Qualität. Mythos Qualitätsmanagement. Höhere Qualität, bessere Software. Funktioniert ist nicht genug

Größe: px
Ab Seite anzeigen:

Download "Qualität. Mythos Qualitätsmanagement. Höhere Qualität, bessere Software. Funktioniert ist nicht genug"

Transkript

1 Heft 8 Deutschland: 14,90 Österreich: 16,80 Schweiz: sfr 29,80 Luxemburg: 16,90 Expertenwissen für IT-Architekten, Projektleiter und Berater Qualität Mythos Qualitätsmanagement Höhere Qualität, bessere Software Funktioniert ist nicht genug

2 Datenqualitätsmanagement Data-Warehouse-Projekte mit Datenqualitätsmanagement Gute Datenqualität sicherstellen Einer der Gründe, warum sich Data-Warehouse-Projekte verzögern, teurer werden als geplant oder gleich vollständig scheitern, wird häufig auf die mangelhafte Qualität der Daten zurückgeführt. Glaubt man Umfragen und Erhebungen, so ist auch das Vertrauen in die Qualität der eigenen Daten in Unternehmen oftmals nicht sehr hoch. Gute Datenqualität (DQ) wird aber nicht nur in Data-Warehouse-Projekten als zunehmend wichtig wahrgenommen. Dieser Artikel gibt einen Überblick über das Thema. AUTOR: JENS BLEIHOLDER Die Relevanz korrekter und verwendbarer Daten in allen IT-Systemen steht eigentlich außer Frage, da die meisten Entscheidungen auf der Grundlage von Daten getroffen werden. Für Firmen, die ein datengetriebenes Geschäftsmodell verfolgen, gilt das in besonderem Maße. In diesem Artikel wird darauf eingegangen, warum Datenqualität wichtig ist, ob und wie man sie messen kann, und welche Möglichkeiten es gibt, mit Datenqualitätsproblemen technisch im Data-Warehouse-(DWH-)Projekt und organisatorisch im Unternehmen umzugehen. FOLGEN SCHLECHTER DATEN Datenqualitätsprobleme tauchen mit schöner Regelmäßigkeit in der Tagespresse auf. Wie aber können die negativen Folgen aussehen? Als klassische Folge ist die Negativschlagzeile, sprich schlechte PR, zu nennen: Die FIFA bot bei der Akkre- ditierung von Journalisten zur Fußball-WM 2010 eine schlecht gepflegte Länderliste an, mit Ländern wie DDR, Saarland oder Irland in den Grenzen von Barbra Streisand löste öffentlichkeitswirksam ihr Konto bei einer amerikanischen Investmentbank auf, weil diese ihren Namen immer falsch schrieb: Barbara. Als offensichtliche, direkte Folge schlechter Datenqualität kann ein finanzieller Schaden auftreten. Beispiel hierfür ist ein großer Versandhändler, der MacBooks zu einem falschen Preis im Internet anbot und neben der schlechten Presse auch noch einen finanziellen Schaden hatte: Als Entschuldigung gab es Einkaufsgutscheine für die Besteller. Auch vertraglich vereinbarte Konventionalstrafen als Folge eines Datenqualitätsproblems können relativ einfach quantifizierbare Schäden sein. Schwieriger zu bestimmen und auch nicht so leicht zu entdecken sind die Zusammenhänge in Bezug auf bt

3 entgangenen Umsatz. Wenn man wie im Falle von Frau Streisand aufgrund schlechter Datenqualität Kunden verliert, ist der Schaden zwar zu benennen, aber schlecht zu beziffern. Auch wenn Entscheidungen (z. B. für oder gegen eine Marketingmaßnahme oder ein neues Produkt) auf einer falschen Datengrundlage getroffen werden, sind die finanziellen Folgen schwer einzuschätzen. Noch schlechter zu entdecken und zu beziffern, aber durchaus existent, sind die versteckten, unnötigen Kosten durch Ineffizienz oder doppelte Arbeit aufgrund schlechter Datenqualität. Um negative Folgen für das eigene Unternehmen zu vermeiden, sollte man auf gute Datenqualität achten. Auch aufgrund gesetzlicher Anforderungen sind die Qualitätsanforderungen an Daten in den letzten Jahren immer mehr gestiegen. Oft müssen Mindeststandards zur Aktualität zum Beispiel von Berichten gelten: Sie müssen nachweisbar, korrekt und wiederholbar sein. Wie aber kann man die Qualität seiner Daten beurteilen? 15 DIMENSIONEN DER DATENQUALITÄT Wie man an den bisherigen Beispielen gesehen hat, wird Datenqualität auf den ersten Blick oft als recht schwammiger, facettenreicher Begriff wahrgenommen, und so lässt er sich trotz der vielen Beispiele nicht recht greifen. Auf den zweiten Blick findet man nach einiger Recherche dann oft die Definition von Datenqualität als Fitness for Use (z. B. unter [1] und [2]). Diese Definition fordert, dass Daten dazu geeignet sein müssen, Darstellungsbezogen Verständlichkeit Übersichtlichkeit Einheitliche Darstellung Eindeutige Auslegbarkeit Inhärent Hohes Ansehen Fehlerfreiheit Objektivität Glaubwürdigkeit Zweckabhängig Aktualität Wertschöpfung Vollständigkeit Angemessener Umfang Relevanz Systemunterstützt Zugänglichkeit Bearbeitbarkeit Tabelle 1: 15 Dimensionen der Datenqualität Name Vorname Straße PLZ Ort Müller Hans Goethestr Hamburg Mueller Hans Gothenstr Hambirg Tabelle 2: Beispiel einer unscharfen Dublette einen bestimmten Zweck zu erfüllen und meint damit zum Beispiel, dass Mitarbeiter mit den Daten ihre jeweilige Aufgabe erledigen können. Datenqualität wird des Weiteren immer als Maß definiert, das man mit geeigneten Mitteln bestimmen kann. Zur Beurteilung der Qualität eines Datenbestands existiert eine Zusammenstellung von 15 Datenqualitätsdimensionen (z. B. [1]) der Deutschen Gesellschaft für Informations- und Datenqualität (DGIQ). Tabelle 1 zeigt alle 15 Dimensionen in der Übersicht. Jede Dimension steht dabei für einen der vielfältigen Aspekte, mit denen man die Qualität seiner Daten beurteilen kann. Je nach Anwendungsfall bekommen einige Dimensionen mehr Gewicht als andere, je nach Szenario fällt den einen mehr Beachtung zu als den anderen. Wichtige Dimensionen in Bezug auf Data Warehouses und andere größere Datensammlungen im Unternehmen sind zum Beispiel Vollständigkeit, einheitliche Darstellung, Fehlerfreiheit und Zugänglichkeit. Diese sind relativ einfach zu verstehen (Kasten: Definitionen nach DGIQ ) und Probleme sind in der Regel auch mit passablem Aufwand zu handhaben. Diese vier Dimensionen korrespondieren mit einigen Zielen eines DWH-Projekts: Man möchte alle Daten der Quellsysteme integrieren (Vollständigkeit), und dabei sollen unterschiedliche Darstellungen, zum Beispiel des Kunden, vereinheitlicht werden (einheitliche Darstellung). Die im DWH gespeicherten Daten sollen keine Fehler enthalten (Fehlerfreiheit) und den Anwendern zur einfachen Auswertung und Analyse (Zugänglichkeit) zur Verfügung gestellt werden. Ein gut gebautes DWH punktet auch mit guter Datenqualität; ein schlechtes ist hingegen oft auch aufgrund der fehlenden Datenqualität schlecht. Ein DWH-Projekt ist also im Grunde immer auch ein Datenqualitätsprojekt. Wie aber können die Probleme entdeckt werden, von denen alle reden, und wie kann verhindert werden, dass man Probleme übersieht? Sucht man nicht gezielt nach ihnen, dann tauchen Datenqualitätsprobleme üblicherweise zufällig auf: Durch Rückläufer bei ausgesendeten Briefen erkennt man veraltete Daten, Kunden beschweren sich, man entdeckt Dubletten. Auf diese Probleme wird dann reagiert. Auch große Unternehmen sind vor Fehlern nicht gefeit, und so kann man auch heute noch im Datenbestand eines großen Onlinehändlers recht schnell Dubletten finden. Besser als ein rein reaktives Vorgehen ist es, aktiv nach Fehlern zu suchen. Das kann im Rahmen dedizierter Projekte geschehen, in denen man gezielt nach Fehlern im Datenbestand sucht. Es kann aber auch 62 bt

