Master Data & Data Quality Management mit MIOvantage

Master Data & Data Quality Management

Daten sind der wertvollste Rohstoff des 21. Jahrhunderts. Doch erst, wenn Rohstoffe veredelt werden, wird daraus ein Treibstoff. Wenn die Grundqualität des Rohstoffs nicht stimmt, mindert sich dessen Wert drastisch. Die Frage, wie Datenqualität sichergestellt werden kann, ist wesentlich für den Erfolg eines jeden wirtschaftlich agierenden Unternehmens.

Master Data Management – der Status Quo

Aktuell gibt es kaum ein Unternehmen, das maximale Datenqualität aufweist. Die Gründe sind in jedem Unternehmen häufig die gleichen und liegen beim Master Data Management (MDM) – oder auf Deutsch: Stammdatenverwaltung.

Kaum jemand besitzt den vollständigen Überblick darüber, welche Daten aktuell verfügbar sind, wo sie liegen und wie es um deren Qualität bestellt ist. Getrennte Abteilungen, keine Standards in Speicherprozessen oder Speicherorten und fehlende Zuständigkeiten führen dazu, dass in den allermeisten Unternehmen zwar große Werte liegen, sie aber nicht gehoben werden. Keine Blamage, sondern viel mehr der Status Quo.

DSGVO Readiness-Check

Herausforderungen des Master Data und Data Quality Management

  • Kundenstammdaten und Lieferantenstammdaten sind doppelt vorhanden, nicht aktuell oder schlicht fehlerhaft
  • Produktstammdaten sind nicht aktuell oder unvollständig
  • Finanzstammdaten sind nicht eindeutig
  • Organisationstrukturen können nicht korrekt zugeordnet werden
  • Referenzen können nicht korrekt zugeordnet werden

Data Quality Management

Datenqualität sichert den wirtschaftlichen Erfolg

Datenqualität: Es handelt sich – vereinfacht ausgedrückt – um die Bewertung von Datenbeständen hinsichtlich ihrer Eignung, einen bestimmten Zweck zu erfüllen. Im Zuge der Digitalisierung sieht sich jede Branche damit konfrontiert, immer mehr Services in hoher Qualität in immer kürzerer Zeit liefern zu müssen. Ein Wettrennen. Das bedeutet, wer die beste Treibstoffqualität besitzt, wird am schnellsten fahren können und der Konkurrenz enteilen.

Der Erfolg eines jeden wirtschaftlich agierenden Unternehmens hängt also mehr denn je von der Qualität der zur Verfügung stehenden Daten ab. Geschäftsprozesse und strategische Entscheidungen können entweder schnell und effizient getroffen werden oder eben langsam und im schlimmsten Fall falsch. Daten sind King – deren Qualität Kong.

Unsere Experten für Data Quality Management können grundlegende Probleme sowie komplexe Herausforderungen mit einem geeigneten Tool in kurzer Zeit lösen.

Fallbeispiel: Parallele Datensilos – versteckte Potentiale

Zu empfindlichen wirtschaftlichen Schäden kann es kommen, wenn parallel betriebene Systeme nicht miteinander kommunizieren. Beispielsweise, wenn Kunden von Telekommunikationsunternehmen kündigen und so die oftmals dringend benötigten Steckplätze eines DSLAM (Ort, an dem Teilnehmeranschlussleitungen zusammenlaufen) frei werden. Problemtisch wird es dann, wenn zwar das Kundensystem die Kündigung erfasst hat, nicht aber das System für die technische Verteilung. Wenn nun ein Kunde einen neuen Telefonanschluss beantragt, wird das technische Verteilersystem melden, dass kein Anschluss frei ist. Aufgrund dieser Fehlinformation wird ein neuer Steckplatz im DSLAM beschafft – das verursacht Kosten, die nicht hätten entstehen müssen.

