Im Wettlauf um die digitale Transformation investieren die Branchen immer mehr in neue Technologien, wie z. B. Big Data, Künstliche Intelligenz oder IOT. Auch wenn der Begriff „Digitale Transformation“ nicht mehr neu ist, werden nach wie vor enorme Investitionen getätigt. IDC prognostiziert die weltweiten Investitionen von bis zu 2,3 Billionen Dollar im Jahr 2023. Was erwarten Unternehmen also von der digitalen Transformation? Was sind die Treiber und was sind die Erfolgsfaktoren? Warum überhaupt transformieren, und wenn ja, mit welchem Ziel? Und zu guter Letzt was sind die Voraussetzungen für den Erfolg?
In diesem On-Demand Webinar lernen Sie die Kernthemen, was Datenintegrität wirklich bedeutet und zeigen Ihnen anhand von Kundenbeispielen, welche Herausforderungen sie in diesem Zusammenhang hatten und wie sie Projekte gewinnbringend umgesetzt haben.
Digitale Transformation Braucht Starke und Verlässliche DatenPrecisely
Aufgrund des ständig zunehmenden Wettbewerbs und der Vergleichbarkeit von Produkten wird der Fokus auf den einzelnen Kunden immer wichtiger. Customer Centricity etabliert sich daher im Zentrum von Unternehmensstrategien und das individuelle Kundenerlebnis wird bald zum alles entscheidenden Differenzierungsmerkmal.
Eine dahingehend ausgerichtete und optimierte Kundeninteraktion ist wiederum ohne professionelles Kundendatenmanagement nicht zu erreichen. Egal ob bei der korrekten Ansprache im Anschreiben oder E-Mailing, bei der Personalisierung der Website oder der relevanten Antwort auf eine Service-Anfrage –kundenorientiertes Handeln erfordert den Zugriff und die Auswertung von umfassenden Kundeninformationen. Eine verlässliche Datenbasis und eine intelligente Daten-Analytik bilden daher immer die Grundlagen für eine bessere Customer Experience. Das wird umso wichtiger, je mehr Prozesse im Rahmen der Digitalisierung automatisiert werden und ohne jegliche menschliche Interaktion ablaufen.
Sie lernen:
- Anforderungen an Datenmanagement und -infrastruktur
- Einordnung und Realitäts-Check
- Die 6 Ausbaustufen des Datenmanagements - Data Maturity
- Anwendungsbeispiele
- Handlungsempfehlungen
DSGVO-Compliance schneller erreichen – mit Talend und ClouderaCloudera, Inc.
Die Uhr läuft: Spätestens bis Mai 2018 müssen Unternehmen die DSGVO (GDPR) umsetzen. Auch für Sie wird es höchste Zeit, Ihr Datenmanagement- und Data Governance-Konzept auf den neuesten Stand zu bringen.
Big Data – Hype mit Potential! Big Data beinhaltet neue Methoden und Technologien, die die wachsende Komplexität im Datenmanagement und Business-Intelligence vernünftig beherrschbar machen soll.
Im Rahmen des vom BARC-Institut ausgerichteten Business Intelligence und Datenmanagement Forums auf der diesjährigen CeBIT, wurde unter anderem dieser Vortrag von Timm Grosser (Senior Analyst) gehalten.
[German] Digitaler Handel Digital CommerceStibo Systems
1. 1. Digital marketing is driving business growth Forrester Research estimates that by 2018, almost half (44%) of all EU retail sales will be digital or digitally influenced.
2. 2. And executives expect the largest share of their digital growth in the coming years to be from digital customer engagement. Source: The Digital Tipping Point: McKinsey Global Survey Results, McKinsey & Company Source | The Digital Tipping Point: McKinsey Global Survey Results, McKinsey & Company
3. 3. “By 2017, CMO’s are expected to spend more on IT than CIO’s.” - Laura McLellan, Research VP, Gartner That puts a lot of pressure on CMO’s, especially as their role is rapidly becoming more complex and technology-based.
4. 4. Because when it comes to customer experience, customers have high expectations regardless of touch point.
5. 5. Source | Forrester Research, European Cross-Channel Retail Sales Forecast, 2013 to 2018 Customers know what they want, when and where they want it, and they expect retailers to engage with them every step of the way. Why is this important?
6. 6. Because cross-channel retail sales are expected to reach €920 billion by 2018.
7. 7. So what are they looking for? A consistent customer experience across all retail touch points Helped by knowledgeable sales advisors Access to rich, detailed product information
8. 8. Sounds like a lot of work. How do retailers achieve this?
9. 9. Merge digital insights with in-store physical experiences. Because one bad customer experience in one touch point affects how they feel about the brand as a whole.
10. 10. Companies must address key organisational issues before digital can have a truly transformative impact on their business.
11. 11. When retailers depend on silos of teams, data, and processes, it makes it extremely difficult to scale, optimise and measure KPIs
12. 12. Systems need to be fully integrated to provide insights across all retail touch points
13. 13. Everyone needs to be able to access information [employees & customers] So they can be confident in what they’re selling and whom they’re selling to
14. 14. Because customers want to know what assortments you have, what products are in stock and where, what they look and feel like, what other customers are saying and buying, product recommendations and more
15. 15. Simplify merchandising by centralising all of this information to meet customers' expectations.
16. 16. Stibo Systems provides the foundation for digital commerce between brands and their consumers. Here, let me show you how.
17. 17. Easily configure personalised dashboards, saved searches, user-defined work processes and preferences to provide focus on what matters most
18. 18. View the health of your products with our completeness indicator And gain actionable insight on key metrics
19. 19. Streamline the on-boarding and management of supplier information
20. 20. Synchronise product information and digital assets across all channels to improve efficie
This presentation deals with to topic of Big Data Governance and how companies can establish a holistic Big Data Governance framework which is suited for the organizational day to day business.
Digitale Transformation Braucht Starke und Verlässliche DatenPrecisely
Aufgrund des ständig zunehmenden Wettbewerbs und der Vergleichbarkeit von Produkten wird der Fokus auf den einzelnen Kunden immer wichtiger. Customer Centricity etabliert sich daher im Zentrum von Unternehmensstrategien und das individuelle Kundenerlebnis wird bald zum alles entscheidenden Differenzierungsmerkmal.
Eine dahingehend ausgerichtete und optimierte Kundeninteraktion ist wiederum ohne professionelles Kundendatenmanagement nicht zu erreichen. Egal ob bei der korrekten Ansprache im Anschreiben oder E-Mailing, bei der Personalisierung der Website oder der relevanten Antwort auf eine Service-Anfrage –kundenorientiertes Handeln erfordert den Zugriff und die Auswertung von umfassenden Kundeninformationen. Eine verlässliche Datenbasis und eine intelligente Daten-Analytik bilden daher immer die Grundlagen für eine bessere Customer Experience. Das wird umso wichtiger, je mehr Prozesse im Rahmen der Digitalisierung automatisiert werden und ohne jegliche menschliche Interaktion ablaufen.
Sie lernen:
- Anforderungen an Datenmanagement und -infrastruktur
- Einordnung und Realitäts-Check
- Die 6 Ausbaustufen des Datenmanagements - Data Maturity
- Anwendungsbeispiele
- Handlungsempfehlungen
DSGVO-Compliance schneller erreichen – mit Talend und ClouderaCloudera, Inc.
Die Uhr läuft: Spätestens bis Mai 2018 müssen Unternehmen die DSGVO (GDPR) umsetzen. Auch für Sie wird es höchste Zeit, Ihr Datenmanagement- und Data Governance-Konzept auf den neuesten Stand zu bringen.
Big Data – Hype mit Potential! Big Data beinhaltet neue Methoden und Technologien, die die wachsende Komplexität im Datenmanagement und Business-Intelligence vernünftig beherrschbar machen soll.
Im Rahmen des vom BARC-Institut ausgerichteten Business Intelligence und Datenmanagement Forums auf der diesjährigen CeBIT, wurde unter anderem dieser Vortrag von Timm Grosser (Senior Analyst) gehalten.
[German] Digitaler Handel Digital CommerceStibo Systems
1. 1. Digital marketing is driving business growth Forrester Research estimates that by 2018, almost half (44%) of all EU retail sales will be digital or digitally influenced.
2. 2. And executives expect the largest share of their digital growth in the coming years to be from digital customer engagement. Source: The Digital Tipping Point: McKinsey Global Survey Results, McKinsey & Company Source | The Digital Tipping Point: McKinsey Global Survey Results, McKinsey & Company
3. 3. “By 2017, CMO’s are expected to spend more on IT than CIO’s.” - Laura McLellan, Research VP, Gartner That puts a lot of pressure on CMO’s, especially as their role is rapidly becoming more complex and technology-based.
4. 4. Because when it comes to customer experience, customers have high expectations regardless of touch point.
5. 5. Source | Forrester Research, European Cross-Channel Retail Sales Forecast, 2013 to 2018 Customers know what they want, when and where they want it, and they expect retailers to engage with them every step of the way. Why is this important?
6. 6. Because cross-channel retail sales are expected to reach €920 billion by 2018.
7. 7. So what are they looking for? A consistent customer experience across all retail touch points Helped by knowledgeable sales advisors Access to rich, detailed product information
8. 8. Sounds like a lot of work. How do retailers achieve this?
9. 9. Merge digital insights with in-store physical experiences. Because one bad customer experience in one touch point affects how they feel about the brand as a whole.
10. 10. Companies must address key organisational issues before digital can have a truly transformative impact on their business.
11. 11. When retailers depend on silos of teams, data, and processes, it makes it extremely difficult to scale, optimise and measure KPIs
12. 12. Systems need to be fully integrated to provide insights across all retail touch points
13. 13. Everyone needs to be able to access information [employees & customers] So they can be confident in what they’re selling and whom they’re selling to
14. 14. Because customers want to know what assortments you have, what products are in stock and where, what they look and feel like, what other customers are saying and buying, product recommendations and more
15. 15. Simplify merchandising by centralising all of this information to meet customers' expectations.
16. 16. Stibo Systems provides the foundation for digital commerce between brands and their consumers. Here, let me show you how.
17. 17. Easily configure personalised dashboards, saved searches, user-defined work processes and preferences to provide focus on what matters most
18. 18. View the health of your products with our completeness indicator And gain actionable insight on key metrics
19. 19. Streamline the on-boarding and management of supplier information
20. 20. Synchronise product information and digital assets across all channels to improve efficie
This presentation deals with to topic of Big Data Governance and how companies can establish a holistic Big Data Governance framework which is suited for the organizational day to day business.
Expertentalk: Datenqualität in der Hotellerie- und TourismusbrancheChristiane Pidde
Wie beeinflusst die Datenqualität Unternehmen der Hotellerie- und Tourismusbranche? Und wie können Gäste mit der Verarbeitung von Daten einfach glücklich gemacht werden?
BARC Was Datenmanagement Messbar Dazu Beitragen KannDataValueTalk
Was ist damit gemeint: “Integrierte Kundensicht?” Wie überträgt man diesen Begriff in die Praxis? Welchen (Mehr-) Nutzen bringt eine integrierte Sicht auf den Kunden? Und wie erstellt man hierfür sinnvolle ROI-Kalkulationen? Wichtige Fragen mit noch wichtigeren Antworten…
Während dieser interaktiven Session wird Human Inference anhand von praxisorientierten Beispielen demonstrieren, welche Vorteile sich für Ihr gesamtes Unternehmen durch die integrierte Sicht auf den Kunden ergeben.
