Daten- und Informationsqualität - Auf dem Weg zur Information Excellence
von: Knut Hildebrand, Marcus Gebauer, Holger Hinrichs, Michael Mielke
Vieweg+Teubner (GWV), 2011
ISBN: 9783834899538
Sprache: Deutsch
445 Seiten, Download: 11501 KB
Format: PDF, auch als Online-Lesen
Editorial | 5 | ||
Danksagung | 7 | ||
Grußwort Prof. Richard Wang | 7 | ||
Inhaltsverzeichnis | 9 | ||
A Informationsqualität – Grundlagen | 11 | ||
1 Was wissen wir über Information? | 12 | ||
1.1 Einleitung | 12 | ||
1.2 Grundlegung | 14 | ||
1.3 Information im Wissens- und Informationsmanagement | 16 | ||
1.4 SHANNONsche Informationstheorie | 20 | ||
1.5 STEINMÜLLERs Informationsmodell | 23 | ||
1.5.1 STEINMÜLLERs System- und Prozessverständnis | 23 | ||
1.5.2 Information als allgemeines Modell | 24 | ||
1.5.3 Modell eines Informationssystems unter Einbezug der Semiotik | 25 | ||
1.5.4 Fazit | 27 | ||
1.6 Information als Produktionsfaktor | 28 | ||
1.6.1 Perspektive der Produktionstheorie | 28 | ||
1.6.2 Produktionsfaktor Information | 30 | ||
1.6.3 Fazit | 31 | ||
1.7 Zusammenfassung des Beitrages | 31 | ||
Literaturverzeichnis | 32 | ||
2 Informationsqualität – Definitionen, Dimensionen und Begriffe | 34 | ||
2.1 Einleitung | 34 | ||
2.2 IQ-Dimensionen und Definitionen | 35 | ||
2.2.1 Die 15 IQ-Dimensionen im Überblick: | 37 | ||
2.2.2 Graphische Darstellung der 15 IQ-Dimensionen und 4 IQ-Kategorien | 38 | ||
2.2.3 Die 15 IQ-Dimensionen: Definitionen und Beispiele | 41 | ||
2.2.3.1 Zugänglichkeit (accessibility): | 41 | ||
2.2.3.2 Angemessener Umfang (appropriate amount of data): | 42 | ||
2.2.3.3 Glaubwürdigkeit (believability): | 43 | ||
2.2.3.4 Vollständigkeit (completeness): | 43 | ||
2.2.3.5 Übersichtlichkeit (concise representation): | 44 | ||
2.2.3.6 Einheitliche Darstellung (consistent representation): | 45 | ||
2.2.3.7 Bearbeitbarkeit (ease of manipulation): | 46 | ||
2.2.3.8 Fehlerfreiheit (free of error): | 46 | ||
2.2.3.9 Eindeutige Auslegbarkeit (interpretability): | 47 | ||
2.2.3.10 Objektivität (objectivity): | 48 | ||
2.2.3.11 Relevanz (relevancy): | 48 | ||
2.2.3.12 Hohes Ansehen (reputation): | 49 | ||
2.2.3.13 Aktualität (timeliness): | 50 | ||
2.2.3.14 Verständlichkeit (understandability): | 51 | ||
2.2.3.15 Wertschöpfung (value-added): | 51 | ||
2.2.3.16 Vollständigkeit der IQ-Dimensionen | 52 | ||
2.3 Zusammenfassung und Ausblick | 53 | ||
Literaturverzeichnis | 54 | ||
B Methoden – Techniken – Tools – Regelwerke/Standards | 55 | ||
1 Datenqualitätsmetriken für ein ökonomisch orientiertes Qualitätsmanagement | 56 | ||
1.1 Einleitung | 56 | ||
1.2 Anforderungen an Datenqualitätsmetriken | 58 | ||
