Daten- und Informationsqualität - Auf dem Weg zur Information Excellence

Editorial

Danksagung

Grußwort Prof. Richard Wang

Inhaltsverzeichnis

A Informationsqualität – Grundlagen

1 Was wissen wir über Information?

1.1 Einleitung

1.2 Grundlegung

1.3 Information im Wissens- und Informationsmanagement

1.4 SHANNONsche Informationstheorie

1.5 STEINMÜLLERs Informationsmodell

1.5.1 STEINMÜLLERs System- und Prozessverständnis

1.5.2 Information als allgemeines Modell

1.5.3 Modell eines Informationssystems unter Einbezug der Semiotik

1.5.4 Fazit

1.6 Information als Produktionsfaktor

1.6.1 Perspektive der Produktionstheorie

1.6.2 Produktionsfaktor Information

1.6.3 Fazit

1.7 Zusammenfassung des Beitrages

Literaturverzeichnis

2 Informationsqualität – Definitionen, Dimensionen und Begriffe

2.1 Einleitung

2.2 IQ-Dimensionen und Definitionen

2.2.1 Die 15 IQ-Dimensionen im Überblick:

2.2.2 Graphische Darstellung der 15 IQ-Dimensionen und 4 IQ-Kategorien

2.2.3 Die 15 IQ-Dimensionen: Definitionen und Beispiele

2.2.3.1 Zugänglichkeit (accessibility):

2.2.3.2 Angemessener Umfang (appropriate amount of data):

2.2.3.3 Glaubwürdigkeit (believability):

2.2.3.4 Vollständigkeit (completeness):

2.2.3.5 Übersichtlichkeit (concise representation):

