Table of Contents: Corporate Data Quality :

Corporate Data Quality : : Voraussetzung Erfolgreicher Geschäftsmodelle.

Saved in:

Bibliographic Details
:	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
Online Access:	https://ebookcentral.proquest.com/lib/oeawat/detail.action?docID=6422690
Physical Description:	1 online resource (219 pages)
Tags:	Add Tag No Tags, Be the first to tag this record!

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.

Corporate Data Quality : : Voraussetzung Erfolgreicher Geschäftsmodelle.

Similar Items