Cross-Channel-Marketing ermöglicht es, einen Dialog mit Interessenten und Kunden entlang der verschiedenen Touchpoints und des Kundenlebenszyklus aufzubauen, um relevante und maßgeschneiderte Botschaften bereitzustellen.
Wie aber kann Cross-Channel-Marketing erfolgreich implementiert werden? Dieser Frage widmete sich das Adobe Cross-Channel Marketing Forum. Saphiron-Partner Nico Zorn steuerte die Keynote "Cross Channel Marketing 2016" bei.
Data Governance als Enabler für eine Data Driven Culture. Einführung einer Data Governance in einem Mittelständischen Unternehmen zum Konzern im Vergleich am Beispiel Unitymedia und Vodafone Germany.
EBE 2020 Datengetriebene Insights – Erfolgsfaktor im E-Commerce und Retail - ...E-Commerce Berlin EXPO
Andreas Sartison
Director Sales DACH Mapp
Immer noch entscheiden viele Unternehmen im E-Commerce und Einzelhandel aus dem Bauch heraus. Dadurch wird viel Potential verschenkt. Erfolgreiche Geschäfte basieren auf belastbaren, einfach umsetzbaren Insights. Hierfür sind Datenanalysen allein nicht ausreichend. Vielmehr geht es darum, ein Insight-basiertes Marketing im Cross-Channel zu realisieren. Mit der richtigen Strategie und Technologie können die Unternehmen in Echtzeit wertvolle Insights gewinnen, um Marketing-Aktivitäten hochgradig personalisiert anzustoßen und regelmäßig zu optimieren.
Andreas Sartison hat an den Universitäten Frankfurt/Main und Tübingen studiert ist ein ausgewiesener Webanalyse-Experte. Nach beruflichen Stationen bei IBM, AT&T, dem IT-Systemhaus Syscon und dem Webanalyse-Anbieter Nedstat (comScore) begann er 2012 als Senior Sales Manager bei Webtrekk. Seit 2016 verantwortete er als Head of Sales DACH & Eastern Europe die Vertriebsaktivitäten für den deutschsprachigen und ostmitteleuropäischen Raum. Nach der Webtrekk-Übernahme durch Mapp ist er als Director Sales für den DACH-Vertrieb der Gesamtgruppe zuständig.
Data Quality Management als Erfolgsfaktor für Ihr UnternehmenIBsolution GmbH
Inhalt:
In diesem Webinar ordnen wir zunächst Data Quality Management (DQM) ins Data Governance ein, wo sichergestellt wird, dass Daten einheitlich und diszipliniert verwaltet und gepflegt werden. Des Weiteren erläutern wir, was DQM grundsätzlich ist und welchen Mehrwert dies Ihrem Unternehmen bringen kann. Zum Schluss zeigen wir Ihnen erste Ansätze auf, wir Sie in Ihrem Unternehmen DQM umsetzen können.
Zielgruppe:
- IT-Führungskräfte
- Data Quality Manager
- Stammdaten-Verantwortliche
- Prozessverantwortliche der Fachbereiche
Agenda:
- Was ist Data Quality Management?
- Einordnung ins Data Governance
- Erste Ansätze zur Umsetzung in Ihrem Unternehmen
Mehr über uns:
Website: https://www.ibsolution.com/
Karriereportal: https://ibsolution.de/karriere/
Webinare: https://www.ibsolution.com/academy/webinare
YouTube: https://www.youtube.com/user/IBSolution
LinkedIn: https://de.linkedin.com/company/ibsolution-gmbh
Xing: https://www.xing.com/companies/ibsolutiongmbh
Facebook: https://de-de.facebook.com/IBsolutionGmbH/
Instagram: https://www.instagram.com/ibsolution/?hl=de
Das könnte Sie auch interessieren: https://www.ibsolution.com/academy/webinar-aufzeichnungen/management-consulting-studie-welchen-stellenwert-nimmt-data-governance-im-jahr-2023-ein
Mit der Digital Data Insights Studie von Professor Dr. Jürgen Seitz und Christian Sauer wollen die Autoren die Sicht der Praktiker, Experten und Entscheider auf das Thema Daten abbilden. Was denken die Macher über die richtigen Strategien und Taktiken im Umgang mit Daten? Welche praktischen Herausforderungen haben die Macher? Und wo liegen die Chancen in den nächsten Jahren?
Bedarfsprognosen für optimale WarenverfügbarkeitMathias Golombek
Bedarfsprognosen für optimale Warenverfügbarkeit
Der klassische Handel und E-Commerce bewegen sich immer auf einem schmalen Grat zwischen einem erhöhten Out-of-Stock-Risiko und Nichtverkäufen aufgrund zu hoher Margen. Die optimale Lagermenge eines Artikels zu kennen, bedeutet aber nicht nur, dass die Regale immer in der richtigen Menge gefüllt sind. Es senkt auch Folgekosten für Lagerung oder Logistik. Um solch wichtige Vorhersagen treffen zu können, benötigen Händler verlässliche und genaue Analysen, damit Über- wie auch Unterbestände in Zukunft der Vergangenheit angehören. Blue Yonder bietet mit seinen Predictive Applications eine sichere Entscheidungsbasis. Dabei kombiniert das Unternehmen die Intelligenz ihrer Software mit der Analysestärke von EXASolution.
BI und Big Data –Machen Sie mehr aus Ihren Daten
Vortrag von Meinert Jacobsen auf der CRM Expo 214 in Stuttgart -
Themen waren Datenanalyse, predictive analytics, BIG DATA, Smart Data, Statistik, Marketing, Analyse, etc.
Statistician: The sexy job of the next decade
Daten sind das neue Öl
Namechecker
Warenkorbanalyse
Datendarstellung, Hichert, Entwucklung China, SUCCESS - Standardisierung von Charts
Praxisbeispiel Möbelhändler
Score Modell - Entwicklung
ROI Betrachtung und Werbe-Effizienz
Optimierungs-Szenario
OOP, SIGS Datacom
B2B Marketing
BIG DATA
OBAMA - Whlsieg dank BIg data Analytics
Score-Modell auf Basis von Webseiten
Technisches Umsetzung von Datenqualitätsmaßnahmen mittels SAP MDG-DQMIBsolution GmbH
Inhalt:
In unserem ersten Webinar haben Sie bereits einen ersten Einblick ins Data Quality Management (DQM) bekommen. In diesem Webinar zeigen wir Ihnen nun erste Ansätze auf, wie Sie in Ihrem Unternehmen DQM technisch mit SAP MDG-DQM umsetzen können. Anhand vom Datenobjekt Business Partner werden mögliche Regeln sowie deren Umsetzung beispielhaft im System aufgezeigt.
Zielgruppe:
- IT-Führungskräfte
- Data Quality Manager
- SAP MDG-Verantwortliche
- Stammdaten-Verantwortliche
- Prozessverantwortliche der Fachbereiche
Agenda:
- Recap Webinar Teil 1 (Einführung DQM)
- Darstellung Use Case
- Live-Demo
Mehr über uns:
Website: https://www.ibsolution.com/
Karriereportal: https://ibsolution.de/karriere/
Webinare: https://www.ibsolution.com/academy/webinare
YouTube: https://www.youtube.com/user/IBSolution
LinkedIn: https://de.linkedin.com/company/ibsolution-gmbh
Xing: https://www.xing.com/companies/ibsolutiongmbh
Facebook: https://de-de.facebook.com/IBsolutionGmbH/
Instagram: https://www.instagram.com/ibsolution/?hl=de
Das könnte Sie auch interessieren: https://www.ibsolution.com/academy/webinar-aufzeichnungen/management-consulting-data-quality-management-als-erfolgsfaktor-f%C3%BCr-ihr-unternehmen
Im Customer Experience Management liegen signifikante Umsatz- und Effizienzpotenziale noch brach, die durch den Einsatz von end-to-end Monitoringtools gehoben werden können. End-to-end Monitoringtools erfassen Echtzeitdaten bzgl. der Netzperformance, dem Kundenverhalten und der Kundenzufriedenheit vom Backhaul bis zum Endgerät. Unternehmen anderer Branchen machen es bereits deutlich vor, wie mit Hilfe von gezielten und kontinuierlicher Auswertung von Daten eine ausgezeichnete Wettbewerbsposition im Markt erreicht werden kann.
Trotz Herausforderungen bei der systemischen und infrastrukturellen Integration neuer Moni- toringtools sowie Bedenken bzgl. Datenschutz und der Akzeptanz einer derartigen Lösung, können signifikante Wettbewerbsvorteile erzielt werden. Über weitreichende Use Cases im Bereich der Netzinvestitionen, des Customer Service sowie des Produktmanagements und CRM, können Kosten gesenkt, Umsätze geschützt bzw. gesteigert sowie die Kundenzufriedenheit deutlich gestärkt werden.
Umsatz steigern mit der SAP Sales Cloud - Wie geht das?IBsolution GmbH
Inhalt:
Wir geben Ihnen Impulse, wie Ihr Vertrieb vom Einsatz der SAP Sales Cloud profitieren kann. Dabei betrachten wir Prozesse, entscheidende Features und Funktionalitäten, die Ihnen helfen Abläufe zu verschlanken und Ihren Umsatz zu steigern.
Zielgruppe:
- Vertriebsleiter
- Vertriebsmitarbeiter
- IT Manager und CRM-Verantwortliche
Agenda:
1. SAP Sales Cloud in a nutshell
2. Best Practise Sales Prozesse in der SAP Sales Cloud
3. How to start
4. Live Demo - Vom Lead zur Opportunity und zum Auftrag
Mehr über uns:
Website: https://www.ibsolution.com/
Karriereportal: https://ibsolution.de/karriere/
Webinare: https://www.ibsolution.com/academy/webinare
YouTube: https://www.youtube.com/user/IBSolution
LinkedIn: https://de.linkedin.com/company/ibsolution-gmbh
Xing: https://www.xing.com/companies/ibsolutiongmbh
Facebook: https://de-de.facebook.com/IBsolutionGmbH/
Twitter: https://twitter.com/ibsolutiongmbh?lang=de
Instagram: https://www.instagram.com/ibsolution/?hl=de
Weitere Informationen: https://www.ibsolution.com/crm
Adtelligence Best Practice Use Case Guide Customer Lifecycle Management mit KIADTELLIGENCE GmbH
Kundendaten intelligent nutzen, Vertrieb optimieren - Best-Practice-Leitfaden für Kreditkartenanbieter
Ob neue Regulierungen beim Thema Datenschutz oder die Transformation des Banken- und Finanzsektors: Kreditkartenanbieter stehen zunehmend unter Druck. Hart umkämpft ist vor allem die Kundenschnittstelle. Es gilt, den Zugang zum Kunden zu gewinnen und zu halten.
Adtelligence ist ein führender Software-Anbieter für die KI-basierte Analyse von Kundendaten und Zahlungsvorgängen zur Optimierung der Vertriebs- und Marketingprozesse. Seit mehr als zehn Jahren unterstützen wir nationale und internationale Unternehmen dabei, ihren Umsatz in digitalen Kanälen entlang des Customer Lifecycle signifikant zu steigern - durch die Optimierung des Omnichannel-Kundenerlebnisses, indem wir die richtigen Personen zur richtigen Zeit über den richtigen Kanal mit der richtigen Botschaft ansprechen.
Jeder spricht über die digitale Transformation: wie können Sie als KMU das Thema angehen? Wir zeigen, welchen Einfluss die neuen Technologien auf Ihr Geschäftsmodell haben können, welche Voraussetzungen Sie in Management Ihrer IT schaffen sollten und welches die Kernerfolgsfaktoren der Umsetzung der digitalen Transformation sind.
