Menü
Start
Anmelden / Registrieren
Suche
 
Start arrow Betriebswirtschaft & Management arrow Corporate Data Quality
Weiter >
Corporate Data Quality - Boris Otto


Jahr 2016



VorwortAbkürzungsverzeichnis1 Datenqualität – eine ManagementaufgabeAufbau des Buches1.1 Trends der Digitalisierung1.1.1 Durchdringung aller Lebensund Wirtschaftsbereiche1.1.2 Industrie 4.01.1.3 Konsumerisierung1.1.4 Digitale Geschäftsmodelle1.2 Treiber der Datenqualität1.2.1 360-Grad-Blick auf den Kunden1.2.2 Unternehmenszukäufe und -zusammenschlüsse1.2.3 Compliance1.2.4 Berichtswesen1.2.5 Operational Excellence1.2.6 Datensicherheit und Privatheit1.3 Herausforderungen und Anforderungen des Datenqualitätsmanagements1.3.1 Herausforderungen im Umgang mit Daten1.3.2 Anforderungen an das Datenqualitätsmanagement1.4 Framework für Stammdatenqualitätsmanagement1.4.1 Framework-Überblick1.4.2 Strategieebene1.4.3 Organisatorische Ebene1.4.4 Informationssystemebene1.5 Begriffsdefinitionen und Grundlagen1.5.1 Daten und Information1.5.2 Stammdaten1.5.3 Datenqualität1.5.4 Datenqualitätsmanagement (DQM)1.5.5 Geschäftsregeln (Business Rules)1.5.6 Data Governance1.6 Kompetenzzentrum Corporate Data QualityLiteratur2 Fallstudien zur Datenqualität2.1 Allianz: Data Governance und Datenqualitätsmanagement in der Versicherungswirtschaft2.1.1 Unternehmensüberblick2.1.2 Ausgangssituation und Handlungsdruck2.1.3 Das Solvency-II-Projekt2.1.4 Datenqualitätsmanagement bei AGCS2.1.5 Erkenntnisse2.1.6 Weiterführendes Material2.2 Bayer CropScience: Datenqualitätscontrolling in der agrochemischen Industrie2.2.1 Unternehmensüberblick2.2.2 Ausgangssituation und Handlungsdruck2.2.3 Aufbau des unternehmensweiten DatenqualitätsmanagementsData Quality Cockpit-ZieleMitarbeiterzieleGeschäftsregeln und DatenqualitätskennzahlenSystemarchitektur und das Data Quality Cockpit2.2.4 Erkenntnisse2.2.5 Weiterführendes Material2.3 Beiersdorf: Produktdatenqualität in der Konsumgüter-Supply Chain2.3.1 Unternehmensüberblick2.3.2 Ausgangssituation des DatenmanagementsProduktdatenaustausch im ÖkosystemData Governance und Anwendungslandschaft2.3.3 Projekt zur Messung der DatenqualitätPhase I: Identifikation kritischer DatenmängelPhase II: InterviewsPhase III: AnalysePhase IV: Spezifikation von Messwerten für die Datenqualität2.3.4 Erkenntnisse2.3.5 Weiterführendes Material2.4 Bosch: Datenarchitekturmanagement in einem diversifizierten Technologiekonzern2.4.1 Unternehmensüberblick2.4.2 Ausgangssituation und Handlungsdruck2.4.3 Datenarchitekturmuster bei BoschDatenarchitekturmusterOrganisationsentwürfeEntscheidungsmatrix für die Datenarchitektur2.4.4 Erkenntnisse2.4.5 Weiterführendes Material2.5 Festo: Unternehmensweites Produktdatenmanagement in der Automatisierungsindustrie2.5.1 Unternehmensüberblick2.5.2 Ausgangssituation und Handlungsdruck des Produktdatenmanagements2.5.3 Projekte im Produktdatenmanagement zwischen 1990 und 2009Projekt „Auslaufprozesse“Projekt „Teilereduktion“Projektbewertung2.5.4 Aktuelle Aktivitäten und Ausblick2.5.5 Erkenntnisse2.5.6 Weiterführendes Material2.6 Hilti: Durchgängiges Kundendatenmanagement in der Werkzeugund Befestigungsindustrie2.6.1 Unternehmensüberblick2.6.2 Ausgangssituation des Kundendatenmanagements und Handlungsdruck2.6.3 Das Projekt Customer Data Quality ToolDefinieren: VerantwortlichkeitenVorbeugen: Korrekte DatenerfassungErkennen: DatenqualitätsmonitoringKorrigieren: Datenbereinigung und Customer Data Quality Tool2.6.4 Erkenntnisse2.6.5 Weiterführendes Material2.7 Johnson & Johnson: Institutionalisierung des Stammdatenmanagements in der Konsumgüterindustrie2.7.1 Unternehmensüberblick2.7.2 Ausgangssituation des Datenmanagements im Bereich Consumer Products und Aktivitäten bis 2008Handlungsdruck2.7.3 Die Einführung von Data GovernanceGründungsphaseEntwicklungsphaseReifephase2.7.4 Aktuelle Situation2.7.5 Erkenntnisse2.7.6 Weiterführendes Material2.8 Lanxess: Business Intelligence und Stammdatenmanagement bei einem Spezialchemiehersteller2.8.1 Unternehmensüberblick2.8.2 Ausgangssituation des Datenmanagements und Business Intelligence 2004–20112.8.3 Das Stammdatenmanagement bei Lanxess seit 2011Organisation und ProzesseSysteme2.8.4 Aufbau des strategischen Reportings seit 2012AnforderungenHintergrund zu In-Memory Computing und Toolauswahl2.8.5 Erkenntnisse2.8.6 Weiterführendes Material2.9 Shell: Datenqualität im Produktlebenszyklus in der Mineralölindustrie2.9.1 Unternehmensüberblick2.9.2 Ausgangssituation und Handlungsdruck2.9.3 Durchgängiges Datenmanagement im Produktlebenszyklus2.9.4 Herausforderungen bei der Umsetzung2.9.5 Nutzen der neuen Lösung2.9.6 Erkenntnisse2.9.7 Weiterführendes Material2.10 Syngenta: Auslagerung von Datenmanagementaufgaben in der Pflanzenschutzindustrie2.10.1 Unternehmensüberblick2.10.2 Ausgangssituation und Ziele der Stammdatenmanagementinitiative2.10.3 Das Transformationsprojekt und MDM-Designprinzipien2.10.4 Organisationsstruktur des Stammdatenmanagements2.10.5 Datenpflegeprozess und Entscheidungskriterien für die Auslagerung2.10.6 Erkenntnisse2.10.7 Weiterführendes MaterialLiteratur3 Methoden und Werkzeuge des Datenqualitätsmanagements3.1 Methode zur Umsetzung der DQM-Strategie3.1.1 Aufbau der Methode3.1.2 Beispieltechniken der MethodePhase 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 Datenqualitätsmanagement3.2.1 Ausgangssituation in Unternehmen3.2.2 Reifegradmodelle und Benchmarking als Steuerungsinstrumente3.2.3 EFQM-Exzellenzmodell für das Stammdatenqualitätsmanagement3.2.4 Corporate Data Excellence: Steuerungswerkzeuge für Verantwortliche des DatenqualitätsmanagementsSteuerungscockpitBenchmarking-DatenbankGood Practice-Datenbank3.3 Die Corporate Data League: Ein Ansatz zur kooperativen Geschäftspartnerdatenpflege3.3.1 Herausforderungen der Geschäftspartnerdatenpflege3.3.2 Der Lösungsansatz des kooperativen Datenmanagements3.3.3 Die Corporate Data LeagueDatenmodellData Governance-Konzept und Funktionalitäten3.4 Weitere Methoden und Werkzeuge des CC CDQLiteratur4 Erfolgsfaktoren und Sofortmaßnahmen 4.1 Erfolgsfaktoren des Datenqualitätsmanagements4.2 Sofortmaßnahmen auf dem Weg zum erfolgreichen DatenqualitätsmanagementGlossar
 
Fehler gefunden? Bitte markieren Sie das Wort und drücken Sie die Umschalttaste + Eingabetaste  
Weiter >
 
Fachgebiet
Betriebswirtschaft & Management
Erziehungswissenschaft & Sprachen
Geographie
Informatik
Kultur
Lebensmittelwissenschaft & Ernährung
Marketing
Maschinenbau
Medien und Kommunikationswissenschaft
Medizin
Ökonomik
Pädagogik
Philosophie
Politikwissenschaft
Psychologie
Rechtswissenschaft
Sozialwissenschaften
Statistik
Finanzen
Umweltwissenschaften