4

5 regelmäßig geschehen, als Aufgabe einer speziellen Arbeitsgruppe Datenqualität. In DWH-Projekten steht die Suche nach Fehlern oft zu Beginn an: Man analysiert die Quellsysteme und schaut sich die Daten, die man integriert, erst einmal an. Solche Data Profiling -Maßnahmen sind Teil eines guten DWH-Projekts, helfen bei der Bewertung der Datenqualität und können heute mithilfe einer Vielzahl von Tools unterstützt werden. Eine weitere Verbesserung ist die Durchführung von Maßnahmen zur Kontrolle und Verbesserung der Datenqualität über einzelne Projekte hinaus und damit die organisatorische Einbettung des Themas Datenqualität in Form eines Datenqualitätsmanagements (DQM). Die Einführung eines DQM erscheint dabei noch sinnvoller, wenn man sich bewusst macht, was ein Data Warehouse eigentlich macht: Es produziert Daten, die an anderer Stelle im Unternehmen konsumiert werden. Genauso wie man bei der klassischen Produktion von Gütern auf die Qualität der Produkte achtet, sollte man daher auch im DWH auf die Qualität der Daten(-produkte) achten und das entsprechend prüfen und steuern. DQ-PROBLEME IN DWH-PROJEKTEN FINDEN UND LÖSEN Innerhalb von Data-Warehouse-Projekten werden viele Daten eines Unternehmens betrachtet, die meist aus verschiedenen Quellen stammen. Um die Daten zu verstehen, Gemeinsamkeiten, Unterschiede und auch Fehler zu finden, bedient man sich der Methoden des Data Profiling. Hierbei werden üblicherweise einfache, aber auch kompliziertere Analysen der Daten ausgeführt: Das Finden von Nullwerten in den Tabellen lässt Rückschlüsse auf fehlende Daten zu und damit auf ein schlechtes Ergebnis hinsichtlich der Bewertung von Vollständigkeit. Nullwerte können ihre Gründe in Definitionen nach DGIQ Vollständigkeit (Completeness): Informationen sind vollständig, wenn sie nicht fehlen und zu den festgelegten Zeitpunkten in den jeweiligen Prozessschritten zur Verfügung stehen. Einheitliche Darstellung (Consistent Representation): Informationen sind einheitlich dargestellt, wenn die Informationen fortlaufend auf dieselbe Art und Weise abgebildet werden. Fehlerfreiheit (free of error): Informationen sind fehlerfrei, wenn sie mit der Realität übereinstimmen. Zugänglichkeit (Accessibility): Informationen sind zugänglich, wenn sie anhand einfacher Verfahren und auf direktem Weg für den Anwender abrufbar sind. fehlerhaften Eingaben oder Imports haben. Sie weisen meist darauf hin, dass etwas vergessen wurde. Die Analyse häufiger und seltener Werte oder größter/ kleinster Werte findet Ausreißer und möglicherweise fehlerhafte Werte wie negative Gewichte oder unrealistisch hohe Rechnungsbeträge. Beinhalten Spalten nur einen einzigen Wert wie Mustermann als Name, kann das auf übernommene Standardwerte hinweisen. Die Analyse von Häufigkeitsverteilungen, Datenmustern und Wertebereichen sowie die Überprüfung von Regeln (Passen Postleitzahl, Straße und Ort zusammen? Passen Einzel- und Summenbeträge zusammen? Gibt es zu jeder Adresse auch einen Kunden?) sind kompliziertere Prüfungen. Der Phantasie sind hier keine Grenzen gesetzt. Grenzen setzt hier eher die Funktionsvielfalt der verwendeten Tools. Das Finden der Ursache erfolgt allerdings erst im zweiten Schritt: Data Profiling ermittelt erst einmal nur Auffälligkeiten und Ungereimtheiten. Nach dem Finden und Erklären der Probleme kommt es bei den Methoden des Data Cleansing dann darauf an, die gefundenen Fehler zu beseitigen. Hier gilt die Devise, das Übel an der Wurzel zu packen und so viele Fehler wie möglich bereits in den Quellsystemen oder zumindest weit vorne in der Verarbeitungskette zu beheben. Das geschieht bei kleineren Problemen oft noch im Rahmen der DWH-Aktivitäten, kann bei größeren Problemen aber auch als eigenes Projekt ausgelagert werden. Nicht nur technische Maßnahmen wie direkte Korrekturen in den Systemen sind hier denkbar, sondern auch organisatorische Maßnahmen wie Schulungen der Mitarbeiter. Inhalte solcher Schulungen können sein, ein Verständnis für Datenqualität zu schaffen und zu vermitteln, was bei Dateneingaben beachtet werden muss. Ganz generell beschäftigt man sich beim Data Cleansing häufig mit dem Standardisieren, Deduplizieren und Validieren von Daten. Mittels Standardisierung werden unterschiedliche Repräsentationen in den Quellen auf einen einheitlichen Standard gebracht. Das verbessert die Daten anhand der Dimension einheitliche Darstellung. So werden zum Beispiel einfache Transformationen ( Müller, Heinz zu Heinz Müller beziehungsweise Müller / Heinz zu Heinz Müller ) oder Umwandlungen angewandt (Angleichung von Einheiten, Gramm statt Kilogramm oder Str. zu Straße ). Aber auch der Abgleich mit einem Referenzdatenbestand, zum Beispiel einem Straßenverzeichnis der Post oder einem Referenzdatenbestand innerhalb des eigenen Unternehmens, gehört dazu. Auch hier einigt man sich auf eine einheitliche Darstellung, zum Beispiel auf Schreibweisen von Straßen oder Ortsnamen ( Frankfurt/Main vs. Frankfurt am Main ) 64 bt

