Hochgeladen vonMarco Geuer
Data Governance Journey from UM to VF
Das Dokument beschreibt die Herausforderungen und Strategien von Vodafone im Bereich Datenverwaltung nach der Übernahme von Unitymedia, mit dem Fokus auf der Notwendigkeit effektiver Data Governance, um eine datengestützte Unternehmensstrategie zu fördern. Dabei werden Aspekte wie die Qualität, Integrität und Nutzung von Daten hervorgehoben, um die Effizienz und Entscheidungsfindung zu verbessern. Zudem werden strukturierte Ansätze zur Verwaltung von Datenressourcen und zur Schaffung eines umfassenden, kundenorientierten Service angesprochen.
![[Expertengespräch] Jedox & BARC über Advanced Planning](https://cdn.slidesharecdn.com/ss_thumbnails/webinaradvancedplanning2015de-151215152046-thumbnail.jpg?width=640&height=640&fit=bounds)
Data Governance Journey from UM to VF
- 1. Data Governance Journeyfrom Unitymedia to Vodafone DATAGOVKON 2020
- 2. C1 Public Inhalt Vodafone Challange Why Data Governance? Data Governance Organization Business LoveData Governance Perspective
- 3.
- 4.
- 5.
- 6. C1 Public Geschäftszahlen 2019/2020 21 December 20206 • Vodafone wächst mit Unitymedia-Zukauf und treibt Digitalisierung Deutschlands voran https://www.vodafone.de/newsroom/unternehmen/vodafone-waechst-mit-unitymedia-zukauf-und-treibt-digitalisierung-deutschlands-voran/
- 7. C1 Public #ChallangeDG 7 21December 2020
- 8. C1 Public Herausforderung füreine robuste Corporate Data Governance 21 December 20208 Strukturierte Daten Große Datenmengen Semistrukturierte Daten Unstrukturierte Daten Datenstrukturen Struktur Daten- / Informationssysteme Verteilte Systeme Viele Datenquellen Schnelle Aktualisierung Messung & Steuerung der Daten-, Metadaten und Informationsqualität Vollständigkeit Korrektheit Konsistenz Zuverlässigkeit Genauigkeit Aktualität Redundanzfreiheit Relevanz Einheitlichkeit Eindeutigkeit Verständlichkeit Anwendung von auswertungs- und analytischen Methoden unter Berücksichtigung der Datenqualität Ableitung von Qualitätsverbesserungsmaßnahmen Entscheidungsunterstützung TextminingStatistik, Datamining, KIDashboardingReporting - Ermittlung gesicherter und zuverlässiger Erkenntnisse - Umsetzung ökonomisch sinnvoller Datenqualitätsmaßnahmen Umwelt- Bedingungen und Organisations- Modelle
- 9. C1 Public 9 21December 2020 Data Governance for Successful 360° Services MDM (Golden Profil) SYS 1 DQ Firewall SYS 2 SYS 4 Golden Records Master Data Customers expect 360° service and no 360° view! Cust-ID First Name Name Street Street-No. ZIP Define Measure AnalyzeOptimize Control Product-ID P.-Name P.-Description P.-Price … KP0 KP1 KP2 KP3 KP4 KP5 KP6 KP7 SYS 3 SYS 5
- 10. C1 Public #DataGovernanceSpirit Why DataGovernance? 10 21 December 2020
- 11. C1 Public 11 21December 2020 is Data Governance needed? Data governance is needed more today than ever: • We are in the “age of accountability and compliance” • We must have confidence in our results from reporting & analytics = better decision-making • Data integration and therefore data governance are no longer just for a DWH • Improved data quality supportsbetter business efficiency and effectiveness • Data is a key strategy& business outcome enabler .WHY
