr

Bachelorarbeit. Preisvergleichdienste auf Smartphones: Vergleich deutscher Anbieter und technische Trends. Vorgelegt von.

Bachelorarbeit. Preisvergleichdienste auf Smartphones: Vergleich deutscher Anbieter und technische Trends. Vorgelegt von. Leibniz Universität Hannover Fachbereich Wirtschaftswissenschaften Lehrstuhl Wirtschaftsinformatik Leiter: Prof. Dr. Breitner Bachelorarbeit Zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.)

Mehr

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert Maika Büschenfeldt Datenbanken: Skript 1 1. Was ist eine relationale Datenbank? In Datenbanken können umfangreiche Datenbestände strukturiert abgelegt werden. Das Konzept relationaler Datenbanken soll

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 378 Umsetzung ausgewählter Supply-Chain-Operations-Reference-Metriken durch das

Mehr

Verwaltung der Projekte

Verwaltung der Projekte ACS Data Systems AG Verwaltung der Projekte (Version 10.08.2009) Buchhaltung für Schulen ACS Data Systems AG Bozen / Brixen / Trient Tel +39 0472 27 27 27 obu@acs.it 2 Inhaltsverzeichnis 1. PROJEKTVERWALTUNG...

Mehr

Leseprobe. Mit Projekten Unternehmen erfolgreich führen. KNo W- HoW. Studie. Ergebnisbericht. Ronald Gleich. Reinhard Wagner.

Leseprobe. Mit Projekten Unternehmen erfolgreich führen. KNo W- HoW. Studie. Ergebnisbericht. Ronald Gleich. Reinhard Wagner. KNo W- HoW Studie Mit Projekten Unternehmen erfolgreich führen Ergebnisbericht Leseprobe Ronald Gleich Reinhard Wagner Andreas Wald Christoph Schneider Arnd Görner INHALTSVERZEICHNIS Vorwort 4 Einleitung

Mehr

Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Seminararbeit. Projekt-Seminar INSTEAD im SS 2011

Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Seminararbeit. Projekt-Seminar INSTEAD im SS 2011 Universität Passau Wirtschaftswissenschaftliche Fakultät Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth Seminararbeit Das Unternehmensleitbild als wesentlicher

Mehr

Inhaltsverzeichnis: Definitionen Informationssysteme als Kommunikationssystem Problemlösende Perspektiven Allgemeine System Annäherung Fazit

Inhaltsverzeichnis: Definitionen Informationssysteme als Kommunikationssystem Problemlösende Perspektiven Allgemeine System Annäherung Fazit Informationssysteme Inhaltsverzeichnis: Definitionen Informationssysteme als Kommunikationssystem Problemlösende Perspektiven Allgemeine System Annäherung Fazit Definitionen: Informationen Informationssysteme

Mehr

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining Gliederung 1. Einführung 2. Grundlagen Data Mining Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining 3. Ausgewählte Methoden des Data

Mehr

Customer Relationship Management

Customer Relationship Management Customer Relationship Management Titel des Lernmoduls: Customer Relationship Management Themengebiet: New Economy Gliederungspunkt im Curriculum: 2.2.1.3.7 Zum Inhalt: Diese Modul befaßt sich mit der Vorgehensweise

Mehr

Erstellen einer Projektdokumentation

Erstellen einer Projektdokumentation Berufskolleg Wirtschaft und Verwaltung des Kreises Siegen-Wittgenstein Erstellen einer Projektdokumentation für die IHK-Abschlussprüfung Anwendungsentwicklung Stefan Goebel http://sgoebel.de 1. März 2016

Mehr

Evaluation nach Maß. Die Evaluation des BMBF-Foresight-Prozesses

Evaluation nach Maß. Die Evaluation des BMBF-Foresight-Prozesses Evaluation nach Maß Die Evaluation des BMBF-Foresight-Prozesses Beitrag zur IFQ-Jahrestagung Bonn, 1.1.008 Validität im Kontext des BMBF-Foresight-Prozesses Validität Fähigkeit eines Untersuchungsinstrumentes,

