Datenqualität in DWH-Projekten bei Versicherungen20. September 2007                                                       ...
Agenda  • Zielsetzung  • Data Profiling  • Data-Quality-Tools  • Masterdatenmanagement  • Konsolidiertes Unternehmensdaten...
Vorstellung• Matthias Nadler-Schulz   – 33 Jahre   – seit 1997 berufstätig (IT/FM)   – seit 2002 BI/DWH-Consultant   – 200...
Vorstellung• Dr. Leonhardt Wohlschlager, Dipl.Kfm., PMP   – Studium in Köln, Paris und Rotterdam   – 1994 – 1995 IBM, Köln...
Zielsetzung• Begriffsbestimmung der Datenqualität• Datenqualität als Notwendigkeit im DWH-Projekt• Relevanz der Masterdate...
ProblemstellungSchwerwiegende Datenfehler in einem Vertriebsinformationssystemführen zu Akzeptanzverlusten bei den Endanwe...
Wie können wir diese Probleme verhindern? Unsere Thesen…• These 1:  Data Profiling erleichtert eine frühzeitige Identifizi...
Definition der DatenqualitätDatenqualität                                                       Relevant,                 ...
Typische Kriterien für Datenqualität• Richtigkeit• Konsistenz• Vollständigkeit• Aktualität• Aufgabenbezogenheit• Zusammenh...
Die Messbarkeit von Datenqualität Beschreibung• Wie lässt sich die Datenqualität im Data Warehousing messen?   – Wie errei...
Messen der Datenqualität im Data Warehousing (Beispiel)  Qualitätsattribute   1. Realtime verfügbar   2. aktuell   3. gena...
Ein zusätzliches Kriterium: Transparenz über die Daten                                                                    ...
Begriffsdefinition Data ProfilingUnter Data Profiling                                                                     ...
Data Profiling• liefert Angaben über die Aufgabenbezogenheit der Daten• liefert Maße für Datenqualität• verfolgt die Daten...
Problem Profiling Beschreibung              Quellsysteme sind zum Teil nicht              einsehbar.These 1:Data Profiling...
Lösung Profiling                                                         Be                                               ...
Problem Profiling Beschreibung             Die Verarbeitung scheint fehlerfrei zu arbeiten,             Testläufe zeigen k...
Lösung Data Quality                                                            Be                                         ...
Tool-unterstützte Metriken und Datenqualitätsverbesserungen                                                             Be...
Begriffsdefinition des Masterdatenmanagements• Verwaltung und Organisation derjenigen Referenz- oder Masterdaten,  die von...
Problem Profiling Beschreibung            Abgleiche gegen die Bestandssysteme zeigen            bei einigen Vermittlern er...
Lösung MasterDaten                                                           Be                                           ...
Lösung MasterDaten                                                           Be                                           ...
Probleme ohne konzeptionelles Datenmodell            Unterschiedliche Begriffsdefinitionen führen zu            inkonsiste...
Einzelprobleme bei der Herstellung einer konzeptionellen Sicht• Die Fachabteilungen investieren nicht genügend Zeit in der...
Konsolidierung: Unternehmensweit einheitliche Partnersicht                                                                ...
Berichtsorientiertes Vorgehen1. Begriff eines Berichts erheben2. Begriff mit den schon erhobenen Begriffen abgleichen3. Ab...
Vorgehen bei Analyse und Design des Core DWH (Übersicht)                                                                  ...
Template – Merkmale und Definitionen                    Eingabefelder                                                     ...
Template – Attribute und Definitionen                                                              Attribut-              ...
Template - Fakten und Kennzahlen                                                            Kennzahlen-                   ...
Template - Berichte                                                               Bericht:                                ...
Workshop-Liste                 Business Consulting Düsseldorf 2007   33
Glossar                                                Kennzahl                                                  Attribut ...
Transformation in das DWH-Datenmodell                     Business Consulting Düsseldorf 2007   35
Konsolidierung1. Wiederverwendung bereits definierter Begriffe2. Qualitätssicherung der Templates mit Rücklauf3. Erzeugen ...
Partnermodell                Konsolidierte                 Orgadaten                           Business Consulting Düsseld...
Vertragsmodell                 Generelle                  Attribute                                                       ...
