Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Stadt Wien: Wie wird eine Stadt data excellent?

917 views

Published on

Digitale Services für Bürgerinnen und Bürger ausbauen, Open Government Data anbieten und digitale Innovationen fördern – für die Erreichung dieser ehrgeizigen Ziele der Stadt Wien braucht es einen starken Veränderungswillen. Hinsichtlich der Organisation und dem Umgang mit Daten der Fachabteilungen war es notwendig, einen echten Paradigmenwechsel einzuleiten, was auch gelungen ist.
Die Stadt Wien wurde in knapp zwei Jahren data excellent. Aber wie?
Als besondere Herausforderung galt es, sowohl die heterogene Datenlandschaft als auch die Datenschutzvorgaben für öffentliche Verwaltungen zu bewältigen.

In der Data Excellence-Strategie wurden die Eckpfeiler für das Datenmanagement, die Einführung der Data Governance und des Datenqualitätsmanagements festgelegt, die auf Basis eines Data Excellence Frameworks für den gesamten Magistrat operationalisiert wurden.

  • Be the first to comment

Stadt Wien: Wie wird eine Stadt data excellent?

  1. 1. Stadt Wien: Wie wird eine Stadt data excellent? 27. Juni 2018
  2. 2. Der Start: Zusammenarbeits-Tandems 2 Abstimmung Skill & Know-How-Austausch Inhaltliche Abstimmung Scope Erfüllung Zeitplanung Arbeitsaufteilung Information von ExpertInnen, KollegInnen, Projektleitung, Fachbereich Tandem Partner 1 Tandem Partner 2 Partner 27. Juni 2018 | . | 2
  3. 3. 1 Vision & Mission: Die Datenstrategie der Stadt Wien 2 Die Basis: Einführung der Data Excellence (DX) - Organisation 3 Die Drehscheibe: DX-Services in der MA 01 – Wien Digital 4 Zentrale DX KPIs für die Stadt Wien 5 PEDES: Programm zur Einführung von Data Excellence Services 6 Das DX-Framework 7 Rolle und Enablement der FachdatenexpertInnen 8 Mehrwert von Data Excellence 9 DX-Schulungskonzeption 10 Ergebnisse des Data Excellence Programms PEDES 27. Juni 2018 | . | 3
  4. 4. Warum wurde Data Excellence in der Stadt Wien eingeführt? Datensilos Redundante Daten Manuelle Mehrfach-Datenerfassungen Datenverantwortung oft unklar Aufwändige Suche nach Daten Negative Außenwirkung wegen mangelnder Datenqualität und durch unterschiedliche Informationen an mehreren Stellen Auswertungen aufwändig Mühsames Berichtswesen BI nur eingeschränkt möglich 27. Juni 2018 | . | 4
  5. 5. Data Excellence Vision Die Stadt Wien stellt verlässliche Informationen & Daten als zentralen Wert einer offenen Verwaltung der Zukunft zur Verfügung. Dadurch schaffen wir einen hohen Nutzen für die Bevölkerung, Wirtschaft & Wissenschaft und leisten einen Beitrag zu einer effizienten Aufgabenerledigung. . 27. Juni 2018 | . | 5
  6. 6. Die Basis: Data Excellence Organisation der Stadt Wien DataExcellence Steuerung DataExcellenceStandards&Support BevölkerungWirtschaftWissenschaft StadtWien DataExcellenceFachbereiche Auftraggeberin Data Excellence CIO Exekutives Entscheidungsgremium Lenkungsausschuss Data Excellence Data Governance Fachbeirat Fach-ExpertInnen Fach-ExpertInnen Data Expert Data Steward Koordination Data Excellence Magistratsdirektion (MD-OS/PIKT) Data Governance – Koordinatorin = Leiterin Data Governance Fachbeirat MA 01 – Wien Digital Gruppe Data Excellence Daten- KonsumentInDaten- KonsumentInDaten- KonsumentIn Daten- KonsumentInData User 27. Juni 2018 | . | 6