Mehr

PaWliK Consultants PersonalenTwiCklUng

PaWliK Consultants PersonalenTwiCklUng PAWLIK Consultants Personalentwicklung Pawlik Consultants Wer wir sind Management Consultants für Strategie und Personal Seit 1996 unterstützen wir unsere Kunden weltweit, ihre Unternehmensziele in den

Mehr

Wirtschaftlichkeitsanalyse von Cloud Computing aus der Sicht internationaler Unternehmen. Masterarbeit

Wirtschaftlichkeitsanalyse von Cloud Computing aus der Sicht internationaler Unternehmen. Masterarbeit Wirtschaftlichkeitsanalyse von Cloud Computing aus der Sicht internationaler Unternehmen Masterarbeit zur Erlangung des akademischen Grades Master of Science (M.Sc.) im Masterstudiengang Wirtschaftswissenschaft

Mehr

Formulierungshilfen für das wissenschaftliche Schreiben

Formulierungshilfen für das wissenschaftliche Schreiben Formulierungshilfen für das wissenschaftliche Schreiben 1. Einleitendes Kapitel 1.1.1 Einen Text einleiten und zum Thema hinführen In der vorliegenden Arbeit geht es um... Schwerpunkt dieser Arbeit ist...

Mehr

Referenzmodell für die strategische Ausrichtung eines internen IT-Dienstleisters am Business Value

Referenzmodell für die strategische Ausrichtung eines internen IT-Dienstleisters am Business Value Referenzmodell für die strategische Ausrichtung eines internen IT-Dienstleisters am Business Value Markus Neumann neumann@iwi.uni-hannover.de Doktoranden-Kolloquium Südost-Niedersachsen 16.01.2009 17.01.2009

Mehr

Inhaltsverzeichnis. 1. Fragestellung

Inhaltsverzeichnis. 1. Fragestellung Inhaltsverzeichnis 1. Fragestellung... 1 2. Herleitung zum Thema... 1 3. Das Entity Relationship Modell (ERM)... 2 4. Praktisches Beispiel zum ERM... 7 5. Anhang...Fehler! Textmarke nicht definiert. 1.

Mehr

Information zu den Studienleistungen Projektplanung (SPO 1: 111232, SPO 2: 112232 ) und Bachelor Thesis (SPO 1: 111241, SPO 2: 112251)

Information zu den Studienleistungen Projektplanung (SPO 1: 111232, SPO 2: 112232 ) und Bachelor Thesis (SPO 1: 111241, SPO 2: 112251) Fakultät Technik 1 Studiengang Maschinenbau Prodekan Prof Dr-Ing W Elmendorf Information zu den Studienleistungen Projektplanung (SPO 1: 111232, SPO 2: 112232 ) und Bachelor Thesis (SPO 1: 111241, SPO

Mehr

CRM-Klassifizierung Arbeiten mit Klassifizierungsmerkmalen und Selektionen

CRM-Klassifizierung Arbeiten mit Klassifizierungsmerkmalen und Selektionen CRM-Klassifizierung Arbeiten mit Klassifizierungsmerkmalen und Selektionen Über die Klassifizierung bietet BüroWARE die Möglichkeit Adressen eine beliebige Anzahl an Merkalen zuzuweisen. Die Merkmale bieten

Mehr

Diskussion eines IT-Outsourcing unter Berücksichtigung von Compliance Anforderungen. Bachelorarbeit

Diskussion eines IT-Outsourcing unter Berücksichtigung von Compliance Anforderungen. Bachelorarbeit Diskussion eines IT-Outsourcing unter Berücksichtigung von Compliance Anforderungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Druckvorlagen Als Druckvorlagen sind dafür vorhanden:!liste1.ken (Kennzahlen)!Liste2.KEN (Kontennachweis)

