Soumettre la recherche
Mettre en ligne
OC|Webcast "Daten wirklich nutzen"
•
0 j'aime
•
210 vues
OPITZ CONSULTING Deutschland
Suivre
Folien zum Webcast am 1. Juli 2021 Aufzeichnung unter https://youtu.be/k63AwAbEZho
Lire moins
Lire la suite
Technologie
Affichage du diaporama
Signaler
Partager
Affichage du diaporama
Signaler
Partager
1 sur 30
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
Linked Open Data Business
Linked Open Data Business
Open Knowledge Austria
Sirko Hunnius "Open Data - Hype vorbei oder „ready for prime time“?"
Sirko Hunnius "Open Data - Hype vorbei oder „ready for prime time“?"
GEOkomm e.V.
Big Data als Quelle der Inspiration
Big Data als Quelle der Inspiration
TWT
Data Governance & Open Data
Data Governance & Open Data
Stadt Wien
Einführung in offene Daten Qualität
Einführung in offene Daten Qualität
Open Data Support
Unternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und Informationsmanagement
Nicki Borell
Big Data und Business Intelligence
Big Data und Business Intelligence
saracus consulting GmbH
ODAaaS – Open Data Analytics as a Service
ODAaaS – Open Data Analytics as a Service
Danube University Krems, Centre for E-Governance
Recommandé
Linked Open Data Business
Linked Open Data Business
Open Knowledge Austria
Sirko Hunnius "Open Data - Hype vorbei oder „ready for prime time“?"
Sirko Hunnius "Open Data - Hype vorbei oder „ready for prime time“?"
GEOkomm e.V.
Big Data als Quelle der Inspiration
Big Data als Quelle der Inspiration
TWT
Data Governance & Open Data
Data Governance & Open Data
Stadt Wien
Einführung in offene Daten Qualität
Einführung in offene Daten Qualität
Open Data Support
Unternehmensweites Daten und Informationsmanagement
Unternehmensweites Daten und Informationsmanagement
Nicki Borell
Big Data und Business Intelligence
Big Data und Business Intelligence
saracus consulting GmbH
ODAaaS – Open Data Analytics as a Service
ODAaaS – Open Data Analytics as a Service
Danube University Krems, Centre for E-Governance
Bernd Fuhlert: Vortrag an der FOM Hochschule - Dezember 2011
Bernd Fuhlert: Vortrag an der FOM Hochschule - Dezember 2011
Bernd Fuhlert
Big Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A Relations
Georg Blum
Faire Datenökonomie für Wirtschaft, Wissenschaft und Gesellschaft: Was brauch...
Faire Datenökonomie für Wirtschaft, Wissenschaft und Gesellschaft: Was brauch...
Christoph Lange
Open Data & API Economy
Open Data & API Economy
André Nitze
Open Government Data & offene Wirtschaftsdaten - Two of a Kind?
Open Government Data & offene Wirtschaftsdaten - Two of a Kind?
Johann Höchtl
Urban Data - Open Data - Data Excellence in der Stadt Wien
Urban Data - Open Data - Data Excellence in der Stadt Wien
Stadt Wien
Grüne ag netzpolitik_20131012
Grüne ag netzpolitik_20131012
Andre Golliez
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
Martin Kaltenböck
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
Neo4j
Mag. Rainer Weinzettl (Hewlett Packard GmbH)
Mag. Rainer Weinzettl (Hewlett Packard GmbH)
Agenda Europe 2035
Vienna od meet-up-20oct2016-tuwien
Vienna od meet-up-20oct2016-tuwien
Open Data Portal Österreich
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
e-dialog GmbH
Mag. Lorenz Szabo (BDO Austria)
Mag. Lorenz Szabo (BDO Austria)
Agenda Europe 2035
Medien & Verlage im Zusammenspiel mit Open (Government) Data
Medien & Verlage im Zusammenspiel mit Open (Government) Data
Martin Kaltenböck
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
OGD-DACHLI Konferenzreihe
Open Government Data im Meldewesen
Open Government Data im Meldewesen
Bernhard Krabina
OGD2011: Tassilo Pellegrini - Linked Government Data als nachhaltige Maßnahme...