Parallele Datensilo bieten versteckte Potentiale

Fallbeispiel: Data Integration – kein manueller Job

Eine weitere große Gefahr für die Datenqualität, ist die Zusammenführung mehrerer Datenbanken. Etwa, wenn eine neue Klinik in einen Krankenhausverbund integriert werden soll. Hier wird eine regelrechte Kettenreaktion ausgelöst: Redundante Software- und IT-Architekturen (CRM und ERP-Lösungen) produzieren Mehrfach-Identitäten. Diese werden aus den Subsystemen vom Zentralsystem übernommen und verschlechtern die Datenqualität im gesamten Verbund. Mitarbeiter haben kaum die Kapazitäten, die Datensätze händisch zu überprüfen. Falls doch, lässt die Motivation der Mitarbeiter aufgrund der Eintönigkeit der Arbeit oftmals schnell nach.

Erfahren Sie mehr über unsere Data Integration Services.

Data Integration: Zusammenführung mehrerer Datenbanken

Fallbeispiel: Patientendaten – Risiko für Fehlbehandlungen

Bei manuellen Dateneingaben schleichen sich leicht Fehler ein. Die Brisanz solcher Fehler lässt sich am Beispiel Krankenhaus gut illustrieren. Vor allem Krankenhäuser besitzen riesige Mengen an Patientendaten. Und tatsächlich gibt es oftmals mehrere Identitäten pro Patient. Häufig werden auch Untersuchungsergebnisse falsch zugeordnet: Stellen Sie sich vor, Sie heißen Klaus Maier. Doch Ihre Pollen-Allergie stammt von einem Claus Meier. Zudem bergen solche Fehler ein erhebliches Risiko für Fehlbehandlungen, kosten Zeit und verursachen Stress.

Erfahren Sie mehr über die Schaffung von Datenqualität in Krankenhäusern und Kliniken.

Patientendaten – Risiko für Fehlbehandlungen

Fallbeispiel: DSGVO & Kundenvertrauen – GDPR Orbiter stellt die Beauskunftung sicher

In einem Geschäftsumfeld, in dem Daten eine immer wichtigere Rolle einnehmen, ist letztlich das Kundenvertrauen im Umgang mit personenbezogenen Daten ausschlaggebend. Kundenvertrauen steigt umso mehr, je schneller Unternehmen in der Lage sind, DSGVO-Betroffenenanfragen zu beantworten. Ist ein Unternehmen dazu nicht in der Lage, entsteht der Eindruck, da Unternehmen habe den Überblick über die Daten verloren.

Wir bieten eine Lösung, die den Aufwand der Beauskunftungen minimiert: GDPR Orbiter. Das Zusammenspiel aus hoher Benutzerfreundlichkeit und aktuellster Datenqualitätstechnologie ermöglicht es Ihnen, auch ohne langwierige Master-Data-Management-Projekte einen umfassenden Überblick über alle personenbezogenen Daten in Ihrem Unternehmen zu erhalten. So können Sie schnell und effizient auf Anfragen von EU-Bürgern reagieren, ohne eine Neuorganisation Ihrer bestehenden Datenhaltung und IT-Systeme vornehmen zu müssen.

DSGVO Beauskunftung

Unser Lösungsansatz: MIOvantage von MIOsoft

Als exklusiver Lösungsanbieter und Partner der MIOsoft Corporation in Europa bieten wir diese – von Gartner als am höchsten bewertete – Big Data & Analytics-Software als Datenqualität-Management-Plattform an. Die Herausforderungen an die Kernfunktionalitäten von Datenqualitäts-Software sind umfangreich. MIOvantage stellt durch kontinuierliches Monitoring mit Hilfe von automatisierten Reparaturen in Echtzeit für jegliche Datenquelle die Qualität Ihrer Daten sicher.

