SlideShare ist ein Scribd-Unternehmen logo
1 von 36
Data Governance Journey from
Unitymedia to Vodafone
DATAGOVKON 2020
C1 Public
Inhalt
Vodafone
Challange
Why Data
Governance?
Data
Governance
Organization
Business
Love Data
Governance
Perspective
C1 Public
#Vodafone
21 December 20203
C1 Public
4
C1 Public
5
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/
C1 Public
#ChallangeDG
7 21 December 2020
C1 Public
Herausforderung für eine 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
C1 Public
9 21 December 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
C1 Public
#DataGovernanceSpirit
Why Data Governance?
10 21 December 2020
C1 Public
11 21 December 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
C1 Public
To reach the 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
C1 Public
Scope of Corporate 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
C1 Public
14 21 December 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
C1 Public
15 21 December 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.
C1 Public
Wir verstehen uns 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
C1 Public
#DGfollowProcess
17 21 December 2020
C1 Public
18 21 December 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
C1 Public
Data GovernanceProgram Office
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




C1 Public
20 21 December 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
C1 Public
What the Data 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
C1 Public
Business #LoveDataGovernance
Winnings with rapid data
performance assessment.
C1 Public
23 21 December 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)
C1 Public
24 21 December 2020
Rapid Data Performance Assessment (RDPA)
Anforderungen
definieren
Entwicklung
Datenmodell
Entwicklung
Analysemodell
Entwicklung
Modell Report /
Dashboard
QSQS
QSQS
C1 Public
25 21 December 2020
Schritt 1 – Anforderungsaufnahme (fachliche Sicht)
Ein Dealcloser kommt zu
Stande wenn…
(Anforderung in Story-
Form max. 5 Sätzen)
C1 Public
26 21 December 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)
C1 Public
27 21 December 2020
Schritt 3 – Analysemodell entwickeln
C1 Public
28 21 December 2020
Schritt 4 – Ergebnisreport entwickeln
C1 Public
29 21 December 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
C1 Public
30 21 December 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
C1 Public
Definition Rapid Data 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
C1 Public
32 21 December 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
C1 Public
33 21 December 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!
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
C1 Public
Q & A
35 21 December 2020
C1 Public
Herzlichen Dank!
21 December 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

Weitere ähnliche Inhalte

Was ist angesagt?

Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-WerkzeugenUnternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Vizlib Ltd.
 
Datenqualitätsanalyse mit modernen Business-Intelligence-Werkzeugen
Datenqualitätsanalyse mit modernen Business-Intelligence-WerkzeugenDatenqualitätsanalyse mit modernen Business-Intelligence-Werkzeugen
Datenqualitätsanalyse mit modernen Business-Intelligence-Werkzeugen
Business Intelligence Research
 

Was ist angesagt? (20)

Digitale Transformation für KMU
Digitale Transformation für KMUDigitale Transformation für KMU
Digitale Transformation für KMU
 
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-WerkzeugenUnternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
 
Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -
Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -
Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -
 
Michael Jäger (Techsoft), Dipl.-Ing. Bernd Kuntze (Franz Haas Waffel- und Kek...
Michael Jäger (Techsoft), Dipl.-Ing. Bernd Kuntze (Franz Haas Waffel- und Kek...Michael Jäger (Techsoft), Dipl.-Ing. Bernd Kuntze (Franz Haas Waffel- und Kek...
Michael Jäger (Techsoft), Dipl.-Ing. Bernd Kuntze (Franz Haas Waffel- und Kek...
 
Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)
Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)
Rainer Bindeus (Team43), Peter Rogy (Schoeller Network)
 
Die Macht der Daten - CeBIT 2017
Die Macht der Daten - CeBIT 2017Die Macht der Daten - CeBIT 2017
Die Macht der Daten - CeBIT 2017
 
professionalView Business Brunch
professionalView Business BrunchprofessionalView Business Brunch
professionalView Business Brunch
 
Datenqualität in DWH-Projekten bei Versicherungen (für Informatica Fachtreffen)
Datenqualität in DWH-Projekten bei Versicherungen(für Informatica Fachtreffen)Datenqualität in DWH-Projekten bei Versicherungen(für Informatica Fachtreffen)
Datenqualität in DWH-Projekten bei Versicherungen (für Informatica Fachtreffen)
 
Datenqualitätsanalyse mit modernen Business-Intelligence-Werkzeugen
Datenqualitätsanalyse mit modernen Business-Intelligence-WerkzeugenDatenqualitätsanalyse mit modernen Business-Intelligence-Werkzeugen
Datenqualitätsanalyse mit modernen Business-Intelligence-Werkzeugen
 
BARC Was Datenmanagement Messbar Dazu Beitragen Kann
BARC Was Datenmanagement Messbar Dazu Beitragen KannBARC Was Datenmanagement Messbar Dazu Beitragen Kann
BARC Was Datenmanagement Messbar Dazu Beitragen Kann
 
[Expertengespräch] Jedox & BARC über Advanced Planning
[Expertengespräch] Jedox & BARC über Advanced Planning[Expertengespräch] Jedox & BARC über Advanced Planning
[Expertengespräch] Jedox & BARC über Advanced Planning
 
Dipl.-Ing. Christian Plaichner (Senactive)
Dipl.-Ing. Christian Plaichner (Senactive)Dipl.-Ing. Christian Plaichner (Senactive)
Dipl.-Ing. Christian Plaichner (Senactive)
 
Infografik BI - Business Intelligence
Infografik BI - Business IntelligenceInfografik BI - Business Intelligence
Infografik BI - Business Intelligence
 
Tochtergesellschaften in die Konzern ERP-Welt integrieren
Tochtergesellschaften in die Konzern ERP-Welt integrierenTochtergesellschaften in die Konzern ERP-Welt integrieren
Tochtergesellschaften in die Konzern ERP-Welt integrieren
 
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
 
Wirksames Stammdatenmanagement
Wirksames StammdatenmanagementWirksames Stammdatenmanagement
Wirksames Stammdatenmanagement
 
Dieter Macher (Macher Solutions), Gerhard Kala (Wave Solutions)
Dieter Macher (Macher Solutions), Gerhard Kala (Wave Solutions)Dieter Macher (Macher Solutions), Gerhard Kala (Wave Solutions)
Dieter Macher (Macher Solutions), Gerhard Kala (Wave Solutions)
 
Big Data - Die große Innovation?
Big Data - Die große Innovation?Big Data - Die große Innovation?
Big Data - Die große Innovation?
 
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
 
TDWI Buchprojekt: Data Governance - Problemfelder in der Umsetzung von BI-Pro...
TDWI Buchprojekt: Data Governance - Problemfelder in der Umsetzung von BI-Pro...TDWI Buchprojekt: Data Governance - Problemfelder in der Umsetzung von BI-Pro...
TDWI Buchprojekt: Data Governance - Problemfelder in der Umsetzung von BI-Pro...
 

Ähnlich wie Data Governance Journey from UM to VF

Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-InformationsquellenDenodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
IBsolution GmbH
 
Big data mc_05_2014_long
Big data mc_05_2014_longBig data mc_05_2014_long
Big data mc_05_2014_long
Axel Poestges
 
Data Governance als unterschätzter Erfolgsfaktor für Ihr Unternehmen
Data Governance als unterschätzter Erfolgsfaktor für Ihr Unternehmen Data Governance als unterschätzter Erfolgsfaktor für Ihr Unternehmen
Data Governance als unterschätzter Erfolgsfaktor für Ihr Unternehmen
IBsolution GmbH
 
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
luna-park GmbH
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedacht
IBsolution GmbH
 

Ähnlich wie Data Governance Journey from UM to VF (20)

Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-InformationsquellenDenodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
 
Digitale Transformation Braucht Starke und Verlässliche Daten
Digitale Transformation Braucht Starke und Verlässliche DatenDigitale Transformation Braucht Starke und Verlässliche Daten
Digitale Transformation Braucht Starke und Verlässliche Daten
 