Digital Banking in the Cloud: How Citizens Bank Unlocked Their MainframePrecisely
Inconsistent user experience and siloed data, high costs, and changing customer expectations – Citizens Bank was experiencing these challenges while it was attempting to deliver a superior digital banking experience for its clients. Its core banking applications run on the mainframe and Citizens was using legacy utilities to get the critical mainframe data to feed customer-facing channels, like call centers, web, and mobile. Ultimately, this led to higher operating costs (MIPS), delayed response times, and longer time to market.
Ever-changing customer expectations demand more modern digital experiences, and the bank needed to find a solution that could provide real-time data to its customer channels with low latency and operating costs. Join this session to learn how Citizens is leveraging Precisely to replicate mainframe data to its customer channels and deliver on their “modern digital bank” experiences.
Expertentalk: Datenqualität in der Hotellerie- und TourismusbrancheChristiane Pidde
Wie beeinflusst die Datenqualität Unternehmen der Hotellerie- und Tourismusbranche? Und wie können Gäste mit der Verarbeitung von Daten einfach glücklich gemacht werden?
BARC Was Datenmanagement Messbar Dazu Beitragen KannDataValueTalk
Was ist damit gemeint: “Integrierte Kundensicht?” Wie überträgt man diesen Begriff in die Praxis? Welchen (Mehr-) Nutzen bringt eine integrierte Sicht auf den Kunden? Und wie erstellt man hierfür sinnvolle ROI-Kalkulationen? Wichtige Fragen mit noch wichtigeren Antworten…
Während dieser interaktiven Session wird Human Inference anhand von praxisorientierten Beispielen demonstrieren, welche Vorteile sich für Ihr gesamtes Unternehmen durch die integrierte Sicht auf den Kunden ergeben.
Cross-Channel-Marketing ermöglicht es, einen Dialog mit Interessenten und Kunden entlang der verschiedenen Touchpoints und des Kundenlebenszyklus aufzubauen, um relevante und maßgeschneiderte Botschaften bereitzustellen.
Wie aber kann Cross-Channel-Marketing erfolgreich implementiert werden? Dieser Frage widmete sich das Adobe Cross-Channel Marketing Forum. Saphiron-Partner Nico Zorn steuerte die Keynote "Cross Channel Marketing 2016" bei.
Data Governance als Enabler für eine Data Driven Culture. Einführung einer Data Governance in einem Mittelständischen Unternehmen zum Konzern im Vergleich am Beispiel Unitymedia und Vodafone Germany.
EBE 2020 Datengetriebene Insights – Erfolgsfaktor im E-Commerce und Retail - ...E-Commerce Berlin EXPO
Andreas Sartison
Director Sales DACH Mapp
Immer noch entscheiden viele Unternehmen im E-Commerce und Einzelhandel aus dem Bauch heraus. Dadurch wird viel Potential verschenkt. Erfolgreiche Geschäfte basieren auf belastbaren, einfach umsetzbaren Insights. Hierfür sind Datenanalysen allein nicht ausreichend. Vielmehr geht es darum, ein Insight-basiertes Marketing im Cross-Channel zu realisieren. Mit der richtigen Strategie und Technologie können die Unternehmen in Echtzeit wertvolle Insights gewinnen, um Marketing-Aktivitäten hochgradig personalisiert anzustoßen und regelmäßig zu optimieren.
Andreas Sartison hat an den Universitäten Frankfurt/Main und Tübingen studiert ist ein ausgewiesener Webanalyse-Experte. Nach beruflichen Stationen bei IBM, AT&T, dem IT-Systemhaus Syscon und dem Webanalyse-Anbieter Nedstat (comScore) begann er 2012 als Senior Sales Manager bei Webtrekk. Seit 2016 verantwortete er als Head of Sales DACH & Eastern Europe die Vertriebsaktivitäten für den deutschsprachigen und ostmitteleuropäischen Raum. Nach der Webtrekk-Übernahme durch Mapp ist er als Director Sales für den DACH-Vertrieb der Gesamtgruppe zuständig.
Data Quality Management als Erfolgsfaktor für Ihr UnternehmenIBsolution GmbH
Inhalt:
In diesem Webinar ordnen wir zunächst Data Quality Management (DQM) ins Data Governance ein, wo sichergestellt wird, dass Daten einheitlich und diszipliniert verwaltet und gepflegt werden. Des Weiteren erläutern wir, was DQM grundsätzlich ist und welchen Mehrwert dies Ihrem Unternehmen bringen kann. Zum Schluss zeigen wir Ihnen erste Ansätze auf, wir Sie in Ihrem Unternehmen DQM umsetzen können.
Zielgruppe:
- IT-Führungskräfte
- Data Quality Manager
- Stammdaten-Verantwortliche
- Prozessverantwortliche der Fachbereiche
Agenda:
- Was ist Data Quality Management?
- Einordnung ins Data Governance
- Erste Ansätze zur Umsetzung in Ihrem Unternehmen
Mehr über uns:
Website: https://www.ibsolution.com/
Karriereportal: https://ibsolution.de/karriere/
Webinare: https://www.ibsolution.com/academy/webinare
YouTube: https://www.youtube.com/user/IBSolution
LinkedIn: https://de.linkedin.com/company/ibsolution-gmbh
Xing: https://www.xing.com/companies/ibsolutiongmbh
Facebook: https://de-de.facebook.com/IBsolutionGmbH/
Instagram: https://www.instagram.com/ibsolution/?hl=de
Das könnte Sie auch interessieren: https://www.ibsolution.com/academy/webinar-aufzeichnungen/management-consulting-studie-welchen-stellenwert-nimmt-data-governance-im-jahr-2023-ein
Mit der Digital Data Insights Studie von Professor Dr. Jürgen Seitz und Christian Sauer wollen die Autoren die Sicht der Praktiker, Experten und Entscheider auf das Thema Daten abbilden. Was denken die Macher über die richtigen Strategien und Taktiken im Umgang mit Daten? Welche praktischen Herausforderungen haben die Macher? Und wo liegen die Chancen in den nächsten Jahren?
Bedarfsprognosen für optimale WarenverfügbarkeitMathias Golombek
Bedarfsprognosen für optimale Warenverfügbarkeit
Der klassische Handel und E-Commerce bewegen sich immer auf einem schmalen Grat zwischen einem erhöhten Out-of-Stock-Risiko und Nichtverkäufen aufgrund zu hoher Margen. Die optimale Lagermenge eines Artikels zu kennen, bedeutet aber nicht nur, dass die Regale immer in der richtigen Menge gefüllt sind. Es senkt auch Folgekosten für Lagerung oder Logistik. Um solch wichtige Vorhersagen treffen zu können, benötigen Händler verlässliche und genaue Analysen, damit Über- wie auch Unterbestände in Zukunft der Vergangenheit angehören. Blue Yonder bietet mit seinen Predictive Applications eine sichere Entscheidungsbasis. Dabei kombiniert das Unternehmen die Intelligenz ihrer Software mit der Analysestärke von EXASolution.
BI und Big Data –Machen Sie mehr aus Ihren Daten
Vortrag von Meinert Jacobsen auf der CRM Expo 214 in Stuttgart -
Themen waren Datenanalyse, predictive analytics, BIG DATA, Smart Data, Statistik, Marketing, Analyse, etc.
Statistician: The sexy job of the next decade
Daten sind das neue Öl
Namechecker
Warenkorbanalyse
Datendarstellung, Hichert, Entwucklung China, SUCCESS - Standardisierung von Charts
Praxisbeispiel Möbelhändler
Score Modell - Entwicklung
ROI Betrachtung und Werbe-Effizienz
Optimierungs-Szenario
OOP, SIGS Datacom
B2B Marketing
BIG DATA
OBAMA - Whlsieg dank BIg data Analytics
Score-Modell auf Basis von Webseiten
Technisches Umsetzung von Datenqualitätsmaßnahmen mittels SAP MDG-DQMIBsolution GmbH
Inhalt:
In unserem ersten Webinar haben Sie bereits einen ersten Einblick ins Data Quality Management (DQM) bekommen. In diesem Webinar zeigen wir Ihnen nun erste Ansätze auf, wie Sie in Ihrem Unternehmen DQM technisch mit SAP MDG-DQM umsetzen können. Anhand vom Datenobjekt Business Partner werden mögliche Regeln sowie deren Umsetzung beispielhaft im System aufgezeigt.
Zielgruppe:
- IT-Führungskräfte
- Data Quality Manager
- SAP MDG-Verantwortliche
- Stammdaten-Verantwortliche
- Prozessverantwortliche der Fachbereiche
Agenda:
- Recap Webinar Teil 1 (Einführung DQM)
- Darstellung Use Case
- Live-Demo
Mehr über uns:
Website: https://www.ibsolution.com/
Karriereportal: https://ibsolution.de/karriere/
Webinare: https://www.ibsolution.com/academy/webinare
YouTube: https://www.youtube.com/user/IBSolution
LinkedIn: https://de.linkedin.com/company/ibsolution-gmbh
Xing: https://www.xing.com/companies/ibsolutiongmbh
Facebook: https://de-de.facebook.com/IBsolutionGmbH/
Instagram: https://www.instagram.com/ibsolution/?hl=de
Das könnte Sie auch interessieren: https://www.ibsolution.com/academy/webinar-aufzeichnungen/management-consulting-data-quality-management-als-erfolgsfaktor-f%C3%BCr-ihr-unternehmen
Im Customer Experience Management liegen signifikante Umsatz- und Effizienzpotenziale noch brach, die durch den Einsatz von end-to-end Monitoringtools gehoben werden können. End-to-end Monitoringtools erfassen Echtzeitdaten bzgl. der Netzperformance, dem Kundenverhalten und der Kundenzufriedenheit vom Backhaul bis zum Endgerät. Unternehmen anderer Branchen machen es bereits deutlich vor, wie mit Hilfe von gezielten und kontinuierlicher Auswertung von Daten eine ausgezeichnete Wettbewerbsposition im Markt erreicht werden kann.
Trotz Herausforderungen bei der systemischen und infrastrukturellen Integration neuer Moni- toringtools sowie Bedenken bzgl. Datenschutz und der Akzeptanz einer derartigen Lösung, können signifikante Wettbewerbsvorteile erzielt werden. Über weitreichende Use Cases im Bereich der Netzinvestitionen, des Customer Service sowie des Produktmanagements und CRM, können Kosten gesenkt, Umsätze geschützt bzw. gesteigert sowie die Kundenzufriedenheit deutlich gestärkt werden.
Umsatz steigern mit der SAP Sales Cloud - Wie geht das?IBsolution GmbH
Inhalt:
Wir geben Ihnen Impulse, wie Ihr Vertrieb vom Einsatz der SAP Sales Cloud profitieren kann. Dabei betrachten wir Prozesse, entscheidende Features und Funktionalitäten, die Ihnen helfen Abläufe zu verschlanken und Ihren Umsatz zu steigern.