6 Abb. 1: Beispiel einer IP-MAP, angelehnt an ein Beispiel aus [5] und verbessert sich damit anhand der gleichnamigen Dimension. Das Finden von Dubletten verbessert die Daten in den Dimensionen Vollständigkeit (man ist nicht mehr übervollständig) und Fehlerfreiheit. Dublettensuche und -elimination meint hierbei allerdings nicht die Suche nach exakten Dubletten, sondern die Suche nach so genannten unscharfen Dubletten. Das sind unterschiedliche Repräsentationen desselben Realweltobjekts, die sich nur geringfügig, zum Beispiel in Schreibweisen, unterscheiden oder leicht fehlerhaft sind (veraltete Telefonnummer, Buchstabendreher etc.). Tabelle 2 zeigt beispielhaft eine unscharfe Dublette von Hans Müller. Die Suche nach unscharfen Dubletten ist dabei oft einfacher als gedacht. Fast alle der in DHW-Projekten üblicherweise verwendeten Standard-ETL-Tools verfügen mittlerweile über eine ausreichend gut funktionierende Komponente zum Finden unscharfer Dubletten. Bei überschaubaren Datenbeständen ist aber auch die manuelle Suche nach Dubletten denkbar. Auch eine Reihe von Anbietern von Spezialsoftware bietet mittlerweile Abhilfe beim Auffinden zum Beispiel von Adressdubletten. Neben einem schnellen Algorithmus zum Vergleich aller potenziellen Dublettenpaare (paarweiser Vergleich) und entsprechenden Optimierungen (Filterung, Blocking, Windowing) gehören auch gute Ähnlichkeitsmaße zur Grundausstattung bei der Dublettensuche. Eine allgemeine Vorgehensweise und weiterführende Hinweise, sofern man das einmal selbst machen möchte, befinden sich unter [1]. Die Entscheidung für eine eigene Speziallösung ist dabei nicht immer die schlechteste, da sie am besten an die eigenen Bedürfnisse angepasst werden kann. Gerade wenn Dubletten außerhalb der Standarddomäne Adressdaten gesucht werden müssen. WIE STEUERT MAN DATENQUALITÄT? Begreift man, wie oben bereits erwähnt, Daten als eigene Produkte im Unternehmen und möchte deren Produktionsqualität kontinuierlich überprüfen, stellt sich schnell die Frage nach den richtigen Strukturen. Auf dem Weg von einer reaktiven hin zu einer proaktiven Behandlung von Datenqualität steht die Einführung eines DQM mit den entsprechenden Rollen und Prozessen. Das kann beispielsweise im Zuge der Einrichtung eines Business Intelligence Competency Centers (BICC [3]) geschehen. Üblicherweise wird im Rahmen des DQM ein kontinuierlicher DQM-Prozess eingeführt, der nach dem Plan- Do-Check-Act-Modell laufend DQ-Ziele vorgibt (Plan), den Ist-Zustand feststellt, bestehende Qualitätsprobleme findet (Do, Check), um sie dann gegebenenfalls zu beseitigen und die Ziele zu erreichen (Act). Die Überwachung und Steuerung des Prozesses übernimmt dabei ein Datenqualitätsbeauftragter oder Datenqualitätslenkungsausschuss als zentrale Rolle im Unternehmen. Ihm untergeordnet sind die Data Stewards, die fachlich für je einen Bereich die Datenverantwortung (Datendefinitionen, Datenzugang, Datenqualität) tragen. Die Organisationsmodelle sind hier aber variabel und können an die bt

7 Struktur des Unternehmens angepasst werden. So können die Data Stewards zum Beispiel domänenorientiert anhand der Art der Daten organisiert sein (Lagerdaten, Kundendaten, Produktdaten etc.) oder prozessorientiert anhand der Geschäftsprozesse (Bestellprozess, Lieferprozess etc.). Zu beachten ist die fachliche Orientierung der Data Stewards sowie insgesamt eine ausgewogene Repräsentation sowohl fachlicher als auch technischer Expertise in den Datenqualitätsgremien. Die Einführung eines Datenqualitätsmanagements mit den entsprechenden Rollen und Funktionen im Unternehmen ist langfristig der richtige und erfolgreiche Weg, die Probleme zu handhaben, die durch schlechte Datenqualität entstehen. Um dabei langfristig erfolgreich zu sein, ist es besser, wenn man top-down vorgeht, das DQM also gezielt einführt, anstatt es bottom-up entstehen zu lassen. MIT DER LANDKARTE DURCH DEN DATEN- DSCHUNGEL Um den Überblick über das große Ganze, also die unternehmensweiten Datenzusammenhänge, nicht zu verlieren, helfen Datenlandkarten. Der Formalismus der Information Product Map (IP-MAP) (Einführung unter [4], [5]) visualisiert dabei auf elegante Art und Weise die Idee von Daten als Produkt. IP-MAPs stellen den Datenfluss innerhalb des Unternehmens dar und helfen dabei, ergänzend zu den Geschäftsprozessen auch die Datenproduktionsprozesse zu dokumentieren. Eingabepunkte von Daten (Erzeuger von Daten), Abnahmepunkte (Konsumenten von Daten) und Übergabepunkte von der einen in eine andere Abteilung werden dabei genauso dargestellt, wie Transformationen und Qualitätschecks. Mithilfe einer solchen IP-MAP kann man potenzielle Fehlerquellen identifizieren, Abhängigkeiten und Redundanzen erkennen und schließlich auch die uralte Frage beantworten, wer und was alles an der Entstehung eines Berichts beteiligt war. Ein kleines Beispiel für eine IP-MAP sieht man in Abbildung 1. Sie zeigt einen Ausschnitt des Datenflusses in einem Krankenhaus. Die Daten werden auf der linken Seite erzeugt (z. B. Datenerzeuger: Aufnahme), verarbeitet (abgerundete Rechtecke) und überschreiten Systemgrenzen (Rechtecke). Sie werden also zum Beispiel von einem Papierformular in elektronische Form überführt. Weitere Elemente, die in der Grafik zu sehen sind: Datenqualitätsprüfungen (Dreiecke), Datenspeicher (hier beispielsweise in Form des Patientendatensystems) und Datenkonsumenten (hier ganz rechts zum Beispiel das Krankenhausmanagement als Berichtsempfänger). Dieser Formalismus ist schon recht alt, wird in der Unternehmenspraxis allerdings recht selten verwendet. Es existieren aber auch Ideen, den Formalismus mit ereig- nisgesteuerten Prozessketten (EPK) zu kombinieren und damit die Brücke zur Welt der Geschäftsprozessmodellierung zu schlagen (z. B. [3] für Einzelheiten). ZUSAMMENFASSUNG Zur Notwendigkeit der heutigen Zeit gehört es, Datenqualität ganzheitlich zu betrachten und Daten im Unternehmen einen angemessenen Stellenwert zu geben. Wenn wir so weit kommen, Information als Produkt zu betrachten, das im Unternehmen erzeugt und weiterverarbeitet wird, folgen wir einem vielversprechenden Ansatz. Obwohl oder vielmehr weil viele DQ-Probleme im Rahmen von DWH-Projekten auftauchen, sind sie immer auch DQ-Projekte. DQ-Probleme nur im Rahmen von DWH- Projekten zu behandeln, wäre hier allerdings zu einfach gedacht. Neben den rein technischen Maßnahmen kann man auch organisatorisch Verbesserungen erreichen, zum Beispiel durch die Etablierung eines DQM-Prozesses und entsprechender Rollen. So lassen sich langfristig zwar nicht alle Probleme verhindern, ihr Auftreten aber minimieren und ihre Relevanz verringern und damit vielleicht auch die nächste große Negativschlagzeile. Links & Literatur [1] Knut Hildebrand, Michael Mielke, Marcus Gebauer und Holger Hinrichs: Daten- und Informationsqualität: Auf dem Weg zur Information Excellence, Vieweg und Teubner, 2011, 2. Auflage, ISBN [2] Detlef Apel, Wolfgang Behme, Rüdiger Eberlein, Christian Merighi: Datenqualität erfolgreich steuern, Hanser Verlag, 2009, ISBN [3] Tom Gansor, Andreas Totok, Steffen Stock: Von der Strategie zum Business Intelligence Center (BICC), Hanser Verlag, 2010, ISBN [4] Elizabeth Pierce: Extending IP-MAPS: Incorporating the Event-Driven Process Chain Methodology, Seventh International Conference on Information Quality (IQ 2002), MIT 2002 [5] Richard Wang, Thomas Allen, Wesley Harris, Stuart Madnick: An information product approach for total information awareness, Proceedings of the IEEE Aerospace Conference, 2003 Dr. Jens Bleiholder ist Berater bei OPITZ CONSULTING und arbeitet dort seit mehreren Jahren zu den Schwerpunkten Data Warehouse und Business Intelligence. Neben der Umsetzung von Data- Warehouse-Architekturen beschäftigt er sich mit unterschiedlichen Techniken und Themen aus dem Bereich Datenqualität. 66 bt