Zielfoto    Hubs       Externe Daten                                                                                      ...
Unsere EmpfehlungZuerst eine konsolidierte fachliche Erhebung ...... dann die Bereitstellung von MasterDaten ... ... auf d...
Richtlinie für Planung eines DWH mit garantierter Datenqualität• Unternehmensweite Datendefinition   – Informationen müsse...
BACKUP         Business Consulting Düsseldorf 2007   42
Zielfoto                                                     Data ProfilingData Quality                                   ...
Lösung• Top-down und Bottom-up-Vorgehensweise müssen sich ergänzen• Erhebung der Beziehungen zwischen den Objekten erforde...
Abgrenzung der Stammdaten von den Bewegungsdaten• Stammdaten ist ein Begriff aus der Informatik („Datenmanagement“) und de...
Konditionelle Abhängigkeiten: Vater-Sohn-Beziehungen                                                                      ...
Existentielle Abhängigkeiten: Vater-Sohn-Beziehungen                                                            Stammdaten...
Änderungsdienst                                                        Stammdaten =                                       ...
Beispiele für Data Profiling• Datentypen   – Alphabetische Werte in numerischem Datentyp• Muster   – BLZ: 999 999 999• Dom...
Nächste SlideShare
Wird geladen in …5
×

Datenqualität in DWH-Projekten bei Versicherungen (für Informatica Fachtreffen)

4.142 Aufrufe

Veröffentlicht am

Data quality and data model quality are key for Solvency II compliance and risk management of insurance companies. The presentation shows how to manage it.

Veröffentlicht in: Wirtschaft & Finanzen
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
4.142
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
4
Aktionen
Geteilt
0
Downloads
8
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie
  • Richtigkeit nach höchsten versicherungswirtschaftlich vertretbaren Genauigkeitsanforderungen Konsistenz z.B. Prüfung der Korrektheit durch Bereichsangaben / Abprüfung alternativer Werte Vollständigkeit Reicht die Menge der verfügbaren Daten für die versicherungswirschaftlichen Entscheidungen, z.B. die Stornoidentifikation, aus? Aktualität z.B. möglichst automatische Datenerfassung der Kontakte oder Anträge Aufgabenbezogenheit z.B. Daten in richtiger Dimension, richtigem Planungszeitraum für den richtigen Tarif? Zusammenhangbezogenheit z.B. Daten und Kennzahlen für das interne und externe Rechnungswesen Zusammenhangbezogenheit: Es muß festgehalten werden, welche Daten mit welchem Zeitbezug wo in welcher Form und welchem Bezug stehen und wie die Daten für welchen Zweck erstellt wurden, wer auf diese Daten zugreifen darf und wer für die Richtigkeit der Daten verantwortlich ist.
  • liefert Angaben über die Aufgabenbezogenheit der Daten z.B. Tauglichkeit der Daten für Kundenklassifikationen liefert Maße für Datenqualität z.B. Rufnummernqualität für Telefonaktionen verfolgt die Datenqualität z.B. Verbesserung der Kundendatenqualität bei Bereinigungsaktionen prüft, ob die Datenwerte die Metadaten definieren und vice versa z.B. Anzahl 0171-Nummern im Attribut „tel_buero“ liefert eine unternehmensweite Sicht, z.B. für Masterdatenmanagement
  • Datentypen Alphabetische Werte in numerischem Datentyp Muster BLZ: 999 999 999 Domain Geschlecht: 0 anstelle von (m, w) Häufigkeit Die meisten Versicherungsnehmer sind männlich. Statistiken Maximum, Minimum, Median, Modus, Durchschnitt, Erwartungswert, Standardabweichung Interdependenz Zip-Code hängt ab vom Country Code.