Zielgruppe:
- Vertriebsleiter
- Vertriebsmitarbeiter
- IT Manager und CRM-Verantwortliche
Agenda:
1. SAP Sales Cloud in a nutshell
2. Best Practise Sales Prozesse in der SAP Sales Cloud
3. How to start
4. Live Demo - Vom Lead zur Opportunity und zum Auftrag
Mehr über uns:
Website: https://www.ibsolution.com/
Karriereportal: https://ibsolution.de/karriere/
Webinare: https://www.ibsolution.com/academy/webinare
YouTube: https://www.youtube.com/user/IBSolution
LinkedIn: https://de.linkedin.com/company/ibsolution-gmbh
Xing: https://www.xing.com/companies/ibsolutiongmbh
Facebook: https://de-de.facebook.com/IBsolutionGmbH/
Twitter: https://twitter.com/ibsolutiongmbh?lang=de
Instagram: https://www.instagram.com/ibsolution/?hl=de
Weitere Informationen: https://www.ibsolution.com/crm
Adtelligence Best Practice Use Case Guide Customer Lifecycle Management mit KIADTELLIGENCE GmbH
Kundendaten intelligent nutzen, Vertrieb optimieren - Best-Practice-Leitfaden für Kreditkartenanbieter
Ob neue Regulierungen beim Thema Datenschutz oder die Transformation des Banken- und Finanzsektors: Kreditkartenanbieter stehen zunehmend unter Druck. Hart umkämpft ist vor allem die Kundenschnittstelle. Es gilt, den Zugang zum Kunden zu gewinnen und zu halten.
Adtelligence ist ein führender Software-Anbieter für die KI-basierte Analyse von Kundendaten und Zahlungsvorgängen zur Optimierung der Vertriebs- und Marketingprozesse. Seit mehr als zehn Jahren unterstützen wir nationale und internationale Unternehmen dabei, ihren Umsatz in digitalen Kanälen entlang des Customer Lifecycle signifikant zu steigern - durch die Optimierung des Omnichannel-Kundenerlebnisses, indem wir die richtigen Personen zur richtigen Zeit über den richtigen Kanal mit der richtigen Botschaft ansprechen.
Jeder spricht über die digitale Transformation: wie können Sie als KMU das Thema angehen? Wir zeigen, welchen Einfluss die neuen Technologien auf Ihr Geschäftsmodell haben können, welche Voraussetzungen Sie in Management Ihrer IT schaffen sollten und welches die Kernerfolgsfaktoren der Umsetzung der digitalen Transformation sind.
Ähnlich wie Potenziale erkennen & Innovationen erfolgreich nutzen (20)
Digital Banking in the Cloud: How Citizens Bank Unlocked Their MainframePrecisely
Inconsistent user experience and siloed data, high costs, and changing customer expectations – Citizens Bank was experiencing these challenges while it was attempting to deliver a superior digital banking experience for its clients. Its core banking applications run on the mainframe and Citizens was using legacy utilities to get the critical mainframe data to feed customer-facing channels, like call centers, web, and mobile. Ultimately, this led to higher operating costs (MIPS), delayed response times, and longer time to market.
Ever-changing customer expectations demand more modern digital experiences, and the bank needed to find a solution that could provide real-time data to its customer channels with low latency and operating costs. Join this session to learn how Citizens is leveraging Precisely to replicate mainframe data to its customer channels and deliver on their “modern digital bank” experiences.
AI-Ready Data - The Key to Transforming Projects into Production.pptxPrecisely
Moving AI projects from the laboratory to production requires careful consideration of data preparation. Join us for a fireside chat where industry experts, including Antonio Cotroneo (Director, Product Marketing, Precisely) and Sanjeev Mohan (Principal, SanjMo), will discuss the crucial role of AI-ready data in achieving success in AI projects. Gain essential insights and considerations to ensure your AI solutions are built on a solid foundation of accurate, consistent, and context-rich data. Explore practical insights and learn how data integrity drives innovation and competitive advantage. Transform your approach to AI with a focus on data readiness.
Building a Multi-Layered Defense for Your IBM i SecurityPrecisely
In today's challenging security environment, new vulnerabilities emerge daily, leaving even patched systems exposed. While IBM works tirelessly to release fixes as they discover vulnerabilities, bad actors are constantly innovating. Don't settle for reactive defense – secure your IT with a layered approach!
This holistic strategy builds multiple security walls, making it far harder for attackers to breach your defenses. Even if a certain vulnerability is exploited, one of the controls could stop the attack or at least delay it until you can take action.
Join us for this webcast to hear about:
• How security risks continue to evolve and change
• The importance of keeping all your systems patched an up-to-date
• A multi-layered approach to network, system object and data security
Navigating the Cloud: Best Practices for Successful MigrationPrecisely
In today's digital landscape, migrating workloads and applications to the cloud has become imperative for businesses seeking scalability, flexibility, and efficiency. However, executing a seamless transition requires strategic planning and careful execution. Join us as we delve into the insightful insights around cloud migration, where we will explore three key topics:
i. Considerations to take when planning for cloud migration
ii. Best practices for successfully migrating to the cloud
iii. Real-world customer stories
Unlocking the Power of Your IBM i and Z Security Data with Google ChroniclePrecisely
In today's ever-evolving threat landscape, any siloed systems, or data leave organizations vulnerable. This is especially true when mission-critical systems like IBM i and IBM Z mainframes are not included in your security planning. Valuable security data from these systems often remains isolated, hindering your ability to detect and respond to threats effectively.
Ironstream and bridge this gap for IBM systems by integrating the important security data from these mission-critical systems into Google Chronicle where it can be seen, analyzed and correlated with the data from other enterprise systems Here's what you'll learn:
• The unique challenges of securing IBM i and Z mainframes
• Why traditional security tools fall short for mainframe data
• The power of Google Chronicle for unified security intelligence
• How to gain comprehensive visibility into your entire IT ecosystem
• Real-world use cases for integrating IBM i and Z security data with Google Chronicle
Join us for this webcast to hear about:
• The unique challenges of securing IBM i and IBM Z systems
• Real-world use cases for integrating IBM i and IBM Z security data with Google Chronicle
• Combining Ironstream and Google Chronicle to deliver faster threat detection, investigation, and response times
Unlocking the Potential of the Cloud for IBM Power SystemsPrecisely
Are you considering leveraging the cloud alongside your existing IBM AIX and IBM I systems infrastructure? There are likely benefits to be realized in scalability, flexibility and even cost.
However, to realize these benefits, you need to be aware of the challenges and opportunities that come with integrating your IBM Power Systems in the cloud. These challenges range from data synchronization to testing to planning for fallback in the event of problems.
Join us for this webcast to hear about:
• Seamless migration strategies
• Best practices for operating in the cloud
• Benefits of cloud-based HA/DR for IBM AIX and IBM i
Crucial Considerations for AI-ready Data.pdfPrecisely
This document discusses the importance of ensuring data is ready for AI applications. It notes that while most businesses invest in AI, only 4% of organizations say their data is truly AI-ready. It identifies several issues that can arise from using bad data for AI, including bias, poor performance, and inaccurate predictions. The document advocates for establishing strong data governance, quality practices, and integration capabilities to address issues like completeness, validity, and bias. It provides examples of how two companies leveraged these approaches to enhance their AI and machine learning models. The document emphasizes that achieving trusted AI requires a focus on data integrity throughout the data journey from generation to activation.
Hyperautomation and AI/ML: A Strategy for Digital Transformation Success.pdfPrecisely
This document discusses how to empower businesses through worry-free data processing. Key steps include collecting and organizing relevant business data, developing efficient processes for analyzing and interpreting the data, and using insights from the data to help businesses make better decisions and improve their operations in a sustainable way over time.
It can be challenging display and share capacity data that is meaningful to end users. There is an overabundance of data points related to capacity, and the summarization of this data is difficult to construct and display.
You are already spending time and money to handle the critical need to manage systems capacity, performance and estimate future needs. Are you it spending wisely? Are you getting the level of results from your investment that you really need? Can you prove it?
The good news is that the return on investment of implementing capacity management and capacity planning is most definitely positive and provable, both in terms of tangible monetary value and in some less tangible but no-less-valuable benefits.
Join us for this webinar and learn:
• Top Trends in Capacity Management
• Common customer pain points
• Ways to demonstrate these benefits to your company
Automate Studio Training: Materials Maintenance Tips for Efficiency and Ease ...Precisely
Ready to improve efficiency, provide easy to use data automations and take materials master (MM) data maintenance to the next level?
Find out how during our Automate Studio training on March 28 – led by Sigrid Kok, Principal Sales Engineer, and Isra Azam, Sales Engineer, at Precisely.
This session’s for you if you want to discover the best approaches for creating, extending or maintaining different types of materials, as well as automating the tricky parts of these processes that slow you down.
Greater control over your Automate Studio business processes means bigger, better results. We’ll show you how to enable your business users to interact with SAP from Microsoft Office and other familiar platforms – resulting in more efficient SAP data management, along with improved data integrity and accuracy.
This 90-minute session will be filled with a variety of topics, including:
real world approaches for creating multiple types of materials, balancing flexibility and power with simplicity and ease of use
tips on material creation, including
downloading the generated material number
using formulas to format prior to upload, such as capitalization or zero padding to make it easy to get the data right the first time
conditionally require fields based on other field entries
using LOV for fields that are free form entry for standard values
tips on modifying alternate units of measure, building from scratch using GUI scripting
modify multiple language descriptions, build from scratch using a standard BAPI
make end-to-end MM process flows more of a reality with features including APIs and predictive AI
Through these topics, you’ll gain plenty of actionable takeaways that you can start implementing right away – including how to:
improve your data integrity and accuracy
make scripts flexible and usable for automation users
seamlessly handle both simple and complex parts of material master
interact with SAP from both business user and script developers’ perspectives
easily upload and download data between SAP and Excel – and how to format the data before upload using simple formulas
You’ll leave this session feeling ready and empowered to save time, boost efficiency, and change the way you work.
Automate Studio reduces your dependency on technical resources to help you create automation scenarios – and our team of experts is here to make sure you get the most out of our solution throughout the journey.
Questions? Sigrid & Isra will be ready to answer them during a live Q&A at the end of the session.
Who should attend:
Attendees who will get the most out of this session are Automate Studio developers and runners familiar with SAP MM. Knowledge of Automate Studio script creation is nice to have, but not required.
Leveraging Mainframe Data in Near Real Time to Unleash Innovation With Cloud:...Precisely
Join us for an insightful roundtable discussion featuring experts from AWS, Confluent, and Precisely as they delve into the complexities and opportunities of migrating mainframe data to the cloud.
In this engaging webinar, participants will learn about the various considerations, strategies, and customer challenges associated with replicating mainframe data to cloud environments.
Our panelists will share practical insights, real-world experiences, and best practices to help organizations successfully navigate this transformative journey.
Whether you're considering migrating and modernizing your mainframe applications to cloud, or augmenting mainframe-based applications with data replication to cloud, this roundtable will provide valuable perspectives and insights to maximize the benefits of migrating mainframe data to the cloud.
Join us on March 27 to gain a deeper understanding of the opportunities and challenges in this evolving landscape.
Data Innovation Summit: Data Integrity TrendsPrecisely
Data integrity remains an evolving process of discovery, identification, and resolution. With an all-time low in public confidence on data being used for decision-making, attention has gradually shifted to data quality and data integration across multiple systems and frameworks. Data integrity becomes a focal point again for companies to make strategic moves in a world facing an evolving economy.
Key takeaways:
· How to build a data-driven culture within your organization
· Tips to engage with key stakeholders in your business and examples from other businesses around the world
· How to establish and maintain a business-first approach to data governance
· A summary of the findings from a recent survey of global data executives by Drexel University's LeBow College of Business
AI You Can Trust - Ensuring Success with Data Integrity WebinarPrecisely
Artificial Intelligence (AI) has become a strategic imperative in a rapidly evolving business landscape. However, the rush to embrace AI comes with risks, as illustrated by instances of AI-generated content with fake citations and potentially dangerous recommendations. The critical factor underpinning trustworthy AI is data integrity, ensuring data is accurate, consistent, and full of rich context.