1.3 Bisherige Beiträge zur Messung von Datenqualität | 58 | ||
1.4 Metriken und Messverfahren für DQ | 61 | ||
1.4.1 Metrik für die DQ-Dimension Vollständigkeit | 61 | ||
1.4.2 Metrik für die DQ-Dimension Fehlerfreiheit | 64 | ||
1.4.3 Metrik für die DQ-Dimension Konsistenz | 67 | ||
1.4.4 Metrik für die DQ-Dimension Aktualität | 69 | ||
1.5 Praktische Anwendung der Metrik für Aktualität | 71 | ||
1.6 Zusammenfassung und Ausblick | 72 | ||
Literaturverzeichnis | 73 | ||
2 Datenqualitätsmanagement – Steigerung der Datenqualität mit Methode | 75 | ||
2.1 Die Bedeutung des Total Data Quality Management | 75 | ||
2.1.1 Vorgehensmodelle | 76 | ||
2.1.2 Datenqualitätsmanagement sichert Ihren Unternehmenserfolg | 77 | ||
2.2 Phasen eines ganzheitlichen Datenqualitätsmanagements | 77 | ||
2.2.1 Initiierung des Datenqualitätsprojekts | 78 | ||
2.2.2 Definition der Datenqualitätsanforderungen | 81 | ||
2.2.3 Messung der vorhandenen Datenqualität | 85 | ||
2.2.4 Analyse der Fehlerursachen | 88 | ||
2.2.5 Verbesserung der Datenqualität | 90 | ||
2.2.6 Permanente Überwachung der Datenqualität | 92 | ||
2.3 Anreize für ein Datenqualitätsmanagement | 92 | ||
Literaturverzeichnis | 94 | ||
3 Strukturierte Datenanalyse, Profiling und Geschäftsregeln | 95 | ||
3.1 Datenqualität | 95 | ||
3.2 Merkmale der Datenqualität | 97 | ||
3.3 Geschäftsregeln | 100 | ||
3.4 Methoden der Datenanalyse | 101 | ||
3.5 Metriken im Detail | 103 | ||
3.6 Datenqualität in der Anwendung | 105 | ||
Literaturverzeichnis | 108 | ||
4 Datenbereinigung zielgerichtet eingesetzt zur permanenten Datenqualitätssteigerung | 109 | ||
4.1 Definition "Datenbereinigung" | 109 | ||
4.2 Ursachenanalyse | 110 | ||
4.3 Bewertungskriterien für Datenfehler und Korrekturmaßnahmen | 111 | ||
4.4 Methoden des Datenqualitätsmanagements | 115 | ||
4.5 Datenqualitätsmaßnahmen im Detail | 117 | ||
4.6 Zusammenfassung | 129 | ||
5 Datenintegration und Deduplizierung | 130 | ||
5.1 Schritt 1: Schema Matching | 133 | ||
5.2 Schritt 2: Dublettenerkennung | 136 | ||
5.2.1 Auswirkungen von Dubletten | 136 | ||
5.2.2 Entstehung von Dubletten | 138 | ||
5.2.3 Erkennen von Dubletten | 138 | ||
5.2.3.1 Ähnlichkeitsmaße | 139 | ||
5.2.3.2 Ähnlichkeit auf Datensatzebene | 140 | ||
5.2.4 Durchführung der Dublettenerkennung | 140 | ||
5.3 Schritt 3: Datenfusion | 142 | ||
5.3.1 Konflikte ignorieren | 143 | ||
5.3.2 Konflikte vermeiden | 143 | ||
5.3.3 Konflikte auflösen | 144 | ||
5.4 Erweiterungen | 146 | ||
5.4.1 Strukturierung | 146 | ||
5.4.2 Standardisierung | 146 | ||
5.5 Zusammenfassung | 148 | ||
Literaturverzeichnis | 148 | ||
6 Definition von Datenarten zur konsistenten Kommunikation im Unternehmen | 150 | ||