Druckvorlagen Als Druckvorlagen sind dafür vorhanden:!liste1.ken (Kennzahlen)!Liste2.KEN (Kontennachweis) Kennzahlen und Kennzeichen Dieses Dokument zeigt Ihnen in wenigen kurzen Schritten die Logik und Vorgehensweise der Definition der Kennzahlen und Kennzeichen und deren Auswertung in eigens dafür vorhandenen

Mehr

etutor Benutzerhandbuch XQuery Benutzerhandbuch Georg Nitsche

etutor Benutzerhandbuch XQuery Benutzerhandbuch Georg Nitsche etutor Benutzerhandbuch Benutzerhandbuch XQuery Georg Nitsche Version 1.0 Stand März 2006 Versionsverlauf: Version Autor Datum Änderungen 1.0 gn 06.03.2006 Fertigstellung der ersten Version Inhaltsverzeichnis:

Mehr

Data Mining-Projekte

Data Mining-Projekte Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein

Mehr

Maintenance & Re-Zertifizierung

Maintenance & Re-Zertifizierung Zertifizierung nach Technischen Richtlinien Maintenance & Re-Zertifizierung Version 1.2 vom 15.06.2009 Bundesamt für Sicherheit in der Informationstechnik Postfach 20 03 63 53133 Bonn Tel.: +49 22899 9582-0

Mehr

Kundenwissen erschließen

Kundenwissen erschließen Ruth Goetze Kundenwissen erschließen Customer Knowledge Management Leitfaden mit Instrumenten für die Praxis Tectum Verlag Ruth Goetze Kundenwissen erschließen. Customer Knowledge Management Leitfaden

Mehr

Analyse kritischer Erfolgsfaktoren für Enterprise Social Networking Anwendungen. Bachelorarbeit

Analyse kritischer Erfolgsfaktoren für Enterprise Social Networking Anwendungen. Bachelorarbeit Analyse kritischer Erfolgsfaktoren für Enterprise Social Networking Anwendungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaften

Mehr

Verpflichtung zu Excellence (C2E) 2 Stern. Fragebogen zur Selbstbewertung auf Basis des Kriterienmodells

Verpflichtung zu Excellence (C2E) 2 Stern. Fragebogen zur Selbstbewertung auf Basis des Kriterienmodells Verpflichtung zu Excellence (C2E) 2 Stern Fragebogen zur Selbstbewertung auf Basis des Kriterienmodells EFQM Verpflichtung zur Excellence (C2E) 2 Stern Fragebogen zur Selbstbewertung auf der Basis des

Mehr

Brand Management und CRM Parallelen und Integrationsmöglichkeiten zwischen den beiden Managementprozessen

Brand Management und CRM Parallelen und Integrationsmöglichkeiten zwischen den beiden Managementprozessen Brand Management und CRM Parallelen und Integrationsmöglichkeiten zwischen den beiden Managementprozessen Brand Management und Customer Relationship Management (CRM) sind Marketingkonzepte, die darauf

Mehr

Betriebliches Gesundheitsmanagement erfolgreich umsetzen mit den richtigen Instrumenten

Betriebliches Gesundheitsmanagement erfolgreich umsetzen mit den richtigen Instrumenten Betriebliches Gesundheitsmanagement erfolgreich umsetzen mit den richtigen Instrumenten Betriebliches Gesundheitsmanagement erfolgreich umsetzen nur wie? Nur wenn die Situation im Betrieb genau analysiert

Mehr

Kritische Erfolgsfaktoren für die Akzeptanzverbesserung von. E-Learning Angeboten für Finance. Masterarbeit

Kritische Erfolgsfaktoren für die Akzeptanzverbesserung von. E-Learning Angeboten für Finance. Masterarbeit Kritische Erfolgsfaktoren für die Akzeptanzverbesserung von E-Learning Angeboten für Finance Masterarbeit Zur Erlangung des akademischen Grades Master of Science (M.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Alina Schneider. Erfolg in Data-Warehouse-Projekten. Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien. Diplomica Verlag