  7. 7. DX-Rolle: Data Steward Aufgaben der Data Stewards Vertretung einer Datendomäne Planung von Anforderungen und Koordination der Datenlieferung Entwicklung von Geschäftsregeln für Daten Entwicklung von fachlichen Datenmodellen Formulierung von Fachkonzepten Unterstützung Strategie, Planung, regelmäßige Abstimmungen mit anderen Data Excellence Rollen Vertretung in Gremien Kann als Mitglied im Fachbeirat Data Governance nominiert sein 27. Juni 2018 | . | 7
  8. 8. DX-Rolle: Data Expert Aufgaben der Data Experts Unterstützung der Data User im Verstehen und Benutzen der fachlichen Datenqualitätsanforderungen. Fachliche Definition von Daten Definition der Anforderungen für Datenqualität und Datenverfügbarkeit Formulierung von Datenbedarf und Begleitung der Umsetzung Kann OGD-Ansprechpartner/in sein Kann ViennaGIS-Ansprechpartner/in sein Kann als Datenschutzverantwortliche/r nominiert sein 27. Juni 2018 | . | 8
  9. 9. DX-Rolle: Data User Aufgaben der Data User Verantwortung für die Einhaltung der Datenqualität Produktion von Daten unter Einhaltung der Vorgaben Umsetzung von Datenkorrekturen Verstehen und Extrahieren von Daten Feedback bezüglich Datenqualität an die Data Experts 27. Juni 2018 | . | 9
  10. 10. Aufgaben der MA 01 - Gruppe Data Excellence Die Drehscheibe: DX Services in der MA 01 – Wien Digital Daten- bereitstellung Daten- verständnis Daten- bereinigung Daten- anreicherung Berichte Analysen Datenaufbereitung Datenqualitätsberichte Zugriff auf Metadaten Datenpools Verwaltung fachliche Metadaten Daten-Profiling Auswirkungsanalysen bei Änderungen Ursachenanalyse bei (Daten-)Fehlern Automatische Korrekturen Datenqualitätsprüfungen Formatanpassungen Dublettenbereinigung Standardisierungen Stammdatenmanagement Referenzdatenmanagement Datenintegration 27. Juni 2018 | . | 10
  11. 11. Vorgabe für die Umsetzung: Die Data Excellence Strategie Definierte Datenqualität & -integrität sichern Richtlinien & DGV- Prozesse leben DX-Budget schaffen & an priorisierten Bedarfen ausrichten Interne Kosten mittels guter Datenqualität senken Transaktions- kosten senken & Netzwerkeffekte ermöglichen Fachliche Bedarfe erfassen und priorisieren Risiken für DX managen DX-Kompetenz erhöhen Serviceausmaß gegenüber DatenkonsumentInnen erhöhen Digitale Transformation vorantreiben BürgerInnen-Service verbessern Verantwortlich -keiten und Rollen leben Standards für Daten- integrität sicherstellen Voraussetzungen für eine valide Datenbasis schaffen Fachdaten- modell für Stadt Wien nutzen Ressourcen- aufwand im Datenlebens- zyklus reduzieren KundInnen Finanzen Prozesse MitarbeiterInnen & interne Entwicklung 27. Juni 2018 | . | 11
  12. 12. Zentrale Data Excellence KPIs für die Stadt Wien KPI 1: DQ (Datenqualität) • Anzahl Definitionen von Datenqualität • Messen der Erreichung der definierten DQ-Vorgaben • Einzelsicht und konsolidierte Sichten nach Datenbereichen und nach Fachbereichen KPI 2: FDM (Fachdatenmodell) • Anzahl der fachlich definierten Geschäftsobjekte & Attribute • Anzahl der fachlich definierten Referenzobjekte/-daten KPI 3: DX-Reifegrad (DX Reifegrad der Abteilungen) • Messen des Reifegrades (Anlehnung an CMMI) von Abteilungen in den einzelnen DX Themen (lt. Vorgaben in den Leitfäden) • Einzelsicht und konsolidierte Sichten möglich (nach Thema, Abteilung) 27. Juni 2018 | . | 12
  13. 13. • Adresserhebung neu bis 31.12.2017 • Verbesserung der Personaldaten um 4% zum Vorquartal • Ressourcen für Korrektur- Batch der Leistungsdaten derzeit nicht freigegeben Datenqualitäts-Status 26.04.2017 KPI1: Datenqualität Personaldaten 92% Leistungsdaten 86% Finanzdaten 98% Adressdaten 63% Organisationsdaten 99% Sonstige Daten 78% Overall 86% 27. Juni 2018 | . | 13