2.2.3.6 Einheitliche Darstellung (consistent representation):

2.2.3.7 Bearbeitbarkeit (ease of manipulation):

2.2.3.8 Fehlerfreiheit (free of error):

2.2.3.9 Eindeutige Auslegbarkeit (interpretability):

2.2.3.10 Objektivität (objectivity):

2.2.3.11 Relevanz (relevancy):

2.2.3.12 Hohes Ansehen (reputation):

2.2.3.13 Aktualität (timeliness):

2.2.3.14 Verständlichkeit (understandability):

2.2.3.15 Wertschöpfung (value-added):

2.2.3.16 Vollständigkeit der IQ-Dimensionen

2.3 Zusammenfassung und Ausblick

Literaturverzeichnis

B Methoden – Techniken – Tools – Regelwerke/Standards

1 Datenqualitätsmetriken für ein ökonomisch orientiertes Qualitätsmanagement

1.1 Einleitung

1.2 Anforderungen an Datenqualitätsmetriken

1.3 Bisherige Beiträge zur Messung von Datenqualität

1.4 Metriken und Messverfahren für DQ

1.4.1 Metrik für die DQ-Dimension Vollständigkeit

1.4.2 Metrik für die DQ-Dimension Fehlerfreiheit

1.4.3 Metrik für die DQ-Dimension Konsistenz

1.4.4 Metrik für die DQ-Dimension Aktualität

1.5 Praktische Anwendung der Metrik für Aktualität

1.6 Zusammenfassung und Ausblick

Literaturverzeichnis

2 Datenqualitätsmanagement – Steigerung der Datenqualität mit Methode

2.1 Die Bedeutung des Total Data Quality Management

2.1.1 Vorgehensmodelle

2.1.2 Datenqualitätsmanagement sichert Ihren Unternehmenserfolg

2.2 Phasen eines ganzheitlichen Datenqualitätsmanagements

2.2.1 Initiierung des Datenqualitätsprojekts

2.2.2 Definition der Datenqualitätsanforderungen

2.2.3 Messung der vorhandenen Datenqualität

2.2.4 Analyse der Fehlerursachen

2.2.5 Verbesserung der Datenqualität

2.2.6 Permanente Überwachung der Datenqualität

2.3 Anreize für ein Datenqualitätsmanagement

Literaturverzeichnis

3 Strukturierte Datenanalyse, Profiling und Geschäftsregeln

3.1 Datenqualität

3.2 Merkmale der Datenqualität

3.3 Geschäftsregeln

3.4 Methoden der Datenanalyse

3.5 Metriken im Detail

3.6 Datenqualität in der Anwendung

Literaturverzeichnis

4 Datenbereinigung zielgerichtet eingesetzt zur permanenten Datenqualitätssteigerung

4.1 Definition "Datenbereinigung"

4.2 Ursachenanalyse

4.3 Bewertungskriterien für Datenfehler und Korrekturmaßnahmen

4.4 Methoden des Datenqualitätsmanagements

4.5 Datenqualitätsmaßnahmen im Detail

4.6 Zusammenfassung

5 Datenintegration und Deduplizierung

5.1 Schritt 1: Schema Matching

5.2 Schritt 2: Dublettenerkennung

5.2.1 Auswirkungen von Dubletten

5.2.2 Entstehung von Dubletten

5.2.3 Erkennen von Dubletten

5.2.3.1 Ähnlichkeitsmaße

5.2.3.2 Ähnlichkeit auf Datensatzebene

5.2.4 Durchführung der Dublettenerkennung

5.3 Schritt 3: Datenfusion

5.3.1 Konflikte ignorieren

5.3.2 Konflikte vermeiden

5.3.3 Konflikte auflösen

5.4 Erweiterungen

5.4.1 Strukturierung

5.4.2 Standardisierung

5.5 Zusammenfassung

Literaturverzeichnis

6 Definition von Datenarten zur konsistenten Kommunikation im Unternehmen

6.1 Einleitung und Zielsetzung

6.1.1 Informationsqualität und Datenarten

6.2 Datenarten in der Informationslandschaft

6.3 Beschreibungskriterien

6.3.1 Beschreibung der Eigenschaften

6.3.1.1 Format

6.3.1.2 Struktur

6.3.1.3 Inhalt

6.3.1.4 Stabilität

6.3.1.5 Verarbeitung

6.3.1.6 Business Object

6.3.2 Beschreibung des Kontextes

6.3.2.1 Prozess

6.3.2.2 Zweck

6.4 Beispiele für den Praxiseinsatz

6.4.1 Analyseebenen der Informationsqualität

6.4.2 Visualisierung des IQ-Status

6.5 Zusammenfassung

Literaturverzeichnis

7 Suchmaschinen und Informationsqualität: Status quo, Problemfelder, Entwicklungstendenzen1

7.1 Ausgangssituation

7.2 Charakterisierung algorithmenbasierter Suchmaschinen

7.2.1 Funktionsweise algorithmenbasierter Suchmaschinen

7.2.2 Anfrageabhängige Ranking-Faktoren

7.2.3 Anfrageunabhängige Ranking-Kriterien

7.3 Semantisches Web und semantische Suchmaschinen

7.3.1 Vision und Grundlagen des semantischen Webs

7.3.2 Technische Grundlagen des semantischen Web

