Datenmanagement in der Praxis

Datenqualität ist kein rein technisches Problem, sondern eher ein organisatorisches und prozessuales. Durch den bereichs- und system-übergreifenden Charakters von Daten bedarf es einer übergeordneten und transparenten Verantwortlichkeit für Datenqualität (z.B. in Form einer Data Governance). Klare Zuständigkeiten sowie eine Eskalationsfunktion im Datenmanagement sind für die effiziente Datengenerierung und -nutzung durch unterschiedliche Interessensgruppen unabdingbar. 

Wie gelingt die erfolgreiche Implementierung von Verantwortlichkeiten im Datenmanagements?

Wir unterstützen unsere Mandanten durch das Design und die Implementierung einer Data Governance.
Eine Data Governance dient als Legislative im Datenmanagement und trägt die Verantwortung für Datenstrategie und Datenqualität. Sie ist die Design-Autorität für Datenmodelle, Stammdaten-Pflegeprozesse sowie für angewandte Validierungsregeln. Die Data Governance überwacht regelmäßig Datenqualität sowie Prozesseffizienzen, um entsprechend Optimierungspotentiale zur der Datenqualität identifizieren und lancieren zu können. 

Nach welchen Kriterien lässt sich Datenqualität messen? 

Globalytics hat eigens hierfür den Data Quality Efficiency Index (DAQEI) als Top-Kennzahl im Datenmanagement entwickelt, der neben der eigentlichen Datenqualität auch den Aufwand zum Erhalt hochwertiger Daten berücksichtigt. Der DAQEI misst, ob gute Datenqualität durch eine schlechter Prozesseffizienz erkauft wurde.