6.1 Einleitung und Zielsetzung | 150 | ||
6.1.1 Informationsqualität und Datenarten | 151 | ||
6.2 Datenarten in der Informationslandschaft | 151 | ||
6.3 Beschreibungskriterien | 152 | ||
6.3.1 Beschreibung der Eigenschaften | 153 | ||
6.3.1.1 Format | 153 | ||
6.3.1.2 Struktur | 153 | ||
6.3.1.3 Inhalt | 153 | ||
6.3.1.4 Stabilität | 154 | ||
6.3.1.5 Verarbeitung | 155 | ||
6.3.1.6 Business Object | 155 | ||
6.3.2 Beschreibung des Kontextes | 156 | ||
6.3.2.1 Prozess | 156 | ||
6.3.2.2 Zweck | 157 | ||
6.4 Beispiele für den Praxiseinsatz | 158 | ||
6.4.1 Analyseebenen der Informationsqualität | 158 | ||
6.4.2 Visualisierung des IQ-Status | 159 | ||
6.5 Zusammenfassung | 163 | ||
Literaturverzeichnis | 163 | ||
7 Suchmaschinen und Informationsqualität: Status quo, Problemfelder, Entwicklungstendenzen1 | 164 | ||
7.1 Ausgangssituation | 164 | ||
7.2 Charakterisierung algorithmenbasierter Suchmaschinen | 165 | ||
7.2.1 Funktionsweise algorithmenbasierter Suchmaschinen | 165 | ||
7.2.2 Anfrageabhängige Ranking-Faktoren | 166 | ||
7.2.3 Anfrageunabhängige Ranking-Kriterien | 168 | ||
7.3 Semantisches Web und semantische Suchmaschinen | 170 | ||
7.3.1 Vision und Grundlagen des semantischen Webs | 170 | ||
7.3.2 Technische Grundlagen des semantischen Web | 173 | ||
7.3.3 Problemfelder und Herausforderungen im Bereich der semantischen Suche | 174 | ||
7.4 Fazit und Ausblick | 176 | ||
Literaturverzeichnis | 177 | ||
8 Bedeutung der Informationsqualität bei Kaufentscheidungen im Internet1 | 179 | ||
8.1 Einleitung | 179 | ||
8.2 Informationsqualität in Entscheidungsprozessen | 180 | ||
8.2.1 Informationen und Kaufentscheidungen | 180 | ||
8.2.2 Informationsqualitätskriterien | 181 | ||
8.3 Ursachen mangelnder Informationsqualität im Internet | 184 | ||
8.3.1 Opportunistische Verhaltensspielräume der Anbieter | 184 | ||
8.3.2 Informationsqualität aus der Nachfragerperspektive | 187 | ||
8.3.3 Gründe für Opportunismus im Internet | 191 | ||
8.3.3.1 Das strategische Kalkül der Anbieter | 191 | ||
8.3.3.2 Der Wandel von Sucheigenschaften zu Erfahrungseigenschaften | 192 | ||
8.3.3.3 Weitere Besonderheiten im Internet | 193 | ||
8.4 Fazit und Handlungsempfehlungen | 196 | ||
Literaturverzeichnis | 199 | ||
9 Datenqualitäts-Audits in Projekten | 205 | ||
9.1 Einleitung | 205 | ||
9.2 Abstimmung mit anderen Regelwerken | 206 | ||
9.3 Glossar | 207 | ||
9.4 Gebrauch der Generischen Checkliste | 207 | ||
9.5 Datenqualitätsbewertung einer Datensammlung | 210 | ||
9.5.1 Anforderungen an das Management | 210 | ||
9.5.2 Service Level Agreements | 211 | ||
9.5.3 Organisatorische Spezifikationen | 212 | ||
9.5.4 Prozess-Definitionen | 213 | ||
