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