8 Immer und überall Online-Premium-Angebot Frei-Haus-Magazin Online immer und überall verfügbar! Offline-PDF-Export Jetzt bestellen unter oder +49 (0) (Mo Fr, 8 17 Uhr)

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

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

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

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

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

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

Konzeption eines Vorgehensmodells für die Analyse zur Geschäftsprozessmodellierung und den Einsatz von Workflows im mittelständischen Unternehmen

Konzeption eines Vorgehensmodells für die Analyse zur Geschäftsprozessmodellierung und den Einsatz von Workflows im mittelständischen Unternehmen Torsten Neumann Konzeption eines Vorgehensmodells für die Analyse zur Geschäftsprozessmodellierung und den Einsatz von Workflows im mittelständischen Unternehmen Die 1. Phase zur Softwareentwicklung -

Mehr

IT-Compliance -... und die Realität. Was hat Datenqualität mit Compliance zu tun?

IT-Compliance -... und die Realität. Was hat Datenqualität mit Compliance zu tun? IT-Compliance -... und die Realität Was hat Datenqualität mit Compliance zu tun? Situation Stetiger Veränderungsdruck durch immer schnellere Marktveränderungen Auslöser für Veränderungen Globalisierung

Mehr

Neues aus dem TDWI Germany e.v.

Neues aus dem TDWI Germany e.v. Neues aus dem TDWI Germany e.v. Prof. Dr. Peter Chamoni Vorsitzender des Vorstands TDWI Germany e.v. TDWI-D-A-CH: die neutrale BI- Forscher neutral Berater non-profit unabhängig Anwender Hersteller Einzel-

Mehr

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM Datenreorganisation > Effiziente und performante Stammdatenreorganisation mit SAP Data Services < Simon Hartstein / T-Systems Data Migration Consulting AG / Harmonization & Consolidation Mai 21, 2014 Agenda

Mehr

APICON Forum 2015 30. April 2015 Ein Konzept zur Vermeidung von Datenqualität - die Top 10 Fehler der Stammdatenpflege

APICON Forum 2015 30. April 2015 Ein Konzept zur Vermeidung von Datenqualität - die Top 10 Fehler der Stammdatenpflege APICON Forum 2015 30. April 2015 Ein Konzept zur Vermeidung von Datenqualität - die Top 10 Fehler der Stammdatenpflege Prof. Dr. Knut Hildebrand Hochschule Weihenstephan-Triesdorf Knut@Hildebrand.info

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

Wie lässt sich Datenqualität messen?

Wie lässt sich Datenqualität messen? Wie lässt sich Datenqualität messen? Eine Leitline der Telematikplattform für Medizinische Forschungsnetze M. Nonnemacher, D. Weiland, J. Stausberg Institut für Medizinische Informatik, Biometrie und Epidemiologie

Mehr

Data Warehousing mit Oracle

Data Warehousing mit Oracle Data Warehousing mit Oracle Business Intelligence in der Praxis von Claus Jordan, Dani Schnider, Joachim Wehner, Peter Welker 1. Auflage Hanser München 2011 Verlag C.H. Beck im Internet: www.beck.de ISBN

Mehr

Erfolgsfaktor Datenqualität im Immobilienmanagement Eine Strategie zur nachhaltigen Verbesserung der Datenqualität

Erfolgsfaktor Datenqualität im Immobilienmanagement Eine Strategie zur nachhaltigen Verbesserung der Datenqualität Erfolgsfaktor Datenqualität im Immobilienmanagement Eine Strategie zur nachhaltigen Verbesserung der Datenqualität Joachim Sobota und Axel Hummel 16. SAP Forum für die Immobilienwirtschaft, 24.-25. Sept

Mehr

Mundt Direkt. Neukunden-Identifikations-System

Mundt Direkt. Neukunden-Identifikations-System Neukunden-Identifikations-System Mundt Direkt. GmbH Zielgruppenmarketing Hintere Straße 20 71229 Leonberg / Germany Tel.: +49 (0)7152-9349-0 Fax.: +49 (0)7152-9349-23 www.mundt-direkt.de Eine Nummer löst

Mehr

Blog-Artikel Software zum mitdenken bewegen von Henrik Heitbrink, Projektleiter A.T.E Software GmbH

Blog-Artikel Software zum mitdenken bewegen von Henrik Heitbrink, Projektleiter A.T.E Software GmbH Blog-Artikel Software zum mitdenken bewegen von Henrik Heitbrink, Projektleiter A.T.E Software GmbH Software zum mitdenken bewegen Vor dem Computer zu sitzen ist manchmal wie Kind sein im Süßwarenladen.

Mehr

Vom Intranet zum Knowledge Management

Vom Intranet zum Knowledge Management Vom Intranet zum Knowledge Management Die Veränderung der Informationskultur in Organisationen von Martin Kuppinger, Michael Woywode 1. Auflage Hanser München 2000 Verlag C.H. Beck im Internet: www.beck.de

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

IT-Governance. Standards und ihr optimaler Einsatz bei der. Implementierung von IT-Governance

IT-Governance. Standards und ihr optimaler Einsatz bei der. Implementierung von IT-Governance IT-Governance Standards und ihr optimaler Einsatz bei der Implementierung von IT-Governance Stand Mai 2009 Disclaimer Die Inhalte der folgenden Seiten wurden von Severn mit größter Sorgfalt angefertigt.