9.5.5 Datensammlung, Datenverarbeitung und Datennutzung | 215 | ||
9.5.6 Messung, Maßnahmen und Überwachung | 216 | ||
9.5.7 Technische Anforderungen | 217 | ||
9.5.8 Dokumentation | 219 | ||
9.6 Zusammenfassung | 220 | ||
10 Bewertung der Informationsqualität im Enterprise 2.01 | 221 | ||
1.1 Einführung | 221 | ||
1.2 Aktuelle Bewertungssysteme im Web 2.0 | 222 | ||
1.2.1 Wikipedia | 222 | ||
1.2.2 Google Knol | 222 | ||
1.2.3 Helium.com | 223 | ||
1.3 Beurteilung der Informationsqualität einer Enterprise 2.0 Wissensplattform mittels eines hybriden Ansatzes | 224 | ||
1.3.1 Automatische Beurteilung der Informationsqualität | 224 | ||
1.3.2 Implizites Nutzer-Feedback | 226 | ||
1.3.3 Explizites Nutzer-Feedback | 228 | ||
1.3.4 Zusammenwirken der drei Ansätze und Fazit | 229 | ||
Literaturverzeichnis | 230 | ||
C Organisation | 233 | ||
1 Organisatorische Ansiedlung eines Datenqualitätsmanagements | 234 | ||
1.1 Einführung | 234 | ||
1.1.1 Motivation | 234 | ||
1.1.2 Gliederung des Kapitels | 235 | ||
1.2 Datenqualitätsmanagement – Entwicklungsstufen und Aufgaben | 236 | ||
1.2.1 Sicherung der Datenqualität | 236 | ||
1.2.2 Management der Datenqualität | 237 | ||
1.3 Datenqualitätsmanagement – Ansiedlung im Unternehmen | 238 | ||
1.3.1 Kopplung von Datenqualitätsmanagement mit anderen Unternehmensbereichen | 239 | ||
1.3.2 Folgerungen für die Ansiedlung eines Datenqualitätsmanagements | 241 | ||
1.4 Datenqualitätsmanagement in Projekten | 242 | ||
1.4.1 Aufgaben des Datenqualitätsmanagements in Projekten | 242 | ||
1.4.2 Organisatorische Verankerung des Datenqualitätsmanagements in Projekten | 242 | ||
1.5 Zusammenfassung und Ausblick | 244 | ||
1.5.1 Zusammenfassung | 244 | ||
1.5.2 Ausblick | 244 | ||
Literaturverzeichnis | 245 | ||
2 Organisatorische Maßnahmen für gute Datenqualität | 246 | ||
2.1 Messungen, Ursachen und generische Ansätze | 246 | ||
2.1.1 Möglichen Arten von Datenqualitätsmängeln | 246 | ||
2.1.2 Datenqualitätsmängel – Entstehung und Bekämpfung | 247 | ||
2.1.3 Vier Generische Ansätze | 248 | ||
2.1.3.1 Ansatz 1: Verantwortung, Messen und Publizieren | 248 | ||
2.1.3.2 Ansatz 2: Freiheit und Führung | 249 | ||
2.1.3.3 Ansatz 3: Standards setzen und durchsetzen | 249 | ||
2.1.3.4 Ansatz 4: Durchgängige Definitionen festlegen | 250 | ||
2.2 Aus den generischen Ansätzen abgeleitete Strategien | 250 | ||
2.3 Strategie A: Transparenz schafft Vertrauen | 251 | ||
2.3.1 Ansatzpunkt dieser Strategie | 251 | ||
2.3.2 Nutzen dieser Strategie | 251 | ||
2.3.3 Nachteile und Risiken dieser Strategie | 251 | ||
2.4 Strategie B: Definition von Verantwortlichkeiten | 252 | ||
