DQM bei Ihnen

1,748 views

Published on

Warum auch Ihr Unternehmen Datenqualitäts-Management benötigt!

Published in: Business, Technology
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,748
On SlideShare
0
From Embeds
0
Number of Embeds
10
Actions
Shares
0
Downloads
0
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

DQM bei Ihnen

  1. 1. Daten QualitätsmanagementProbleme, Aktivitäten, Nutzen und Vorgehen<br />
  2. 2. Folie 2<br /> Datenqualitätsmanagement Fallstudien<br />Agenda<br /> Aufgaben des Datenqualitätsmanagements<br /> Erfolg mit Datenqualitätsmanagement<br /> Unsere Dienstleistungen für Sie<br />
  3. 3. Folie 3<br /> Fall 1: “Unzustellbare Post”<br />Gute Gründe für Datenqualitätsmanagement<br /> Fall 2: “Kundenabwanderung”<br /> Fall 3: “Unerkannte Kunden”<br />
  4. 4. Folie 4<br />Fall 1: Unzustellbare Post<br />Eines Morgens, im Marketing…<br />Der Leiter Marketing<br />betritt sein Büro<br />und…<br />Der gesamte Flur <br />ist voll mit Post!<br />Retouren der letzten Briefkampagne!<br />Was war passiert?<br />Die Briefkampagne zielte auf ehemalige Kunden ab<br />Leider stimmten die Daten der Postanschrift von mehr als 300.000 Kunden nicht!<br />Verlust: €150.000 Porto + Druck - plus die hämischen Blicke der Kollegen…<br />
  5. 5. Folie 5<br />Fall 2: Kundenabwanderung<br />Wie jeden Tag im Call Center…<br />Ein ungehaltener Kunde ruft an…<br />„Ich habe Ihnen schon zwei Mal mitgeteilt:Ich wohne nicht in Köln, sondern in Marienburg!“<br />Im Dialog erklärt der Kundenservice-Mitarbeiter dem Kunden:<br />„Wir führen alle Kölner Postleitzahlen<br />automatisch als Teil von Köln!“<br />Doch der Kunde beharrt: <br />„Wenn Sie das nicht hinbekommen,<br />war ich die längste Zeit Kunde bei Ihnen!“<br />Was ist das Problem?<br />Für manche Kunden ist ihr Wohnviertel ein Statussymbol – sie wollen es gewürdigt sehen!<br />Kunden, die sich vom Unternehmen nicht verstanden fühlen, wandern ab.<br />Der Konzern verlor rund 10.000 Kunden pro Jahr<br />weil das System keine persönlich wichtigen Informationen über die Kunden verarbeiten konnte.<br /> - Plus eine Dunkelziffer durch negative Mundpropaganda!<br />
  6. 6. Folie 6<br />Fall 3: Unerkannte Kunden<br />Ein ganz normaler Tag im Call Center…<br />Ein Kunde hat ein alltägliches Anliegen zum Vertrag:<br />Veränderung der Bandbreite.<br />Erstaunt stellt der Call Center Mitarbeiter fest: „Sie sind bei uns gar nicht als Kunde eingetragen!“<br />Der Kunde wurde also schnell eingerichtet, Problem gelöst.<br />Allen Neukunden werden <br />subventionierte Endgeräte <br />zugestellt!<br />Was lief schief?<br />Wegen schlecht gepflegter Identifikationsmerkmale<br />konnte das CRM System manche Bestandskunden nicht auffinden.<br />Diese Kunden erhielten durch den Prozess fälschlicherweise den Status „Neukunde“.<br />Der Konzern versandte über 20.000 Endgeräte, bevor das Problem bemerkt wurde!<br />
  7. 7. Folie 7<br /> Datenqualitätsmanagement Fallstudien<br />Agenda<br /> Aufgaben des Datenqualitätsmanagements<br /> Erfolg mit Datenqualitätsmanagement<br /> Unsere Dienstleistungen für Sie<br />
  8. 8. Folie 8<br />Was ist „Daten-Qualitätsmanagement“?<br />Zweck-<br />Dienlich<br />Messen<br />Verbessern<br />Messen<br />Verbessern<br />Daten<br />Qualität<br />Mgt.<br />DV:<br />IT-Systeme<br />Fachliche<br />Prozesse<br />Messen<br />Verbessern<br />Stellen die Systeme<br />zweckdienlich die Daten<br />bereit?<br />Bedienen die Daten das <br />Ziel der Fachprozesse?<br />Welche Prozesse benötigen<br />die Daten – und wozu?<br />Erfüllen die Systeme <br />ihren Zweck in der<br />Datenbereitstellung?<br />Passen die Daten <br />der IT-Systeme zu den <br />fachlichen Prozessen?<br />Wie stellen die IT-Systeme<br />Daten für fachliche<br />Prozesse bereit?<br />
  9. 9. Folie 9<br />Zweckdienliche Daten sparen Zeit und Geld, denn sie sind:<br />Vollständig<br />Konsistent<br />Relevant<br />Transparent<br />Präzise<br />Zeitgerecht<br />Akkurat<br />Zweckdienliche Datenqualität<br />Totale Datenqualität<br />Nicht zweckdienliche Daten kosten Zeit und Geld – und schaffen Unzufriedenheit!<br />
  10. 10. Folie 10<br />Wertschöpfung durch Datenqualität<br />Datenqualitätsmanagement schafft messbare Werte:<br />Finanziell<br />Kosten<br />Senken<br />Gewinne<br />Steigern<br />Daten<br />Qualität<br />Nicht monetär<br />Kunden-<br />Zufriedenheit<br />Steigern<br />Aufwände<br />reduzieren<br />Reduktion<br />Steigerung<br />
