Kurs
digicode: H32488
Data Quality erfolgreich steuern
Kurs-Facts
Als PDF herunterladen- Erkennen der Notwendigkeit eines Datenqualitätsmanagements aus gesetzlicher und wirtschaftlicher Sicht
- Verbessern der Datenqualität im Unternehmen auf zielgerichtete und nachhaltige Weise
- Ermitteln und Bewerten von Chancen und Risiken der Datenqualität im Unternehmen sowie Erkennen, welche Investitionen sich lohnen
- Lernen, wie Datenqualitätskriterien definiert und gemessen werden
- Lernen, wie mithilfe einer Analyse von Kosten und Nutzen Verbesserungsmassnahmen im Datenmanagement abgeleitet werden
- Erhalten eines Leitfadens, der zeigt, wie Datenqualitätsmanagement im Unternehmen aufgebaut und nachhaltig etabliert wird
1 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?)
2 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
3 Datenqualitätskriterien definieren und messen (Data Profiling)
- Überblick Datenqualitätsdimensionen zur optimalen Messung von Datenqualität
- Datenqualitätsdimensionen definieren (praktische Übung)
- Datenqualitätsdimensionen anwenden (Praxisbeispiel)
4 Entwicklung von Logikbäumen zur Ermittlung und Bewertung von Ursache/Wirkung
- Prinzipien Logikbäume und Mehrwert
- Logikbäume anwenden (praktische Übung)
- Bewertung der Erkenntnisse aus Logikbäumen
5 Ableitung von Verbesserungsmassnahmen und Analyse Kosten/Nutzen
- Logikbäume zur Entscheidungsfindung weiterentwickeln für eine optimale Kosten-/Nutzenbewertung (praktische Übung)
- Verbesserungsmassnahmen ableiten (praktische Übung)
6 Aufbau eines Data Quality Reportings und Data Quality Index
- DQM-Regelkreis
- Vom Prototyping zum DQ-Standardreporting
- Entwicklung und Implementierung eines prozessorientierten DQ-Index
7 Data Quality Organisation und Prozesse
- Rollen und Verantwortlichkeiten
- Standardprozesse: Data Profiling, Data Quality Monitoring, Fehlertracking und Verbesserung
- Einordnung Data Quality im Data-Governance-Modell
Dieser Kurs richtet sich an Data Quality Manager, Fach- und Führungskräfte aus Controlling, Finanzen, Marketing, Datenqualitätsmanagement sowie alle Personen, die sich mit Digitalisierung und Datenanalyse beschäftigen.
Für die Teilnahme an diesem Kurs gibt es keine formalen Anforderungen.
Damit du mögliche Unterlagen rechtzeitig per Post zugestellt bekommst, empfehlen wir eine Buchung mindestens 14 Tage vor Seminar-Termin.