Inhouse Seminar Data Quality

Data Quality erfolgreich steuern

Bessere Datenqualität – bessere Managemententscheidungen

Datenqualitätsmanagement ist eine der wichtigsten Grundlagen für unternehmerische Entscheidungen. Mit der zunehmenden Digitalisierung gilt dies umso mehr. Die Funktionsfähigkeit von „Data Driven Processes“ sowie die Aussagekraft von Kennzahlen bis hin zu Predictive Analytics, aber auch die Compliance-Konformität (Bsp. DSGVO) ist maßgeblich von der Datenqualität abhängig. In diesem Seminar vermitteln wir Ihnen Strategien, Maßnahmen und Methoden für ein nachhaltiges Datenqualitätsmanagement für eine zukunftssichernde datenbasierte Entscheidungsfindung.

Inhalte

Einleitung und Definition

Von den Daten zu Informationen zu Wettbewerbsfähigkeit.
Definition von Datenqualität und Datenqualitätsmanagement (DQM).
Warum DQM? – Treiber für die Einführung eines unternehmensweiten DQM.
Mehrwert eines Data Quality Managements für Organisationen.
DQM-Reifegradmodell (Wo würden Sie Ihr Unternehmen einordnen?).

Schlechte Datenqualität

Anforderungen an die Datenqualität (gesetzlich/ökonomisch).
Ursachen und Wirkung schlechter Datenqualität auf die Organisation als System.
Auswirkung schlechter Datenqualität auf Kennzahlen.
Datenqualitätsklassen und Untersuchungsgegenstände zur Erhebung schlechter Datenqualität.

Datenqualitätskriterien definieren und messen (Data Profiling)

Überblick Datenqualitätsdimensionen zur optimalen Messung von Datenqualität.
Datenqualitätsdimensionen definieren (praktische Übung).
Datenqualitätsdimensionen anwenden (Praxisbeispiel).

Entwicklung von Logikbäumen zur Ermittlung und Bewertung von Ursache/Wirkung

Prinzipien Logikbäume und Mehrwert.
Logikbäume anwenden (praktische Übung).
Bewertung der Erkenntnisse aus Logikbäumen.

Ableitung von Verbesserungsmaßnahmen und Analyse Kosten/Nutzen

Logikbäume zur Entscheidungsfindung weiterentwickeln für eine optimale Kosten-/Nutzenbewertung (praktische Übung).
Verbesserungsmaßnahmen ableiten (praktische Übung).

Aufbau eines Data Quality Reportings und Data Quality Index

DQM-Regelkreis.
Vom Prototyping zum DQ-Standardreporting.
Entwicklung und Implementierung eines prozessorientierten DQ-Index.

Data Quality Organisation und Prozesse

Rollen und Verantwortlichkeiten.
Standardprozesse: Data Profiling, Data Quality Monitoring, Fehlertracking und Verbesserung.
Einordnung Data Quality im Data Governance Modell.

Ihr Nutzen

Sie sehen die Notwendigkeit zur Einführung eines Data Quality Managements aus gesetzlicher und ökonomischer Sicht.
Sie lernen, wie Sie die Qualität Ihrer Daten zielorientiert und nachhaltig verbessern können.
Sie erkennen, wie Chancen und Risiken von Datenqualität im Unternehmen ermittelt und bewertet werden können und welche Investitionen sich lohnen.
Sie erfahren, wie Sie Datenqualitätskriterien definieren und messen können.
Sie lernen, wie Sie Verbesserungsmaßnahmen im Datenmanagement mit entsprechenden Kosten-Nutzen-Analysen ableiten können.
Sie erhalten einen Leitfaden, wie Sie Data Quality Management in Ihrem Unternehmen aufbauen und nachhaltig etablieren können.

Methoden

Praxisorientierter Vortrag, Praxisbeispiele, praktische Übungen, Diskussion, Leitfaden. Die Teilnehmer:innen sollten eigene aus ihrem Unternehmen bekannte Datenqualitäts-Fragestellungen einbringen.

Teilnehmer:innenkreis

Data Quality Manager:innen, Fach- und Führungskräfte aus Data & Analytics, Vertrieb, Controlling, Finanzen, Marketing, Datenqualitätsmanagement sowie alle Personen, die sich mit Digitalisierung und Datenanalyse beschäftigen.

Dauer: 2 Tage (2x 8h)
Max. Teilnehmerzahl: 12
Preis: Auf Anfrage!

Kontakt

-| Kontaktformular

Ich freue mich auf Ihre Kontaktaufnahme und werde mich schnellst möglich bei Ihnen melden!

First name *

Last name *

Email address *

Phone Number

Enter your message *

Name
-| LinkedIn

Kontaktieren Sie mich gerne auf LinkedIn!

Marco Geuer

The Data Economist | Establishing sustainable "Data Inspired & Digital Culture"