Datenqualitätsmanagement und Unternehmensreporting

Transkript

1 Datenqualitätsmanagement und Unternehmensreporting Prof. Dr. Carsten Felden TU Freiberg (Sachsen) Prof. Dr. Carsten Felden Datenqualitätsmanagement und Unternehmensreporting Prof. Dr. Peter Chamoni - Datenqualitätsmanagement und Unternehmensreporting Professur für ABWL, insbesondere 1 Informationswirtschaft/Wirtschaftsinformatik Gliederung 1 Einführung 2 Beispiel XBRL 3 Management by Fähigkeiten 4 Zusammenfassung 2 1

2 Einführung Why data quality has an impact on business! Barbra or Barbara Streisand? Mrs. Streisand pulled her investment account from her investment bank because it misspelled her name! 3 Einführung Some statistics! Estimated annual loss of 600 billion US$ due to poor data quality in US economy (TDWI US) Heijkers, M. (2003): Ohne Datenhygiene kein CRM. In: Computerwoche Nr. 41, , p %-20% of records in customer databases are wrong English, L. (1999): Improving Data Warehouse and Business Information Quality. New York 1999, p. 9 67% customers are dissatisfied with services due to nonquality data SAS Institute (2003): Europäische Unternehmen leiden unter Profitabilitätseinbußen und niedriger Kundenzufriedenheit durch schlechte Datenqualität. Studie der SAS Institute GmbH. Heidelberg 2003 Data quality management consumes more than 50% of Data Warehouse budgets Matzer, M. (2004): Datenqualität frisst die Hälfte des Data-Warehouse-Etats. In: Computerzeitung Nr. 3 vom , S. 12. Alt, G. (2003): Sehr geehrter Frau Müller Falsche Daten sind nicht nur peinlich, sondern verursachen auch hohe Kosten. In: FAZ Nr. 244 vom , S. B2 4 2

3 Einführung Results of maturity study (bima ), 2006 Problems in BI-projects: - Poor Data quality (60%) - Poor performance (56%) - Poor cost benefit ratio (21%) - No acceptance by user (15%) - No support by management (13%) - BI-system too complex (38%) - Data integration too high (37%) 5 Einführung Status Datenqualität in BI-Systemen 6 3

4 Einführung Problems Due to Poor Data Quality 7 Theoretische Ansätze Problems Cognitive Patterns Business Use Cases Motives Objectives Capabilities Needs Cognitive Stack Information Supply Chains Information Value Chains Meta Use Cases Use Value of Meta Patterns Symbols Guiding Principles & Heuristics Technical Facets Layers Ontologies Machine Actionable Human Actionable Metadata Driven Architecture Normalization Information Lifecycle Essential Qualities of Information Economics of Information Hermeneutics Visualization Interactive Information Common Misconceptions and False Assumptions Profiles Grammars Harmonization Viscosity of Information 8 4

5 Theoretische Ansätze Views on Data Quality (I) Data Quality means: Consistently meeting knowledge worker s & endcustomer s expectations! Source: Larry English (1999) Improving Data Warehouse and Business Information Quality 9 Theoretische Ansätze Views on Data Quality (II) Inherent (data accuracy) Pragmatic (degree of usefulness, degree of customers satisfaction) 10 5

6 Theoretische Ansätze Views on Data Quality (III) demand data produce data provide data requirements specification production data product View on quality user-oriented production-oriented product-oriented Kind of quality presentation design performance product 11 Theoretische Ansätze Views on Data Quality (IV) Data definition iti (requirements specification) Data content (production) Data presentation (product) 12 6

7 Theoretische Ansätze BI-Projekte Zeitnähe Vollständigkeit Relevanz Anwender Korrektheit Konsistenz Zuverlässigkeit 13 Theoretische Ansätze Datenverfall Datenerfassung Datenverwendung Datenqualität Prozesse Definitionen Architektur 14 7

8 Theoretische Ansätze robleme rfasster Datenqualitätspr Anzahl er Datenerfassung Prozesse Architektur Definitionen Datenverwendung Datenverfall Ursachen schlechter Datenqualität 15 Theoretische Ansätze Schlechte Datenqualität betrifft alle betrieblichen Funktionsbereiche 16 8

9 Theoretische Ansätze 17 Theoretische Ansätze Datenqualitätsmerkmale (I) 18 9

10 Theoretische Ansätze Datenqualitätsmerkmale (II) 19 Theoretische Ansätze Datenqualitätsmerkmale (III) 20 10

11 Theoretische Ansätze Datenqualitätsmerkmale (IV) 21 Theoretische Ansätze Informationsqualität: 15 Dimensionen, 4 Kategorien 22 11

12 Technische Umsetzung und Organisation Erhöhung der Datenqualität durch Präventivmaßnahmen 23 Technische Umsetzung und Organisation Entwicklungsstufen des Qualitätswesens 24 12

13 Technische Umsetzung und Organisation Total Quality Data Management Methodik (TQdM) 25 Technische Umsetzung und Organisation 26 13

14 Technische Umsetzung und Organisation Wer ist in Ihrem Unternehmen verantwortlich für Datenqualität? 27 Technische Umsetzung und Organisation Welche Software-Lösungen werden von der Datenqualitäts- Initiative unterstützt? 28 14