OGD2011: Tassilo Pellegrini - Linked Government Data als nachhaltige Maßnahme...
Semantic Web Company
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Praxistage
Berlin Open Data Day
Berlin Open Data Day
Open Knowledge Foundation
Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014
Tableau Software
OC|Webcast: Grundlagen der Oracle Lizenzierung
OC|Webcast: Grundlagen der Oracle Lizenzierung
OPITZ CONSULTING Deutschland
OC|Webcast "Java heute" vom 28.09.2021
OC|Webcast "Java heute" vom 28.09.2021
OPITZ CONSULTING Deutschland
Contenu connexe
Similaire à OC|Webcast "Daten wirklich nutzen"
Bernd Fuhlert: Vortrag an der FOM Hochschule - Dezember 2011
Bernd Fuhlert: Vortrag an der FOM Hochschule - Dezember 2011
Bernd Fuhlert
Big Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A Relations
Georg Blum
Faire Datenökonomie für Wirtschaft, Wissenschaft und Gesellschaft: Was brauch...
Faire Datenökonomie für Wirtschaft, Wissenschaft und Gesellschaft: Was brauch...
Christoph Lange
Open Data & API Economy
Open Data & API Economy
André Nitze
Open Government Data & offene Wirtschaftsdaten - Two of a Kind?
Open Government Data & offene Wirtschaftsdaten - Two of a Kind?
Johann Höchtl
Urban Data - Open Data - Data Excellence in der Stadt Wien
Urban Data - Open Data - Data Excellence in der Stadt Wien
Stadt Wien
Grüne ag netzpolitik_20131012
Grüne ag netzpolitik_20131012
Andre Golliez
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
Martin Kaltenböck
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
Neo4j
Mag. Rainer Weinzettl (Hewlett Packard GmbH)
Mag. Rainer Weinzettl (Hewlett Packard GmbH)
Agenda Europe 2035
Vienna od meet-up-20oct2016-tuwien
Vienna od meet-up-20oct2016-tuwien
Open Data Portal Österreich
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
e-dialog GmbH
Mag. Lorenz Szabo (BDO Austria)
Mag. Lorenz Szabo (BDO Austria)
Agenda Europe 2035
Medien & Verlage im Zusammenspiel mit Open (Government) Data
Medien & Verlage im Zusammenspiel mit Open (Government) Data
Martin Kaltenböck
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
OGD-DACHLI Konferenzreihe
Open Government Data im Meldewesen
Open Government Data im Meldewesen
Bernhard Krabina
OGD2011: Tassilo Pellegrini - Linked Government Data als nachhaltige Maßnahme...
OGD2011: Tassilo Pellegrini - Linked Government Data als nachhaltige Maßnahme...
Semantic Web Company
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Praxistage
Berlin Open Data Day
Berlin Open Data Day
Open Knowledge Foundation
Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014
Tableau Software
Similaire à OC|Webcast "Daten wirklich nutzen"
(20)
Bernd Fuhlert: Vortrag an der FOM Hochschule - Dezember 2011
Bernd Fuhlert: Vortrag an der FOM Hochschule - Dezember 2011
Big Data_und auf was es wirklich ankommt. 1A Relations
Big Data_und auf was es wirklich ankommt. 1A Relations
Faire Datenökonomie für Wirtschaft, Wissenschaft und Gesellschaft: Was brauch...
Faire Datenökonomie für Wirtschaft, Wissenschaft und Gesellschaft: Was brauch...
Open Data & API Economy
Open Data & API Economy
Open Government Data & offene Wirtschaftsdaten - Two of a Kind?
Open Government Data & offene Wirtschaftsdaten - Two of a Kind?