  14. 14. KPI2: Fachdatenmodell 123 155 178 201 222 254 299 359 401 432 449 470 501 64 51 34 59 81 67 98 123 89 101 76 102 95 81 79 101 94 88 139 101 78 75 56 121 94 77 0 100 200 300 400 500 600 700 800 Q1/18 Q2/18 Q3/18 Q4/18 Q1/19 Q2/19 Q3/19 Q4/19 Q1/20 Q2/20 Q3/20 Q4/20 Q1/21 Veröffentlicht Abgestimmt in Arbeit 27. Juni 2018 | . | 14
  15. 15. KPI3: Reifegradmodell der Data Excellence Organisation DXO FDM RDM SDM DQM BDM DNU DRM 3 2 1 3 2 1 1 3 3 2 1 3 2 2 2 1 3 3 3 3 3 3 3 2 3 3 3 2 1 0 0 0 3 1 1 1 1 1 1 2 3 1 3 1 2 3 1 1 3 1 1 1 1 1 1 2 2 1 1 1 1 1 1 1 2 3 1 3 3 3 2 1 1 2 2 1 2 2 3 1 1 2 1 1 1 2 1 1 0 1 1 2 1 1 1 1 2 2 2 2 1 0 0 1 Exzellent Etabliert Initial Etabliert Initial Initial Initial Initial Abteilungen/Dienststellen Data Excellence Thema 27. Juni 2018 | . | 15
  16. 16. Das Data Excellence Programm der Stadt Wien Wir müssen unsere Hausaufgaben machen, gleichzeitig eine Investition in die Zukunft tätigen und eine Datenbasis für die Digitalisierung schaffen – daher wurde das Programm zur Etablierung der Data Excellence Services in der Stadt „PEDES“ gestartet: Data Governance etablieren Data Warehouse aufsetzen und befüllen Datenqualitätsmanagement sicherstellen 27. Juni 2018 | . | 16
  17. 17. Data Excellence Framework © Data Excellence (DX) Framework © Daten nutzenDaten verantworten Wissen über die Daten verantworten Daten strategisch betrachten Daten strukturieren Daten nachvollziehen Daten schützen Daten verstehenDaten optimieren Daten planen Datenservices anbieten 21. Juni 2018 | © 2018 . | 17
  18. 18. Data Excellence Framework © Data Excellence (DX) Framework © DatennutzungDX Organisation Fachliches Metadaten-Management Data Excellence Strategie Referenzdaten Datenherkunft Datenschutz Fachliches Datenmodell Datenqualität DX Bedarfs- management DX Services 21. Juni 2018 | © 2018 . | 18
  19. 19. Fachbereich Grundlagen der Implementierung: Requirements Engineering FachdatenanalystIn (Requirements Engineer) FachdatenexpertIn (fachlicher Requirements Engineer) MA 01 - Gruppe Data Exellence (Umsetzung) prüft, stimmt ab, formalisiert prüft, nimmt ab 27. Juni 2018 | . | 19
  20. 20. Agiles Vorgehen mit verschiedenen Ergebnistypen Ergebnistypen für die Fachabteilungen 1. Daten planen: Fachkonzepte und Fachdatenmodell 2. Daten sichten: Data Profiling der operativen Daten 3. Datenqualität erkennen: Datenqualitätsberichte ad-hoc, laufend 4. Daten verstehen: Auswertungsmöglichkeiten erkennen aus der Datenbasis 5. Daten auswerten: Kennzahlen & Daten, selbst auswertbar in Cognos/TM1 6. Daten konsumieren: Standardberichte, Anzeige von Daten 27. Juni 2018 | . | 20
  21. 21. Mehrwert von Data Excellence: Zentrale Stammdaten - Adressen Ohne Verwendung zentraler Stammdaten Mit Verwendung zentraler Stammdaten Adressen 1 Adressen 2 Konsequenz: • Doppelte Adressen durch unterschiedlicher Schreibweise • Selektion von Adressen nicht eindeutig möglich, da keine zentralen Stammdaten vorhanden sind • Manuelle Zusammenführung erforderlich • Negative Außenwirksamkeit durch doppelte Adressen Konsequenz: • 2-fach selektierte Adressen werden als eine erkannt • Selektion von Adressen eindeutig möglich, da von zentralen Stammdaten ausgehend • Reduzierter Aufwand bei Adressfile-Erstellung in den Fachbereichen, keine Zusammenführung erforderlich  Nutzung zentraler Stammdaten muss verbindlich sein Adress- Register Fachbereich 1 Fachbereich 2 Fachbereich 1 Fachbereich 2 Adressen Adressen 1 Adressen 2 27. Juni 2018 | . | 21