  11. 11. Folie 11<br /> Datenqualitätsmanagement Fallstudien<br />Agenda<br /> Aufgaben des Datenqualitätsmanagements<br /> Erfolg mit Datenqualitätsmanagement<br /> Unsere Dienstleistungen für Sie<br />
  12. 12. Folie 12<br />DQM Erfolgs-Stories<br />Der Nutzen von Datenqualitätsmanagement ist klar zu sehen:<br />Einführung von Data Quality Agreements<br />Unser Kunde etablierte DQAs im CRM für alle Kundendaten<br />Viele Fehler von CC Mitarbeitern sind technisch jetzt unmöglich<br />Wenn sich Fehler häufen, wissen die Leiter sofort Bescheid!<br />Messung der Datenqualität in den Systemen<br />Unser Kunde nutzt Konsistenzmessung in Billing, CRM und HLR<br />Die Fehlerrate sank von rund 5% auf unter 0,5%<br />Probleme werden längst vor Beginn des Rechnungslaufs erkannt<br />Datenstandards für Human Resources<br />Unser ARPM Tool standardisiert Profile für Stellen und Personal<br />Automatisiertes Aussortieren spart 90% der Vorarbeit<br />Dank besserer Profile werden Stellen geeigneter besetzt<br />
  13. 13. Folie 13<br />Wählen Sie Ihr Vorgehensmodell<br />Nachhaltige Lösungen für akute Probleme<br />Fundamentale Probleme werden oft<br />erst nach Jahren angegangen<br />Wenn keine akuten Probleme auftreten,<br />entsteht leicht eine trügerische Sicherheit<br />„Unwissenheit schützt vor Strafe nicht“<br />Projektorientierter Ansatz <br />erfordert wenig Ressourcen<br />Positive Business Cases <br />garantieren sichtbare Erfolge!<br />Eine ganzheitliche Lösung stärkt die<br />Position des Unternehmens im Markt<br />Globales „Data Ownership“ vereinfacht<br />die IT-Systemlandschaft und Entwicklung<br />Pro-aktives Vorgehen verhindert Schäden,<br />bevor sie entstehen<br />Da vermiedene Schadfälle nicht in Bilanzen eingehen,<br />wird oft der Nutzen der Initiative in Frage gestellt.<br />Transparenz und klare Verantwortung muss von allen <br />erwünscht sein, sonst scheitert die Initiative.<br />Der Aufbau einer Governance kostet Zeit<br />Problemgetriebenes<br />Vorgehensmodell<br />Governance-getriebenes<br />Vorgehensmodell<br />Ihr Vorteil:<br />Ihr Vorteil:<br />Beachten Sie:<br />Beachten Sie:<br />„Sichtbar Nützlich!“<br />„Keine unnötigen Risiken!“<br />
  14. 14. Folie 14<br /> Datenqualitätsmanagement Fallstudien<br />Agenda<br /> Aufgaben des Datenqualitätsmanagements<br /> Erfolg mit Datenqualitätsmanagement<br /> Unsere Dienstleistungen für Sie<br />
  15. 15. Unsere Leistung für Sie<br />Folie 15<br />Wir bieten allen Leistungen zum Thema Datenqualität aus einer Hand<br />Datenqualität als Governance Disziplin<br />Messung des Reifegrads Ihrer DQ<br />Aufbau von Data Quality Agreements<br />Roadmap zur Steigerung der Reife<br />Modellierung der Datenobjekte<br />Datenqualität Risikomanagement<br />Optimierung der Datenströme<br />Operative Gestaltung von Datenqualität<br />Aufbau von Messprozessen<br />DQM in Entwicklung und Migration<br />Implementierung von Mess-Tools<br />Training rund um Datenqualität<br />Verhinderung von DQ Problemen<br />SE Data Quality Cockpit<br />Projekte zur Verbesserung der Datenqualität<br />Auffinden von DQ Problemursachen<br />Projektleitung bei DQ Projekten<br />Risikoanalysen zu Datenqualität<br />Prozessmaps, Systemlandkarten etc.<br />Lösungsfindung mit den Fachseiten<br />DQ Testing und Analyse<br />
  16. 16. Folie 16<br />Datenqualitätsmanagement Etablieren<br />Ziel-<br />Orientierung<br />Daten<br />Qualität<br />Mgt.<br />DV:<br />IT-Systeme<br />Fachliche<br />Prozesse<br />Das ENISA Data Collection Framework<br />Problemgetriebenes Vorgehensmodell<br />1 – Identifikation der wichtigsten Datenobjekte (z.B. „Kunde“, „Produkt“)<br />2 – Analyse gemeldeter Störungen bezüglich Ursachen in den Ziel-Objekten<br />3 –Optimierung der Daten zur Behebung der Problemursache<br />4 – Abschluss eines „Datenqualitätsabkommen“ zwischen IT und Fachbereich<br />5 – Aufbau automatischer Kontrollen zur regelmäßigen Prüfung der geforderten Qualität<br />Governance-getriebenes Vorgehensmodell<br />1 – Identifikation der wichtigsten Datenquellen im Unternehmen<br />2 – Daten-Bestandsaufnahme gemeinsam mit der zentralen Fachseite<br />3 – Optimierung aller Datenbestände aus dieser Quelle<br />4 – Aufbau einer Partnerschaft zwischen IT und FS zu diesen Daten<br />5 – Ausweitung der Partnerschaft, um mehr Fachbereiche zu beteiligen<br />6 – Ausweitung der Partnerschaften auf weitere Datenobjekte<br />
  17. 17. Folie 17<br />Vielen Dank für Ihre Aufmerksamkeit!<br />

×