Big data mc_05_2014_long
Big data mc_05_2014_longBig data mc_05_2014_long
Big data mc_05_2014_long
 
Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018
Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018
Verstehen Sie Ihre Kunden Meetup Köln 08.10.2018
 
Data Governance als unterschätzter Erfolgsfaktor für Ihr Unternehmen
Data Governance als unterschätzter Erfolgsfaktor für Ihr Unternehmen Data Governance als unterschätzter Erfolgsfaktor für Ihr Unternehmen
Data Governance als unterschätzter Erfolgsfaktor für Ihr Unternehmen
 
Verstehen Sie Ihre Kunden - Reife von Unternehmen
Verstehen Sie Ihre Kunden - Reife von UnternehmenVerstehen Sie Ihre Kunden - Reife von Unternehmen
Verstehen Sie Ihre Kunden - Reife von Unternehmen
 
Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?
Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?
Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?
 
SAS Data Governance
SAS Data GovernanceSAS Data Governance
SAS Data Governance
 
Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...
Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...
Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...
 
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
 
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp research
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp researchFujitsu Storage Days 2018 - Erfahrungsbericht crisp research
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp research
 
Digitale Transformation in der Finanzbranche
Digitale Transformation in der FinanzbrancheDigitale Transformation in der Finanzbranche
Digitale Transformation in der Finanzbranche
 
Big Data Governance
Big Data GovernanceBig Data Governance
Big Data Governance
 
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas BerthWerbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
 
Erfolg durch Big Data
Erfolg durch Big DataErfolg durch Big Data
Erfolg durch Big Data
 
Linked Open Data Business
Linked Open Data BusinessLinked Open Data Business
Linked Open Data Business
 
Potenziale erkennen & Innovationen erfolgreich nutzen
Potenziale erkennen & Innovationen erfolgreich nutzenPotenziale erkennen & Innovationen erfolgreich nutzen
Potenziale erkennen & Innovationen erfolgreich nutzen
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedacht
 
BATbern52 SBB zu Data Products und Knacknüsse
BATbern52 SBB zu Data Products und KnacknüsseBATbern52 SBB zu Data Products und Knacknüsse
BATbern52 SBB zu Data Products und Knacknüsse
 
Vorgehensmodell "Digital Excellence" für Finanzdienstleister
Vorgehensmodell "Digital Excellence" für FinanzdienstleisterVorgehensmodell "Digital Excellence" für Finanzdienstleister
Vorgehensmodell "Digital Excellence" für Finanzdienstleister
 

Data Governance Journey from UM to VF

  • 1. Data Governance Journey from Unitymedia to Vodafone DATAGOVKON 2020
  • 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/
  • 8. C1 Public Herausforderung für eine 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 21 December 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 Data Governance? 10 21 December 2020
  • 11. C1 Public 11 21 December 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 reach the 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 of Corporate 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 21 December 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 21 December 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 verstehen uns 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
  • 18. C1 Public 18 21 December 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 GovernanceProgram Office 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 21 December 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 the Data 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 Winnings with rapid data performance assessment.
  • 23. C1 Public 23 21 December 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 21 December 2020 Rapid Data Performance Assessment (RDPA) Anforderungen definieren Entwicklung Datenmodell Entwicklung Analysemodell Entwicklung Modell Report / Dashboard QSQS QSQS
  • 25. C1 Public 25 21 December 2020 Schritt 1 – Anforderungsaufnahme (fachliche Sicht) Ein Dealcloser kommt zu Stande wenn… (Anforderung in Story- Form max. 5 Sätzen)
  • 26. C1 Public 26 21 December 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 21 December 2020 Schritt 3 – Analysemodell entwickeln
  • 28. C1 Public 28 21 December 2020 Schritt 4 – Ergebnisreport entwickeln
  • 29. C1 Public 29 21 December 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 21 December 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 Rapid Data 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 21 December 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 21 December 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! 21 December 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