- 12. C1 Public To reachthe ambition of becoming a data-centriccompany,Organizations needs to lay a strong data governance and data managementfoundation Data Governance and Data Management is core to becoming a data-driven company Ambition of data-centric company Building Blocks CDG Policy Common definitions CONVERGED DATA MODELWITH SHARED DEFINITIONS One single source of truth One company-wide data model centered on a “party” UNDERSTANDING OUR CUSTOMERS AND THEIR NEEDS 360° view at every touchpoint Real-time customer data Real-time analytics capabilities SCOPE:HIGH-RISK & HIGH-VALUE DATA Data Governance based on defined rolesand clear responsibilities CENTRALIZEDDATA MANAGEMENT AND GOVERNANCE Data Governance Committees Defined, implemented & maintained Data Governance policies Abilitytoefficientlylocate, interpret,protect, organise data is critical for transformationintoa data-centric company
- 13. C1 Public Scope ofCorporate Data Governance Policy & Role CDGBuilding Blocks Description DataScope high-riskand/orhigh-valuedata DataOwnership Ownership of data in each Local Marketor GroupEntitywill be delegatedto a Senior Leadership Teammember within thatfunction DataQuality All datathatis in scope of the data policy must have the six Data Qualitydimensions applied (validity, complet., accuracy,timeliness,unique.,consist.) DataCatalogue The Datacataloguewill provide a centralised view of metadata to helptraceabilityof lineage and use of dataasset across organisation/business DataLineage This is informationregarding the use and transformationof datathroughoutitslifecycle,frominitialcreation to eventual deletion DataMapping & Extraction Once all candidate recordtypes are identifiedto be in scope, it needs mapping to Common InformationModel DataSharing Allowreusabilityof data asset with valid business justification,bothinternallyand externally DataRet./Arch. & Decom. Datamust be archivedand disposed in accordancewith the relevantprivacy policies, localregulationsandprocedures DataModel Establishesprinciples andrequirementsfor thedevelopment,maintenance,andimplementationof a standard Data Model DataInteroperability Interoperabilitymeans theability ofinformationsystemsto be used acrossand outsideof the boundaries of siloes for a cross departmental view of data DataModel &Interop. DataLifecycleManagement
- 14. C1 Public 14 21December 2020 Vision We empower Vodafone to become a Technology Communications Leader with innovative services for a data-driven culture and best in class data performance
- 15. C1 Public 15 21December 2020 Mission We will manage data as corporate asset with established processes and operations. Positioncompany data performance as cross-functional. Data Governancepolicy is owned by a cross-functional team and based on collaboration. Ensure data is managed across individualapplicationsfollowingcommon standards. Systems respond to both business process and data requirements. Establish business stakeholdersas data owners. Data meaning, content and access reflectbusiness purpose. Aligndata quality withbusiness measures and acceptance. Acceptance and accuracyis described in business terms.
- 16. C1 Public Wir verstehenuns als „Data Thinker“ 21 December 202016 Was wir darunter verstehen: • Kundenfokussiert • Denken in E2E-Geschäfts- u. Datenprozesse • Sehen frühzeitig Potentiale und Risiken • Stetiges Lernen (Think without a Box) • Erkennen und vermitteln von komplexen Datenzusammenhängen • Lösungsorientiert • Teamplayer
- 17. C1 Public #DGfollowProcess 17 21December 2020
- 18. C1 Public 18 21December 2020 Unitymedia BICC Data Governance Reference Data Management Data CatalogDatenqualität Model Driven Design Datenschutz Data Ware House Demandmanagement Operations Rahmenbedingungen / Technische & Organisatorische Maßnahmen UM Governance BICC § Kontinuierliche Verbesserung Status Prozesse Konzepte Business Units