MIOvantage Software-Platform

MIOvantage erlaubt es,

  • Daten aus unterschiedlichsten Quellen
  • auf nahezu beliebige Weise,
  • z. B. per Batchverfahren (einmalige Aktion),
  • mittels Streaming (dauerhafte Aktion),
  • Webservices (Integrationen in moderne Kundenlandschaften)

zu überprüfen, zu bewerten und zu integrieren.

MIOvantage erkennt, welche Daten zusammengehören und erstellt automatische Verknüpfungen. So entsteht ein Kontext auf dessen Basis Analysen, Qualitätsprüfungen, Bereinigungen und operative Entscheidungen möglich sind. Hinsichtlich der Datenmengen besteht keine Begrenzung.

So arbeitet die Data Quality Management Plattform

  • Datenanalyse und Datenbereinigung

    Die Durchführung einer Datenqualitätsanalyse und anschließenden Bereinigung von fehlerhaften, falsch formatierten, unvollständigen oder mehrfach vorhandenen Daten. Kriterien, wie die Soll-Datenstruktur, Erhebungsumfang und Unternehmensrelevanz werden vorab festgelegt.

  • Datenqualitätssicherung

    Die Resultate aus der Datenanalyse werden genutzt, um mit dem Aufbau hochwertiger Datenbestände zu beginnen. Fehler werden korrigiert, Informationen standardisiert und Daten unternehmensweit validiert.

  • Datenintegration

    Die Datenintegration dient dazu, Daten aus verschiedenen Datenquellen zu kompilieren. Voneinander abweichende Einträge werden konsolidiert und ein korrekter Datensatz – der »Golden Record« – wird erzeugt.

  • Datenanreicherung

    Um den Informationswert und die Nützlichkeit der Daten zu erhöhen werden Datensätze ergänzt. Beispielsweise können vorhandene Kundendaten mit Daten über das Kundenverhalten aus einem anderen System angereichert werden.

  • Datenkontrolle

    Durch kontinuierliche Datenkontrolle wird der Datenqualitätserfolg gewährleistet. Ursachen für Datenqualitätsprobleme werden erkannt und behoben.

Phasen des Data Quality Management

So einfach geht's:
Harmonisierung unterschiedlicher Dateiformate und die Prüfung der Datenqualität

 

Wir unterstützen Sie:
Mit unserer Erfahrung und einer bewährten Software

 

Vorteile der Plattform

  • Präzise Aussagen über die Datenqualität
  • Visualisierung der Datenqualitätsprobleme
  • Verständliche Darstellung der Datenqualität für das Management
  • Vollständige Bereinigung der Daten
  • Etablierung von homogenen Datenstrukturen
  • Schaffen von Verknüpfungen, die das Erreichen der Unternehmensziele unterstützen

Ihr Nutzen

  • Einfacher schneller Start
  • Schnell sichtbare Ergebnisse
  • Kein Limit von Daten (Datenmenge, Datenart, Datenkomplexität, verschachltete Datenstrukturen)
  • Wertsteigerung der Daten zur Erreichung der Unternehmensziele
  • Datenbasierte Entscheidungen werden verbessert
  • Unterstützung von Zukunftstechnologien wie z. B. KI, Machinelearning

Kontaktieren Sie uns

Können Sie Handlungsbedarf in einem oder mehreren Punkten identifizieren?
Benötigen Sie Beratung oder möchten Sie mehr über diese Lösung erfahren?

ihr kontakt
Thomas Ulrich, Director Business Consulting, DextraData GmbH
Thomas Ulrich

Director Business Consulting

T +49 201 95975132
M +49 163 8777709
E thomas.ulrich[at]dextradata[dot]com

Kontaktieren Sie Uns

DextraData GmbH
Girardetstraße 4
45131 Essen
T +49 201 959750
E info@dextradata.com

Folgen Sie Uns
FacebookXingLinkedInDextraData YouTube Channel
Abonnieren Sie Uns
Zum Newsletter anmelden
Karriere DatenschutzAGBImpressumSitemap