Wer "ja" zur Digitalisierung sagt, muss auch "ja" zu besserer Datenqualität sagen
"76% aller Organisationen glauben, dass ungenaue Daten ihre Fähigkeit behindert, ein herausragendes Kundenerlebnis zu bieten (Experian, DQ-Studie 2016)."
Alles deutet darauf hin, dass wir zukünftig immer stärker Sprachassistenzsysteme nutzen werden. Der prominenteste Vertreter ist Siri. Mit dem zunehmenden Erfolg zogen Google und Amazon nach. Im Bereich der Daten-Analyse ist der bekannteste Vertreter Watson von IBM. Weitere werden sicherlich folgen.
Wie Data Governance zum Innovator wird und Mehrwert liefert
Viele Unternehmen wandelten sich in den letzten Jahren zu agilen Organisationsformen, um sich den Herausforderungen von schnellen Anforderungsänderungen besser stellen zu können. Auch das Unternehmen, für welches ich tätig bin, befindet sich mitten in diesem Wandel. Hinzu kommt, dass Daten und datengetriebene Prozesse immer stärker im Fokus stehen. Wer einen Vorsprung in der Datenintelligenz erlangt und diesen optimal zu nutzen weiß, erlangt auch einen erfolgskritischen Wettbewerbsvorsprung, den es stetig auszubauen bzw. auf lange Sicht zu halten gilt.
Wie Organisationen von einer lückenhaften Nachdokumentierung zu einem transparenten Datenmanagement kommen.
Herausforderung von Data Governance
Eines der Ziele von Data Governance ist es eine möglichst gute Transparenz über die Verarbeitung und Verwendung von Daten über die Systeme hinweg herzustellen, um den Grad der Compliance-Konformität festzustellen und stetig zu monitoren sowie ein compliance-konformes Verhalten beim Umgang mit Daten zu fördern. Zusätzlich ermöglicht die Transparenz stetig Schwächen der Leistungsfähigkeit von Daten zu erkennen und Maßnahmen zur Verbesserung abzuleiten. Dies fördert die Qualität von Datenanalyse- und Digitalisierungsprojekten.
Ergebnisse zum Thema Datenqualität aus der Studie „BIG DATA Future – Chancen und Herausforderungen für die deutsche Industrie“, 02/2015 v. MHP, a Porsche Company.
Die Studie beantwortet die Frage, wo genau die Industrieunternehmen in Deutschland bei der Umsetzung von Big Data stehen. Hierzu wurden online und anonym 254 Entscheider aus deutschen Industrieunternehmen zwischen August und Oktober 2014 befragt.
Ohne ein effektives Datenqualitätsmanagement kein erfolgreiches Business Analytics
Business Analytics definiere ich als Gesamtheit aller Methoden und Werkzeuge zur Analyse von polystrukturierten Daten für eine nachhaltig gewinnorientierte Unternehmenssteuerung.
Was hinsichtlich dem Thema gute Datenqualität bereits für Business Intelligence sowie störungsfreier Unternehmensabläufe und Kundenservices gilt, ist für Business Analytics und Big Data erst recht eine erfolgskritische Notwendigkeit!
In der April-Ausgabe des Harvard Business Manager habe ich einen interessanten Artikel zu den Schlüsselfaktoren von erfolgreichen Innovationen gelesen.
Nachfolgend eine kurze Zusammenfassung des Artikels.
Stelios Kavadias, Kostas Ladas und Christoph Loch1 gingen im Rahmen einer Studie der Frage nach: Wie lässt sich eine Branche revolutionieren? Hierzu untersuchten sie 40 Unternehmen aus unterschiedliche Branchen mit unterschiedlich erfolgreichen Geschäftsmodellen.
Technik und Markt verbindet
Erkenntnisse aus der Studie können wie folgt zusammengefasst werden.
Durch die stark wachsende Anzahl datengetriebener Geschäftsmodelle gibt es keinen Ausweg für das Qualitätsmanagement, sich verstärkt mit dem Thema Datenqualität zu beschäftigen. Datenqualität als Risikofaktor ist schon etwas länger bekannt. Negative Auswirkungen schlechter Datenqualität auf das gesamte System einer Organisation werden zukünftig durchschlagender sein.
Stakeholder Management: Wie man skeptische Stakeholder gewinnt & innovative Projekte vorantreibt (Erfahrungen aus der Praxis)
14 September 2024
Wie identifizierst du die richtigen Stakeholder für dein Projekt?
Wie baust du Vertrauen zu Stakeholdern auf, die Veränderungen ablehnen?
Wie validierst du eine Geschäftsidee, bevor du sie Stakeholdern präsentierst?
Wie gehst du mit internen Widerständen gegen neue Projekte um?
Wie nutzt du das Feedback von Stakeholdern, um eine Idee zu verbessern?
Darüber spricht Christoph Pacher mit mit Dr. Anke Sax, Geschäftsführerin (COO/CTO), KGAL GmbH & Co. KG (KGAL), Marco Geuer, Head of Global Data Strategy & Solutions, FIEGE, und Karsten Keil, Mitglied des Management Boards (Vice President Group IT & Digitization), Schnellecke Logistics SE sowie Mitglied des Board of Directors bei Brighten Consulting.
Vom Datenchaos zur Data Driven Company: Warum Daten- und Prozessdurchgängigkeit Hand in Hand gehen
14 Januar 2024
Wie entwickelt man eine Datenstrategie?