Attend our upcoming webinar, "AI You Can Trust: Ensuring Success with Data Integrity," as we explore organizational challenges in maintaining data integrity for AI applications and real-world use cases showcasing the transformative impact of high-integrity data on AI success.
During this panel discussion, we'll highlight everything from personalized recommendations and AI-powered workflows to machine learning applications and innovative AI assistants.
Key Topics:
AI Use Cases with Data Integrity: Discover how data integrity shapes the success of AI applications through six compelling use cases.
Solving AI Challenges: Uncover practical solutions to common AI challenges such as bias, unreliable results, lack of contextual relevance, and inadequate data security.
Three Considerations of Data Integrity for AI: Learn the essential pillars—complete, trusted, and contextual—that underpin data integrity for AI success.
Precisely and AWS Partnership: Explore how the collaboration between Precisely and Amazon Web Services (AWS) addresses these challenges and empowers organizations to achieve AI-ready data.
Join our panelists to unlock the full potential of AI by starting your data integrity journey today. Trust in AI begins with trusted data – let's future-proof your AI together.
Less Bias. More Accurate. Relevant Outcomes.
3. Veränderung
COVID is accelerating the drive to all things digital
Produktivität
und Umsatz
steigern
WACHSEN SCHÜTZEN
Kundenerlebnis
verbessern
Neue Produkt-
und Service-
Angebote
Operatives Risiko
Regulatorisches /
Rechtliches Risiko
Finanzielles Risiko
Neue Geschäfts-
modelle
Strategisches /
Reputationsrisiko
VERÄNDERUNG
3
4. Challenges
(Examples)
Customer
Intelligence
Digital
First
• Vollständiges Verständnis des Kunden
und seines Lifetime Values, um
bessere Kundenerlebnisse zu schaffen
• Bieten Sie Personalisierung und ein
nahtloses Erlebnis auf allen Kanälen,
insbesondere auf den vom Kunden
bevorzugten Kanälen.
Risk &
Compliance
Data
Democratization
• Transparenz in der Lieferkette, um die
Auswirkungen von Risikoereignissen auf
das Geschäft zu verstehen und Risiken
besser zu minimieren
• Erfüllen Sie Vorschriften wie
Sanktionslisten, GDPR, lokale US-
Steuerbestimmungen
• Erweiterter Zugriff auf vertrauenswürdige
Unternehmensdaten für zusätzliche
Analysen und Geschäftseinblicke
Supply Chain
Optimization
• Vollständige Sicht auf Lieferanten und
Unterlieferanten über alle
Geschäftsbereiche hinweg, um die
Beziehungen zu verstehen und so den
Einblick in die Lieferkette und die
Entscheidungsfindung zu verbessern
und die Widerstandsfähigkeit der
Lieferkette zu erhöhen.
Data
Monetization
• Nutzen Sie Daten, die durch den
Geschäftsbetrieb generiert
werden, verfügbare exogene
Daten oder Inhalte sowie Daten
im Zusammenhang mit dem
Internet der Dinge (IoT).
4
5. Hybrid Cloud
68%
der Unternehmen
gaben an, dass sich
verteilte Daten negativ
auf ihr Unternehmen
auswirken 2
Streaming
92%
der Firmen stimmen
zu, dass sie die
Nutzung von
externen Daten
erhöhen müssen 5
Location
47%
der neu erstellten
Datensätze haben
mindestens einen
kritischen Fehler 3
AI
54%
der Unternehmen, die
durch einen Mangel an
Daten-Location
Intelligence
herausgefordert
werden 4
der CEOs sind besorgt über die Integrität der
Daten, auf die sie ihre Entscheidungen stützen1
Sources: 1. Forbes, 2. Data Trends Survey 2019, 3. Harvard Business Review, 4. IDC, 5. Forrester
84%
5
6. Data Maturity
6
A worldwide survey of 196 organizations by Gartner, Inc. showed that
91 percent of organizations have not yet reached a "transformational"
level of maturity in data and analytics, despite this area being
a number one investment priority for CIOs in recent years.
"Most organizations should be doing better with data and analytics,
given the potential benefits," said Nick Heudecker, research vice
president at Gartner. "Organizations at transformational levels of
maturity enjoy increased agility, better integration with partners and
suppliers, and easier use of advanced predictive and prescriptive
forms of analytics. This all translates to competitive advantage and
differentiation."
The global survey asked respondents to rate their organizations
according to Gartner's five levels of maturity for data and analytics.
It found that 60 percent of respondents worldwide rated themselves
in the lowest three levels.
https://www.gartner.com/en/newsroom/press-releases/2018-02-05-gartner-survey-shows-
organizations-are-slow-to-advance-in-data-and-analytics
Gartner Data Maturity Model
Gartner Survey Shows Organizations Are
Slow to Advance in Data and Analytics
Stamford, Conn.
7. Vertrauenswürdige Daten für den Wandel
Datenquellen Datenkonsumenten
Datensilos
Mainframe,
IBM i
Relationale
Datenbanken,
EDW, DBMS
Dateien,
XML, JSON
Hadoop,
HDFS
Sensor
Geoinformation
?
Erkenntnisse
CRM, ERP,
E-Commerce
7
Analytics, BI,
Reporting
Billing, Omni Channel
Communication,
Customer Service
Finance, Sales,
Marketing, SCM,
PIM, Field Service,
Logistics,
Governance, Risk
Management
Cloud Plattformen & DWHs
Data Analytics Plattformen, BI, LI
Geschäftsprozesse & Applikationen
ML, AI
8. Vertrauenswürdige Daten für den Wandel
Datenquellen Datenkonsumenten
Datenfabrik
8
Datensilos
Mainframe,
IBM i
Relationale
Datenbanken,
EDW, DBMS
Dateien,
XML, JSON
Hadoop,
HDFS
Sensor
Geoinformation
CRM, ERP,
E-Commerce
Erkenntnisse
Analytics, BI,
Reporting
Billing, Omni Channel
Communication,
Customer Service
Finance, Sales,
Marketing, SCM,
PIM, Field Service,
Logistics,
Governance, Risk
Management
Cloud Plattformen & DWHs
Data Analytics Plattformen, BI, LI
Geschäftsprozesse & Applikationen
ML, AI
9. Manuelle Datenerfassung und
-verwaltung
Vertrauenswürdige Daten - Schritt für Schritt
Ergebnisse erzielen:
Datenanalytik zur
Verbesserung der
Entscheidungsfindung
Erhöhung der Datenreife - Von Rohdaten zu vertrauenswürdigen Daten
9
Master Data Konsolidierung
Matchen &
verlinken
Deduplizieren
Datenqualität und -
anreicherung
Data Profiling
Scorecards
Parsen &
Normalisieren
Bereinigen &
Standardisieren
Anreicherung von
Firmendaten
Anreicherung von
Kundendaten
Anreicherung von
Standortinformationen
Datenmanagementfunktionen
Automatisierte
Datenerfassung und -
integration
Business Glossary
Modellierung
Lineage
Datenkataloge
Datenintegration
360° Sicht auf das
Unternehmen
Graph
Datenquellen Datenkonsumenten
Datenfabrik
Datensilos
Mainframe,
IBM i
Relationale
Datenbanken,
EDW, DBMS
Dateien,
XML, JSON
Hadoop,
HDFS
Sensor
Geoinformation
CRM, ERP,
E-Commerce
Erkenntnisse
Analytics, BI,
Reporting
Billing, Omni Channel
Communication,
Customer Service
Finance, Sales,
Marketing, SCM,
PIM, Field Service,
Logistics,
Governance, Risk
Management
Cloud Plattformen & DWHs
Data Analytics Plattformen, BI, LI
Geschäftsprozesse & Applikationen
ML, AI
10. Datenquellen Datenintegrität Datenkonsumenten
Datenintegrität - ein ganzheitlicher Ansatz
Datenintegrität ist eine Reise
10
Manuelle Datenerfassung und
-verwaltung
Ergebnisse erzielen:
Datenanalytik zur
Verbesserung der
Entscheidungsfindung
Master Data Konsolidierung
Datenqualität und -
anreicherung
360° Sicht auf das
Unternehmen
Automatisierte
Datenerfassung und -
integration
ENRICH
VISUALIZE
PUBLISH
MODEL
CONNECT DISCOVER
CATALOG
CLEAN
LOCATE
Datensilos
Mainframe,
IBM i
Relationale
Datenbanken,
EDW, DBMS
Dateien,
XML, JSON
Hadoop,
HDFS
Sensor
Geoinformation
CRM, ERP,
E-Commerce
Erkenntnisse
Analytics, BI,
Reporting
Billing, Omni Channel
Communication,
Customer Service
Finance, Sales,
Marketing, SCM,
PIM, Field Service,
Logistics,
Governance, Risk
Management
Cloud Plattformen & DWHs
Data Analytics Plattformen, BI, LI
Geschäftsprozesse & Applikationen
ML, AI
11. Supply Chain Data Optimization
ZIEL
• Die M&T-Abteilung von Babcock muss
genaue Daten und Informationen
erstellen, verwalten und verwerten
• Globales Wachstum des Unternehmens
und Sicherung eines kontinuierlichen
Wettbewerbsvorteils durch effektives
Datenmanagement
• Die genaue und kompetente Verwaltung
der riesigen Datenmengen, die mit der
Lieferkette verbunden sind, ist
entscheidend für die Maximierung der
Effizienz und die Minimierung der Kosten
HERAUSFORDERUNGEN
• Verwalten Sie Daten zu >1 Million Teilen
und Waren von über 3.000 Lieferanten
• Integrieren Sie komplexe Daten
unterschiedlicher Qualität aus
verschiedenen Systemen
“Daten sind die DNA
unserer Lieferkette.
Datenvollständigkeit und
-genauigkeit sind
entscheidend für unsere
aktuellen und
zukünftigen Aktivitäten in
einem zunehmend
wettbewerbsorientierten
Markt.”
Andy Chapell
Head of Supply Chain
Capability
LÖSUNG
• Precisely Discovery bewertet zuverlässig die
Vollständigkeit und Genauigkeit von Daten
• Supply-Chain-Anwender mit Precisely Discovery
überprüfen fehlerhafte Datenzeilen und
exportieren Daten, um Inkonsistenzen schnell und
präzise zu beheben
NUTZEN
• Weniger Nacharbeit = weniger Kosten
• Verbesserung der Qualität der
Lieferantenstammdaten um 23%.
4 von 11 Geschäftsbereichen haben das Ziel von
98 % Datenqualität erreicht,
6 weitere haben 95 % überschritten
• Verbessertes Reporting, Analyse ==> verbesserte
Entscheidungsfindung
• Schnellere Bereitstellung von IT-Anwendungen
• Verbesserte Einhaltung von Vorschriften und
Branchenstandards
Babcock Marine &
Technology
11
12. Personalisierte Kundenbeziehungen
ZIEL
• Aufbau noch stärker personalisierter
Kundenbeziehungen
HERAUSFORDERUNGEN
• Siloartige Systeme
• Die Duplizierung von Kundendatensätzen
innerhalb von CRM beeinträchtigte die
Kundentransparenz
• Kunden erhielten mehrfaches
Marketingmaterial, was die
Marketingkosten erhöhte und das
Kundenerlebnis beeinträchtigte
• Risiko, die Anforderungen der EU-
DSGVO nicht zu erfüllen
“Die besten
Geschäftsentscheidungen
beruhen auf Daten. Die
meisten operativen und
analytischen
Geschäftsprozesse
stützen sich auf eine
solide, hochwertige
Datengrundlage und eine
einheitliche Sicht auf
unsere Kunden.”
Giang Pham-Dac, Customer
Master Data Manager,
L’Occitane Group
LÖSUNG
• Data Lake einrichten und Precisely Master Data
Management (MDM) Lösung nutzen
NUTZEN
• Schnelle Integration von 19 Standalone-Systemen
inkl. CRM, E-Commerce, Auftragsmanagement,
API-Management, Kundenbetreuung und
Zahlungssystemen
• Einfaches Management der EU-DSGVO-
Konformität mit eingebauten Regeln
• Reduzierung des De-Duplizierungsprozesses von
Kundeninformationen von 150 Minuten auf
weniger als 5 Minuten
• De-Duplizierungsprozess jetzt täglich statt
wöchentlich
• Marketingmaßnahmen können auf einen Kunden
zugeschnitten werden, basierend auf seiner
Kaufhistorie, seinen Standorten und Vorlieben.
• Kontakt in Echtzeit
• Besseres, personalisiertes und reibungsloses
Kundenerlebnis
L’Occitane
12
Guten Tag und herzlich willkommen zur heutigen Coffee & Learn Veranstaltung, in der wir einen Ausflug in die Welt der Daten machen wollen - und deren Bedeutung im Kontext der digitalen Transformation näher betrachten.
Mein Name ist Burchard Hillmann-Koester, Account Manager bei Precisely, wo ich für die Branchen Manufacturing und Retail in der DACH-Region zuständig bin. In meinen mehr als 20 Jahren in der IT-Branche ist "Data as an Asset" ein ständiger Begleiter und Grundlage für die kontinuierlichen Veränderungen. Datenintegrität ist für die digitale Transformation ein Erfolgsfaktor.
Im Wettlauf um die digitale Transformation investieren alle Branchen immer mehr in neue Technologien, wie z. B.
Big Data,
Künstliche Intelligenz , oder
das Internet der Dinge.
Zugegeben, die digitale Transformation ist als Begriff nicht mehr ganz neu und wirkt ein wenig abgedroschen. Dennoch werden nach wie vor riesige Investitionen getätigt und die eigentlichen Treiber und Motivationen sind offenbar immer noch allgegenwärtig.
IDC beispielsweise beziffert die weltweiten Investitionen im Jahr 2020 auf 1,3 Billionen US Dollar und prognostiziert Ausgaben von 2,3 Billionen US Dollar im Jahr 2023 - das sind gewaltige Summen.
Was erwarten Unternehmen also von der digitalen Transformation?
Was sind die Treiber und was sind die Erfolgsfaktoren?
Warum überhaupt transformieren, und wenn ja, mit welchem Ziel?
Was sind Voraussetzungen für den Erfolg?
Mit stärkeren
Kundenerwartungen,
den gestiegenen Anforderungen an die Individualisierung,
der Komplexität der globalen Lieferkette und
wechselnden Vorschriften,
besteht bei Herstellern Veränderungsbedarf, den sie durch digitale Transformation und digitale Optimierung zu erreichen versuchen.
In der Industrie ist z.B. das Hauptziel, durch Senkung der Herstellungs- und Logistikkosten zu wachsen z.B. die Stärkung der Rückverfolgbarkeit und Transparenz innerhalb der Lieferkette
Andere Beispiele zu Wachsen sind
die Verbesserung der Kundenerfahrung,
die Entwicklung neuer Produkte und Serviceangebote,
die Schaffung neuer Geschäftsmodelle.
Auf der anderen Seite müssen sich Unternehmen geleichzeitig vor verschiedenen Arten von Risiken schützen, wie es hier zu sehen ist.
Um diese Ziele zu erreichen, ist die Qualitätskontrolle eine eminent wichtige Voraussetzung - in der physischen Welt der Fertigung ebenso wie in der digitalen Welt.
Jedes Industrieunternehmen hat eine sehr gute Qualitätskontrolle für seine bestehenden physischen Produktionsprozesse, um Kosten zu reduzieren, die Effizienz zu verbessern und Qualitätsprodukte zu liefern.
Stellen Sie sich vor, was es bedeutet, ein Auto auszuliefern, bei dem der Motor nicht funktioniert, weil niemand die Motoren vorher getestet hat?
Was wären die Kosten, wenn Sie die Rückrufe Ihrer Produkte durchführen müssten, um das zu beheben?
Was wäre das für ein Kundenerlebnis?
Was würde es für Ihre Marke und Ihren Umsatz bedeuten?
Wenn Sie eine Datenlieferkette (Data Supply Chain) mit einer schwachen Qualitätskontrolle haben, hat das die gleichen Auswirkungen auf Ihr Unternehmen!
Lassen Sie uns einen Blick auf einige Initiativen in der Industrie werfen, bei denen vertrauenswürdige Daten eine Grundvoraussetzung sind.
Wir sehen, dass unsere Kunden und Interessenten mehr über die Monetarisierung von Daten sprechen, wobei sie die Daten, die durch Geschäftsvorgänge und Sensoren generiert werden, innerhalb neuer Analyseplattformen nutzen möchten.
Um diese Daten zu nutzen, müssen Sie sicher sein, dass die Daten von guter Qualität sind.
Wir unterstützen viele Kunden dabei, aber wir sind auch einer der weltweit führenden Anbieter von Daten und wissen, worauf es bei der
Integration,
Harmonisierung und
Anreicherung von Daten ankommt,
um qualitativ hochwertige Datensätze zu erstellen, die für Datenanalysen und zur Anreicherung von Stammdaten genutzt werden können.
Zum Beispiel unterstützen wir führende Telekommunikationsanbieter mit ihren massiven Datenmengen von mobilen Geräten, indem wir unsere Geofunktionalitäten innerhalb von Big-Data-Frameworks sowie unsere globalen Datensätze nutzen. Intern wird es z. B. zur Verbesserung von Dienstleistungen sowie für Marketingkampagnen genutzt, die den Wettbewerb wirklich herausfordern. Extern wird es genutzt, um Datenprodukte für andere Organisationen bereitzustellen, die mehr über die Mobilität der Verbraucher verstehen wollen.
Customer Intelligence und Digital First sind Themen, die ich vor allem in der Automobil-, CPG- und Luxusgüterindustrie erlebe.
So helfen wir beispielsweise einem führenden Anbieter von neuen Premium-Mobilitätsdiensten in Deutschland, sein Wachstumsziel und seine Wettbewerbsfähigkeit zu unterstützen, indem wir den internen Aktivierungsprozess für seine Geschäftskunden von 48 Stunden auf etwa eine Minute reduzieren.
Wir konnten dies erreichen, indem wir sichergestellt haben, dass die von den Kunden eingegebenen Daten in Echtzeit
validiert,
korrigiert und
mit den von der Regulierungsbehörde geforderten Informationen angereichert werden,
so dass der Prozess weiter automatisiert werden konnte und ein erstklassiges Kundenerlebnis bietet
Die Nachfrage nach Datendemokratisierung durch Datenkataloge sehen wir vor allem bei Data-Science-Teams, die
den Aufwand für die Suche nach den richtigen Daten reduzieren und
die Qualität der Daten verstehen möchten, die sie gerne nutzen möchten, wenn es der Gesetzgeber erlaubt.
Ein Pharmaunternehmen benötigte zum Beispiel Unterstützung beim Aufbau eines Datenkatalogs, aber auch bei der Visualisierung und dem Verständnis der Beziehungen zwischen Datensätzen, Merkmalen, Algorithmen, KPIs und Schemata, um eine einheitliche Sicht zu erhalten.
Ein Dauerthema ist die Supply-Chain-Optimierung sowie Risk & Compliance. Eine zentrale Ansicht verbessert die Sichtbarkeit und erhöht die Transparenz der Lieferantendaten für ein vertrauenswürdiges Verständnis aller Beziehungen und verbesserte Einblicke in die Lieferkette und Entscheidungsfindung.
Ein großes Life-Sciences-Unternehmen benötigte akkurate Handelspartner-Datensätze, um das finanzielle Risiko zu reduzieren, und brauchte unsere Unterstützung, um die Stammdaten in seinen Systemen zu verbessern. Zum Beispiel kann eine unsachgemäße Lieferung von Produkten Kosten von bis zu 2 Millionen Dollar pro Sendung verursachen.
Was wir aber auch sehen, dass die technischen und fachlichen Möglichkeiten von Unternehmen zu Unternehmen unterschiedlich sind. Womit wir bei der Realität wären.
Die Herausforderungen für unsere Kunden sind
Transparenz über die vorhandenen Daten und deren Qualität,
Data Governance bereitzustellen,
Golden Records zu erstellen und
interne Daten mit externen Daten für mehr Kontext anzureichern.
Wir sehen, dass Fertigungsunternehmen immer noch mit der Verwaltung der Integrität ihrer Daten zu kämpfen haben und nun vor Herausforderungen stehen, wie z. B. der Schwierigkeit
Investitionen zurückgewinnen,
automatisierte datengesteuerte Geschäftsprozesse aufzubauen,
Risiken zu vermeiden,
eine angemessene Daten-Governance und Demokratisierung zu gewährleisten, sowie
Innovation in großem Umfang vorantreiben, um
auf die Veränderungen von Geschäftsmodellen zu reagieren, oder
die Kundenabwanderungsrate zu senken, oder
Änderungen in der Regulierung zu adressieren
We see, manufacturing companies are still struggling with managing the integrity of their data and now facing challenges such as difficulty to
recover investments,
automated data driven business process,
avoid risk,
ensure proper data governance and democratization, as well as
drive innovation at a large scale, in order to
respond to the changes in business models, or
decrease customer churn rates, or
changes in regulation
Gartner hat zum Beispiel einige Berechnungen angestellt und beziffert den durchschnittlichen finanziellen Verlust für Unternehmen, die nichts gegen ihre schlechten Daten unternehmen, auf etwa 9,7 Millionen Dollar pro Jahr.
Wie Sie auf dieser Folie sehen können, gibt es einige Studien zum aktuellen Stand des Datenmanagements, die zumindest deutliche Hinweise darauf geben, dass
der Umgang mit Daten,
ihre Verfügbarkeit,
Qualität und
Integrität
teilweise weit von dem entfernt sind, was man als wirklich gut bezeichnen kann.
Stellen Sie sich vor, nur 16 % der CEOs würden der Qualitätskontrolle ihrer physischen Produktionsprozesse vertrauen - was würden sie tun?
Gerade in Bezug auf digitale Prozesse gibt es noch viel zu tun, da die digitale Transformation darauf abzielt, dass immer mehr Entscheidungen auf Basis von automatisierten Prozessen und künstlicher Intelligenz getroffen werden.
Umso wichtiger ist es, die Qualitätskontrolle zu betrachten, da Daten und Datenanalysen zunehmend zu Waffen im Wettbewerb der führenden Unternehmen und sogar als Beschleuniger im Kontext der Digitalisierung werden, wie Gartner feststellt.
Bis Ende 2022, so prognostiziert Gartner, werden 90 % aller Unternehmensstrategien
Informationen als kritischen Unternehmenswert und
Analytik als eine wesentliche Kompetenz.
Als Konsequenz dieser Entwicklung sehen wir, dass Daten und Datenanalytik zunehmend in den Fokus unternehmerischen Handelns rücken und Kernelemente von Strategie und Investitionen bilden werden.
Und dieses Bild wird auch durch eine Gartner-Studie bestätigt. Demnach haben
91% der befragten Unternehmen die Transformationsstufe des Data Maturity Models noch nicht erreicht haben, und
60 % der befragten Unternehmen ordnen sich sogar in den untersten drei Stufen ein.