  22. 22. Ohne Verwendung Referenzdaten Mehrwert von Data Excellence: Referenzdaten – Organisationsdaten Mit Verwendung Referenzdaten Dienststellen- Struktur (Personalsicht) Dienststellen- Struktur (Finanzsicht) Konsequenz: • Manuelle Anlage der Dienststellenstruktur und Geschäftsgruppenzuordnungen in den diversen Fachbereichen • Keine einheitliche Sicht von Daten verschiedener Fachbereiche anhand Dienststellen-/Geschäftsgruppenstruktur möglich • Unterschiedliche Schreibweisen • Daten sind zum Teil nicht aktuell Konsequenz: • Auswertung von Daten verschiedener Fachbereiche anhand der zentralen Dienststellenstruktur möglich • Einheitliche Schreibweisen/Bezeichnungen garantiert • Daten sind immer aktuell • Daten werden nur einmal erfasst • Organisationsdaten sind historisch abfragbar  Verwendung von Referenzdaten muss verbindlich sein Überblick Wien Fachbereich 1 Fachbereich 2 Fachbereich 1 Fachbereich 2 Auswertung 1 Auswertung 2 Aus- wertung (1 & 2) 27. Juni 2018 | . | 22
  23. 23. Mehrwert von Data Excellence: Datenqualität Ohne Datenqualitätsmanagement Mit Datenqualitätsmanagement Kennzahl (ungeprüft) Konsequenz: • Nicht korrekte Daten bleiben oft lange unentdeckt • Suche nach Ursache ist mangels richtiger Vergleichswerte äußerst aufwendig • Häufige Folgen sind: falsche Analysen, irreführende Schlussfolgerungen und Maßnahmen • Negative Außenwirksamkeit durch z. B. falsche Berichte, Kennzahlen, Planungen • Risiko von Fehlentscheidungen Konsequenz: • Monitoring (Bottom-Up Kontrolle) gewährleistet rasche Benachrichtigung im Fehlerfall • Fehlerquelle klar identifiziert und eingegrenzt – gezielte Verbesserung zeitnah möglich • Aufwandskosten reduziert, kurze Durchlaufzeit bei der Fehlerbehebung • Berichte / Kennzahlen / Planungen auf korrekter Datenbasis gewährleistet  Regelmäßige Datenqualitätskontrolle muss verbindlich sein Kennzahl DQ Status DQI ? ? ? ? Daten- KonsumentInnen Daten- KonsumentInnen 27. Juni 2018 | . | 23
  24. 24. Data Excellence (DX) Schulungs- programm für alle in der Stadt Wien DX Advanced Training Data Experts, Data Stewards Class Room Schulung IKT-Sicherheit ViennaGIS® von A bis Z Datenschutz DX Services (A) Open Governmant Data (OGD) Datennutzung (A) Datenqualitätsmanagement (A) DX Bedarfsmanagement (A) Referenz- und Stammdaten- management (A) Fachdatenmodell (A) DX Strategie & Richtlinien (A) DX Organisation (A) Eintrag in Bildungspass Eintrag in Bildungspass / optional Bescheinigung / Zeugnis Eintrag in Bildungspass / optional Bescheinigung / Zeugnis DX Basic Training Alle in der Stadt Wien E-Learning Datennutzung (B) Datenqualitätsmanagement (B) DX Services (B) ViennaGIS® Basic DX Bedarfsmanagement (B)Fachdatenmodell (B) DX Strategie & Richtlinien (B) DX in a Nutshell (B) Referenz- und Stammdaten- management (B) DX Professional Training Data Stewards Class Room Schulung Fachdatenmodell (P) DX Strategie & Richtlinien (P) DX Bedarfsmanagement (P) Referenz- und Stammdaten- management (P) Datennutzung (P) DX Services (P) Datenqualitätsmanagement (P) DX Organisation (P) DX Organisation (B) 27. Juni 2018 | . | 24
  25. 25. Leistungspakete des Programms PEDES Umsetzung von Data Excellence mit dem Data Excellence Framework (c) Konzeption und Verprobung erforderlicher, technischer Grundkonzepte Data Warehouse-Projekt Fachliche Grundlagen Technische Grundlagen Konsolidierter Datenhaushalt Data Excellence 27. Juni 2018 | . | 25