Alina Schneider. Erfolg in Data-Warehouse-Projekten. Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien. Diplomica Verlag Alina Schneider Erfolg in Data-Warehouse-Projekten Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien Diplomica Verlag Alina Schneider Erfolg in Data-Warehouse-Projekten: Eine praxisnahe Analyse

Mehr

Management des Kundendialogs per E-Mail

Management des Kundendialogs per E-Mail Harald Meißner Management des Kundendialogs per E-Mail PETER LANG Europäischer Verlag der Wissenschaften Inhaltsverzeichnis Abbildungsverzeichnis 19 Abkürzungsverzeichnis 25 1 Problemstellung und Gang

Mehr

Florian Frötscher und Demet Özçetin

Florian Frötscher und Demet Özçetin Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60

Mehr

Systemen im Wandel. Autor: Dr. Gerd Frenzen Coromell GmbH Seite 1 von 5

Systemen im Wandel. Autor: Dr. Gerd Frenzen Coromell GmbH Seite 1 von 5 Das Management von Informations- Systemen im Wandel Die Informations-Technologie (IT) war lange Zeit ausschließlich ein Hilfsmittel, um Arbeitsabläufe zu vereinfachen und Personal einzusparen. Sie hat

Mehr

Aktualisierung der ISO/IEC 27001 (ISMS): Entstehung, Änderungsbedarf und Handlungsempfehlungen für Unternehmen

Aktualisierung der ISO/IEC 27001 (ISMS): Entstehung, Änderungsbedarf und Handlungsempfehlungen für Unternehmen Aktualisierung der ISO/IEC 27001 (ISMS): Entstehung, Änderungsbedarf und Handlungsempfehlungen für Unternehmen Bearbeitet von Stefan Beck 1. Auflage 2015. Taschenbuch. 148 S. Paperback ISBN 978 3 95934

Mehr

IT-Sicherheit mobiler Applikationen zur Unterstützung von Geschäftsprozessen. Bachelorarbeit

IT-Sicherheit mobiler Applikationen zur Unterstützung von Geschäftsprozessen. Bachelorarbeit IT-Sicherheit mobiler Applikationen zur Unterstützung von Geschäftsprozessen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft der

Mehr

Methode zur Rahmenplanung der Einführung von CRM-Systemen in produktorientierten, diversifizierten Industrieunternehmen.

Methode zur Rahmenplanung der Einführung von CRM-Systemen in produktorientierten, diversifizierten Industrieunternehmen. Methode zur Rahmenplanung der Einführung von CRM-Systemen in produktorientierten, diversifizierten Industrieunternehmen DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und

Mehr

PROTOS. Vorbereitende Arbeiten. Inhalt

PROTOS. Vorbereitende Arbeiten. Inhalt PROTOS Vorbereitende Arbeiten Inhalt Dieses Dokument beschreibt, welche Daten Sie vor Inbetriebnahme der Projekt-Ressourcenplanungslösung PROTOS definieren müssen. Autor: AL, MZ Datum: 20.01.2015 Dokument

Mehr

Leitfaden zur Anlage einer Nachforderung. Nachforderung. 04.04.2013 Seite 1 von 11 RWE IT GmbH

Leitfaden zur Anlage einer Nachforderung. Nachforderung. 04.04.2013 Seite 1 von 11 RWE IT GmbH Leitfaden zur Anlage einer 04.04.2013 Seite 1 von 11 Inhaltsverzeichnis 1 Aufruf des RWE smanagements...3 2 Eingabe der Benutzerdaten...4 3 Erfassen der...5 4 Neue...6 4.1 Allgemeine Daten...7 4.2 Beschreibung...7

Mehr

IT-Governance und Social, Mobile und Cloud Computing: Ein Management Framework... Bachelorarbeit

IT-Governance und Social, Mobile und Cloud Computing: Ein Management Framework... Bachelorarbeit IT-Governance und Social, Mobile und Cloud Computing: Ein Management Framework... Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr