Das Dokument handelt von den Herausforderungen und Lösungen im Datenqualitätsmanagement, illustriert durch Fallstudien zu unzustellbarer Post, Kundenabwanderung und unzureichender Erkennung von Bestandskunden. Es wird betont, dass eine verbesserte Datenqualität erhebliche finanzielle und kundenbezogene Vorteile bringt, während schlechte Datenqualität zu signifikanten Verlusten führen kann. Das Dokument bietet auch einen Überblick über verschiedene Vorgehensmodelle und Dienstleistungen zur Optimierung der Datenqualität in Unternehmen.

1. Daten QualitätsmanagementProbleme, Aktivitäten, Nutzen und Vorgehen

2. Folie 2 Datenqualitätsmanagement FallstudienAgenda Aufgaben des Datenqualitätsmanagements Erfolg mit Datenqualitätsmanagement Unsere Dienstleistungen für Sie

3. Folie 3 Fall 1: “Unzustellbare Post”Gute Gründe für Datenqualitätsmanagement Fall 2: “Kundenabwanderung” Fall 3: “Unerkannte Kunden”

4. Folie 4Fall 1: Unzustellbare PostEines Morgens, im Marketing…Der Leiter Marketingbetritt sein Büround…Der gesamte Flur ist voll mit Post!Retouren der letzten Briefkampagne!Was war passiert?Die Briefkampagne zielte auf ehemalige Kunden abLeider stimmten die Daten der Postanschrift von mehr als 300.000 Kunden nicht!Verlust: €150.000 Porto + Druck - plus die hämischen Blicke der Kollegen…

5. Folie 5Fall 2: KundenabwanderungWie jeden Tag im Call Center…Ein ungehaltener Kunde ruft an…„Ich habe Ihnen schon zwei Mal mitgeteilt:Ich wohne nicht in Köln, sondern in Marienburg!“Im Dialog erklärt der Kundenservice-Mitarbeiter dem Kunden:„Wir führen alle Kölner Postleitzahlenautomatisch als Teil von Köln!“Doch der Kunde beharrt: „Wenn Sie das nicht hinbekommen,war ich die längste Zeit Kunde bei Ihnen!“Was ist das Problem?Für manche Kunden ist ihr Wohnviertel ein Statussymbol – sie wollen es gewürdigt sehen!Kunden, die sich vom Unternehmen nicht verstanden fühlen, wandern ab.Der Konzern verlor rund 10.000 Kunden pro Jahrweil das System keine persönlich wichtigen Informationen über die Kunden verarbeiten konnte. - Plus eine Dunkelziffer durch negative Mundpropaganda!

6. Folie 6Fall 3: Unerkannte KundenEin ganz normaler Tag im Call Center…Ein Kunde hat ein alltägliches Anliegen zum Vertrag:Veränderung der Bandbreite.Erstaunt stellt der Call Center Mitarbeiter fest: „Sie sind bei uns gar nicht als Kunde eingetragen!“Der Kunde wurde also schnell eingerichtet, Problem gelöst.Allen Neukunden werden subventionierte Endgeräte zugestellt!Was lief schief?Wegen schlecht gepflegter Identifikationsmerkmalekonnte das CRM System manche Bestandskunden nicht auffinden.Diese Kunden erhielten durch den Prozess fälschlicherweise den Status „Neukunde“.Der Konzern versandte über 20.000 Endgeräte, bevor das Problem bemerkt wurde!

7. Folie 7 Datenqualitätsmanagement FallstudienAgenda Aufgaben des Datenqualitätsmanagements Erfolg mit Datenqualitätsmanagement Unsere Dienstleistungen für Sie

8. Folie 8Was ist „Daten-Qualitätsmanagement“?Zweck-DienlichMessenVerbessernMessenVerbessernDatenQualitätMgt.DV:IT-SystemeFachlicheProzesseMessenVerbessernStellen die Systemezweckdienlich die Datenbereit?Bedienen die Daten das Ziel der Fachprozesse?Welche Prozesse benötigendie Daten – und wozu?Erfüllen die Systeme ihren Zweck in derDatenbereitstellung?Passen die Daten der IT-Systeme zu den fachlichen Prozessen?Wie stellen die IT-SystemeDaten für fachlicheProzesse bereit?

9. Folie 9Zweckdienliche Daten sparen Zeit und Geld, denn sie sind:VollständigKonsistentRelevantTransparentPräziseZeitgerechtAkkuratZweckdienliche DatenqualitätTotale DatenqualitätNicht zweckdienliche Daten kosten Zeit und Geld – und schaffen Unzufriedenheit!

10. Folie 10Wertschöpfung durch DatenqualitätDatenqualitätsmanagement schafft messbare Werte:FinanziellKostenSenkenGewinneSteigernDatenQualitätNicht monetärKunden-ZufriedenheitSteigernAufwändereduzierenReduktionSteigerung

11. Folie 11 Datenqualitätsmanagement FallstudienAgenda Aufgaben des Datenqualitätsmanagements Erfolg mit Datenqualitätsmanagement Unsere Dienstleistungen für Sie

12. Folie 12DQM Erfolgs-StoriesDer Nutzen von Datenqualitätsmanagement ist klar zu sehen:Einführung von Data Quality AgreementsUnser Kunde etablierte DQAs im CRM für alle KundendatenViele Fehler von CC Mitarbeitern sind technisch jetzt unmöglichWenn sich Fehler häufen, wissen die Leiter sofort Bescheid!Messung der Datenqualität in den SystemenUnser Kunde nutzt Konsistenzmessung in Billing, CRM und HLRDie Fehlerrate sank von rund 5% auf unter 0,5%Probleme werden längst vor Beginn des Rechnungslaufs erkanntDatenstandards für Human ResourcesUnser ARPM Tool standardisiert Profile für Stellen und PersonalAutomatisiertes Aussortieren spart 90% der VorarbeitDank besserer Profile werden Stellen geeigneter besetzt

13. Folie 13Wählen Sie Ihr VorgehensmodellNachhaltige Lösungen für akute ProblemeFundamentale Probleme werden ofterst nach Jahren angegangenWenn keine akuten Probleme auftreten,entsteht leicht eine trügerische Sicherheit„Unwissenheit schützt vor Strafe nicht“Projektorientierter Ansatz erfordert wenig RessourcenPositive Business Cases garantieren sichtbare Erfolge!Eine ganzheitliche Lösung stärkt diePosition des Unternehmens im MarktGlobales „Data Ownership“ vereinfachtdie IT-Systemlandschaft und EntwicklungPro-aktives Vorgehen verhindert Schäden,bevor sie entstehenDa vermiedene Schadfälle nicht in Bilanzen eingehen,wird oft der Nutzen der Initiative in Frage gestellt.Transparenz und klare Verantwortung muss von allen erwünscht sein, sonst scheitert die Initiative.Der Aufbau einer Governance kostet ZeitProblemgetriebenesVorgehensmodellGovernance-getriebenesVorgehensmodellIhr Vorteil:Ihr Vorteil:Beachten Sie:Beachten Sie:„Sichtbar Nützlich!“„Keine unnötigen Risiken!“

14. Folie 14 Datenqualitätsmanagement FallstudienAgenda Aufgaben des Datenqualitätsmanagements Erfolg mit Datenqualitätsmanagement Unsere Dienstleistungen für Sie

15. Unsere Leistung für SieFolie 15Wir bieten allen Leistungen zum Thema Datenqualität aus einer HandDatenqualität als Governance DisziplinMessung des Reifegrads Ihrer DQAufbau von Data Quality AgreementsRoadmap zur Steigerung der ReifeModellierung der DatenobjekteDatenqualität RisikomanagementOptimierung der DatenströmeOperative Gestaltung von DatenqualitätAufbau von MessprozessenDQM in Entwicklung und MigrationImplementierung von Mess-ToolsTraining rund um DatenqualitätVerhinderung von DQ ProblemenSE Data Quality CockpitProjekte zur Verbesserung der DatenqualitätAuffinden von DQ ProblemursachenProjektleitung bei DQ ProjektenRisikoanalysen zu DatenqualitätProzessmaps, Systemlandkarten etc.Lösungsfindung mit den FachseitenDQ Testing und Analyse

16. Folie 16Datenqualitätsmanagement EtablierenZiel-OrientierungDatenQualitätMgt.DV:IT-SystemeFachlicheProzesseDas ENISA Data Collection FrameworkProblemgetriebenes Vorgehensmodell1 – Identifikation der wichtigsten Datenobjekte (z.B. „Kunde“, „Produkt“)2 – Analyse gemeldeter Störungen bezüglich Ursachen in den Ziel-Objekten3 –Optimierung der Daten zur Behebung der Problemursache4 – Abschluss eines „Datenqualitätsabkommen“ zwischen IT und Fachbereich5 – Aufbau automatischer Kontrollen zur regelmäßigen Prüfung der geforderten QualitätGovernance-getriebenes Vorgehensmodell1 – Identifikation der wichtigsten Datenquellen im Unternehmen2 – Daten-Bestandsaufnahme gemeinsam mit der zentralen Fachseite3 – Optimierung aller Datenbestände aus dieser Quelle4 – Aufbau einer Partnerschaft zwischen IT und FS zu diesen Daten5 – Ausweitung der Partnerschaft, um mehr Fachbereiche zu beteiligen6 – Ausweitung der Partnerschaften auf weitere Datenobjekte

17. Folie 17Vielen Dank für Ihre Aufmerksamkeit!