Desktop-Version
Start
Betriebswirtschaft & Management
Corporate Data Quality
>>
Jahr 2016
Vorwort
Abkürzungsverzeichnis
1 Datenqualität – eine Managementaufgabe
Aufbau des Buches
1.1 Trends der Digitalisierung
1.1.1 Durchdringung aller Lebensund Wirtschaftsbereiche
1.1.2 Industrie 4.0
1.1.3 Konsumerisierung
1.1.4 Digitale Geschäftsmodelle
1.2 Treiber der Datenqualität
1.2.1 360-Grad-Blick auf den Kunden
1.2.2 Unternehmenszukäufe und -zusammenschlüsse
1.2.3 Compliance
1.2.4 Berichtswesen
1.2.5 Operational Excellence
1.2.6 Datensicherheit und Privatheit
1.3 Herausforderungen und Anforderungen des Datenqualitätsmanagements
1.3.1 Herausforderungen im Umgang mit Daten
1.3.2 Anforderungen an das Datenqualitätsmanagement
1.4 Framework für Stammdatenqualitätsmanagement
1.4.1 Framework-Überblick
1.4.2 Strategieebene
1.4.3 Organisatorische Ebene
1.4.4 Informationssystemebene
1.5 Begriffsdefinitionen und Grundlagen
1.5.1 Daten und Information
1.5.2 Stammdaten
1.5.3 Datenqualität
1.5.4 Datenqualitätsmanagement (DQM)
1.5.5 Geschäftsregeln (Business Rules)
1.5.6 Data Governance
1.6 Kompetenzzentrum Corporate Data Quality
Literatur
2 Fallstudien zur Datenqualität
2.1 Allianz: Data Governance und Datenqualitätsmanagement in der Versicherungswirtschaft
2.1.1 Unternehmensüberblick
2.1.2 Ausgangssituation und Handlungsdruck
2.1.3 Das Solvency-II-Projekt
2.1.4 Datenqualitätsmanagement bei AGCS
2.1.5 Erkenntnisse
2.1.6 Weiterführendes Material
2.2 Bayer CropScience: Datenqualitätscontrolling in der agrochemischen Industrie
2.2.1 Unternehmensüberblick
2.2.2 Ausgangssituation und Handlungsdruck
2.2.3 Aufbau des unternehmensweiten Datenqualitätsmanagements
Data Quality Cockpit-Ziele
Mitarbeiterziele
Geschäftsregeln und Datenqualitätskennzahlen
Systemarchitektur und das Data Quality Cockpit
2.2.4 Erkenntnisse
2.2.5 Weiterführendes Material
2.3 Beiersdorf: Produktdatenqualität in der Konsumgüter-Supply Chain
2.3.1 Unternehmensüberblick
2.3.2 Ausgangssituation des Datenmanagements
Produktdatenaustausch im Ökosystem
Data Governance und Anwendungslandschaft
2.3.3 Projekt zur Messung der Datenqualität
Phase I: Identifikation kritischer Datenmängel
Phase II: Interviews
Phase III: Analyse
Phase IV: Spezifikation von Messwerten für die Datenqualität
2.3.4 Erkenntnisse
2.3.5 Weiterführendes Material
2.4 Bosch: Datenarchitekturmanagement in einem diversifizierten Technologiekonzern
2.4.1 Unternehmensüberblick
2.4.2 Ausgangssituation und Handlungsdruck
2.4.3 Datenarchitekturmuster bei Bosch
Datenarchitekturmuster
Organisationsentwürfe
Entscheidungsmatrix für die Datenarchitektur
2.4.4 Erkenntnisse
2.4.5 Weiterführendes Material
2.5 Festo: Unternehmensweites Produktdatenmanagement in der Automatisierungsindustrie
2.5.1 Unternehmensüberblick
2.5.2 Ausgangssituation und Handlungsdruck des Produktdatenmanagements
2.5.3 Projekte im Produktdatenmanagement zwischen 1990 und 2009
Projekt „Auslaufprozesse“
Projekt „Teilereduktion“
Projektbewertung
2.5.4 Aktuelle Aktivitäten und Ausblick
2.5.5 Erkenntnisse
2.5.6 Weiterführendes Material
2.6 Hilti: Durchgängiges Kundendatenmanagement in der Werkzeugund Befestigungsindustrie
2.6.1 Unternehmensüberblick
2.6.2 Ausgangssituation des Kundendatenmanagements und Handlungsdruck