2.4.1 Ansatzpunkt dieser Strategie | 252 | ||
2.4.2 Positionierung dieser Businessrollen im Modell | 252 | ||
2.4.2.1 Der Process Owner | 253 | ||
2.4.2.2 Der Data Owner | 253 | ||
2.4.2.3 Der Data Definition Owner und Data Consumer | 253 | ||
2.4.2.4 Der Data Provider | 254 | ||
2.4.3 Nutzen dieser Strategie | 254 | ||
2.4.4 Nachteile und Risiken dieser Strategie | 254 | ||
2.5 Strategie C: gezielt Abhängigkeiten suchen | 254 | ||
2.5.1 Ansatzpunkt dieser Strategie | 254 | ||
2.5.2 Gezielte Definition von Master und Slave | 255 | ||
2.5.3 Nutzen dieser Strategie | 256 | ||
2.5.4 Nachteile und Risiken dieser Strategie | 256 | ||
2.6 Strategie D: Daten-Lifecycle auf Basis des Prozesses | 257 | ||
2.6.1 Ansatzpunkt dieser Strategie | 257 | ||
2.6.2 Der Prozess und Lebenszyklus | 257 | ||
2.6.3 Nutzen dieser Strategie | 258 | ||
2.6.4 Nachteile und Risiken dieser Strategie | 258 | ||
2.7 Strategie E: Niederschwellige Verbesserungs-Werkzeuge | 259 | ||
2.7.1 Ansatzpunkt dieser Strategie | 259 | ||
2.7.2 Beispiel eines niederschwelligen Verbesserungs-Werkzeuges | 259 | ||
2.7.2.1 Schritt 1 – Einstieg über die Management-Sicht | 259 | ||
2.7.2.3 Schritt 2 – Detaillisten für das Fehlertracking | 259 | ||
2.7.2.5 Schritt 3 – Die Verbesserung der Datenqualität | 260 | ||
2.7.3 Die Infrastruktur dieses Werkzeuges | 260 | ||
2.7.5 Nutzen dieser Strategie | 261 | ||
2.7.6 Nachteile und Risiken dieser Strategie | 261 | ||
2.8 Vor- und Nachteile aller erwähnter Strategien | 261 | ||
2.8.1 Der Prozess ist die Vorgabe | 261 | ||
2.8.2 Das Saatkorn ist der Beginn | 261 | ||
2.8.3 Komplexität des Systems und Datenvolumen | 262 | ||
2.9 Vorgehen bei der Umsetzung dieser Strategien | 262 | ||
2.9.1 Kontakt zwischen den Parteien | 262 | ||
2.9.2 Management-Unterstützung | 262 | ||
2.10 Schlussfolgerungen und Ausblick | 262 | ||
Literaturverzeichnis | 264 | ||
3 Informationsmanagementprozesse im Unternehmen | 265 | ||
3.1 Motivation | 265 | ||
3.2 Ausgangslage | 265 | ||
3.3 Bewertung | 267 | ||
3.4 Informationsmanagementprozess | 269 | ||
3.5 Schema einer Informationsplanung | 271 | ||
3.6 Datenlandkarte und Datenarchitektur | 272 | ||
3.7 Geschäftsprozesse und Informationsmanagementprozess | 275 | ||
3.8 Qualitätsaspekte | 276 | ||
3.9 Ökonomische Aspekte | 280 | ||
3.10 Zusammenfassung | 281 | ||
Literaturverzeichnis | 281 | ||
4 Data Governance | 282 | ||
4.1 Einführung | 282 | ||
4.2 Stand der Wissenschaft und Praxis | 284 | ||
4.2.1 Abgrenzung des DQM | 284 | ||
4.2.2 Bedeutung des Governance-Begriffs | 284 | ||
4.2.3 Data Governance | 285 | ||
4.2.4 Grundmuster für IT Governance | 286 | ||
4.2.5 Einflussfaktoren auf IT Governance | 287 | ||