7.3.3 Problemfelder und Herausforderungen im Bereich der semantischen Suche

7.4 Fazit und Ausblick

Literaturverzeichnis

8 Bedeutung der Informationsqualität bei Kaufentscheidungen im Internet1

8.1 Einleitung

8.2 Informationsqualität in Entscheidungsprozessen

8.2.1 Informationen und Kaufentscheidungen

8.2.2 Informationsqualitätskriterien

8.3 Ursachen mangelnder Informationsqualität im Internet

8.3.1 Opportunistische Verhaltensspielräume der Anbieter

8.3.2 Informationsqualität aus der Nachfragerperspektive

8.3.3 Gründe für Opportunismus im Internet

8.3.3.1 Das strategische Kalkül der Anbieter

8.3.3.2 Der Wandel von Sucheigenschaften zu Erfahrungseigenschaften

8.3.3.3 Weitere Besonderheiten im Internet

8.4 Fazit und Handlungsempfehlungen

Literaturverzeichnis

9 Datenqualitäts-Audits in Projekten

9.1 Einleitung

9.2 Abstimmung mit anderen Regelwerken

9.3 Glossar

9.4 Gebrauch der Generischen Checkliste

9.5 Datenqualitätsbewertung einer Datensammlung

9.5.1 Anforderungen an das Management

9.5.2 Service Level Agreements

9.5.3 Organisatorische Spezifikationen

9.5.4 Prozess-Definitionen

9.5.5 Datensammlung, Datenverarbeitung und Datennutzung

9.5.6 Messung, Maßnahmen und Überwachung

9.5.7 Technische Anforderungen

9.5.8 Dokumentation

9.6 Zusammenfassung

10 Bewertung der Informationsqualität im Enterprise 2.01

1.1 Einführung

1.2 Aktuelle Bewertungssysteme im Web 2.0

1.2.1 Wikipedia

1.2.2 Google Knol

1.2.3 Helium.com

1.3 Beurteilung der Informationsqualität einer Enterprise 2.0 Wissensplattform mittels eines hybriden Ansatzes

1.3.1 Automatische Beurteilung der Informationsqualität

1.3.2 Implizites Nutzer-Feedback

1.3.3 Explizites Nutzer-Feedback

1.3.4 Zusammenwirken der drei Ansätze und Fazit

Literaturverzeichnis

C Organisation

1 Organisatorische Ansiedlung eines Datenqualitätsmanagements

1.1 Einführung

1.1.1 Motivation

1.1.2 Gliederung des Kapitels

1.2 Datenqualitätsmanagement – Entwicklungsstufen und Aufgaben

1.2.1 Sicherung der Datenqualität

1.2.2 Management der Datenqualität

1.3 Datenqualitätsmanagement – Ansiedlung im Unternehmen

1.3.1 Kopplung von Datenqualitätsmanagement mit anderen Unternehmensbereichen

1.3.2 Folgerungen für die Ansiedlung eines Datenqualitätsmanagements

1.4 Datenqualitätsmanagement in Projekten

1.4.1 Aufgaben des Datenqualitätsmanagements in Projekten

1.4.2 Organisatorische Verankerung des Datenqualitätsmanagements in Projekten

1.5 Zusammenfassung und Ausblick

1.5.1 Zusammenfassung

1.5.2 Ausblick

Literaturverzeichnis

2 Organisatorische Maßnahmen für gute Datenqualität

2.1 Messungen, Ursachen und generische Ansätze

2.1.1 Möglichen Arten von Datenqualitätsmängeln

2.1.2 Datenqualitätsmängel – Entstehung und Bekämpfung

2.1.3 Vier Generische Ansätze

2.1.3.1 Ansatz 1: Verantwortung, Messen und Publizieren

2.1.3.2 Ansatz 2: Freiheit und Führung

2.1.3.3 Ansatz 3: Standards setzen und durchsetzen

2.1.3.4 Ansatz 4: Durchgängige Definitionen festlegen

2.2 Aus den generischen Ansätzen abgeleitete Strategien

2.3 Strategie A: Transparenz schafft Vertrauen

2.3.1 Ansatzpunkt dieser Strategie

2.3.2 Nutzen dieser Strategie

2.3.3 Nachteile und Risiken dieser Strategie

2.4 Strategie B: Definition von Verantwortlichkeiten

2.4.1 Ansatzpunkt dieser Strategie

2.4.2 Positionierung dieser Businessrollen im Modell

2.4.2.1 Der Process Owner

2.4.2.2 Der Data Owner

2.4.2.3 Der Data Definition Owner und Data Consumer

2.4.2.4 Der Data Provider

2.4.3 Nutzen dieser Strategie

2.4.4 Nachteile und Risiken dieser Strategie

2.5 Strategie C: gezielt Abhängigkeiten suchen

2.5.1 Ansatzpunkt dieser Strategie

2.5.2 Gezielte Definition von Master und Slave

2.5.3 Nutzen dieser Strategie

2.5.4 Nachteile und Risiken dieser Strategie

2.6 Strategie D: Daten-Lifecycle auf Basis des Prozesses

2.6.1 Ansatzpunkt dieser Strategie

2.6.2 Der Prozess und Lebenszyklus

2.6.3 Nutzen dieser Strategie