  • Datenqualität in DWH-Projekten bei Versicherungen (für Informatica Fachtreffen)

    1. 1. Datenqualität in DWH-Projekten bei Versicherungen20. September 2007 Matthias Nadler-Schulz Dr. Leonhardt Wohlschlager Business Consulting Düsseldorf 2007 © LogicaCMG 2007 All rights reserved
    2. 2. Agenda • Zielsetzung • Data Profiling • Data-Quality-Tools • Masterdatenmanagement • Konsolidiertes Unternehmensdatenmodell Business Consulting Düsseldorf 2007 2
    3. 3. Vorstellung• Matthias Nadler-Schulz – 33 Jahre – seit 1997 berufstätig (IT/FM) – seit 2002 BI/DWH-Consultant – 2002-2005: DATA MART Consulting – seit 2006: LogicaCMG – Team Manager BI Financial Services – Schwerpunkt im Bereich der Datenbewirtschaftung und COGNOS – Account Manager für die BARMER – Weitere Kunden sind die Gothaer, AMB, Apobank, CoBa, DreBa Business Consulting Düsseldorf 2007 3
    4. 4. Vorstellung• Dr. Leonhardt Wohlschlager, Dipl.Kfm., PMP – Studium in Köln, Paris und Rotterdam – 1994 – 1995 IBM, Köln, Datenmodellierung – 1996 – 1997 Société Maria Galland, Information Management, Paris DigiVision, Köln, Electronic Business – 1998 – 2000 IBM, Hamburg, Electronic Business – 2001 – 2005 Universität zu Köln, Informationsmanagement, Freiberufliche Tätigkeit – seit 2006 LogicaCMG, Düsseldorf – Schwerpunkt in den Bereichen des Information Management, IT Management und CRM mit international Ausrichtung (CEMS MIM) – Project Management Professional (PMP) – Veröffentlichungen zum Thema Informationsmanagement in der Versicherungswirtschaft – Kunden sind die Barmer, IDG, Gothaer, Vodafone und Unternehmensberatungen. Business Consulting Düsseldorf 2007 4
    5. 5. Zielsetzung• Begriffsbestimmung der Datenqualität• Datenqualität als Notwendigkeit im DWH-Projekt• Relevanz der Masterdaten und der fachlichen Erhebung• Einsatzpotential von Data Profiling und Quality Business Consulting Düsseldorf 2007 5
    6. 6. ProblemstellungSchwerwiegende Datenfehler in einem Vertriebsinformationssystemführen zu Akzeptanzverlusten bei den Endanwendern• Das VIS ist das zentrale Steuerungsinstrument im Vertrieb und ist Quelle für die Provisionssysteme.• Nutzer sind sowohl der konzerneigene Vertrieb als auch externe Vermittlungspartner (Finanzdienstleister, Banken, freie Vermittler).• Die Verarbeitung scheint fehlerfrei zu arbeiten, Testläufe zeigen keine Abweichungen. Das System arbeitete einen längeren Zeitraum erwartungsgemäß.• Quellsysteme sind zum Teil nicht einsehbar. Abgleiche gegen die Bestands- systeme zeigen bei einigen Vermittlern erhebliche Abweichungen. Nutzungsmöglichkeiten durch unklare Datenqualität eingeschränkt Business Consulting Düsseldorf 2007 6
    7. 7. Wie können wir diese Probleme verhindern? Unsere Thesen…• These 1: Data Profiling erleichtert eine frühzeitige Identifizierung von möglichen Datenproblemen.• These 2: Data Quality im ETL-Prozess gibt den Fachbereichen die Möglichkeit, Business Rules einzusetzen.• These 3: Stamm- und Strukturdaten müssen zeitlich abgegrenzt und fortlaufend gepflegt werden.• These 4: Grundlage des physischen Modells muss ein abgestimmtes konzeptionelles Datenmodell sein. Business Consulting Düsseldorf 2007 7
    8. 8. Definition der DatenqualitätDatenqualität Relevant, korrekt, konform,• bezeichnet die Relevanz und Korrektheit zuverlässig von Informationen ?• beschreibt, wie gut eine Information bzw. ein Datensatz ist, um die Realität zu beschreiben, d.h. inwieweit sie ein Modell tatsächlicher Situationen bildet.• besagt, wie verläßlich eine Information ist und inwieweit man sie als Grundlage für eine Planung des eigenen Handelns verwenden kann.• ist nicht gleichbedeutend mit der Relevanz (der Semantik) oder mit dem formalen Informationsgehalt (der statistischen Signifikanz). Business Consulting Düsseldorf 2007 8