Mehr

TPAV. Dubletten- und Adressprüfung direkt im SAP CRM

TPAV. Dubletten- und Adressprüfung direkt im SAP CRM TPAV Dubletten- und Adressprüfung direkt im SAP CRM 2 Ihr Kapital im SAP CRM: die Geschäftspartnerdaten. Trusted Partner Address Validation (TPAV) Das von der C4RM entwickelte TPAV AddOn sucht Geschäftspartner-Dubletten

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

Handbuch Online-Abgleich

Handbuch Online-Abgleich Handbuch Online-Abgleich Inhalt Einleitung...1 Voraussetzungen...1 Aufruf des Online-Abgleiches...1 Übersichtsseite...1 Wahl einer Liste...1 Wahl des Online Abgleichs...2 Erstellen eines neuen Abgleiches...3

Mehr

Quelle: Daten nach Russom, Philip: Taking Data Quality to the Enterprise through Data Governance, TDWI Report Series, The Data Warehouse Institute,

Quelle: Daten nach Russom, Philip: Taking Data Quality to the Enterprise through Data Governance, TDWI Report Series, The Data Warehouse Institute, Quelle: Daten nach Russom, Philip: Taking Data Quality to the Enterprise through Data Governance, TDWI Report Series, The Data Warehouse Institute, Chatsworth, 2006, S. 11. Schieder: Datenqualitätsmanagement

Mehr

ITSM-Health Check: die Versicherung Ihres IT Service Management. Christian Köhler, Service Manager, Stuttgart, 03.07.2014

ITSM-Health Check: die Versicherung Ihres IT Service Management. Christian Köhler, Service Manager, Stuttgart, 03.07.2014 : die Versicherung Ihres IT Service Management Christian Köhler, Service Manager, Stuttgart, 03.07.2014 Referent Christian Köhler AMS-EIM Service Manager Geschäftsstelle München Seit 2001 bei CENIT AG

Mehr

Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management

Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management Sprecher: Uwe Nadler, Senior Managing Consultant 1 Marketing braucht unterschiedliche Informationen, um entsprechende

Mehr

Wie viel Geschäftsprozess verträgt agile Softwareentwicklung?

Wie viel Geschäftsprozess verträgt agile Softwareentwicklung? @LeanAgileScrum #LASZH LAS Conference 2012 Sponsoren Wie viel Geschäftsprozess verträgt agile Softwareentwicklung? Marcus Winteroll 16:15 Auditorium Organisationsteam Patrick Baumgartner (Swiftmind GmbH)

Mehr

Dublettencheck Reloaded mithilfe der Datenanalyse-Lösung IDEA TIPPS & TRICKS IDEA. Klaus Jakobi Genossenschaftsverband e.v. Autor:

Dublettencheck Reloaded mithilfe der Datenanalyse-Lösung IDEA TIPPS & TRICKS IDEA. Klaus Jakobi Genossenschaftsverband e.v. Autor: Dublettencheck Reloaded mithilfe der Datenanalyse-Lösung IDEA TIPPS & TRICKS IDEA Autor: Klaus Jakobi Genossenschaftsverband e.v. Datenqualität spielt für den Unternehmenserfolg eine entscheidende Rolle.

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

Online-Scanner. Bewirtschaftung leicht gemacht. www.haberkorn.com

Online-Scanner. Bewirtschaftung leicht gemacht. www.haberkorn.com Online-Scanner. Bewirtschaftung leicht gemacht. www.haberkorn.com Einfach unglaublich. Verschwendung schleicht sich überall ein. In der klassischen Lean-Production-Lehre werden sieben Arten der Verschwendung

Mehr

Universität Trier. FB IV Wirtschafts- und Sozialwissenschaften. SS 2008 Veranstalterin: Dipl.-Wirt.-Inf. Ariane Gramm

Universität Trier. FB IV Wirtschafts- und Sozialwissenschaften. SS 2008 Veranstalterin: Dipl.-Wirt.-Inf. Ariane Gramm Universität Trier FB IV Wirtschafts- und Sozialwissenschaften SS 2008 Veranstalterin: Dipl.-Wirt.-Inf. Ariane Gramm Übung Wirtschaftsinformatik I Teil 2 Thema: Erläuterung der eepk Eingereicht am 12.06.2008

Mehr

Wir bringen HIDDEN CHAMPIONS

Wir bringen HIDDEN CHAMPIONS Wir bringen HIDDEN CHAMPIONS voran. Datenmigration in proalpha Projekten Qualitativ hochwertige Daten aufbereiten am Beispiel eines ERP- Datenübernahmeprojektes bei der MULAG Fahrzeugwerk (Oppenau) Datenübernahme

Mehr

CMC-KOMPASS: CRM. Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement

CMC-KOMPASS: CRM. Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement CMC-KOMPASS: CRM Der Wegweiser für erfolgreiches Kundenbeziehungsmanagement 1 CROSSMEDIACONSULTING 18.05.2010 Unser Verständnis von CRM: Customer Relationship Management ist weit mehr als ein IT-Projekt

Mehr

1 Einleitung. Software Engineering. Vorgehensweisen

1 Einleitung. Software Engineering. Vorgehensweisen 1 Noch ein Buch über Software Engineering? Warum nicht! Wir folgen einem Prinzip, das zur Lösungsfindung in den verschiedensten Domänen Einzug gehalten hat: die Betrachtung aus verschiedenen Blickwinkeln.

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

POCKET POWER. Probleme lösen. Systematisch. 8D und 7STEP

POCKET POWER. Probleme lösen. Systematisch. 8D und 7STEP POCKET POWER 8D und 7STEP Systematisch Probleme lösen 3 Inhalt 1 Einleitung................................ 7 1.1 Aufbau des Buches............................. 7 1.2 Probleme lösen und kontinuierlich

Mehr

Erfolgsfaktor Datenqualität - Verfahren und Tools zur Qualitätssicherung der Produktdaten-

Erfolgsfaktor Datenqualität - Verfahren und Tools zur Qualitätssicherung der Produktdaten- Erfolgsfaktor Datenqualität - Verfahren und Tools zur Qualitätssicherung der Produktdaten- Rolf Krieger Institut für Softwaresysteme Hochschule Trier, Umwelt-Campus Birkenfeld email: r.krieger@umwelt-campus.de

Mehr

Apparo Fast Edit Standardprogramm für unternehmensweite Dateneingabe. IBM Cognos BI

Apparo Fast Edit Standardprogramm für unternehmensweite Dateneingabe. IBM Cognos BI Apparo Fast Edit Standardprogramm für unternehmensweite Dateneingabe IBM Cognos BI 2 Business Intelligence Business Intelligence ist das Nervensystem des Unternehmens aber eigentlich geht das doch in beide

Mehr

Drei Möglichkeiten, um Adressqualität zu messen. Was Sie tun können, um Ihre Adressqualität in den Griff zu bekommen

Drei Möglichkeiten, um Adressqualität zu messen. Was Sie tun können, um Ihre Adressqualität in den Griff zu bekommen Drei Möglichkeiten, um Adressqualität zu messen Was Sie tun können, um Ihre Adressqualität in den Griff zu bekommen Was ist falsch gelaufen? Es ist nie eine erfreuliche Überraschung, wenn ein Unternehmen

Mehr

BPMN vs. EPK & Co. oder auf was es wirklich ankommt

BPMN vs. EPK & Co. oder auf was es wirklich ankommt BPMN vs. EPK & Co. oder auf was es wirklich ankommt Sebastian Adam, Norman Riegel 15. Mai 2012, St. Augustin Die Fraunhofer-Gesellschaft e.v. Benannt nach: Rolle der FraunhoferGesellschaft: Größe: Forschungsvolumen:

Mehr

Data Quality Management. Data Quality Management. Daten organisieren, revisionssicher korrigieren und Informationsqualität steigern.