2.6.4 Nachteile und Risiken dieser Strategie

2.7 Strategie E: Niederschwellige Verbesserungs-Werkzeuge

2.7.1 Ansatzpunkt dieser Strategie

2.7.2 Beispiel eines niederschwelligen Verbesserungs-Werkzeuges

2.7.2.1 Schritt 1 – Einstieg über die Management-Sicht

2.7.2.3 Schritt 2 – Detaillisten für das Fehlertracking

2.7.2.5 Schritt 3 – Die Verbesserung der Datenqualität

2.7.3 Die Infrastruktur dieses Werkzeuges

2.7.5 Nutzen dieser Strategie

2.7.6 Nachteile und Risiken dieser Strategie

2.8 Vor- und Nachteile aller erwähnter Strategien

2.8.1 Der Prozess ist die Vorgabe

2.8.2 Das Saatkorn ist der Beginn

2.8.3 Komplexität des Systems und Datenvolumen

2.9 Vorgehen bei der Umsetzung dieser Strategien

2.9.1 Kontakt zwischen den Parteien

2.9.2 Management-Unterstützung

2.10 Schlussfolgerungen und Ausblick

Literaturverzeichnis

3 Informationsmanagementprozesse im Unternehmen

3.1 Motivation

3.2 Ausgangslage

3.3 Bewertung

3.4 Informationsmanagementprozess

3.5 Schema einer Informationsplanung

3.6 Datenlandkarte und Datenarchitektur

3.7 Geschäftsprozesse und Informationsmanagementprozess

3.8 Qualitätsaspekte

3.9 Ökonomische Aspekte

3.10 Zusammenfassung

Literaturverzeichnis

4 Data Governance

4.1 Einführung

4.2 Stand der Wissenschaft und Praxis

4.2.1 Abgrenzung des DQM

4.2.2 Bedeutung des Governance-Begriffs

4.2.3 Data Governance

4.2.4 Grundmuster für IT Governance

4.2.5 Einflussfaktoren auf IT Governance

4.3 Ein Modell für Data Governance

4.3.1 Rollen

4.3.2 Aufgaben

4.3.3 Zuständigkeiten

4.3.4 Einflussfaktoren und Gestaltungsparameter

4.4 Zusammenfassung

Literaturverzeichnis

5 IQM-Reifegradmodell für die Bewertung und Verbesserung des Information Lifecycle Management Prozesses

5.1 Einleitung

5.2 Hintergrund

5.2.1 Total Quality Management

5.2.2 QM-Reifegrad

5.2.3 Information Quality Management

5.2.4 Existierende IQM-Reifegradmodelle

5.3 Methodologie

5.3.1 Die Delphi-Methode

5.4 IQM-Reifegradmodell

5.4.1 Chaotisch

5.4.2 Reaktiv

5.4.3 Messend

5.4.4 Steuernd

5.4.5 Optimierend

5.5 Zusammenfassung und Ausblick

Literaturverzeichnis

6 Master Data Life Cycle – Stammdatenprozesse in SAP am Beispiel Materialstamm

6.1 Stammdaten – die Grundlage der Informationssysteme

6.2 Stammdatenqualität führt zu Prozessqualität

6.2.1 Qualitätseigenschaften

6.3 Probleme der Datenqualität und ihre Auswirkungen

6.4 Master Data Life Cycle (MDLC) – der Stammdatenprozess

6.4.1 Statuskonzept

6.5 Hindernisse und Problemfälle

6.6 Implementierung des MDLC

Literaturverzeichnis

D Praxisbeispiele

1 Ein Entscheidungsmodell zur Weitergabe persönlicher Daten im Internet

1.1 Einleitung

1.2 Entscheidungsmodell

1.2.1 Intention

1.2.2 Nutzen

1.2.3 Vertrauen

1.2.4 Datenarten

1.2.5 Eingabefehler

1.3 Ausblick

Literaturverzeichnis

2 Einführung eines proaktiven DQ-Managements

2.1 Die Bremer Landesbank

2.1.1 Der Auftrag

2.2 Proaktives Datenqualitätsmanagement

2.3 Datenqualitätsorganisation

2.4 Eskalationsinstanz

2.5 Reporting

2.6 Messung von Datenqualität

2.6.1 Die Themen

2.6.1.1 Abgleich KIS mit Kondor+

2.6.1.2 Adressdatenabgleich zwischen externem Dienstleister und KIS

2.6.1.3 Datenabgleich zwischen KUKA und KIS

2.6.1.4 Legitimationsdaten

2.6.1.5 Messung inaktiver Kunden

2.6.1.6 Messung vollständiger Hinterlegung von Telefonnummern

2.6.1.7 Ermittlung von Dubletten

2.6.2 Messsysteme

2.6.3 Messung bankfachlicher Datenzusammenhänge

2.7 Visualisierung der Messergebnisse

2.8 Messergebnisse und Fazit

3 Informationsqualität für das Management mit TOPAS®

3.1 Informationsmanagement für Führungskräfte

3.1.1 Qualitätskriterien von Informationen für das Management

3.1.2 Absicherung der Informationsqualitätskriterien: TOPAS® -Methodik

3.2 TOPAS®: Methode und Modell

3.2.1 Geschäftsprozessmanagement (GPM) mit der TOPAS-Methode

3.2.2 Regelkreis für das Geschäftsprozessmanagement

3.2.3 4-Ebenen-Modell (Business Excellence Kriterien)