Aber die Entwicklung aller "übergeordneten" Analytik-Projekte, einschließlich
KI (Künstlicher Intelligenz),
IoT,
Blockchain
sind alle abhängig von einer effektiven Datenqualität und Governance-Grundlage.
Laut einer kürzlich durchgeführten Studie von Wakefield Research geben 87 % der Befragten an, dass
Probleme mit der Datenqualität ein Hindernis für die erfolgreiche Implementierung von KI in ihrem Unternehmen darstellen.
KI versagt, wenn sie mit schlechten Daten gefüttert wird, was zu ungenauen oder unfairen Ergebnissen führt.
Darüber hinaus besagt die Gartner Data Management Strategy Survey von 2019,
fast 60 % der befragten Unternehmen betonen, dass "nicht in der Lage zu sein, relevante Daten zu finden, die einen Mehrwert bieten", ihre größte Herausforderung im Datenmanagement ist.
Des Weiteren stellt Gartner fest, dass viele Data & Analytics (D&A)-Projekte ihr ROI-Versprechen nicht einhalten, da Datenanwender bis zu 80 % ihrer produktiven Zeit damit verbringen
Daten zu finden oder
Daten anzufordern, die ihnen bereits zur Verfügung gestellt wurden.
Und das ist auch das, was ich im Markt höre, wenn ich mit Kunden und Interessenten spreche.
Was braucht es, um vertrauenswürdige Daten zu haben und wie sieht es im Unternehmenskontext aus?
In diesem Bild sehen wir auf der linken Seite eine beispielhafte, aber definitiv nicht vollständige Auflistung verschiedener Datenquellen, deren Inhalte und die darin enthaltenen Informationen,
In diesem Bild sehen wir auf der linken Seite eine beispielhafte, aber definitiv nicht vollständige Auflistung verschiedener Datenquellen, deren Inhalte und die darin enthaltenen Informationen
korrekt,
vollständig,
umfassend,
konsistent und
vertrauenswürdig
den Datenkonsumenten auf der rechten Seite der Grafik - egal ob Mensch, Anwendung oder System - zur Verfügung gestellt werden müssen.
Auf der Seite der Datenkonsumenten sehen wir die Systeme, die wir benötigen, um Wachstum für die Organisation zu erreichen, wie
verschiedene
Data Warehouses,
Data Marts,
Data Lakes, etc,
und vor allem die modernen Cloud-Data-Warehouses und Analytics-Plattformen wie Snowflake und Databricks, die überall auf dem Vormarsch sind, müssen ebenfalls berücksichtigt und mit zuverlässigen Daten gefüllt werden.
Unter Anwendungen sehen wir die gängigen
ERP-, BI- und Reporting-Lösungen,
Datenanalytik,
Kampagnenmanagement-Systeme.
Aber auch Systeme für:
Supply Chain Management,
Supply Chain Risk Management,
Produkt-Informations-Management,
Außendienst-Management
um ein paar fertigungsspezifische Bereiche zu nennen.
Oder auch
Kundenservice,
Betrugsbekämpfung und, natürlich,
die operativen CRM-Systeme, im Rahmen von Verkaufs- und Onboarding-Prozessen.
Aber auch die modernen Themen wie
Chatbots und
personalisierte Videos,
zur Erklärung von Angeboten, Rechnungen und Informationen.
All diese Anwendungen und Prozesse benötigen eine gute Datengrundlage, um die gewünschten Ergebnisse zu erzielen.
Müsste man das, was im Wesentlichen benötigt wird, mit einem einzigen Begriff zusammenfassen, würde das Bild einer Datenfabrik eigentlich am besten passen.
Warum also passt das gut zusammen? Weil an einem Produktionsstandort auch Rohstoffe verarbeitet und veredelt werden.
In mehreren Produktionsschritten werden die Rohstoffe in Endprodukte umgewandelt, die für ihr spezifisches Einsatzszenario bereit sind.
Auf der einen Seite kommen die Rohstoffe rein und auf der anderen Seite kommen die fertigen Produkte raus. Rohstoffe sind in unserem Fall die Rohdaten, die wir auf der linken Seite haben.
Die Produkte sind die bereinigten, korrigierten, angereicherten, verdichteten und damit gebrauchsfertigen Daten, die "fit for use" sind, aus denen die gewünschten Erkenntnisse gewonnen werden können.
Und analog zu einer Produktionsstätte gibt es auch in einer Datenfabrik verschiedene Verarbeitungsschritte. Und bei denen unterschiedliche, spezielle Fähigkeiten - in unserem Fall Datenmanagement-Fähigkeiten - eingesetzt werden,
um dem Rohmaterial auf seinem Weg zum Produkt bestimmte Eigenschaften hinzuzufügen,
oder um unerwünschte Eigenschaften zu verändern oder zu entfernen.
Was erleben wir jetzt auf dem Markt?
Welche Möglichkeiten der Datenverarbeitung werden genutzt, um das volle Potenzial der Daten zu nutzen und das Wachstum voranzutreiben?
(Klick)
Im Wesentlichen beginnt die Datenwertschöpfungskette immer mit der Datenerfassung und normalerweise beginnen Unternehmen mit der manuellen Erfassung und Verwaltung von Daten. Dies kann über Anwendungen wie CRM, ERP, Lieferantenportale, E-Commerce-Websites.
(Klick)
Um die Datensammlung und -integration zu automatisieren, werden die Datenverwaltungsfunktionen auf zentrale Data Warehouses und Data Lakes erweitert, die gut verwaltet und kontrolliert werden. Ab hier kommen aber auch Sensoren im Rahmen von IoT initiativen als Datenquellen zum Einsatz.
Es wird damit begonnen, Datenintegrations-Tools zu verwenden.
Zum Beispiel Software-Tools zur Integration verschiedener Datenquellen, auch auf automatisierte Weise.
Unser Kunde Wheeler Machinery, mußte zum Beispiel die Daten aus seinem proprietären ERP-System in Echtzeit in eine Microsoft SQL-basierte BI-Anwendung replizieren, um Entscheidungen auf Basis von Echtzeitinformationen treffen zu können.
Darüber hinaus benötigten Wheeler eine Echtzeit-Replikation aller Produktionsdaten auf einem zweiten IBM i-basierten System, um die Kontinuität des Geschäftsbetriebs von Wheelers im Falle eines Erdbebens in Salt Lake City zu schützen, wo das Rechenzentrum in einer Erdbebenzone lag.
Wir sehen jetzt auch mehr Projekte, bei denen eine Brücke zwischen der ganz alten Welt - dem Mainframe - und den neuen Systemen - wie dem Cloud Data Warehouse - geschlagen werden muss und die Datenverfügbarkeit in Echtzeit sichergestellt werden soll.
Data-Governance-Funktionen wie Data Discovery, Geschäftsglossare und Datenkataloge werden verwendet, um die gesamte Datensituation in Bezug auf die Datenverfügbarkeit zu verwalten, damit Datenbestände
einfacher verwaltet und
gemeinsam genutzt werden können.
Ein führender Multimarken-Luxusgüterhersteller entschied sich für uns, da wir den End-to-End-Prozess des Kundeninformationsmanagements von der Datenqualität bis zur Data Governance weltweit managen konnten.
(Klick)
Die Funktionen für Datenqualität und -anreicherung helfen Unternehmen sicherzustellen, dass ihre Daten korrekt, vollständig, aktuell und konsistent sind - oder "fit for use", wie es heißt.
Automatisiertes Data Profiling ist im Einsatz, um Probleme in den Daten zu identifizieren und die Qualität im Zeitverlauf anhand definierter KPIs zu überwachen.
Technische Datenqualitätsprozesse sind im Einsatz, um Daten automatisch zu integrieren, zu normalisieren, zu standardisieren, zu validieren und den manuellen Aufwand zu reduzieren.
Anreicherungsmöglichkeiten werden genutzt, um die eigenen Daten mit externen Marktdaten anzureichern. Zum Beispiel mit demografischen Daten, Unternehmensdaten oder speziellen geografischen Informationen - also auch hier steht die Schaffung von Kontext über externe Daten im Vordergrund.
(Klick)
Die unternehmensweite Konsolidierung von Datensätzen wird durch den Einsatz von leistungsstarken, automatisierten Deduplizierungs- und Abgleichsalgorithmen ermöglicht. Sie ermöglichen die Erstellung von Golden Records und eine ganzheitliche, konsistente Sicht auf die unternehmensweiten Datenbestände.
(Klick)
Eine konsistente Single-Master-Sicht erfordert die Bereitstellung eines zentralen Stammdaten-Repositorys. Das Stammdaten-Repository ermöglicht dann die weitere Kontextualisierung und Verdichtung von Informationen. Zum Beispiel die Erstellung von Kontext über interne Daten. Dies geschieht in der Regel mit modernen Datenmanagementkonzepten, wie z. B. Graphdatenbanken. Sie bieten einen agileren und flexibleren Ansatz für das Master Data Management als relationale Datenbankmanagementsysteme.
(Klick)
Letztlich können dann die modernen Cloud-Data-Analytics-Infrastrukturen inklusive KI und Machine Learning genutzt werden, um den Datenschatz zu heben oder die gewünschten Erkenntnisse zu gewinnen, je nach individueller Zielsetzung und Geschäftsstrategie.
Um die Datenintegrität effizient zu meistern, sind wirklich gute Konzepte und Lösungen gefragt.
Letztlich lassen sich die geforderten Datenmanagement-Fähigkeiten sehr schön unter der begrifflichen Klammer der Datenintegrität zusammenfassen, denn diese umfasst alle Aspekte von beidem - Datenintegration und Datenqualität - durch Kontextualisierung und Verdichtung der Daten.
Was erleben wir jetzt im Markt in Bezug auf die Fähigkeiten?
Die aktuellen Unternehmensfunktionen basieren auf der Implementierung vieler einzelner, geschäftsgetriebener, spezifischer, punktueller Anwendungsfälle.
Es ist daher wichtig, sich von der Vorstellung zu lösen, große IT-Investitionen und -Projekte tätigen zu müssen.
Der Weg entlang der Prozessstufen ist daher alles andere als ein standardisierbarer, linearer, sequentieller Prozess. Er muss auch nicht auf einer einzigen monolithischen Plattform implementiert werden.
Wir sehen im Markt, dass digitale Transformationsinitiativen derzeit versuchen, Lücken zu schließen, die helfen
eine Demokratisierung der Daten zu erreichen,
Daten-Governance zu etablieren bzw. optimieren und
vertrauenswürdige Daten im gesamten Unternehmen aufzubauen.
Dies geschieht oft als Folge von Investitionen in moderne Cloud-Analyseplattformen, bei denen die Datenintegrität nicht auf dem ursprünglich erwarteten Niveau ist, und die nun zur Unterstützung dieser Initiativen angegangen werden.
Auch der Kontext wird zu einem wichtigen Element in jeder Datenstrategie.
Und da Datenintegrität auch punktuell in einzelnen Anwendungsfällen erreicht werden kann und soll, sehen wir auch, dass bestimmte Lücken durch die Integration von Software- oder Data-as-a-Service-Angeboten sehr leicht gefüllt werden.
Beispiele sind transaktionsbasierte Dienste, wie
globale Adressvalidierung und -bereinigung,
Geokodierung,
Stammdatenanreicherung mit Firmendaten
Prüfungen gegen Sanktionslisten.
Sie liefern den gewünschten Mehrwert als externer Webservice im gewünschten Prozess oder Anwendungsbereich der Organisation.