    9. 9. Typische Kriterien für Datenqualität• Richtigkeit• Konsistenz• Vollständigkeit• Aktualität• Aufgabenbezogenheit• Zusammenhangbezogenheit Quelle: Vgl. zu den Zielen des Datenmanagements: Jörg Biethahn; Norbert Rohrig /Datenmanagement 1990/ 740 f. Business Consulting Düsseldorf 2007 9
    10. 10. Die Messbarkeit von Datenqualität Beschreibung• Wie lässt sich die Datenqualität im Data Warehousing messen? – Wie erreichen wir eine Akzeptanz der Messung? – Wie sollen wir die Messkriterien gewichten? – Wie wollen wir den Messvorgang operationalisieren? – Wie sollen wir die Interpretationsspielräume reduzieren? Business Consulting Düsseldorf 2007 10
    11. 11. Messen der Datenqualität im Data Warehousing (Beispiel) Qualitätsattribute 1. Realtime verfügbar 2. aktuell 3. genau Bewertungsbogen Bewertungsbogen 4. exakt 5. objektiv Wie wichtig ist für Sie, 1 2 3 4 5 6. interpretierbar daß Daten folgende 7. relevant Eigenschaften haben Attributgruppen Attributgruppen 8. Einfache Pflege (1 = unwichtig / 5 = sehr 9. transparent wichtig)? Attribut Definition Gruppe … verfügbar x Genauigkeit aktuell x differenziert x 1. Glaubwürdigkeit genau x 2. Objektivität … Verfügbarkeit1. Definition einer 1. für alle NLs 2. DRM Attributliste zur Konsistenz 1. Spartenneutralität Beschreibung der 2. Gewichtung und Gruppierung … Datenqualität der Listeneinträge durch Nutzer pro Fachbereich 3. Bildung von Attributgruppen durch IT-Experten und Key User Business Consulting Düsseldorf 2007 11
    12. 12. Ein zusätzliches Kriterium: Transparenz über die Daten Tarif-, Vertrags-, Leistungs- Transparenz und Partner-Informationen Aktivität Geschäfts- Aktivität Geschäfts- regel regel Partner Spezifikation durch Partner Spezifikation Kontakt- punkt Vertrag und Objekt Ort Finanz- anlagen Leistungs- erstellung Ereignis Finanz- Transaktion Kontakt- Aktivität Geschäfts- punkt Vertrag regel und Objekt Partner Spezifikation Ort Finanz- Kontakt- punkt Vertrag anlagen und Ort Objekt Leistungs- Reporting und Überwachung Finanz- erstellung anlagen Leistungs- erstellung Ereignis Finanz- Ereignis Transaktion Finanz- Transaktion Pro Datenquelle und -typ: Key Attributes Automation -vollständig? -redundant? -zeitgerecht? -…Datenabgleich Datenbereinigung Business Consulting Düsseldorf 2007 12
    13. 13. Begriffsdefinition Data ProfilingUnter Data Profiling Data Profilingwird ein Prozess verstanden,bei dem Daten in einer Datenquellemit statistischen Werkzeugen und Methoden Sourceanalysiert werden, Data Qualityum die Datenqualität zu ermitteln. Business Consulting Düsseldorf 2007 13
    14. 14. Data Profiling• liefert Angaben über die Aufgabenbezogenheit der Daten• liefert Maße für Datenqualität• verfolgt die Datenqualität• prüft, ob die Datenwerte die Metadaten definieren und vice versa• liefert eine unternehmensweite Sicht, z.B. für Masterdatenmanagement Business Consulting Düsseldorf 2007 14
    15. 15. Problem Profiling Beschreibung Quellsysteme sind zum Teil nicht einsehbar.These 1:Data Profiling erleichtert eine frühzeitige Identifizierung von möglichenDatenproblemen.Beispiel:Die Schnittstelle eines Kooperationspartners soll die Antragsbestandssätzeund alle nachfolgenden Antragsbewegungssätze liefern.Tatsächlich werden jedoch nur Antragsbestandssätze geliefert. Business Consulting Düsseldorf 2007 15
    16. 16. Lösung Profiling Be i sp iel Business Consulting Düsseldorf 2007 16