3.3 Anwendung: Management von Informationen und Daten

3.3.1 Informationen über Strukturen und Abläufe

3.3.2 Informationen und Daten für die strategische und operative Planung

3.4 Informationserfassung

3.4.1 Quellen zur Informationserfassung

3.4.2 Anforderungen zur Sicherung der Informationsund Datenqualität

3.5 Informationsverarbeitung

3.5.1 Operative Planung, Ziele

3.5.2 Festlegung von Kennzahlenstrukturen (KPI7) in der Balanced Scorecard

3.5.3 Sicherung der Informationsund Datenqualität: Kennzahlensteckbrief

3.5.4 Erfolgskontrolle via KPIs: Reviews und Audits

3.6 Informationsdarstellung

3.6.1 Standard-Reporting mit dem TOPAS®-Prozessmodell

3.6.2 IT-Portal für das Management: Business Cockpit

3.6.3 Effizienzsicherung der Prozess-Architektur

3.6.4 Identifizierung von Korrekturmaßnahmen und Kontinuierlicher Verbesserungsprozess (KVP)

3.7 Wirkungsspektrum von TOPAS®

Literaturverzeichnis

4 Datenqualitäts-Modell der Volkswagen Financial Services AG

4.1 Einleitung

4.2 Das Projekt „Datenqualität Strukturen/Standards und Drittmarktfähigkeit"

4.2.1 Warum ist Datenqualität nötig?

4.2.2 Projektauftrag

4.2.2.1 Erster Themenblock

4.2.2.2 Zweiter Themenblock

4.2.3 Projektziel

4.2.4 Ist-Analyse

4.2.4.1 Drittmarkt

4.2.4.2 Datenqualitätsanspruch

4.2.4.3 Verantwortlichkeiten

4.2.4.4 Kunden

4.2.5 Prozessanalyse

4.2.6 Sollkonzept

4.2.6.1 Ausrichtung Datenqualität

4.2.6.2 Ausrichtung Drittmarktfähigkeit

4.2.6.3 Aufbau-/ Ablauforganisation

4.2.7 Das Datenqualitäts-Modell und deren Zuständigkeiten

4.2.7.1 Datenqualitätsmanagement (zentrales DQM)

4.2.7.2 Data Owner (dezentral)

4.2.7.3 Client Owner (dezentral)

4.2.7.4 Client Service (Benutzergruppen)

4.2.7.5. Freigabe- und Eskalationsprozesse

4.2.8 Das Datenqualitäts-Modell und sein Regelwerk

4.2.9 Monitoring/Reports

4.2.10 Realisierungsund Einführungsphase

4.3 Fazit

5 Verknüpfung von DQ-Indikatoren mit KPIs und Auswirkungen auf das Return on Investment

5.1 Beispiele zur Illustration von DQ-Problemen

5.2 Wie wirken sich DQ-Probleme auf Unternehmen aus – Der Zusammenhang zwischen Datenund Prozessqualität

5.2.1 Beispiel – Call Center

5.2.2 Beispiel – Kundenbeziehungsmanagement (CRM)

5.2.3 Beispiel – Data Mining Prozess im Marketingumfeld

5.2.4 Beispiel – Direktmailprozess

5.3 Wie viel kosten schlechte Daten den Unternehmer?

5.4 Der Einfluss von DQ-Indikatoren auf KP-Indikatoren – wie beeinflusst Datenqualität den Unternehmenserfolg?

5.5 Beschreibung eines KPI orientierten DQ- Managementprozesses

5.5.1 Phase 1- Selektiere zu untersuchende Komponenten

5.5.2 Phase 2 – Mitarbeiterbefragung

5.5.3 Phase 3 – DQ-Assessment

5.5.4 Phase 4 – Validieren und Quantifizieren

5.5.5 Phase 5- DQ-Projekte definieren, Korrekturmaßnahmen durchführen

5.6 Fallstudie – Banque Cantonale Vaudoise (BCV)

Literaturverzeichnis

Über die Autorinnen und Autoren

Ahlheid, Sven

Baškarada, Saša

Dipl.-Inform. Bleiholder, Jens

Dr. rer. nat. Block, Frank

Dr. Brust, Otto-Ernst

Dipl.-Kfm. Engelmann, Florian

Dr. Gebauer, Marcus

Dr. rer. pol. Gräfe, Gernot

cand. oec. Großmann, Christoph

Prof. Dr. Heinrich, Bernd

Prof. Dr. rer. pol. Hildebrand, Knut

Prof. Dr.-Ing. Hinrichs, Holger

Diplom Verwaltungswirt Kasten, Gerhard

Dr. Klier, Mathias

Dipl.-Kfm. Krebs, Alexander

Landt, Volker

M.A., Prof. Dr. rer. nat. Lüssem, Jens

Dr. Maaß, Christian

Dipl.-Math. Malzahn, Dirk

Dipl. Kaufmann Mielke, Michael

Dr. rer. nat. Möller, Frank

Moser, Helena

Dr. Otto, Boris

M. A. Piro, Andrea

Dr. rer. pol. Rohweder, Jan Philipp

Dipl.-Inform. Schmid, Joachim

Dr. Schuster, Dirk

Dipl.-Ökonom Schwinn, Klaus

Skrablies, Werner

PD Dr. Treiblmaier, Horst

Dr. Weber, Kristin

Weigel, Niels

Dr. Windheuser, Ulrich

Wolf, Jürg

Zwirner, Marcus

Stichwortverzeichnis