Data Quality Management. Data Quality Management. Daten organisieren, revisionssicher korrigieren und Informationsqualität steigern. Data Quality Management Data Quality Management Daten organisieren, revisionssicher korrigieren und Informationsqualität steigern zeb Data Quality Management Daten organisieren, revisionssicher korrigieren

Mehr

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014 Datenintegration, -qualität und Data Governance Hannover, 14.03.2014 Business Application Research Center Führendes europäisches Analystenhaus für Business Software mit Le CXP (F) objektiv und unabhängig

Mehr

Hannover, 20.03.2015 Halle 5 Stand A36

Hannover, 20.03.2015 Halle 5 Stand A36 Integrierte Unternehmensinformationen als Fundament für die digitale Transformation vor allem eine betriebswirtschaftliche Aufgabe Hannover, 20.03.2015 Halle 5 Stand A36 Business Application Research Center

Mehr

Maturity Model for Business Process Management

Maturity Model for Business Process Management Maturity Model for Business Process Management Erfolg mit Prozessmanagement ist messbar Januar 2013 Copyright BPM Maturity Model eden e.v. 1 Zielsetzungen für eden Das Reifegradmodell eden wird seit 2006

Mehr

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Software AG Innovation Day 2014 Bonn, 2.7.2014 Dr. Carsten Bange, Geschäftsführer Business Application Research Center

Mehr

Übungsblatt 4: Requirements Engineering (2) (für die Übungswoche 14.11. 18.11.2011)

Übungsblatt 4: Requirements Engineering (2) (für die Übungswoche 14.11. 18.11.2011) Übungsblatt 4: Requirements Engineering (2) (für die Übungswoche 14.11. 18.11.2011) Daueraufgabe: Fünf in Fünf Präsentationsaufgabe. Bereiten Sie eine fünfminütige Präsentation vor, in der Sie die fünf

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

kurzinfo Messen Sie die Innovationsdynamik Ihres Unternehmens. Finden Sie Ansätze und Methoden zur gezielten Weiterentwicklung.

kurzinfo Messen Sie die Innovationsdynamik Ihres Unternehmens. Finden Sie Ansätze und Methoden zur gezielten Weiterentwicklung. kurzinfo Messen Sie die Innovationsdynamik Ihres Unternehmens. Finden Sie Ansätze und Methoden zur gezielten Weiterentwicklung. Sichern Sie so die Zukunftsfähigkeit Ihres Unternehmens. INNONAMICS Stand

Mehr

DYNAMICS NAV LIFT360 CONNECT

DYNAMICS NAV LIFT360 CONNECT Seite 1 Speziallösung Dynamics NAV Lift360 Connect Auf einen Blick: DYNAMICS NAV LIFT360 CONNECT für Microsoft Dynamics NAV Bonitätsprüfungen leicht gemacht. Der 360 -Rundumblick über Ihre Geschäftspartner

Mehr

Finaler Testbericht. Finaler Testbericht. 1 Einführung 2. 1.1 Warum Softwaretests?... 2

Finaler Testbericht. Finaler Testbericht. 1 Einführung 2. 1.1 Warum Softwaretests?... 2 Inhaltsverzeichnis 1 Einführung 2 1.1 Warum Softwaretests?.................................... 2 2 Durchgeführte Tests 2 2.1 Test: allgemeine Funktionalität............................... 2 2.1.1 Beschreibung.....................................

Mehr

Risiken auf Prozessebene

Risiken auf Prozessebene Risiken auf Prozessebene Ein Neuer Ansatz Armin Hepe Credit Suisse AG - IT Strategy Enabeling, Practices & Tools armin.hepe@credit-suisse.com Persönliche Vorstellung, kurz 1 Angestellter bei Credit Suisse

Mehr

Qualitätsmanagement in der Softwareentwicklung

Qualitätsmanagement in der Softwareentwicklung Leitfaden zur Analyse und Verbesserung der Produkt- und Prozessqualität Univ.-Prof. Dr. Dr. h. c. mult. Horst Wildemann TCW Transfer-Centrum für Produktions-Logistik und Technologie-Management GmbH & Co.

Mehr

Performance by Design Wie werden performante ETL-Prozesse erstellt?

Performance by Design Wie werden performante ETL-Prozesse erstellt? Performance by Design Wie werden performante ETL-Prozesse erstellt? Reinhard Mense ARETO Consulting Bergisch Gladbach Schlüsselworte: DWH, Data Warehouse, ETL-Prozesse, Performance, Laufzeiten, Partitionierung,

Mehr

Checkliste zum Datenschutz

Checkliste zum Datenschutz Checkliste zum Datenschutz Diese Checkliste soll Ihnen einen ersten Überblick darüber geben, ob der Datenschutz in Ihrem Unternehmen den gesetzlichen Bestimmungen entspricht und wo ggf. noch Handlungsbedarf

Mehr

Was muss ich noch für meine Zertifizierung tun, wenn meine Organisation. organisiert

Was muss ich noch für meine Zertifizierung tun, wenn meine Organisation. organisiert ? organisiert Was muss ich noch für meine Zertifizierung tun, wenn meine Organisation ist? Sie müssen ein QM-System: aufbauen, dokumentieren, verwirklichen, aufrechterhalten und dessen Wirksamkeit ständig

Mehr

Das bessere Unternehmen Industrialisierung von Information Management

Das bessere Unternehmen Industrialisierung von Information Management Das bessere Unternehmen Industrialisierung von Information Management Webcast, April 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Chefsache Information Management Unternehmen

Mehr

Oracle-Statistiken im Data Warehouse effizient nutzen

Oracle-Statistiken im Data Warehouse effizient nutzen Oracle-Statistiken im Data Warehouse effizient nutzen Reinhard Mense ARETO Consulting Köln Schlüsselworte: DWH, Data Warehouse, Statistiken, Optimizer, Performance, Laufzeiten Einleitung Für die performante

Mehr

kundenbezogene Prozesse Produktion und Dienstleistung Lenkung von Überwachungs- und Messmitteln

kundenbezogene Prozesse Produktion und Dienstleistung Lenkung von Überwachungs- und Messmitteln Planung Produktrealisierung - Überblick - DIN EN ISO 9001 kundenbezogene Prozesse Entwicklung Beschaffung Produktion und Dienstleistung Lenkung von Überwachungs- und Messmitteln Abb. 1 Qualitätswirksame

Mehr

Welcher Punkt ist / welche Punkte sind bei der Gestaltung des Qualitätsmanagementhandbuch (QMH) vorteilhaft?

Welcher Punkt ist / welche Punkte sind bei der Gestaltung des Qualitätsmanagementhandbuch (QMH) vorteilhaft? 1. Welcher Punkt ist / welche Punkte sind bei der Gestaltung des Qualitätsmanagementhandbuch (QMH) vorteilhaft? a. Eine einfache Gliederung. b. Möglichst lange und ausführliche Texte. c. Verwendung grafischer

Mehr

Geschäftsanalytik & Informationsqualität. Transparenz schafft Handlungsalternativen

Geschäftsanalytik & Informationsqualität. Transparenz schafft Handlungsalternativen Geschäftsanalytik & Informationsqualität Transparenz schafft Handlungsalternativen InfoZoom Best Practice Day 2010 Methodik zur Identifizierung der Auswirkungen schlechter Datenqualität auf Geschäftsprozesse!