- 19. C1 Public Data GovernanceProgramOffice 19 21 December 2020 Future: E2E Process Oriented Data Governance Organization Domain 1 Domain 2 Domain 3 Domain 4 Domain 5 Domain 6 Business DQM RDM Data Catalog Data Modeling GDPR / Security ITOther (BI, Legal, etc.) Data GovernancePolicy Knowledge Sharing& Training (DG Academy) MasterDataManagement Data Governance SteerCo (Top Management) Architecture & Solution Design DataGovernance DomainManager DataGovernance DomainManager DataGovernance DomainManager DataGovernance DomainManager DataGovernance DomainManager
- 20. C1 Public 20 21December 2020 Overview Corporate Data Governance Role Model Data Excellence Manager Data Governance Engineer Meta Data Analyst Data Quality Manager GDPR Consultant DataModel DataInteroperability Data Retention/Archiving & Decom. DataSharing Data Extraction DataQuality Management DataLineage DataCatalogueData Ownership DataScope Data Sharing
- 21. C1 Public What theData Governance Team at Vodafone does Data as a key strategy& business outcome driver requires Data Governance – a new function at VF-DE .WHO Key Elements of Data Governance Establish business stakeholders as data & information owners. Ensure clear accountability & compliance. Position corporate data assets as cross- functional. Group & LocalSteerCo DataGovernance Community Data/InformationOwnership DataCatalogue DataLineage DataModel & Interoperability DataQuality Privacy and Security Standards & Controls Digital Data Tooling Data Roles & Responsibilities DataLifecycle Increase trust in data by aligning data quality with business measures and acceptance. Expand change management to include data quality standards. Leverage what is already in place. . Establish a Data Catalogue to enable ‘Shopping for data’. Create transparency on Data Lineage for corporate data assets. Leverage data exchange and data usage by common modeling standards Key Roles of the Data Governance Team Data Excellence Manager Metadata Analyst Data Governance Engineer GDPR Consultant Data Quality Manager
- 22. C1 Public Business #LoveDataGovernance Winningswith rapid data performance assessment.
- 23. C1 Public 23 21December 2020 Ausgangssituation | Dealcloser-Reporting (SQL) nicht ausreichend für kundenzentrierte Analysen, Datenqualität fraglich Bisher: Reporting über Excel Schwachstellen: Nur 2 Produktklassen von 5 abgebildet Reports getrennt voneinander (doppelte Kundenbetrachtung) Keine Kundensicht Pro Kunde nur 1 Dealcloser ersichtlich Nicht ausreichendfür Preisanpassungs- aktionen 1670 Zeilen SQL Code! + SQL-Script + Kopfwissen + Einzelne Excel-Reports + Weitere Anforderungen aus CRM (bisher nicht umgesetzt) + Zeitdruck(wg. laufender Preisanpassung)
- 24. C1 Public 24 21December 2020 Rapid Data Performance Assessment (RDPA) Anforderungen definieren Entwicklung Datenmodell Entwicklung Analysemodell Entwicklung Modell Report / Dashboard QSQS QSQS
- 25. C1 Public 25 21December 2020 Schritt 1 – Anforderungsaufnahme (fachliche Sicht) Ein Dealcloser kommt zu Stande wenn… (Anforderung in Story- Form max. 5 Sätzen)
- 26. C1 Public 26 21December 2020 Schritt 2 – Datenmodell entwickeln Ca. 20 Mio. Datensätze (nur 1 Filter = Zeit) Ca. 70 Mio. Datensätze HSN Ca. 120 Mio. Datensätze KBW Ca. 190 Mio. Datensätze NRW ca. 380 Mio. Datensätze ca. 300 Attribute Ca. 300 Tsd. Datensätze (zusätzliche Verdichtung über Pivot-Tabellen)
- 27. C1 Public 27 21December 2020 Schritt 3 – Analysemodell entwickeln
- 28. C1 Public 28 21December 2020 Schritt 4 – Ergebnisreport entwickeln