15 Reporting und Datenqualität Data Quality Improvement? Data presentation: Which stocks are the best and worst performing during the 9-month period? Poor data presentation! 29 Gliederung 1 Einführung 2 Beispiel XBRL 3 Management by Fähigkeiten 4 Zusammenfassung 30 15

16 What happened? In 2009, the Securities and Exchange Commission rolled out the first stage of a multi-year program to transition its EDGAR disclosure repository to the XBRL format. The quality of the XBRL data in the repository is vital for the success of the Commission s interactive data program. A key aspect of the data quality of these filings is the correctness of the mathematical relationships implied by the taxonomy and implemented in the instance document. One quarter of the filings by the initial 400 large corporations in the first round of submissions had errors, with differences reported monetary facts and the sum of other monetary facts that were bound together in a computation relationship. The primary cause of these errors was inappropriate treatment in the instance documents of underlying debit/credit assumptions in the taxonomy. The results of the research have a number of implications for filers, the SEC, XBRL US, software vendors and the global XBRL community 31 Relation between XBRL and Data Quality Für die Informationsempfänger (consumer) liegen die Vorteile darin, dass er sich nur auf ein Format für alle ankommenden Daten einstellen muss. Er kann die Daten, da sie im logischen Aufbau stets identisch sind, effizient weiterverarbeiten, das heißt ohne aufwendige und fehleranfällige manuelle Aufbereitung in seine Datenbestände und Auswertungssysteme übernehmen. Fazit: XBRL bietet die Voraussetzungen, den gesamten Informationsfluss - von der Quelle bis zum Empfänger - zu beschleunigen, qualitativ zu verbessern und kostengünstiger zu machen. entnommen der Homepage von XBRL Deutschland e.v

17 Background: XBRL XBRL extensible Business Reporting Language XBRL ist eine frei verfügbare elektronische Sprache für das "Financial Reporting", also den Austausch von Informationen von und über Unternehmen, insbesondere von Jahresabschlüssen. XBRL bietet einen Standard für die Erstellung, die Verbreitung/Veröffentlichung, Auswertung und den Vergleich solcher Informationen. (Quelle: offener Standard ( de facto ) frei von Lizenzgebühren nicht vom W3C (World Wide Web Consortium) spezifiziert 33 Background: XBRL Aktiva Beispiel AG EUR EUR Langfrist. Aktiva Kurzfrist. Aktiva = Aktiva, Summe

18 Background: XBRL XBRL Y SET) DTS (DISCO OVERABLE TAXONOM TAXONOMY PRESENTATION LINKBASE CALCULATION LINKBASE LINKBASES (LAYERS) XBRL SCHEMA Element DEFINITION LINKBASE TAXONOMY EXTENSION REFERENCE LINKBASE LABEL LINKBASE IN NSTANCE DOCUMENT FOOTNOTE 35 Instance Business data <ifrs:aktivasumme contextref= UNTERNEHMEN2004" unitref="eur">180000</ifrs:aktivasumme > <ifrs:aktivasumme contextref="unternehmen2005" unitref="eur">240000</ifrs:aktivasumme > <ifrs:kurzfristigeaktiva contextref=" UNTERNEHMEN2004 " unitref="eur">80000</ifrs:kurzfristigeaktiva> g <ifrs:kurzfristigeaktiva contextref=" UNTERNEHMEN2005 " unitref="eur">90000</ifrs:kurzfristigeaktiva > 36 18

19 How would you rate your XBRL knowlege? 70% 60% 50% 40% 30% 20% TDWI XBRL D KONSAG VDMA Other 10% 0% weak average high 37 How would you rate your XBRL experience? 70% 60% 50% 40% 30% 20% TDWI XBRL D KONSAG VDMA Other 10% 0% weak average high 38 19

20 Senior Management Support? 70% 60% 50% 40% 30% 20% TDWI XBRL D KONSAG VDMA Other 10% 0% weak average high 39 Why this happend and derived tasks Calculation Errors Erroneous Exclusion/Inclusion of a Value out of the calculation hierarchy Tagging incorrect value Reversal of debit/credit Rounding errors Other errors 40 20

21 Why this happend and derived tasks Label Amount Calculation Weight $m Earnings before income taxes $ Net earnings attributable to non-controlling $2-1 interest Net earnings attributable to controlling $ interest, before tax Calculation error -$51 Provision for income taxes $53-1 Net earnings after tax $177 Calculation error $51 41 Why this happend and derived tasks Statement Count % Cash Flow Statement % Income Statementt t % Statement of Financial Position 37 12% Total % 42 21

22 Why this happend and derived tasks Error Type Count % Error in HTML 10-Q 21 3% Missing Fact Value in calculation relationship % Extraneous concepts in calculation relationship 81 11% Wrong Fact value 93 13% Rounding Error 51 7% Debit/Credit Reversal (Misuse of Negative) % Other 50 8% Total % 43 Gliederung 1 Einführung 2 Beispiel XBRL 3 Management by Fähigkeiten 4 Zusammenfassung 44 22

23 Gliederung 1 Einführung 2 Beispiel XBRL 3 Management by Fähigkeiten 4 Zusammenfassung 45 Zusammenfassung 46 23