Urban Data - Open Data - Data Excellence in der Stadt Wien
Urban Data - Open Data - Data Excellence in der Stadt Wien
Grüne ag netzpolitik_20131012
Grüne ag netzpolitik_20131012
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
GraphTalk Berlin - Deutschlands erstes Entscheidernetzwerk mit Neo4j
Mag. Rainer Weinzettl (Hewlett Packard GmbH)
Mag. Rainer Weinzettl (Hewlett Packard GmbH)
Vienna od meet-up-20oct2016-tuwien
Vienna od meet-up-20oct2016-tuwien
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
Google Analytics Konferenz 2015_Building a data strategy_Georg Koch_herold.at
Mag. Lorenz Szabo (BDO Austria)
Mag. Lorenz Szabo (BDO Austria)
Medien & Verlage im Zusammenspiel mit Open (Government) Data
Medien & Verlage im Zusammenspiel mit Open (Government) Data
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
10 dirschl kaltenböck_ogd_d-a-ch-li 20121004_wkd-swc
Open Government Data im Meldewesen
Open Government Data im Meldewesen
OGD2011: Tassilo Pellegrini - Linked Government Data als nachhaltige Maßnahme...
OGD2011: Tassilo Pellegrini - Linked Government Data als nachhaltige Maßnahme...
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Sabine Bühn, Bernd Aschauer (Aschauer IT & Business)
Berlin Open Data Day
Berlin Open Data Day
Top 10 der Business Intelligence-Trends für das Jahr 2014
Top 10 der Business Intelligence-Trends für das Jahr 2014
Plus de OPITZ CONSULTING Deutschland
OC|Webcast: Grundlagen der Oracle Lizenzierung
OC|Webcast: Grundlagen der Oracle Lizenzierung
OPITZ CONSULTING Deutschland
OC|Webcast "Java heute" vom 28.09.2021
OC|Webcast "Java heute" vom 28.09.2021
OPITZ CONSULTING Deutschland
OC|Webcast "Java heute" vom 24.08.2021
OC|Webcast "Java heute" vom 24.08.2021
OPITZ CONSULTING Deutschland
Architecture Room Stuttgart - "Cloud-native ist nur ein Teil des Spiels!"
Architecture Room Stuttgart - "Cloud-native ist nur ein Teil des Spiels!"
OPITZ CONSULTING Deutschland
OC|Webcast "Willkommen in der Cloud!"
OC|Webcast "Willkommen in der Cloud!"
OPITZ CONSULTING Deutschland
OC|Webcast "Die neue Welt der Virtualisierung"
OC|Webcast "Die neue Welt der Virtualisierung"
OPITZ CONSULTING Deutschland
10 Thesen zur professionellen Softwareentwicklung
10 Thesen zur professionellen Softwareentwicklung
OPITZ CONSULTING Deutschland
OC|Webcast: Oracle Lizenzierung - Lizenznews 2021
OC|Webcast: Oracle Lizenzierung - Lizenznews 2021
OPITZ CONSULTING Deutschland
OC|Webcast: Oracle Lizenzierung - Die größten Fallen in der Praxis
OC|Webcast: Oracle Lizenzierung - Die größten Fallen in der Praxis
OPITZ CONSULTING Deutschland
OC|Webcast: Oracle Lizenzierung - Virtualisierung und Cloud
OC|Webcast: Oracle Lizenzierung - Virtualisierung und Cloud
OPITZ CONSULTING Deutschland
OC|Webcast: Grundlagen der Oracle-Lizenzierung
OC|Webcast: Grundlagen der Oracle-Lizenzierung
OPITZ CONSULTING Deutschland
OC|Weekly Talk: Inspect’n’Adapt – Make Change come true!
OC|Weekly Talk: Inspect’n’Adapt – Make Change come true!
OPITZ CONSULTING Deutschland
OC|Webcast: Schnell und clever in die AWS Cloud – Migrationsszenarien und Han...
OC|Webcast: Schnell und clever in die AWS Cloud – Migrationsszenarien und Han...
OPITZ CONSULTING Deutschland
OC|Weekly Talk The Power of DevOps…
OC|Weekly Talk The Power of DevOps…
OPITZ CONSULTING Deutschland
OC|Weekly Talk: "Das müsste man mal digitalisieren" - Mit Low-Code schnell zu...
OC|Weekly Talk: "Das müsste man mal digitalisieren" - Mit Low-Code schnell zu...
OPITZ CONSULTING Deutschland
OC|Weekly Talk: Service Management – Was hat sich durch Corona geändert?
OC|Weekly Talk: Service Management – Was hat sich durch Corona geändert?
OPITZ CONSULTING Deutschland
OC|Weekly Talk - Digitales Coaching & Smart Sparring
OC|Weekly Talk - Digitales Coaching & Smart Sparring
OPITZ CONSULTING Deutschland
OC|Weekly Talk - Beratung remote
OC|Weekly Talk - Beratung remote
OPITZ CONSULTING Deutschland
Effiziente Betriebsoptimierung durch Cloud Nutzung
Effiziente Betriebsoptimierung durch Cloud Nutzung
OPITZ CONSULTING Deutschland
OC|Weekly Talk - Mitarbeiterführung in Zeiten von Social Distance
OC|Weekly Talk - Mitarbeiterführung in Zeiten von Social Distance
OPITZ CONSULTING Deutschland
Plus de OPITZ CONSULTING Deutschland
(20)
OC|Webcast: Grundlagen der Oracle Lizenzierung
OC|Webcast: Grundlagen der Oracle Lizenzierung
OC|Webcast "Java heute" vom 28.09.2021
OC|Webcast "Java heute" vom 28.09.2021
OC|Webcast "Java heute" vom 24.08.2021
OC|Webcast "Java heute" vom 24.08.2021
Architecture Room Stuttgart - "Cloud-native ist nur ein Teil des Spiels!"
Architecture Room Stuttgart - "Cloud-native ist nur ein Teil des Spiels!"
OC|Webcast "Willkommen in der Cloud!"
OC|Webcast "Willkommen in der Cloud!"
OC|Webcast "Die neue Welt der Virtualisierung"
OC|Webcast "Die neue Welt der Virtualisierung"
10 Thesen zur professionellen Softwareentwicklung
10 Thesen zur professionellen Softwareentwicklung
OC|Webcast: Oracle Lizenzierung - Lizenznews 2021
OC|Webcast: Oracle Lizenzierung - Lizenznews 2021
OC|Webcast: Oracle Lizenzierung - Die größten Fallen in der Praxis
OC|Webcast: Oracle Lizenzierung - Die größten Fallen in der Praxis
OC|Webcast: Oracle Lizenzierung - Virtualisierung und Cloud
OC|Webcast: Oracle Lizenzierung - Virtualisierung und Cloud
OC|Webcast: Grundlagen der Oracle-Lizenzierung
OC|Webcast: Grundlagen der Oracle-Lizenzierung
OC|Weekly Talk: Inspect’n’Adapt – Make Change come true!
OC|Weekly Talk: Inspect’n’Adapt – Make Change come true!
OC|Webcast: Schnell und clever in die AWS Cloud – Migrationsszenarien und Han...
OC|Webcast: Schnell und clever in die AWS Cloud – Migrationsszenarien und Han...
OC|Weekly Talk The Power of DevOps…
OC|Weekly Talk The Power of DevOps…
OC|Weekly Talk: "Das müsste man mal digitalisieren" - Mit Low-Code schnell zu...
OC|Weekly Talk: "Das müsste man mal digitalisieren" - Mit Low-Code schnell zu...
OC|Weekly Talk: Service Management – Was hat sich durch Corona geändert?
OC|Weekly Talk: Service Management – Was hat sich durch Corona geändert?
OC|Weekly Talk - Digitales Coaching & Smart Sparring
OC|Weekly Talk - Digitales Coaching & Smart Sparring
OC|Weekly Talk - Beratung remote
OC|Weekly Talk - Beratung remote
Effiziente Betriebsoptimierung durch Cloud Nutzung
Effiziente Betriebsoptimierung durch Cloud Nutzung
OC|Weekly Talk - Mitarbeiterführung in Zeiten von Social Distance
OC|Weekly Talk - Mitarbeiterführung in Zeiten von Social Distance
OC|Webcast "Daten wirklich nutzen"
1.
© OPITZ CONSULTING
2021 / Öffentlich Daten wirklich nutzen! 1 Was Ihre Daten in der Digitalisierung können müssen Online, 1. Juli 2021 Halidun Yüksel, Jürgen Fischer DATEN WIRKLICH NUTZEN
2.
© OPITZ CONSULTING
2021 / Öffentlich BITTE BEACHTEN SIE… Wir werden Ihnen die Aufzeichnung dieses Webinars sowie die Vortragsfolien in den nächsten Tagen zusenden. Alle Teilnehmer sind stummgeschaltet. Nur so können wir ein störungsfreies Webinar bei großer Personenzahl gewährleisten. Bitte melden Sie sich bei technischen Störungen während des Webinars über die Frage-Funktion an die Organisatoren. Ihre inhaltlichen Fragen stellen Sie bitte auch über die Frage-Funktion. Wir beantworten diese gerne zum Ende des Webinars. Daten wirklich nutzen! Seite 2
3.
© OPITZ CONSULTING
2021 / Öffentlich Daten wirklich nutzen! 3
4.
© OPITZ CONSULTING
2021 / Öffentlich Daten wirklich nutzen! 4 WOZU NUTZEN WIR EIGENTLICH DATEN?
5.
© OPITZ CONSULTING
2021 / Öffentlich DATEN FÜHREN ZU ENTSCHEIDUNGEN UND HANDLUNGEN Daten wirklich nutzen! 5 Lorem ipsum Aus der Bedeutung leiten sich dann explizite Entscheidungen und Handlungen ab. Dem generierten Wissen wird eine Bedeutung zugewiesen. Welche Konsequenz ziehen verschiedene Alternativen nach sich? Informationen werden zu Wissen, sie werden verstanden und in Beziehung zueinander gebracht Aus isolierten Daten werden Informationen, die beschreibenden Charakter haben Entscheidung und Handlung Bedeutung Wissen Daten und Informationen In Anlehnung an das m³ Manifest Meaning Model von Barry Devlin
6.
© OPITZ CONSULTING
2021 / Öffentlich Daten wirklich nutzen! 6
7.
© OPITZ CONSULTING
2021 / Öffentlich COVID-19 – AUF WELCHER BASIS WERDEN ENTSCHEIDUNGEN GETROFFEN? Daten wirklich nutzen! 7 https://www.aerztezeitung.de/Politik/Gesundheitsweiser-Gerlach-kritisiert-schlechte-Daten-und-Entscheidungen-im-Blindflug-408227.html
8.
© OPITZ CONSULTING
2021 / Öffentlich Daten wirklich nutzen! 8 GUTE DATEN SIND DIE BASIS FÜR ANALYTICS
9.
© OPITZ CONSULTING
2021 / Öffentlich Daten wirklich nutzen! 9 "Analytics is an umbrella term that describes the people, processes, and technologies used to turn data into insights into action. In this sense, analytics encompasses data warehousing, business intelligence (BI), performance management, and data mining" THE NEW KID IN TOWN: ANALYTICS „Secrets of Analytical Leaders“, ISBN 978-1935504344 Wayne Eckerson
10.
© OPITZ CONSULTING
2021 / Öffentlich BEING DATA-DRIVEN? Data Management Was? Mehr Daten, neue Quellen, andere Daten, auf den Anwendungsfall optimiert Data Analytics Wie? Reporting (Standard, Ad-hoc), Vorhersagen, Machine Learning, Cognitive, Autonomous Data Democratization Wer? Mehr Nutzer, breitere Nutzen, besseres Verständnis von Daten, Analyse und Nutzen Daten wirklich nutzen! 10
11.
© OPITZ CONSULTING
2021 / Öffentlich ANALYTISCHE BANDBREITE Daten wirklich nutzen! 11 Daten Aktion Feedback Descriptive What happened? Entscheidung Diagnostic Why did it happen? Predictive What will happen? Prescriptive What should I do? Decision support Decision automation Analyse Menschlicher Einfluß Analytics AI, Machine Learning - Einfache Berechnungen - Reporting/Dashboards - Gängige BI Plattformen - Data Science - Neuronale Netze
12.
© OPITZ CONSULTING
2021 / Öffentlich Daten wirklich nutzen! 12 „IF YOU CANT‘T BUILD A DATA WAREHOUSE, YOU SHOULDN‘T DO AI." (Andrew Ng, Stanford University)
13.
© OPITZ CONSULTING
2021 / Öffentlich MDM/DQM – DER FC BAYERN UNTER DEN ANALYTICS TRENDS Daten wirklich nutzen! 13
14.
© OPITZ CONSULTING
2021 / Öffentlich KLEINER FEHLER – GROßE WIRKUNG DER LOGIKBAUM Daten wirklich nutzen! 14 Umsatzverlust Imageverlust Kosten- steigerung Anzahl Kunden unscharf bzw. unbekannt Aufwand pro Kunde unscharf Umsatz pro Kunde unscharf Tatsächlicher Kundenzuwachs oder –abgang schwer zu ermitteln Kundenwertanalysen werden unscharf Kundenbetreuung wird falsch priorisiert Fehlerhafte Kunden- / Vertragsbereinigungsmaßnahmen Verlust wichtiger Kunden Kunde erhält dieselben Angebote mehrfach Erhöhte Werbekosten Kunde kann Angebot nur einmal nutzen Kunde wird verärgert Kundenkreditlimits greifen nicht (Kunden können über mehrere Kundennummern höhere Limits ausnutzen) Erhöhter Aufwand und Kosten bei Bonitätsprüfungen Erhöhtes Forderungsausfall- risiko Auswirkung Dubletten in Kundenstammdaten
15.
© OPITZ CONSULTING
2021 / Öffentlich NOTWENDIGKEIT EINER HOHEN DATENQUALITÄT SICHTBARE UND VERMEINTLICH UNSICHTBARE AUSWIRKUNGEN NIEDRIGER DATENQUALITÄT Daten wirklich nutzen! 15 ➢ Geldstrafen ➢ Wiederholte Dateneingabe ➢ Verlorene Aufträge ➢ Korrektur der Daten ➢ Systemkosten- Erhöhung ➢ Entgangene Neukunden ➢ Zeitverlust ➢ Imageschäden ➢ Kunden- abwanderung ➢ Zinskosten ➢ Lange Suchdauer ➢ Falsche Entscheidungen ➢ Mitarbeiter- unzufriedenheit ➢ Rückläufer
16.
© OPITZ CONSULTING
2021 / Öffentlich SYMPTOME SCHLECHTER DATEN* SCHLECHTE DATEN VERURSACHEN KOSTEN Daten wirklich nutzen! 16 78% veraltete Daten 68% doppelte/mehrfach vorhandene Daten 20% hohe Rückläuferquote 37% postalisch falsche Daten 85% unvollständige Daten *Laut Uniserv Studie: https://www.uniserv.com/unternehmen/blog/detail/article/ergebnisse-der-trendstudie-kundendatenmanagement-2018
17.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄTS-VERBESSERUNGSPROZESS FACHLICHE UND TECHNISCHE MAßNAHMEN SIND ERFORDERLICH Daten wirklich nutzen! 17 Ist-Analyse der Datenqualität • Technischer Prozess 1. Datenqualitätsprozess im Unternehmen etablieren • Fachlicher und strategischer Prozess 4. Datenbereinigung • Technischer Prozess 3. Regeln und Überwachung für Daten festlegen • Fachlicher Prozess 2. Nachhaltiges Datenmanagement Unregelmäßige Überprüfung der Qualität
18.
© OPITZ CONSULTING
2021 / Öffentlich IST-ANALYSE DER DATENQUALITÄT METRIKEN* Daten wirklich nutzen! 18 Ein Datensatz darf in sich und zu anderen Datensätzen keine Widersprüche aufweisen Jeder Datensatz muss eindeutig interpretierbar sein Ein Datensatz muss alle notwendigen Attribute enthalten Die Daten müssen mit der Realität übereinstimmen Alle Datensätze müssen jeweils dem aktuellen Zustand der abgebildeten Realität entsprechen Innerhalb der Datensätze dürfen keine Dubletten vorkommen Die Informationen eines Datensatzes müssen einheitlich strukturiert sein Datenqualität Konsistenz Gültigkeit Vollständigkeit Korrektheit Genauigkeit Redundanz- freiheit Einheitlichkeit *in Anlehnung an DGIQ – IQ Definition 2007
19.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄT ALS CHANGE PROZESS Daten wirklich nutzen! 19 Regeln zum Umgang mit fehlerhaften Daten definieren Mitarbeiter befähigen Prozesse zur Datenerfassung festlegen Data Regeln & Prozesse Verantwortlichkeiten klären
20.
© OPITZ CONSULTING
2021 / Öffentlich DATENBEREINIGUNG Daten wirklich nutzen! 20 Manuelle Datenbereinigung • Überprüfung von Aktualität der Daten • Überprüfung bei ähnlichen Daten die nicht automatisiert bereinigt sind • Erstellen neuer Regeln, anhand von Erkenntnissen während der Datenbereinigung Technische, automatisierte Datenbereinigung • Dubletten erkennen und eliminieren • Regelbasiertes Cleansing z.B. Schreibweisen von Ortsnamen, Alter des Datensatzes • Erstellen von Ähnlichkeitsclustern • Übernahme der Daten aus einem zentralen System (Data Warehouse) • Berichte an die Data Stewards über automatisierte Datenbereinigungen
21.
© OPITZ CONSULTING
2021 / Öffentlich MACHEN SIE MIT UNS DEN DATA QUALITY QUICK CHECK Daten wirklich nutzen! 21 Wir überprüfen ausgewählte Entitäten und zugehörige Tabellen anhand von 7 Kriterien für eine gute Datenqualität. Wir machen die Datenqualität transparent. Wo sind Sie gut aufgestellt, wo gibt es Potenziale? Was bedeuten die Ergebnisse für Ihre nächsten Projekte? Sie erhalten eine genaue Übersicht, eine persönliche Bewertung und Vorschläge für mögliche Maßnahmen. Fact Sheet: Data Quality Quick Check
22.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄT – EINHEITLICHKEIT Daten wirklich nutzen! 22 Die Informationen eines Datensatzes müssen einheitlich strukturiert sein. Das heißt, eine Menge von Daten wird fortlaufend einheitlich präsentiert. Beispiel Kundenadressen sind entsprechend der festgelegten Regeln zu erfassen Es wird z.B. festgestellt, dass Ortsnamen in verschiedenen Schreibweisen erfasst wurden.(z.B. Köln, Koeln, KÖLN, KOELN) Berechnung Von 100.000 Ortsnamen weichen 25.000 Ortsnamen von der vereinbarten Schreibregel ab 75.000 Datensätze sind einheitlich. Ergibt 75% Einheitlichkeit
23.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄT – GÜLTIGKEIT Daten wirklich nutzen! 23 Jeder Datensatz muss eindeutig interpretierbar sein. Datenelement, das gegen sich selbst/sein Gegenstück in einem anderen Datensatz/einer Datenbank gemessen wurde Beispiel Zwei Datensätze (z.B. Kundenadressdatensatz) mit unterschiedlicher ID (Kundennummer) unterscheiden sich in allen weiteren Attributen z.B. nur in einem weiteren Merkmal (Geburtsdatum) ID1 -> Gebdat = 21.05.1991 ; ID2 -> Gebdat = 23.06.1991 Alle weiteren Attribute wie z.B. Name, Vorname, Straße, Hausnummer, PLZ, Ort, sind identisch. Es besteht berechtigter Zweifel, ob es sich hier tatsächlich um zwei unterschiedliche Kunden handelt. Zusätzlich entsteht der Zweifel, ob eines oder sogar keines der Geburtsdaten richtig ist. Somit sind beide Datensätze nicht mehr eindeutig interpretierbar. Berechnung Von 100.000 Kundendatensätzen sind 10.000 bis auf wenige Merkmale identisch, ähnlich und nicht eindeutig. 95.000 Datensätze sind eindeutig. Ergibt 90% Eindeutigkeit
24.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄT – VOLLSTÄNDIGKEIT Daten wirklich nutzen! 24 Berechnung 100.000 Kundendatensätze liegen vor. Davon sind 2000 Attributeinträge leer. 98.000 Datensätze sind Vollständig. Das ergibt 98% Vollständigkeit der Kundendatensätze. Vollständigkeit Datensatz ▪ Ein vollständiger "Kundenadressdatensatz" besteht aus folgenden Attributen: ➢ Kundennummer ➢ Vorname ➢ Nachname ➢ Straße Fehlt eines oder mehrere Attribute, ist der Datensatz nicht vollständig Attribute müssen alle notwendigen Daten enthalten Ein Datensatz muss alle notwendigen Attribute enthalten Vollständigkeit Attribut ▪ Das Attribut „Kundennummer identifiziert einen Kunden und muss immer gefüllt sein
25.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄT – KORREKTHEIT Daten wirklich nutzen! 25 Die Daten müssen mit der Realität übereinstimmen. Mapping gegen Daten, deren Korrektheit bestätigt ist oder eine definierte, abgestimmte Plausibilitätsregel Beispiel Das Geburtsdatum ist mit dem Wert 01.01.1900 belegt. Die Wahrscheinlichkeit das Kunden am 01.01.1900 geboren sind geht gegen 0. Berechnung 100.000 Kundendatensätze liegen vor. Davon sind im Attribut Geburtsdatum 5000 Einträge mit 01.01.1900. 95.000 Datensätze sind Korrekt. Ergibt 95% Korrektheit der Kundendatensätze.