4.3 Ein Modell für Data Governance | 289 | ||
4.3.1 Rollen | 289 | ||
4.3.2 Aufgaben | 291 | ||
4.3.3 Zuständigkeiten | 293 | ||
4.3.4 Einflussfaktoren und Gestaltungsparameter | 295 | ||
4.4 Zusammenfassung | 298 | ||
Literaturverzeichnis | 299 | ||
5 IQM-Reifegradmodell für die Bewertung und Verbesserung des Information Lifecycle Management Prozesses | 301 | ||
5.1 Einleitung | 301 | ||
5.2 Hintergrund | 302 | ||
5.2.1 Total Quality Management | 302 | ||
5.2.2 QM-Reifegrad | 303 | ||
5.2.3 Information Quality Management | 303 | ||
5.2.4 Existierende IQM-Reifegradmodelle | 305 | ||
5.3 Methodologie | 305 | ||
5.3.1 Die Delphi-Methode | 305 | ||
5.4 IQM-Reifegradmodell | 306 | ||
5.4.1 Chaotisch | 307 | ||
5.4.2 Reaktiv | 308 | ||
5.4.3 Messend | 308 | ||
5.4.4 Steuernd | 309 | ||
5.4.5 Optimierend | 309 | ||
5.5 Zusammenfassung und Ausblick | 310 | ||
Literaturverzeichnis | 310 | ||
6 Master Data Life Cycle – Stammdatenprozesse in SAP am Beispiel Materialstamm | 314 | ||
6.1 Stammdaten – die Grundlage der Informationssysteme | 314 | ||
6.2 Stammdatenqualität führt zu Prozessqualität | 316 | ||
6.2.1 Qualitätseigenschaften | 316 | ||
6.3 Probleme der Datenqualität und ihre Auswirkungen | 316 | ||
6.4 Master Data Life Cycle (MDLC) – der Stammdatenprozess | 317 | ||
6.4.1 Statuskonzept | 317 | ||
6.5 Hindernisse und Problemfälle | 321 | ||
6.6 Implementierung des MDLC | 322 | ||
Literaturverzeichnis | 323 | ||
D Praxisbeispiele | 324 | ||
1 Ein Entscheidungsmodell zur Weitergabe persönlicher Daten im Internet | 325 | ||
1.1 Einleitung | 325 | ||
1.2 Entscheidungsmodell | 326 | ||
1.2.1 Intention | 328 | ||
1.2.2 Nutzen | 329 | ||
1.2.3 Vertrauen | 331 | ||
1.2.4 Datenarten | 334 | ||
1.2.5 Eingabefehler | 336 | ||
1.3 Ausblick | 336 | ||
Literaturverzeichnis | 338 | ||
2 Einführung eines proaktiven DQ-Managements | 339 | ||
2.1 Die Bremer Landesbank | 339 | ||
2.1.1 Der Auftrag | 339 | ||
2.2 Proaktives Datenqualitätsmanagement | 340 | ||
2.3 Datenqualitätsorganisation | 341 | ||
2.4 Eskalationsinstanz | 343 | ||
2.5 Reporting | 343 | ||
2.6 Messung von Datenqualität | 343 | ||
2.6.1 Die Themen | 344 | ||
2.6.1.1 Abgleich KIS mit Kondor+ | 344 | ||
2.6.1.2 Adressdatenabgleich zwischen externem Dienstleister und KIS | 345 | ||
2.6.1.3 Datenabgleich zwischen KUKA und KIS | 345 | ||
2.6.1.4 Legitimationsdaten | 346 | ||
2.6.1.5 Messung inaktiver Kunden | 346 | ||
2.6.1.6 Messung vollständiger Hinterlegung von Telefonnummern | 346 | ||
2.6.1.7 Ermittlung von Dubletten | 347 | ||
2.6.2 Messsysteme | 348 | ||
2.6.3 Messung bankfachlicher Datenzusammenhänge | 349 | ||
2.7 Visualisierung der Messergebnisse | 350 | ||