    17. 17. Problem Profiling Beschreibung Die Verarbeitung scheint fehlerfrei zu arbeiten, Testläufe zeigen keine Abweichungen.These 2:Data Quality im ETL-Prozess gibt den Fachbereichen die Möglichkeit,Business Rules einzusetzen.Beispiel:Regeln in den Köpfen der Mitarbeitern sind nicht in den Systemen hinterlegtund nicht dokumentiert. Business Consulting Düsseldorf 2007 17
    18. 18. Lösung Data Quality Be i sp iel Business Consulting Düsseldorf 2007 18
    19. 19. Tool-unterstützte Metriken und Datenqualitätsverbesserungen Be i sp iel Business Consulting Düsseldorf 2007 19
    20. 20. Begriffsdefinition des Masterdatenmanagements• Verwaltung und Organisation derjenigen Referenz- oder Masterdaten, die von IT-Anwendungssystemen und Abteilungen geteilt werden.• Konsistente Informationsverarbeitung in heterogenen Systemarchitekturen hierdurch erreichbar• besonders geeignet für große Unternehmen mit vielen Geschäftsfunktionen Quelle: Vgl. wikipedia (Hrsg.) /Master Data Management 2007/ http://en.wikipedia.org/wiki/Master_Data_Management Business Consulting Düsseldorf 2007 20
    21. 21. Problem Profiling Beschreibung Abgleiche gegen die Bestandssysteme zeigen bei einigen Vermittlern erhebliche Abweichungen.These 3:Stamm- und Strukturdaten müssen zeitlich abgegrenzt und fortlaufend gepflegtwerden.Beispiel:Die Versicherung als Organisation wandelt sich ständig. Daher müssen dieStamm- und Strukturdaten im ETL-Prozess an die organisatorischenVeränderungen angepasst werden kann. Business Consulting Düsseldorf 2007 21
    22. 22. Lösung MasterDaten Be i sp iel Business Consulting Düsseldorf 2007 22
    23. 23. Lösung MasterDaten Be i sp iel Business Consulting Düsseldorf 2007 23
    24. 24. Probleme ohne konzeptionelles Datenmodell Unterschiedliche Begriffsdefinitionen führen zu inkonsistenten Berichten.These 4:Grundlage des physischen Modells muss ein abgestimmtes konzeptionellesDatenmodell sein.Beispiel:In der Lebensversicherung gibt es eine Produktsicht, in der Schaden- undUnfallversicherung eine Tarifsicht. Business Consulting Düsseldorf 2007 24
    25. 25. Einzelprobleme bei der Herstellung einer konzeptionellen Sicht• Die Fachabteilungen investieren nicht genügend Zeit in der Vermittlung ihrer Sicht, ihrer Anforderungen oder in die Klarstellung der Sachverhalte.• Bestimmte Informationsobjekte werden zu stark in den Vordergrund gestellt.• Die Fachabteilungen sind nicht bereit, ihre Sichten gegenseitig abzustimmen bzw. andere Sicht anzunehmen.• Die Beziehungen zwischen den hauptsächlichen Informationsobjekten werden nicht erhoben.• Einzelne Fachabteilungen erkennen ihre Berichte bzw. (bei der Erstellung) die Inhalte des physischen Datenmodells nicht wieder. Business Consulting Düsseldorf 2007 25
    26. 26. Konsolidierung: Unternehmensweit einheitliche Partnersicht Be i sp iel Verträge Kunden- Schäden stammdaten EinheitlicheKundengesamtsicht Storno- Kunden- im Vertrieb und risiko wert Service Kontakte Kundendaten Inkasso Business Consulting Düsseldorf 2007 26
    27. 27. Berichtsorientiertes Vorgehen1. Begriff eines Berichts erheben2. Begriff mit den schon erhobenen Begriffen abgleichen3. Abstimmung in Workshops mit den Fachabteilungen4. Konzeptionelle Modellierung5. Transformation in ein physisches Datenmodell6. (Top down / Bottom up – Herangehensweise) Business Consulting Düsseldorf 2007 27
