Datenqualitätsmanagement - Potenzial erkennen
Versteckte Kosten aufdecken
Datenqualitätsmanagement ist noch eine vergleichsweise junge Disziplin. Die ersten ernstzunehmenden Veröffentlichungen datieren auf die Mitte der 90er Jahre.
Vielleicht ist dies der Grund warum sich in vielen Unternehmen ein systematisches Management der Datenqualität noch nicht durchgesetzt hat.
Die hohen Kosten und die nicht zu vernachlässigenden anderen Probleme wie Imageverlust oder Compliance-Probleme, die durch schlechte Datenqualität entstehen, rechtfertigen aber aus unserer Sicht einen vorderen Platz auf der Prioritätenliste jedes Unternehmens.
Kompetenzen von PASS in Sachen DQM
Wir möchten Sie dabei unterstützen, das enorme Potenzial an Kosteneinsparungen zu realisieren.
Mehrjährige Erfahrungen in diesem Umfeld garantieren Ihnen eine Beratung auf Top-Niveau.
Mit folgenden Kompetenzen stehen wir Ihnen zur Seite:
Planung und Durchführung von Datenqualitätsmessungen
Datenqualitätsmessungen stellen nach unserer Auffassung den Kern eines systematischen DQM dar. Sie bilden die Basis für nachgelagerte Analysen und Maßnahmen zur Verbesserung der Datenqualität. Die Messungen ermöglichen es für diese Folgeaktivitäten, Business Cases zu berechnen und das häufig beträchtliche Einsparpotenzial von systematischem Datenqualitätsmanagement zu quantifizieren.
Dazu gilt es, die Messungen zielgerichtet auf die Kernprobleme Ihres Unternehmens auszurichten und eine zielgruppengerechte Darstellung der Messergebnisse zu konzipieren.
Planung und Durchführung von Maßnahmen zur Verbesserung der Datenqualität
Die Datenqualität in Ihren Systemen zu verbessern ist das Ziel des DQM. Aber eine 100%-ige Datenqualität kann nicht das Ziel sein, da sich für solche Maßnahmen kein positiver Business Case mehr ermitteln lassen wird. Daher gilt es, DQ-Maßnahmen zielgerichtet aufzusetzen – und zwar für die IT-Systeme Ihrer Kernprozesse genauso wie für die Data Warehouses (DHW). Unsere Philosophie ist es, Maßnahmen zur einmaligen Bereinigung von DQ-Problemen immer zusammen mit Projekten zur Ursachenbeseitigung dieser Datenprobleme – also zur nachhaltigen Verbesserung der Datenqualität – durchzuführen.
Die folgende Abbildung zeigt das PASS Data Quality Vorgehensmodell, das zur Steuerung von sowohl korrektiven als auch präventiven Maßnahmen dient und auf dem DMAIC-Zyklus basiert. Das Vorgehensmodell wurde in den letzten 2,5 Jahren (Stand August 2010) gemeinsam mit der Telekom Deutschland GmbH (ehemals T-Home) entwickelt und in einem Praxisprojekt verifiziert und weiterentwickelt. Ausführlich ist dies in der Success Story dargestellt.
- Data Quality - Vorgehensmodell
Präventive Maßnahmen
Zur Umsetzung von proaktiven Maßnahmen, also von Maßnahmen, die darauf abzielen, Datenqualitätsprobleme erst gar nicht entstehen zu lassen, können wir wie folgt unterstützen:
Durchführung von Migrationen
Migrationen von IT-Systemen z.B. aufgrund von M&A oder wegen Optimierung Ihrer IT-Prozesse sind eine wesentliche Ursache von DQ-Problemen.
Wir möchten Sie dabei unterstützen, durch eine vorherige Analyse der Daten eine reibungslose Migration ohne nachträgliche böse Überraschungen sicherzustellen.
Wir setzen dabei auf mehrjährige Erfahrung und auch auf die Unterstützung unseres Partners MioSoft® Deutschland GmbH.
DQM-fokussiertes Business Process Management (BPM)
Neben der Dateneingabe sind Medienbrüche in den Prozessen eine wichtige Ursache für schlechte Datenqualität. Aber auch Schnittstellen zwischen den IT-Systemen, die nicht alle Besonderheiten von möglichen Geschäftsfällen betrachten, können zu DQ-Problemen führen.
Wir würden gerne unsere längjährige Erfahrung im Bereich des Business Process Reengineering (BPR) nutzen, um Sie bei der DQM-optimierten Durchführung solcher Projekte zu unterstützen.