Mehr

Inhaltsverzeichnis. Hermann J. Schmelzer, Wolfgang Sesselmann. Geschäftsprozessmanagement in der Praxis

Inhaltsverzeichnis. Hermann J. Schmelzer, Wolfgang Sesselmann. Geschäftsprozessmanagement in der Praxis Inhaltsverzeichnis Hermann J. Schmelzer, Wolfgang Sesselmann Geschäftsprozessmanagement in der Praxis Kunden zufrieden stellen - Produktivität steigern - Wert erhöhen ISBN (Buch): 978-3-446-43460-8 Weitere

Mehr

Compliance Monitoring mit PROTECHT.ERM

Compliance Monitoring mit PROTECHT.ERM covalgo consulting GmbH Operngasse 17-21 1040 Wien, Austria www.covalgo.at Compliance Monitoring mit PROTECHT.ERM Autor: DI Mag. Martin Lachkovics, Dr. Gerd Nanz Datum: 20. Oktober 2014, 29. April 2015

Mehr

Prozessorientiertes Service Level Management

Prozessorientiertes Service Level Management Prozessorientiertes Management Dr. Andreas Kronz IDS Scheer AG andreas.kronz@ids-scheer.com Bettina Kaffai Institut für Wirtschaftinformatik im DFKI kaffai@iwi.uni-sb.de www.ids-scheer.com Agenda IDS Scheer

Mehr

Urs Fischer, dipl. WP, CRISC, CISA, CIA Fischer IT GRC Beratung & Schulung

Urs Fischer, dipl. WP, CRISC, CISA, CIA Fischer IT GRC Beratung & Schulung Urs Fischer, dipl. WP, CRISC, CISA, CIA Fischer IT GRC Beratung & Schulung 5. November 2012 2012 ISACA & fischer IT GRC Beratung & Schulung. All rights reserved 2 Agenda Einführung Konzepte und Prinzipien

Mehr

Information Governance die unterschätzte Unternehmensdisziplin IBM Inside 2010, Okt. 2010

Information Governance die unterschätzte Unternehmensdisziplin IBM Inside 2010, Okt. 2010 Information Governance die unterschätzte Unternehmensdisziplin IBM Inside 2010, Okt. 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Information Governance Information Management

Mehr

it supreme - das Tüpfelchen auf Ihrer IT

it supreme - das Tüpfelchen auf Ihrer IT it supreme - das Tüpfelchen auf Ihrer IT IT-DOKUMENTATION DATENSCHUTZ IT PROJEKTMANAGEMENT www.koell.com i T supreme Aus unserer langjährigen Tätigkeit im High Quality Consulting und der umfangreichen

Mehr

Regelung zum Verbesserungsmanagement: Lenkung von Fehlern, Korrektur- und Vorbeugungsmaßnahmen im Arbeitsschutz

Regelung zum Verbesserungsmanagement: Lenkung von Fehlern, Korrektur- und Vorbeugungsmaßnahmen im Arbeitsschutz Regelung zum Verbesserungsmanagement: Lenkung von Fehlern, Korrektur- und Vorbeugungsmaßnahmen im Arbeitsschutz Zweck Die MAAS-BGW sehen neben den erläuterten Methoden besondere Instrumente zur Verbesserung

Mehr

Marketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Schwierigkeiten bei der Umsetzung Josef Kolbitsch Manuela Reinisch Übersicht Schwierigkeiten bei der Umsetzung eines BI-Systems Schwierigkeiten der Umsetzung 1/13 Strategische Ziele

Mehr

Kundenbindung durch. Beschwerdemanagement INDIVIDUELLE ANTWORTEN PRAXISNAHE AUSWERTUNGEN LOYALE KUNDEN

Kundenbindung durch. Beschwerdemanagement INDIVIDUELLE ANTWORTEN PRAXISNAHE AUSWERTUNGEN LOYALE KUNDEN Kundenbindung durch Beschwerdemanagement INDIVIDUELLE ANTWORTEN PRAXISNAHE AUSWERTUNGEN LOYALE KUNDEN Unüberhörbar ist vor allem das, was nicht gesagt worden ist. KÄTE HAACK Kunden erwarten Antworten Die

Mehr

Business Intelligence braucht mehr Business!

Business Intelligence braucht mehr Business! Business Intelligence braucht mehr Business! Oder: Raus aus der BI-Falle! Dr. Guido Kemper 16. Handelsblatt Jahrestagung: Strategisches IT-Management. München, 25.01.2010 prometis - Management & Technology

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

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector 7.4 Analyse anhand der SQL-Trace 337 7.3.5 Vorabanalyse mit dem Code Inspector Der Code Inspector (SCI) wurde in den vorangegangenen Kapiteln immer wieder erwähnt. Er stellt ein paar nützliche Prüfungen

Mehr

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009 Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar 24. September 2009 Unternehmensdarstellung Burda Digital Systems ist eine eigenständige und

Mehr

Total Quality Management

Total Quality Management Total Quality Management TQM Grundlagen Total Quality Management ist ein prozessorientiertes System, das auf der Überzeugung gründet, dass Qualität einfach eine Frage der Ausrichtung an den Erfordernissen

Mehr

Integriertes Risikomanagement mit GAMP 5 Risiken effizient managen!

Integriertes Risikomanagement mit GAMP 5 Risiken effizient managen! Integriertes Risikomanagement mit GAMP 5 Risiken effizient managen! Autor: Thomas Halfmann Halfmann Goetsch Peither AG Mit GAMP 5 wurde im Jahr 2005 der risikobasierte Ansatz in die Validierung computergestützter

Mehr

Process Consulting. Beratung und Training. Branchenfokus Energie und Versorgung. www.mettenmeier.de/bpm

Process Consulting. Beratung und Training. Branchenfokus Energie und Versorgung. www.mettenmeier.de/bpm Process Consulting Process Consulting Beratung und Training Branchenfokus Energie und Versorgung www.mettenmeier.de/bpm Veränderungsfähig durch Business Process Management (BPM) Process Consulting Im Zeitalter

Mehr

Intelligente Prozesse für das Kundenbeziehungsmanagement. Rainer Wendt, in der IHK Aachen, 23.02.2011

Intelligente Prozesse für das Kundenbeziehungsmanagement. Rainer Wendt, in der IHK Aachen, 23.02.2011 CRM Process Performance Intelligence Intelligente Prozesse für das Kundenbeziehungsmanagement Rainer Wendt, in der IHK Aachen, 23.02.2011 masventa Business GmbH Von-Blanckart-Str. 9 52477 Alsdorf Tel.