26.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄT – KONSISTENZ Daten wirklich nutzen! 26 Ein Datensatz darf in sich und zu anderen Datensätzen keine Widersprüche aufweisen. Mehrere Attribute (Kundennummer, Vorname, Nachname, Straße, Hausnummer, PLZ, Ort) definieren einen Kundendatensatz. Für die korrekte Abwicklung von Geschäftsvorfällen müssen die Kundendatensätze 100% konsistent sein. Für die einzelnen Attribute eines Kundendatensatzes wurden Datenqualitätskriterien (z.B. Vollständigkeit und Eindeutigkeit) definiert und gemessen. Beispiel Mehrere Attribute (Kundennummer, Vorname, Nachname, Straße, Hausnummer, PLZ, Ort) definieren einen Kundendatensatz. Für die korrekte Abwicklung von Geschäftsvorfällen müssen die Kundendatensätze 100% konsistent sein. Für die einzelnen Attribute eines Kundendatensatzes wurden Datenqualitätskriterien (z.B. Vollständigkeit und Eindeutigkeit) definiert und gemessen. Berechnung Bei 100.000 Datensätzen wurden 21.000 Datensätzen identifiziert, bei denen mind. 1 Attribut von den Attributen, die einen Datensatz definieren, die Datenqualitätskriterien verletzt. Die Konsistenz liegt bei 79%.
27.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄT – GENAUIGKEIT Daten wirklich nutzen! 27 Die Daten müssen in der geforderten Exaktheit vorliegen. Beispiel Ein Datum ist immer in dem Format (tt.mm.jjjj) anzugeben. Es soll geprüft werden, wie häufig eine Regelverletzung vorliegt. Berechnung Bei 100.000 Datensätzen wurden 1.000 Datensätze mit Regelverletzung identifiziert. Die Genauigkeit liegt bei 1%.
28.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄT – REDUNDANZFREIHEIT Daten wirklich nutzen! 28 Innerhalb der Datensätze dürfen keine Dubletten vorkommen. Datenelement, das gegen sich selbst/sein Gegenstück in einem anderen Datensatz/einer Datenbank verglichen wurde. Beispiel Aus verschiedenen Datenquellen wurden redundant vorgehaltene Kundendaten zusammengeführt. Bei Auswertungen wurde festgestellt, dass die Vereinheitlichung nicht vollständig funktioniert hat. Jeder Kunde darf nur einmal vorkommen. Berechnung Die Dublettenprüfung ergibt, dass von 100.000 Kundennummern 8.000 doppelt vorliegen. 92.000 Datensätze sind redundanzfrei. Ergibt 92% Redundanzfreiheit.
29.
© OPITZ CONSULTING
2021 / Öffentlich DATENQUALITÄT – ERGEBNIS Daten wirklich nutzen! 29
30.
© OPITZ CONSULTING
2021 / Öffentlich BEI FRAGEN KOMMT GERNE AUF UNS ZU! Daten wirklich nutzen! 30 Halidun Yüksel Manager Solutions Halidun.Yueksel@opitz-consulting.com Jürgen Fischer Director Business & IT Innovation Juergen.Fischer@opitz-consulting.com Juergen_Fischer70 jürgen-fischer-70b621208 www.opitz-consulting.com
Télécharger maintenant