2.6.3 Das Projekt Customer Data Quality Tool
Definieren: Verantwortlichkeiten
Vorbeugen: Korrekte Datenerfassung
Erkennen: Datenqualitätsmonitoring
Korrigieren: Datenbereinigung und Customer Data Quality Tool
2.6.4 Erkenntnisse
2.6.5 Weiterführendes Material
2.7 Johnson & Johnson: Institutionalisierung des Stammdatenmanagements in der Konsumgüterindustrie
2.7.1 Unternehmensüberblick
2.7.2 Ausgangssituation des Datenmanagements im Bereich Consumer Products und Aktivitäten bis 2008
Handlungsdruck
2.7.3 Die Einführung von Data Governance
Gründungsphase
Entwicklungsphase
Reifephase
2.7.4 Aktuelle Situation
2.7.5 Erkenntnisse
2.7.6 Weiterführendes Material
2.8 Lanxess: Business Intelligence und Stammdatenmanagement bei einem Spezialchemiehersteller
2.8.1 Unternehmensüberblick
2.8.2 Ausgangssituation des Datenmanagements und Business Intelligence 2004–2011
2.8.3 Das Stammdatenmanagement bei Lanxess seit 2011
Organisation und Prozesse
Systeme
2.8.4 Aufbau des strategischen Reportings seit 2012
Anforderungen
Hintergrund zu In-Memory Computing und Toolauswahl
2.8.5 Erkenntnisse
2.8.6 Weiterführendes Material
2.9 Shell: Datenqualität im Produktlebenszyklus in der Mineralölindustrie
2.9.1 Unternehmensüberblick
2.9.2 Ausgangssituation und Handlungsdruck
2.9.3 Durchgängiges Datenmanagement im Produktlebenszyklus
2.9.4 Herausforderungen bei der Umsetzung
2.9.5 Nutzen der neuen Lösung
2.9.6 Erkenntnisse
2.9.7 Weiterführendes Material
2.10 Syngenta: Auslagerung von Datenmanagementaufgaben in der Pflanzenschutzindustrie
2.10.1 Unternehmensüberblick
2.10.2 Ausgangssituation und Ziele der Stammdatenmanagementinitiative
2.10.3 Das Transformationsprojekt und MDM-Designprinzipien
2.10.4 Organisationsstruktur des Stammdatenmanagements
2.10.5 Datenpflegeprozess und Entscheidungskriterien für die Auslagerung
2.10.6 Erkenntnisse
2.10.7 Weiterführendes Material
Literatur
3 Methoden und Werkzeuge des Datenqualitätsmanagements
3.1 Methode zur Umsetzung der DQM-Strategie
3.1.1 Aufbau der Methode
3.1.2 Beispieltechniken der Methode
Phase I, Aktivität I.1:Technik „Festlegen der strategischen Reichweite“
Phase II, Aktivität II.2: Technik „Ableitung Maßnahmenkatalog“
Phase IV, Aktivität IV.1, „Techniken des Programmund Projektmanagements“
3.2 Reifegrad-Assessment und Benchmarking-Plattform für das Datenqualitätsmanagement
3.2.1 Ausgangssituation in Unternehmen
3.2.2 Reifegradmodelle und Benchmarking als Steuerungsinstrumente
3.2.3 EFQM-Exzellenzmodell für das Stammdatenqualitätsmanagement
3.2.4 Corporate Data Excellence: Steuerungswerkzeuge für Verantwortliche des Datenqualitätsmanagements
Steuerungscockpit
Benchmarking-Datenbank
Good Practice-Datenbank
3.3 Die Corporate Data League: Ein Ansatz zur kooperativen Geschäftspartnerdatenpflege
3.3.1 Herausforderungen der Geschäftspartnerdatenpflege
3.3.2 Der Lösungsansatz des kooperativen Datenmanagements
3.3.3 Die Corporate Data League
Datenmodell
Data Governance-Konzept und Funktionalitäten
3.4 Weitere Methoden und Werkzeuge des CC CDQ
Literatur
4 Erfolgsfaktoren und Sofortmaßnahmen
4.1 Erfolgsfaktoren des Datenqualitätsmanagements
4.2 Sofortmaßnahmen auf dem Weg zum erfolgreichen Datenqualitätsmanagement
Glossar
>>
Studlib - freie digitale bibliothek - © 2014 - 2023