Aber ich denke, den Kontext nur mit externen Daten gleichzusetzen, ist viel zu kurzsichtig.
Bei jeder Frage ist der Gesamtzusammenhang interessant. Zum Beispiel, auch oder gerade, das Beziehungsgeflecht und die Abhängigkeiten zwischen
einzelnen Entitäten,
über Systeme und
Sektoren.
Ein Beispiel ist der Bedarf an mehr Transparenz entlang der durchgängigen Lieferkette.
Erkennen von Unternehmensverflechtungen und Hierarchien, insbesondere im Hinblick auf
Unternehmensbewertung,
Lieferkettenrisiko oder
Betrug.
Aus Sicht eines Herstellers von Konsumgütern könnte es von Interesse sein, zu verstehen, wer in einem Haushalt zusammenlebt, wenn Produkte über D2C beworben werden.
Im Folgenden betrachten wir zwei Kundenbeispiele, bei denen die Datenintegrität im Vordergrund stand, um das Wachstum voranzutreiben, aber gleichzeitig auch das Unternehmen zu schützen.
Der Geschäftsbereich Marine & Technology von Babcock ist Teil der Babcock International Group, einem multinationalen Unternehmen. Sie ist spezialisiert auf Support-Services, das Management komplexer Anlagen und Infrastruktur in sicherheits- und missionskritischen Umgebungen.
Als eines der weltweit führenden Unternehmen im Bereich Marine Support bedient die Division Verteidigungs- und kommerzielle Organisationen in Großbritannien und darüber hinaus.
Das Unternehmen ist der größte Einzelanbieter von Unterstützungsdienstleistungen für das britische Verteidigungsministerium und strebt ständig danach, weltweit unter den Top drei in diesem Marktsegment zu bleiben.
Um seine herausragende Position in Großbritannien zu halten, das globale Geschäft auszubauen und den zukünftigen Erfolg zu sichern, verfolgt Babcock eine aggressive Agenda der kontinuierlichen Verbesserung.
Daten sind die Grundlage, auf der Babcock Kunden- und Lieferantenbeziehungen aufbaut, Prozesse betreibt und Mitarbeiter verwaltet. Sie haben erkannt, dass Daten, die nicht für Geschäftszwecke geeignet sind, die Kosten erhöhen, die Einnahmen verringern und die kommerziellen und regulatorischen Risiken erhöhen können, wodurch die globale Wettbewerbsfähigkeit verringert wird.
Die Supply-Chain-Funktion ist ein entscheidender Teil von Babcock und verwaltet alle Aspekte der Lieferkette.
Die Abteilung gibt jährlich über 500 Millionen Pfund aus, um Materialien und Dienstleistungen von über 3.000 Lieferanten zu beschaffen, damit sie Kunden und Partner bedienen kann.
Es müssen Daten zu über 1 Million Waren und Teilen verwaltet werden.
Die Lieferkette stellt komplexe Datenherausforderungen dar. Und Probleme verursachten Ineffizienzen und zusätzliche Kosten im gesamten End-to-End-Prozess.
Die Dringlichkeit dieser Herausforderung wurde durch ein unternehmensweites Prozess- und System-Redesign noch verstärkt.
Die Zusammenführung von Daten unterschiedlicher Qualität aus verschiedenen Systemen führte zu Problemen, wenn man versuchte, sie in einer einzigen Plattform zu integrieren und abzugleichen.
Unsere Datenqualitätslösung vereinfachte das Data Profiling und die Datenanalyse.
Mit unseren ausgefeilten und unübertroffenen Discovery- und Profilingtechniken wird eine vollständige, genaue und zuverlässige Bewertung der Daten sichergestellt.
Dies führte zu einer besseren Datenqualität. Insbesondere durch die Reduzierung von Dateninkonsistenzen und die Verringerung von fehlenden und doppelten Daten.
Daraus wurden Aktionspläne zur Datenverbesserung entwickelt, um
die Ursachen zu entdecken und zu beheben,
Verbesserungsprozesse aufzubauen und
die Verbesserungen zu überwachen und zu verwalten.
Der Hauptnutzen bestand darin, dass aufgrund der Verbesserungen weniger Nacharbeit anfiel, was wiederum weniger Kosten bedeutete.
Zum Beispiel profitierten sie von einer 23%igen Steigerung der Qualität der Lieferantenstammdaten als Ergebnis des Optimierungsprojekts.
Die L'OCCITANE Gruppe ist ein globaler Hersteller und Einzelhändler von Naturkosmetik- und Wellnessprodukten, der in mehr als 90 Ländern tätig ist.
Ein wichtiger Teil des Erhalts dieser Führungsposition ist für L'Occitane der Aufbau enger Beziehungen zu seinen Kunden über alle Kanäle hinweg.
Bis vor kurzem war dies eine Herausforderung für L'Occitane, da die Duplizierung von Kundendatensätzen die Sichtbarkeit der Kunden beeinträchtigte und die Duplizierung zeitaufwendig und schwer zu korrigieren war.
L'Occitane entschied sich, ein Data Lake- und Master Data Management-System einzurichten, um die Analyse und Kontrolle seiner Kundendaten zu verbessern.
Sie entschieden sich für unsere MDM-Lösung, die auf einer Graphdatenbank basiert.
Die Graphdatenbank bietet mehr Flexibilität und Agilität als eine traditionelle relationale Datenbank.
Diese Lösung verfolgt nicht nur die Kundendatenpunkte, sondern auch die Beziehungen zwischen ihnen.
Sie ermöglicht dem Marketing und dem Kundenservice von L'Occitane eine stärkere Personalisierung der Interaktionen.
Die einfache Integration war für sie ein wichtiges Kriterium. L'Occitane war in der Lage, den Integrationsaufwand zu reduzieren, indem 19 eigenständige Systeme, darunter CRM, E-Commerce, Auftragsmanagement, API-Management, Kundenbetreuung und Zahlungssysteme, schnell integriert werden konnten.
Außerdem konnten sie die GDPR-Compliance einfach verwalten. Sowie die Deduplizierung von 150 Minuten auf 5 Minuten reduzieren. Und in der Lage sein, jetzt in Echtzeit Kontakt mit neuen Abonnenten zu haben.
Es ermöglicht L'Occitane den Aufbau einer Beziehung zu einem Kunden von dem Moment an, in dem er auf den Abo-Button klickt.
Damit wäre meine Präsentation beendet und ich würde die Präsentation für Fragen öffnen.
Schauen wir mal, welche Fragen eingegangen sind.
Hier ist die erste Frage:
Frage 1: Muss ich Ihre umfassende Plattform, die Sie hier vorgestellt haben, vollständig lizenzieren, um vertrauenswürdige Daten zu erhalten?
Das ist eine gute Frage: Wir haben unsere Integrity Suite so konzipiert, dass sie modular und interoperabel ist. Wir haben dies getan, weil wir glauben, dass Sie nur die Module lizenzieren müssen, die für Ihren Anwendungsfall notwendig sind. Das entspricht auch mehr der Realität, die wir sehen, wo bestimmte Fähigkeiten vorhanden sind und Lücken gefüllt werden müssen. Das heißt, die Plattform wächst mit Ihren Anforderungen, nicht umgekehrt.
Frage 2: Brauche ich wirklich Data Governance?
Auch eine gute Frage: Sie müssen sich eine gute Data Governance wie eine geordnete Lagerhaltung vorstellen.
Nur wenn klar ist
welche Daten wir haben und wo sie sind
in welchem Zustand
in welcher Menge,
dann kann man sich darauf verlassen, sie in seinen Projekten zu verwenden und die Einhaltung von Vorschriften zu gewährleisten.
Deshalb: Sie können durchaus auch ohne Data Governance arbeiten. Aber wenn Sie
eine qualitative Arbeit anstreben,
Ineffizienzen und Risiken gering halten wollen und
langfristig planen,
dann sollten Sie Data Governance als eines der wichtigen Themen auf Ihre Agenda setzen.
Frage 3: Wann kann die Datenqualität am einfachsten verbessert werden?
Eine weitere gute Frage.
Da es nach wie vor gilt, dass sich schlechte Daten wie ein Virus verbreiten, ist der beste Ort, um eine hohe Datenqualität sicherzustellen, das Quellsystem oder noch besser der Zeitpunkt der Dateneingabe z.B. bei Lieferantenportalen, E-Commerce-Websites. Die Investition zahlt sich aus, denn sie minimiert auch den Aufwand für die Datenqualitätsprüfung.
Auch bei der Zusammenführung von Anwendungen oder bei der Einführung neuer Anwendungen empfehlen wir, im Vorfeld etwas Zeit für die Datenqualität einzuplanen. Ist dies geschehen, kann auch der Prozess der Integration aufgrund guter Daten reibungslos abgewickelt werden. Aber bedenken Sie bitte, Datenqualität ist ein fortlaufender Prozess.
Generell kann man sagen, je später man mit der Datenqualität beginnt, desto teurer wird es.
Frage 4: Setzen Sie Machine Learning in Ihren Systemen ein?
Ja, das tun wir. Wir nennen es "Smart Data Quality". Mit diesem Ansatz sorgen wir dafür, dass es für Sie einfacher wird, eine Datenqualitätslösung zu implementieren, und wir liefern Ihnen Time-to-Value in wenigen Sprints statt in Monaten und Jahren, mit überlegener Datengenauigkeit. Unser System würde zum Beispiel auf der Basis von maschinellem Lernen Vorschläge machen, welche Algorithmen für den Abgleich von doppelten Datensätzen auf Ihren Datensätzen zu wählen sind.
Frage 5: Hätten Sie Lösungen, die auf Big Data Frameworks laufen?
Auch das kann ich mit einem Ja beantworten. Wir haben Lösungen, die speziell dafür entwickelt wurden, nativ in Big-Data-Frameworks zu laufen. Das gilt auch für unsere Location Intelligence-Funktionen. Darüber hinaus haben wir eine leistungsstarke Datenintegrationslösung, um Daten in die neuen Cloud-Plattformen zu laden.
Frage 6: Müssen Sie als Unternehmen erst alle Fähigkeiten haben, um Vertrieb und Marketing zu optimieren?
Eine sehr gute Frage. Wie bereits erwähnt, ist die Reise in Bezug auf die Datenintegrität für jedes Unternehmen, für jede Organisation sehr individuell und oft nicht sequentiell, was alles benötigt wird.
Je nach den aktuellen Anforderungen werden Projekte initiiert, um bestimmte Dinge zu lösen und auf diese Weise zu implementieren, so dass die eine oder andere Fähigkeit übersprungen oder vorgezogen werden kann. Der Überblick über die Datenmanagement-Fähigkeiten, den ich gegeben habe, hilft also, eine grundsätzliche Einordnung vornehmen zu können, um zu sehen, welche Fähigkeiten Ihr Unternehmen aktuell hat und wo es vielleicht noch Lücken gibt, die adressiert werden müssen, oder wo die aktuelle Lösung modernisiert werden muss, um neue Ansätze zu nutzen, z.B. den Einsatz von Machine Learning innerhalb der Datenqualität, wie das Erkennen von Mustern und das Vorschlagen entsprechender Geschäftsregeln, um den manuellen Aufwand zu reduzieren.
Ich sehe, wir sind fast am Ende der Stunde angelangt. Wir werden die anderen Fragen, die hier drin stehen, separat beantworten.
Ich möchte mich für Ihre Aufmerksamkeit bedanken und wünsche Ihnen allen einen guten Tag. Und wenn es irgendwelche Datenherausforderungen gibt, mit denen Sie konfrontiert sind, wenden Sie sich gerne an uns.