Warum ist die einheitliche Betrachtung von Prozessen und Daten für die Transformation zu einem datengetriebenen Unternehmen entscheidend?
Welche initialen Schritte sind entscheidend für Unternehmen, um eine effektive Datendurchgängigkeit zu erreichen?
Darüber spricht Christoph Pacher mit Marco Geuer, Head of Global Data Strategy & Solutions, FIEGE.
Datenstrategie = Unternehmensstrategie - wie du wirklich data-driven wirst
03. August 2023
Was ist der Mehrwert als Unternehmen data-driven zu agieren? Und warum brauche ich für meine Datenstrategie zwingend eine Unternehmensstrategie?
Darüber spricht Christian Krug, Host des Podcasts Unf*ck Your Data, mit Marco Geuer, Head of Global Data Strategy & Solutions bei FIEGE.
The Data Culture Podcast - "Wie kann ich Datenteams zu Höchstleistungen führen?"
10. Oktober 2022
Wie bringe ich Datenteams zu Höchstleistungen? Das ist die Frage, die sich Carsten Bange mit seinem Gast Marco Geuer in dieser Folge stellt.
Es geht um Teamzusammenstellungen, die Rolle der Kultur und Data Governance, um die beste Leistung aus Data & Analytics Initiativen zu schöpfen.
BI or DIE Data Culture - "Data Governance mit Freude & Spirit"
15. Februrar 2022
Marco und Kai sprechen über die Vorurteile von Data Governance als anstrengend und bürokratisch und wie es besser gelöst werden kann.
BI or DIE Level Up 2022 - "Data Strategy & Governance"
27. Januar 2022
Marco spricht über Data Strategy, Data Governance und Data Driven Culture und wie dies alles zusammenhängt!
BI or DIE New Banking - "Data Governance als Business Case"
15. November 2021
Marco und Carsten sprechen über eines ihrer gemeinsamen Lieblingsthemen! Neben der Frage, warum das Thema für sie nicht langweilig ist, sprechen die beiden u.a. über: - Die Faszination und die Möglichkeiten von Data Governance. - Was die Rapid Data Performance Simulation ist und wie sie funktioniert. - Wie Data Governance sinnvoller Bestandteil der Business Intelligence wird. - Wie man sich dem Thema Business-Case getrieben nähert.
BI or DIE Data Talk - "Data Governance & Data Strategy"
16. Juli 2021
Kai-Uwe Stahl, Carsten Bange, Patrick Keller und Marco Geuer sprechen über das Thema "Data Governance & Data Strategy" und wie eine erfolgreiche Etablierung erfolgen kann.
Marco Geuer & Jonas Rashedi - #BusinessLovesDataGovernance
30. April 2021
Marco Geuer und Jonas Rashedi sprechen über Methoden und Erfolgsfaktoren bei der Einführung von Data Governance. Wie man das Business für das Thema begeistern kann und sogar als Multiplikator und Werber gewinnt. Es fallen Begriffe wie Ursache-Wirkungs Bäume, Rapid Data Performance Simulation, Leistungsfähigkeit von Daten und Accountability Partnership. Was es damit auf sich hat, erfahrt Ihr im Podcast. Uns hat es Spaß gemacht und wir hoffen Euch auch!
Marco Geuer & Jonas Rashedi - Data Governance ist ein Teamsport!
08. April 2021
Marco und Jonas unterhalten sich über den Mehrwert einer Data Governance und welche Faktoren für eine erfolgreiche Einführung maßgeblich sind. Es dreht sich im Kern um Kommunikation und Menschen zu einer gesteigerten Datenkompetenz zu befähigen. Data Governance ist eher mit einem Teamsport zu vergleichen. Häufig betrachten Organisationen eine Data Governance als eine Verordnung und führen diese eher technokratisch ein. Nach einiger Zeit tritt dann häufig Ernüchterung und Enttäuschung über den mäßigen Erfolg ein.
Data Exploration & Prototyping von KPI/Dashboards: Sichere Projektergebnisse & ein valides Reporting
Data Quality Management Online-Konferenz v. 02.12.2021
Der Vortrag zum Thema „Data Exploration & Prototyping von KPI und Dashboards – sichere Projektergebnisse und ein valides Reporting“ zeigte auf, wie FIEGE mit dem Rapid Data Performance Simulation (RDPS) Verfahren Investitionen in Data Analytics und Data Products ganz objektiv nach Erfolgswahrscheinlichkeiten auswählt – und die entsprechenden Umsetzung anschließend nachhaltig zum Erfolg führt.
Data Profiling - Daten endlich richtig verstehen & beurteilen
Erfahrungsbericht Rapid Data Performance Assessment (RDPA)
If the data and process basics don't fit, the AI won't be able to make it fit either!
In the age of digitalisation, the merging of data and business processes is not just a possibility, but a necessity for companies that want to survive in a data-driven market environment. Visualising a model that represents this integration - as illustrated in the "Data Culture" diagram (see below) - provides a clear idea of how companies can reshape their strategy and culture to master this new reality.
How artificial intelligence drastically reduces the effort required for data preparation and creates new scope for strategic decisions
Artificial intelligence (AI) has made tremendous strides in recent years and is increasingly influencing all areas of technology and business. One of the most important areas of application in which AI will bring about major changes is data preparation – an often underestimated but critical process in the work of data engineers and data analysts.