- 29. C1 Public 29 21December 2020 Success of Rapid Data Performance Assessment (RDPA) Anforderungen definieren Entwicklung Datenmodell Entwicklung Analysemodell Entwicklung Modell Report / Dashboard W 1 W 3 > 100% Erreichungsgrad im vgl. zu bisherigen Dealcloser-Report + erstmalig eine kundenzentrierte Sicht QSQS QSQS Team CA CRM DQM
- 30. C1 Public 30 21December 2020 BU-Sicht: Prototyp Dealcloser-Reporting führt zu erheblichen Verbesserungen Bisher: Schwachstellen: Nur 2 Produktklassen von 5 abgebildet Reports getrennt voneinander (doppelte Kundenbetrachtung) Keine Kundensicht Pro Kunde nur 1 Dealcloserersichtlich Nicht ausreichend für Preisanpassungs- aktionen Jetzt: Optimiert: Berücksichtigung aller Produktgruppen Kundensicht möglich Abbildung aller Bewegungen Anzeige aller vergebenen Dealcloser Wirkung von Datenqualität erkannt Weitere Optimierungspotentiale erkannt
- 31. C1 Public Definition RapidData Performance Assessment (RDPA) Kann uns die richtige Richtung weisen • wenn Unklarheit herrscht • wenn widersprüchliche Meinungen bestehen • der Wert einer Idee nicht klar ist RDPA • Kurze Laufzeit (Rapid = 1 Sprint, max. 20 AT) • ist ein kontrolliertes Experiment mit realen Daten • zum scheitern verurteilt • keine betriebsfähige Lösung • (Prototyp) ist ein Wegwerf-Produkt • Generiert nutzbringendes Wissen (Lernkurve) 31 21 December 2020
- 32. C1 Public 32 21December 2020 RDPA-Approach überwindet Spannungsfeld DG in hybriden Projekt- Umgebungen Wasserfall Agil Anforderung Analyse Implementierung Test Betrieb Anforderung Analyse Implementierung Test Betrieb Anforderung Analyse Implementierung Test Betrieb Monate/Jahre RDPA Agile Projekte Unternehmens Ziel 2 - 4 Wochen Sprints DG-Framework
- 33. C1 Public 33 21December 2020 Practical Examples Dealcloser • Developa protoyp of new custumer centricdealcloserreportingin 3 Weeks (180% target fulfilment) STROM (Value-oriented customer management) • data performance simulationfor multidimensionalanalysisandagile data quality checks X-Punkte-Prüfung • analysisof the impactof data qualityweaknesseson the automationof x- point checking RPA Churn • developmentof a prototype for the performance of the data for a successful implementationof a robotic processautomationof the churn process Omnichannel • data performance assessmentof the centralmanagmenttool for campaign channels Dunning 2.0 • data verificationof the businessanalyst‘sunderstanding on dunning data & processes Processmining • ad-hoc data qualitycheck and data preparation 1 Sprint W 1 W 3 Value: Investment protection for data-driven projects, Reporting, and 360° Customer-View & -Services!
- 34. C1 Public Ausblick Data Governance… •… ist Digital • … Wegbereiter zukunftssichernder – Arbeitsmethodiken(z.B. Agil, Selbstorganisation, etc.) – Technologie (Robotic Process Automation, Artificial Intelligence,Cloud) • … ist Partner des Businessund der Geschäftsleitung. • … ist Architekt einer erfolgreichen digitalen Zukunft. 34 21 December 2020
- 35. C1 Public Q &A 35 21 December 2020
- 36. C1 Public Herzlichen Dank! 21December 202036 Marco Geuer Director Data Governance & Quality BICC Finance Mobile: +49 151 1220 3117 Marco.Geuer@Unitymedia.de Vodafone NRW GmbH Aachener Str. 746-750, 50933 Köln vodafone.de The future is exciting. Ready? Geschäftsführung: Dr. Johannes Ametsreiter (Vorsitzender), Anna Dimitrova, Bettina Karsch, Andreas Laukenmann, Gerhard Mack, Alexander Saul Handelsregister: Amtsgericht Köln, HRB 55984, Sitz der Gesellschaft: Köln, USt-ID DE 813 243 353 Blog: www.business-information-excellence.de Data Quality / Data GovernanceSeminar https://www.haufe-akademie.de/4805