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

geeignet für:

eBook anfordern

▸

Mehr zum Inhalt

Daten- und Informationsqualität - Auf dem Weg zur Information Excellence

	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

Daten- und Informationsqualität - Auf dem Weg zur Information Excellence

von: Knut Hildebrand, Marcus Gebauer, Holger Hinrichs, Michael Mielke

Daten- und Informationsqualität - Auf dem Weg zur Information Excellence

Kategorien

eBooks

Audiobooks