  26. 26. PEDES Ergebnisse: Fachliche Grundlagen DX Organisation DX KPIs DX Schulungs- programm DX Change Management DX Leitfäden 27. Juni 2018 | . | 26
  27. 27. PEDES Ergebnisse: Technische Grundlagen TECHNISCHE KONZEPTE Rollen und Berechtigungen Tools und technische Umgebung Architektur und Vorgehensweise Datenqualitäts- & Testmanagement Anbindung operativer Datenquellen 27. Juni 2018 | . | 27
  28. 28. Präsentation Ergebnisse: Konsolidierter Datenhaushalt Reports Daten- bereitstellungModellierung Änderungsreport Stammdatenliste Grunddaten Fachkonzept Referenzdaten Fachkonzept Datenqualität Fachkonzept Data Mart Fachkonzept Report Fachkonzept Fachkonzepte Sichten GOM GG ... MA ... BW S GG ... MA ... VWS GG ... MA ... Datenqualitätsberichte & automatische Verständigung 27. Juni 2018 | . | 28
  29. 29. PEDES Ergebnis: Fachliche Metadaten 27. Juni 2018 | . | 29
  30. 30. 1 23 4 18 137 100% Gemeinsames Ziel Programm- MitarbeiterInnen Streams Monate Projektlaufzeit Abgenommene Artefakte Herz 432 Abgehaltene Meetings 11.348 Getrunkene Tassen Kaffee Zusammenfassung: Das Projekt PEDES 21. Juni 2018 | © 2018 . | 30
  31. 31. Was ist anders, wenn die Stadt Wien Data excellent ist? Data Excellence Kompetenz ist erhöht • Basis-Schulung für alle, vertiefendes Training für die ExpertInnen • Gemeinsames Verständnis und Bewusstsein über Wert und Verwendung von Daten vorhanden • Investition in die Zukunft – neue Berufsbilder • Digitale Transformation „empowert“ Standards für Datenintegrität sind sichergestellt • Referenz-, Stamm- & Metadatenmanagement • Datenqualität erhöht, Zuverlässigkeit der Daten ist gegeben • Stadt Wien hat „unangreifbare“ Informationen • DatenkonsumentInnen vertrauen Berichten • BI-System wird (besser) genutzt • (Predictive) Analytics wird ermöglicht 27. Juni 2018 | . | 31
  32. 32. Ressourcenaufwand im Datenlebenszyklus reduziert • Fachdatenbeschreibungen im Intranet vorhanden • Datenverantwortliche sind bekannt • Suche nach Daten verkürzt Berichtspflichten zeitnah und effizient erfüllt • Selfservice-Angebote • Standard-Auswertungen • Ad-hoc Anfragen an das Data Warehouse möglich Wir erleben Data Governance • Richtlinien und Prozesse • Transparenz, Vertrauen und Verantwortung • Nachweis über sicheren & transparenten Umgang mit Daten der BürgerInnen Was ist anders, wenn die Stadt Wien Data excellent ist? 27. Juni 2018 | . | 32
  33. 33. Exzellenter Umgang mit Daten bedeutet, diese zu beherrschen, den Aufwand dafür zu minimieren und die Daten gewinnbringend zu nutzen. Die Lösung dafür liegt nicht ausschließlich in der IT, sondern es bedarf eines fundierten fachlichen Rahmens, in dem die Daten verstanden und verwendet werden können. Data Excellence ist die Basis für die Herausforderungen der Digitalisierung, Big Data und Innovationen.
  34. 34. Ihre Vortragenden Ing. Barbara Kainz, MSc Geschäftsführerin dataspot. barbara.kainz@dataspot.at Expertin für Data Governance, Fachliches Metadatenmanagement, Data Warehousing Ing. Brigitte Lutz, MSc Data Governance Koordinatorin Stadt Wien brigitte.lutz@wien.gv.at Expertin für Data Governance, Open Data, Blockchain, IKT-Projektportfoliomanagement Die Inhalte der Präsentation der Stadt Wien stehen – mit Ausnahme der Seiten 17,18, 30 und der Piktogramme unter einer Creative Commons Namensnennung 3.0 Österreich Lizenz. Die Namensnennung der Stadt Wien als Rechteinhaberin hat in folgender Weise zu erfolgen: "Datenquelle: Stadt Wien"

×