    28. 28. Vorgehen bei Analyse und Design des Core DWH (Übersicht) Merkmale Attribute Templates Kennzahlen Definitionen Workshop- Berichts- Glossar Listen anforderungen Aktivität Geschäfts- regel Daten- Verwendungs- Begriffs Partner Spezifikation matrix verwendungen Kontakt- punkt Vertrag modell und Objekt Ort Finanz- anlagen Leistungs- erstellung Ereignis Finanz- Transaktion Schnittstelle zur physischen Modellierung Business Consulting Düsseldorf 2007 28
    29. 29. Template – Merkmale und Definitionen Eingabefelder Vertrags- definitionMerkmal Definition Anmerkung Vertrag zwischen einem Versicherungsunternehmen und Versicherungsnehmer über dieVertrag Gewährung von Versicherungsschutz gegen Beitragszahlung. Ein gemeldetes Ereignis, durch das sich die Vermögenslage des Geschädigten mit und nach dem schädigendem Ereignis gegenüber der vorherigen Lage verschlechtert hat. Daraus kannSchaden ein Anspruch auf Entschädigung aus einem Versicherungsvertrag entstehen.Kunde Kunde ist ein Partner mit der Rolle VN zum Vertrag Es werden derzeit in anderen Vertriebsweg sind die Vertriebskanäle. Z.B. Ausschließlichkeitsorganisation, Makler,Vertriebsweg Kooperationspartner, Direkt(Impuls), Banken und SonstigeSparte Zusammenfassung gleichartiger Risiken/Wagnisse mit zugrundeliegendem Bedingungswerk Stellt die unterste Stufe des Vertriebs dar. Die Rechtsform kann hierbei sowohl Makler HGB §93 als auch HGB §84Agentur dezentrale Vertriebseinheit sein.Außendienstbezirk Unterteilung der Vertriebsstätte zur Zuordnung des Betreuers (z.B. Verkaufsleiter, Orgaleiter, Die Organisationsdirektion (OD) stellt eine regionale Zusammenfassung von Vertriebsstätten bitte mit Vertrieb klären, aktuell ohne dem Vertriebsweg Makler dar. gibt es die Nummern 1 - 4 und 9ODProdukt Bezeichnung eines eigenständigen Deckungsumfangs des Konzerns. Stellt eine innerhalb der Gothaer standardisierte Kombination eines oder mehrerer Risiken dar.Wagnis Risiko in Haftpflicht z.B. Privathaftpflicht für Angestellte Business Consulting Düsseldorf 2007 29
    30. 30. Template – Attribute und Definitionen Attribut- definitionen Business Consulting Düsseldorf 2007 30
    31. 31. Template - Fakten und Kennzahlen Kennzahlen- definitionen Business Consulting Düsseldorf 2007 31
    32. 32. Template - Berichte Bericht: Kennzahlen- Anzahl definitionen Versiche-rungen pro Spartennummer und Monat Business Consulting Düsseldorf 2007 32
    33. 33. Workshop-Liste Business Consulting Düsseldorf 2007 33
    34. 34. Glossar Kennzahl Attribut Business Consulting Düsseldorf 2007 34
    35. 35. Transformation in das DWH-Datenmodell Business Consulting Düsseldorf 2007 35
    36. 36. Konsolidierung1. Wiederverwendung bereits definierter Begriffe2. Qualitätssicherung der Templates mit Rücklauf3. Erzeugen einer Begriffsliste und Auswertung4. Zuordnungen5. Modellierung6. Qualitätssicherung Business Consulting Düsseldorf 2007 36
    37. 37. Partnermodell Konsolidierte Orgadaten Business Consulting Düsseldorf 2007 37
    38. 38. Vertragsmodell Generelle Attribute Spezielle Attribute Business Consulting Düsseldorf 2007 38
    39. 39. Zielfoto Hubs Externe Daten Interne Daten Agentur- system Kunden- Kontakt- service Center Produkt- datenbank datenbank MDM Internet Manuelle Agentur- Eingaben Schaden- Manuelle datenbank Eingaben Kunden- datenbank datenbank • Tarifrechner Data Quality Stage Bereich Data Profiling Physische Data Warehouse Ausnahme- Speicherung Manuelle berichte Eingaben Regel Partner Spezifikation • Risikomanagement Data Profiling Adresse und Gebiet Objekt Vertrag • Controlling Kapital- Leistungs- anlagen erbringung Ereignis Finanz- transaktionen Data Quality Selektion, Transformation Data Marts Ausnahme- Scoring- Marketing Data Profiling Risikodaten Kontaktdaten daten daten datenbankRisk Mgmt. Stornofrüh- Scoring- Kontakt- Database System warnsystem System applikation Marketing • Stornofrüherkennung • Profitabilitätsanalyse • Gute, schlechte • Kundenanliegen • Profile/Segmente • Stornoprophylaxe • Kundenwert Risiken • Servicestandards • Kampagnenmgmt. Business Consulting Düsseldorf 2007 39
