Corporate Data Quality : : Voraussetzung Erfolgreicher Geschäftsmodelle.

• Author: Otto, Boris.
• TeilnehmendeR: Österle, Hubert.
• Place / Publishing House: Berlin, Heidelberg : : Springer Berlin / Heidelberg,, 2015.; {copy}2016.
• Year of Publication: 2015
• Edition: 1st ed.
• Language: German
• Physical Description: 1 online resource (219 pages)

Table of Contents

Intro -- Vorwort -- Inhaltsverzeichnis -- Abkürzungsverzeichnis -- Abbildungsverzeichnis -- Tabellenverzeichnis -- Über die Autoren -- Kapitel-1 -- Datenqualität - eine Managementaufgabe -- 1.1 Trends der Digitalisierung -- 1.1.1 Durchdringung aller Lebens- und Wirtschaftsbereiche -- 1.1.2 Industrie 4.0 -- 1.1.3 Konsumerisierung -- 1.1.4 Digitale Geschäftsmodelle -- 1.2 Treiber der Datenqualität -- 1.2.1 360-Grad-Blick auf den Kunden -- 1.2.2 Unternehmenszukäufe und -zusammenschlüsse -- 1.2.3 Compliance -- 1.2.4 Berichtswesen -- 1.2.5 Operational Excellence -- 1.2.6 Datensicherheit und Privatheit -- 1.3 Herausforderungen und Anforderungen des Datenqualitätsmanagements -- 1.3.1 Herausforderungen im Umgang mit Daten -- 1.3.2 Anforderungen an das Datenqualitätsmanagement -- 1.4 Framework für Stammdatenqualitätsmanagement -- 1.4.1 Framework-Überblick -- 1.4.2 Strategieebene -- 1.4.3 Organisatorische Ebene -- 1.4.4 Informationssystemebene -- 1.5 Begriffsdefinitionen und Grundlagen -- 1.5.1 Daten und Information -- 1.5.2 Stammdaten -- 1.5.3 Datenqualität -- 1.5.4 Datenqualitätsmanagement (DQM) -- 1.5.5 Geschäftsregeln (Business Rules) -- 1.5.6 Data Governance -- 1.6 Kompetenzzentrum Corporate Data Quality -- Literatur -- Kapitel-2 -- Fallstudien zur Datenqualität -- 2.1 Allianz: Data Governance und Datenqualitätsmanagement in der Versicherungswirtschaft -- 2.1.1 Unternehmensüberblick -- 2.1.2 Ausgangssituation und Handlungsdruck -- 2.1.3 Das Solvency-II-Projekt -- 2.1.4 Datenqualitätsmanagement bei AGCS -- 2.1.5 Erkenntnisse -- 2.1.6 Weiterführendes Material -- 2.2 Bayer CropScience: Datenqualitätscontrolling in der agrochemischen Industrie -- 2.2.1 Unternehmensüberblick -- 2.2.2 Ausgangssituation und Handlungsdruck -- 2.2.3 Aufbau des unternehmensweiten Datenqualitätsmanagements -- 2.2.4 Erkenntnisse -- 2.2.5 Weiterführendes Material.