2.8 Messergebnisse und Fazit | 355 | ||
3 Informationsqualität für das Management mit TOPAS® | 356 | ||
3.1 Informationsmanagement für Führungskräfte | 356 | ||
3.1.1 Qualitätskriterien von Informationen für das Management | 357 | ||
3.1.2 Absicherung der Informationsqualitätskriterien: TOPAS® -Methodik | 357 | ||
3.2 TOPAS®: Methode und Modell | 358 | ||
3.2.1 Geschäftsprozessmanagement (GPM) mit der TOPAS-Methode | 358 | ||
3.2.2 Regelkreis für das Geschäftsprozessmanagement | 358 | ||
3.2.3 4-Ebenen-Modell (Business Excellence Kriterien) | 359 | ||
3.3 Anwendung: Management von Informationen und Daten | 363 | ||
3.3.1 Informationen über Strukturen und Abläufe | 363 | ||
3.3.2 Informationen und Daten für die strategische und operative Planung | 364 | ||
3.4 Informationserfassung | 366 | ||
3.4.1 Quellen zur Informationserfassung | 367 | ||
3.4.2 Anforderungen zur Sicherung der Informationsund Datenqualität | 367 | ||
3.5 Informationsverarbeitung | 367 | ||
3.5.1 Operative Planung, Ziele | 368 | ||
3.5.2 Festlegung von Kennzahlenstrukturen (KPI7) in der Balanced Scorecard | 368 | ||
3.5.3 Sicherung der Informationsund Datenqualität: Kennzahlensteckbrief | 369 | ||
3.5.4 Erfolgskontrolle via KPIs: Reviews und Audits | 370 | ||
3.6 Informationsdarstellung | 371 | ||
3.6.1 Standard-Reporting mit dem TOPAS®-Prozessmodell | 371 | ||
3.6.2 IT-Portal für das Management: Business Cockpit | 371 | ||
3.6.3 Effizienzsicherung der Prozess-Architektur | 372 | ||
3.6.4 Identifizierung von Korrekturmaßnahmen und Kontinuierlicher Verbesserungsprozess (KVP) | 372 | ||
3.7 Wirkungsspektrum von TOPAS® | 373 | ||
Literaturverzeichnis | 375 | ||
4 Datenqualitäts-Modell der Volkswagen Financial Services AG | 376 | ||
4.1 Einleitung | 376 | ||
4.2 Das Projekt „Datenqualität Strukturen/Standards und Drittmarktfähigkeit" | 378 | ||
4.2.1 Warum ist Datenqualität nötig? | 378 | ||
4.2.2 Projektauftrag | 378 | ||
4.2.2.1 Erster Themenblock | 378 | ||
4.2.2.2 Zweiter Themenblock | 378 | ||
4.2.3 Projektziel | 379 | ||
4.2.4 Ist-Analyse | 379 | ||
4.2.4.1 Drittmarkt | 379 | ||
4.2.4.2 Datenqualitätsanspruch | 379 | ||
4.2.4.3 Verantwortlichkeiten | 380 | ||
4.2.4.4 Kunden | 380 | ||
4.2.5 Prozessanalyse | 380 | ||
4.2.6 Sollkonzept | 381 | ||
4.2.6.1 Ausrichtung Datenqualität | 381 | ||
4.2.6.2 Ausrichtung Drittmarktfähigkeit | 382 | ||
4.2.6.3 Aufbau-/ Ablauforganisation | 383 | ||
4.2.7 Das Datenqualitäts-Modell und deren Zuständigkeiten | 384 | ||
4.2.7.1 Datenqualitätsmanagement (zentrales DQM) | 385 | ||
4.2.7.2 Data Owner (dezentral) | 387 | ||
4.2.7.3 Client Owner (dezentral) | 388 | ||
4.2.7.4 Client Service (Benutzergruppen) | 389 | ||