    40. 40. Unsere EmpfehlungZuerst eine konsolidierte fachliche Erhebung ...... dann die Bereitstellung von MasterDaten ... ... auf deren Basis dann Business Rules hinterlegt werden... ... welche als Grundlage für das Profiling dienen! Business Consulting Düsseldorf 2007 40
    41. 41. Richtlinie für Planung eines DWH mit garantierter Datenqualität• Unternehmensweite Datendefinition – Informationen müssen in ihrer Bedeutung unter den Fachbereichen abgestimmt sein • Datendefinitionen auf Schemaebene • erlaubte Wertbereiche auf Instanzebene• Übernahme der nur tatsächlich benötigten Daten – keine Datenfriedhöfe• Übernahme der Detaildaten und Ablage der Metadaten – Detaildaten in DWH integrieren und historisieren • spätere Analyseanforderungen abdecken • Aufbewahrung zur Nachvollziehbarkeit der abgeleiteten Daten für jurist. Fragestellungen Quelle: Lehner /Datenbanktechnologie für DWH-Systeme 2003/ 123 ff. Business Consulting Düsseldorf 2007 41
    42. 42. BACKUP Business Consulting Düsseldorf 2007 42
    43. 43. Zielfoto Data ProfilingData Quality Data ProfilingData Quality Data Profiling Business Consulting Düsseldorf 2007 43
    44. 44. Lösung• Top-down und Bottom-up-Vorgehensweise müssen sich ergänzen• Erhebung der Beziehungen zwischen den Objekten erforderlich• Fallabschliessende Erledigung eines Begriffs vor Implementierung in das Physische Datenmodell Business Consulting Düsseldorf 2007 44
    45. 45. Abgrenzung der Stammdaten von den Bewegungsdaten• Stammdaten ist ein Begriff aus der Informatik („Datenmanagement“) und der Betriebswirtschaft („betriebliche Anwendungsprogramme“).• Daten einer Anwendung können entsprechend ihrer Änderungshäufigkeit in Stammdaten und Bewegungsdaten eingeteilt werden.• Im Kontext betrieblicher Mengen- und Wertebetrachtungen gibt es darüber hinaus noch den Begriff Bestandsdaten. Quelle: http://de.wikipedia.org/wiki/Stammdaten, gefunden am 20.08.2007 Business Consulting Düsseldorf 2007 45
    46. 46. Konditionelle Abhängigkeiten: Vater-Sohn-Beziehungen B Organi- Ba eispi Person Partner c e No hma l sation Spezifikation tat n- ion Partner- Partner- Partnerrolle in Vertrag beziehung name Spezifikat. Partnerrolle in Registrierung Ort Vertrag Registrierter Partner/Ort- Konto Statistik Partner Beziehung Partner/Konto- Partner in Beziehung Statistik Business Consulting Düsseldorf 2007 46
    47. 47. Existentielle Abhängigkeiten: Vater-Sohn-Beziehungen Stammdaten Erw Beis in- pie No l tat ion stämmiger beweglicher Bewegungsdaten Quelle: Eigene Projekte Business Consulting Düsseldorf 2007 47
    48. 48. Änderungsdienst Stammdaten = Daten, die über einen längeren Zeitraum unverändert bleiben. statisch Definiert über den Änderungsdienst, d.h. die Anzahl der Einfüge-, dynamisch Änderungs- und Löschungsoperationen von Datensätzen Business Consulting Düsseldorf 2007 48
    49. 49. Beispiele für Data Profiling• Datentypen – Alphabetische Werte in numerischem Datentyp• Muster – BLZ: 999 999 999• Domain – Geschlecht: 0 anstelle von (m, w)• Häufigkeit – Die meisten Versicherungsnehmer sind männlich.• Statistiken – Maximum, Minimum, Median, Modus, Durchschnitt, Erwartungswert, Standardabweichung• Interdependenz – Zip-Code hängt ab vom Country Code. Business Consulting Düsseldorf 2007 49

    ×