2.3 Beiersdorf: Produktdatenqualität in der Konsumgüter-Supply Chain -- 2.3.1 Unternehmensüberblick -- 2.3.2 Ausgangssituation des Datenmanagements -- 2.3.3 Projekt zur Messung der Datenqualität -- 2.3.4 Erkenntnisse -- 2.3.5 Weiterführendes Material -- 2.4 Bosch: Datenarchitekturmanagement in einem diversifizierten Technologiekonzern -- 2.4.1 Unternehmensüberblick -- 2.4.2 Ausgangssituation und Handlungsdruck -- 2.4.3 Datenarchitekturmuster bei Bosch -- 2.4.4 Erkenntnisse -- 2.4.5 Weiterführendes Material -- 2.5 Festo: Unternehmensweites Produktdatenmanagement in der Automatisierungsindustrie -- 2.5.1 Unternehmensüberblick -- 2.5.2 Ausgangssituation und Handlungsdruck des Produktdatenmanagements -- 2.5.3 Projekte im Produktdatenmanagement zwischen 1990 und 2009 -- 2.5.4 Aktuelle Aktivitäten und Ausblick -- 2.5.5 Erkenntnisse -- 2.5.6 Weiterführendes Material -- 2.6 Hilti: Durchgängiges Kundendatenmanagement in der Werkzeug- und Befestigungsindustrie -- 2.6.1 Unternehmensüberblick -- 2.6.2 Ausgangssituation des Kundendatenmanagements und Handlungsdruck -- 2.6.3 Das Projekt Customer Data Quality Tool -- 2.6.4 Erkenntnisse -- 2.6.5 Weiterführendes Material -- 2.7 Johnson &amp -- Johnson: Institutionalisierung des Stammdatenmanagements in der Konsumgüterindustrie -- 2.7.1 Unternehmensüberblick -- 2.7.2 Ausgangssituation des Datenmanagements im Bereich Consumer Products und Aktivitäten bis 2008 -- 2.7.3 Die Einführung von Data Governance -- 2.7.4 Aktuelle Situation -- 2.7.5 Erkenntnisse -- 2.7.6 Weiterführendes Material -- 2.8 Lanxess: Business Intelligence und Stammdatenmanagement bei einem Spezialchemiehersteller -- 2.8.1 Unternehmensüberblick -- 2.8.2 Ausgangssituation des Datenmanagements und Business Intelligence 2004-2011 -- 2.8.3 Das Stammdatenmanagement bei Lanxess seit 2011 -- 2.8.4 Aufbau des strategischen Reportings seit 2012.

2.8.5 Erkenntnisse -- 2.8.6 Weiterführendes Material -- 2.9 Shell: Datenqualität im Produktlebenszyklus in der Mineralölindustrie -- 2.9.1 Unternehmensüberblick -- 2.9.2 Ausgangssituation und Handlungsdruck -- 2.9.3 Durchgängiges Datenmanagement im Produktlebenszyklus -- 2.9.4 Herausforderungen bei der Umsetzung -- 2.9.5 Nutzen der neuen Lösung -- 2.9.6 Erkenntnisse -- 2.9.7 Weiterführendes Material -- 2.10 Syngenta: Auslagerung von Datenmanagementaufgaben in der Pflanzenschutzindustrie -- 2.10.1 Unternehmensüberblick -- 2.10.2 Ausgangssituation und Ziele der Stammdatenmanagementinitiative -- 2.10.3 Das Transformationsprojekt und MDM-Designprinzipien -- 2.10.4 Organisationsstruktur des Stammdatenmanagements -- 2.10.5 Datenpflegeprozess und Entscheidungskriterien für die Auslagerung -- 2.10.6 Erkenntnisse -- 2.10.7 Weiterführendes Material -- Literatur -- Kapitel-3 -- Methoden und Werkzeuge des Datenqualitätsmanagements -- 3.1 Methode zur Umsetzung der DQM-Strategie -- 3.1.1 Aufbau der Methode -- 3.1.2 Beispieltechniken der Methode -- 3.2 Reifegrad-Assessment und Benchmarking-Plattform für das Datenqualitätsmanagement -- 3.2.1 Ausgangssituation in Unternehmen -- 3.2.2 Reifegradmodelle und Benchmarking als Steuerungsinstrumente -- 3.2.3 EFQM-Exzellenzmodell für das Stammdatenqualitätsmanagement -- 3.2.4 Corporate Data Excellence: Steuerungswerkzeuge für Verantwortliche des Datenqualitätsmanagements -- 3.3 Die Corporate Data League: Ein Ansatz zur kooperativen Geschäftspartnerdatenpflege -- 3.3.1 Herausforderungen der Geschäftspartnerdatenpflege -- 3.3.2 Der Lösungsansatz des kooperativen Datenmanagements -- 3.3.3 Die Corporate Data League -- 3.4 Weitere Methoden und Werkzeuge des CC CDQ -- Literatur -- Kapitel-4 -- Erfolgsfaktoren und Sofortmaßnahmen -- 4.1 Erfolgsfaktoren des Datenqualitätsmanagements.

4.2 Sofortmaßnahmen auf dem Weg zum erfolgreichen Datenqualitätsmanagement -- Glossar -- Sachverzeichnis.