Mehr

Agenda. Einführung MS SQL Server Integration Services (SSIS) Oracle Data Warehouse Builder (OWB) Zusammenfassung Quellen. Einführung SSIS OWB

Agenda. Einführung MS SQL Server Integration Services (SSIS) Oracle Data Warehouse Builder (OWB) Zusammenfassung Quellen. Einführung SSIS OWB Agenda Einführung MS SQL Server Integration Services () Oracle Data Warehouse Builder () Quellen 10.12.2009 Martin Tobies - DQ Tools 2 Agenda Einführung MS SQL Server Integration Services () Oracle Data

Mehr

In 12 Schritten zu wirksamen Kontrollen im mittelständischen Unternehmen

In 12 Schritten zu wirksamen Kontrollen im mittelständischen Unternehmen S e i t e 3 Internes Kontrollsystem (IKS ) In 12 Schritten zu wirksamen Kontrollen im mittelständischen Unternehmen Krzysztof Paschke 4 S e i t e IKS Definition Weitere Informationen zum Thema Governance

Mehr

Qualitätsstandards im Fachreferat? Wie lässt sich Fachreferatsarbeit in ein Qualitätsmanagement integrieren? Dr. Bruno Klotz-Berendes

Qualitätsstandards im Fachreferat? Wie lässt sich Fachreferatsarbeit in ein Qualitätsmanagement integrieren? Dr. Bruno Klotz-Berendes Qualitätsstandards im Fachreferat? Wie lässt sich Fachreferatsarbeit in ein Qualitätsmanagement integrieren? Dr. Bruno Klotz-Berendes Gliederung des Vortrags Qualitätsmanagement Basis - Prozessbeschreibung

Mehr

Business Intelligence für Controller

Business Intelligence für Controller Controllers Best Practice Fachbuch Business Intelligence für Controller Hermann Hebben und Dr. Markus Kottbauer Verlag für ControllingWissen ÄG, Freiburg und Wörthsee Ein Unternehmen der Haufe Mediengruppe

Mehr

Verfahrensanweisung Umgang mit Beschwerden.doc INHALT

Verfahrensanweisung Umgang mit Beschwerden.doc INHALT INHALT 1 Zweck und Anwendungsbereich 2 2 Begriffe / Definitionen 2 2.1 Definitionen 2 3 Zuständigkeiten 2 4 Verfahrensbeschreibung 3 4.1 Schematische Darstellung Fehler! Textmarke nicht definiert. 4.2

Mehr

Bestandsabgleich mit einem Onlineshop einrichten

Bestandsabgleich mit einem Onlineshop einrichten Bestandsabgleich mit einem Onlineshop einrichten Mit unserem Tool rlonlineshopabgleich können die Warenbestände zwischen unserem Programm raum level und einem Onlineshop abgeglichen werden. Einleitend

Mehr

Hans Dieter Seghezzi. Fritz Fahrni. Thomas Friedli INTEGRIERTES QUALITÄTSMANAGEMENT. Das St. Galler Konzept. 4., vollständig überarbeitete Auflage

Hans Dieter Seghezzi. Fritz Fahrni. Thomas Friedli INTEGRIERTES QUALITÄTSMANAGEMENT. Das St. Galler Konzept. 4., vollständig überarbeitete Auflage Hans Dieter Seghezzi Fritz Fahrni Thomas Friedli INTEGRIERTES QUALITÄTSMANAGEMENT Das St. Galler Konzept 4., vollständig überarbeitete Auflage HANSER Inhalt TEIL A Qualität - eine Unternehmeraufgabe t

Mehr

Modellierung von Geschäftsprozessen

Modellierung von Geschäftsprozessen Modellierung von Geschäftsprozessen Wie und Warum? 28. April 2015, Bayreuth Friedrich-von-Schiller-Str. 2a 95444 Bayreuth, Germany Telefon: +49 921 530 397 11 Telefax: +49 921 530 397 10 info@bfm-bayreuth.de

Mehr

Betrugsprävention mit Hilfe von Risk Analytics

Betrugsprävention mit Hilfe von Risk Analytics Betrugsprävention mit Hilfe von Risk Analytics Steigende Zahl an Betrugsfällen Die Polizeiliche Kriminalstatistik von 2010 zeigt: Betrug nimmt von Jahr zu Jahr immer mehr zu. Mit 968.162 Betrugsfällen

Mehr

Datenqualität: Finanzinstitute im Spannungsfeld regulatorischer Anforderungen Lösungsansätze und Praxisbeispiele

Datenqualität: Finanzinstitute im Spannungsfeld regulatorischer Anforderungen Lösungsansätze und Praxisbeispiele Con.ect Informunity - 9. Oktober 2007 - Datenqualität: Finanzinstitute im Spannungsfeld regulatorischer Anforderungen Lösungsansätze und Praxisbeispiele Agenda Einführung Definition Regelbasierter Lösungsansatz

Mehr

Zielgruppengenaues Werben mit MailingMax

Zielgruppengenaues Werben mit MailingMax Mit dem Seminar Werben mit MailingMax möchten wir Ihnen in einer umfangreichen Schulung zeigen, wie Sie mit Hilfe des MailingMax ganz schnell einfache und doch präzise Mailing-Aktionen durchführen können.

Mehr

Skalierbare Datenqualität in anwendungsspezifischen Szenarien

Skalierbare Datenqualität in anwendungsspezifischen Szenarien Skalierbare Datenqualität in anwendungsspezifischen Szenarien Matthias Virgin DZNE e.v. Bonn Standort Rostock / Greifswald Gehlsheimer Str. 20 18147 Rostock matthias.virgin@dzne.de Tobias Umblia Universität

Mehr

Was ist SAM? Warum brauche ich SAM? Schritte zur Einführung Mögliche Potentiale Fragen

Was ist SAM? Warum brauche ich SAM? Schritte zur Einführung Mögliche Potentiale Fragen Software Asset Management (SAM) Vorgehensweise zur Einführung Bernhard Schweitzer Manager Professional Services Agenda Was ist SAM? Warum brauche ich SAM? Schritte zur Einführung Mögliche Potentiale Fragen

Mehr

Data Mining mit Microsoft SQL Server

Data Mining mit Microsoft SQL Server Data Mining mit Microsoft SQL Server Analyse und Mustererkennung in Daten mit Excel 2007 und SQL Server 2005/2008 von Jan Tittel, Manfred Steyer 1. Auflage Data Mining mit Microsoft SQL Server Tittel /

Mehr

Qualität in Bildung und Beratung. Empfehlungen für die Arbeit mit dem Qualitätsentwicklungssystem QES plus

Qualität in Bildung und Beratung. Empfehlungen für die Arbeit mit dem Qualitätsentwicklungssystem QES plus Empfehlungen für die Arbeit mit dem Qualitätsentwicklungssystem QES plus Bearbeitet von: K. Gerber/ D. Hotze Stand vom 14.08.2007 Empfehlungen für die Arbeit mit dem Qualitätsentwicklungssystem QES plus

Mehr

Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung

Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung 6. Datenintegrität Motivation Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung nur sinnvolle Attributwerte (z.b. keine negativen Semester) Abhängigkeiten

Mehr

Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion

Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion Big Data als neuer Partner von Six Sigma Optimierung der diskreten Produktion Frank Effenberger, Marco Fischer, 22.06.2015, München Agenda Firmenpräsentation Einführung Anwendungsfall Fazit Zahlen und

Mehr

Elemica Mike McGuigan, CEO. Roadshow Ludwigshafen 18. November 2008

Elemica Mike McGuigan, CEO. Roadshow Ludwigshafen 18. November 2008 Elemica Mike McGuigan, CEO Roadshow Ludwigshafen 18. November 2008 1 Die Notwendigkeit für Supply Chain Integration Weiterhin auf manuelle Prozesse vertrauen, fehlende Einsicht in die globale Supply Chain

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

Schlüsselfragen bei Softwareauswahl

Schlüsselfragen bei Softwareauswahl CFOWorld 22.11.2013 Fachartikel zum Fuhrparkmanagement Teil II Seite 1 Veröffentlicht auf CFOworld (http://www.cfoworld.de) Startseite > Schlüsselfragen bei Softwareauswahl Info: Artikel komplett von Christoph

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