4.2.7.5. Freigabe- und Eskalationsprozesse | 389 | ||
4.2.8 Das Datenqualitäts-Modell und sein Regelwerk | 390 | ||
4.2.9 Monitoring/Reports | 391 | ||
4.2.10 Realisierungsund Einführungsphase | 392 | ||
4.3 Fazit | 392 | ||
5 Verknüpfung von DQ-Indikatoren mit KPIs und Auswirkungen auf das Return on Investment | 394 | ||
5.1 Beispiele zur Illustration von DQ-Problemen | 395 | ||
5.2 Wie wirken sich DQ-Probleme auf Unternehmen aus – Der Zusammenhang zwischen Datenund Prozessqualität | 396 | ||
5.2.1 Beispiel – Call Center | 396 | ||
5.2.2 Beispiel – Kundenbeziehungsmanagement (CRM) | 397 | ||
5.2.3 Beispiel – Data Mining Prozess im Marketingumfeld | 398 | ||
5.2.4 Beispiel – Direktmailprozess | 399 | ||
5.3 Wie viel kosten schlechte Daten den Unternehmer? | 401 | ||
5.4 Der Einfluss von DQ-Indikatoren auf KP-Indikatoren – wie beeinflusst Datenqualität den Unternehmenserfolg? | 402 | ||
5.5 Beschreibung eines KPI orientierten DQ- Managementprozesses | 405 | ||
5.5.1 Phase 1- Selektiere zu untersuchende Komponenten | 406 | ||
5.5.2 Phase 2 – Mitarbeiterbefragung | 407 | ||
5.5.3 Phase 3 – DQ-Assessment | 409 | ||
5.5.4 Phase 4 – Validieren und Quantifizieren | 410 | ||
5.5.5 Phase 5- DQ-Projekte definieren, Korrekturmaßnahmen durchführen | 411 | ||
5.6 Fallstudie – Banque Cantonale Vaudoise (BCV) | 413 | ||
Literaturverzeichnis | 416 | ||
Über die Autorinnen und Autoren | 417 | ||
Ahlheid, Sven | 417 | ||
Baškarada, Saša | 417 | ||
Dipl.-Inform. Bleiholder, Jens | 418 | ||
Dr. rer. nat. Block, Frank | 418 | ||
Dr. Brust, Otto-Ernst | 419 | ||
Dipl.-Kfm. Engelmann, Florian | 419 | ||
Dr. Gebauer, Marcus | 420 | ||
Dr. rer. pol. Gräfe, Gernot | 421 | ||
cand. oec. Großmann, Christoph | 421 | ||
Prof. Dr. Heinrich, Bernd | 422 | ||
Prof. Dr. rer. pol. Hildebrand, Knut | 423 | ||
Prof. Dr.-Ing. Hinrichs, Holger | 423 | ||
Diplom Verwaltungswirt Kasten, Gerhard | 424 | ||
Dr. Klier, Mathias | 424 | ||
Dipl.-Kfm. Krebs, Alexander | 425 | ||
Landt, Volker | 426 | ||
M.A., Prof. Dr. rer. nat. Lüssem, Jens | 427 | ||
Dr. Maaß, Christian | 427 | ||
Dipl.-Math. Malzahn, Dirk | 428 | ||
Dipl. Kaufmann Mielke, Michael | 428 | ||
Dr. rer. nat. Möller, Frank | 429 | ||
Moser, Helena | 430 | ||
Dr. Otto, Boris | 430 | ||
M. A. Piro, Andrea | 431 | ||
Dr. rer. pol. Rohweder, Jan Philipp | 431 | ||
Dipl.-Inform. Schmid, Joachim | 432 | ||
Dr. Schuster, Dirk | 432 | ||
Dipl.-Ökonom Schwinn, Klaus | 433 | ||
Skrablies, Werner | 434 | ||
PD Dr. Treiblmaier, Horst | 434 | ||
Dr. Weber, Kristin | 435 | ||
Weigel, Niels | 435 | ||
Dr. Windheuser, Ulrich | 436 | ||
Wolf, Jürg | 436 | ||
Zwirner, Marcus | 437 | ||
Stichwortverzeichnis | 438 |