< Zurück   INHALT   Weiter >

Abkürzungsverzeichnis

API Application Programming Interface

BE Business Engineering

CAD Computer-aided Design

CC CDQ Kompetenzzentrum Corporate Data Quality CDL Corporate Data League

CDQM Corporate Data Quality Management CIQ Customer Information Quality

COO Chief Operating Officer

CRM Customer Relationship Management

CRUD Create, Read, Update, Delete (Datenzugriffsoperationen)

d. h. das heißt

DAMA Data Management Association DQM Datenqualitätsmanagement

DUNS Data Universal Numbering System

EFQM European Foundation for Quality Management ERP Enterprise Resource Planning

GS1 Globale Standards One GTIN Global Trade Item Number

IRR Internal Rate of Return (Interner Zinsfuß) IS Informationssystem

ISO Internationale Organisation für Normung IT Informationstechnologie

LCC Lifecycle Costing

MDM Master Data Management (Stammdatenmanagement) NPV Net Present Value (Kapitalwert)

o. a. oben angeführt

OMG Open Management Group

p. a. per annum (pro Jahr)

PIM Product Information Management PLM Product Lifecycle Management ROI Return on Investment

SBVR Semantics of Business Vocabulary and Rules

SCM Supply Chain Management TCO Total Cost of Ownership TQM Total Quality Management

u. a. unter anderem

wiss. Wissenschaftlich/Wissenschaft xAL Extensible Address Language

z. B. zum Beispiel

einem der führenden Artikelklassifikationsstandards.

1 Datenqualität – eine Managementaufgabe

Kapitel 1 führt in die Rolle der Daten in der Digitalisierung von Wirtschaft und Gesellschaft ein und beschreibt die wichtigsten Geschäftstreiber für Datenqualität. Daten stellen für Unternehmen heutzutage eine strategische Ressource dar, die bewirtschaftet werden muss – nach Zeit-, Kostenund eben Qualitätsgesichtspunkten. Datenqualitätsmanagement ist die Unternehmensfunktion zur Verbesserung und dauerhaften Sicherung der Datenqualität im Unternehmen. Das Kapitel stellt ein Referenzmodell für das Stammdatenqualitätsmanagement vor und führt die wesentlichen Begriffe und Konzepte ein. Ein Abschnitt zur Konsortialforschung gibt eine Übersicht über die forschungsmethodische Grundlage des Kompetenzzentrums Corporate Data Quality (CC CDQ), das den projektorganisatorischen Rahmen der Inhalte dieses Buchs bildet.

Daten sind das Fundament der digitalisierten Wirtschaft. Die Durchdringung aller Lebensund Wirtschaftsbereiche mit „digitalen Services“ liefert Daten als Treibstoff für neue Dienstleistungen, neue Kundenzugänge, neue Preismodelle, neue Ökosysteme, also letztlich für einen großen Teil der wettbewerbsentscheidenden Innovationen. Alle Anwendungen der Informationstechnik erzeugen elektronische Daten, sodass eine noch nie dagewesene Datenflut entsteht, die es zu verstehen und zu nutzen gilt.

Ericsson beispielsweise ist ein führender Anbieter von Telekommunikationsprodukten und -dienstleistungen. Das Unternehmen mit Hauptsitz in Stockholm in Schweden bietet

u. a. Lösungen für das breitbandige mobile Internet an. Einerseits entstehen also Daten bei der Nutzung von Ericsson-Lösungen. Andererseits wandelt sich das Leistungsangebot von Ericsson selbst immer mehr von der Netzwerktechnologie hin zu digitalen Services. Gemeinsam mit der Container-Reederei Maersk sorgt Ericsson für Informationstransparenz über globale Lieferketten (Ericsson 2012). So kann zum Beispiel der Reifegrad von Bananen auf dem Überseetransport von Südamerika nach Europa permanent überwacht werden und Transportgeschwindigkeiten sowie die Ladungslöschung im Zielhafen bei Bedarf angepasst werden. Das führt zu verbesserten Güterströmen am Hafen, der Optimierung des Treibstoffverbrauchs von Schiffen – und schließlich zu Kundenzufriedenheit am Obstregal im Supermarkt.

Die unternehmerischen Innovationen ebenso wie die „klassischen“ Treiber der Datenqualität, beispielsweise die Harmonisierung der Geschäftsprozesse, verlangen nach zunehmend hoher Datenqualität. Durch die digitale Vernetzung wirken sich Datenfehler und Datenmissbrauch viel gravierender aus als im Zeitalter der isolierten IT-Anwendungen. So klinken sich organisierte „Hackerbanden“ (Dahlkamp und Schmitt 2014) in den E-MailVerkehr zwischen Unternehmen ein, geben sich als Kreditor aus und leiten Zahlungen für Lieferungen und Leistungen auf falsche Konten um. Das fällt häufig so lange nicht auf, bis der richtige Kreditor die Zahlung anmahnt. Dann ist eine Rückabwicklung der Überweisung jedoch meist nicht mehr möglich.

Datenqualität ist kein „Hygienefaktor“, sondern braucht Management. In der digitalisierten Wirtschaft müssen Unternehmen Daten bewirtschaften wie jedes andere Wirtschaftsgut auch, nämlich nach Kosten, Zeit – und eben Qualität. Das erste Kapitel nennt aktuelle Treiber für das Datenqualitätsmanagement und stellt das Framework für Stammdatenqualitätsmanagement vor. Es fasst zudem den Stand der Wissenschaft und Praxis zum Datenqualitätsmanagement zusammen und führt in die Kernkonzepte ein.

 
< Zurück   INHALT   Weiter >