DQM_Kundentag_2008

Werbung
<Insert Picture Here>
Datenqualität sichern
Wenn sich Controlling und Buchhaltung streiten
Praxisseminar zu Datenqualitätsanalysen mit einem
Planspiel zur virtuellen Server GmbH
Christoph Blessing, Alfred Schlaucher
So...
...oder so?
Agenda
 09:30
 10:00
Teurer Datensumpf" oder
"Schlechte Daten kosten einfach nur viel Geld"
Einweisung in das Planspiel „Service GmbH“
„Wenn Controlling auf die Buchhaltung schimpft“
Eine simulierte Firma mit (einigen) Problemen.
 10:15
 10:30
 10:45
 11:00
 12:15
Systematische Vorgehensweisen bei Datenqualitätsanalysen
mit einem Vorgehensmodell
Unterstützung durch Werkzeuge in Datenqualitätsprojekten
Pause
Datenqualität praktisch und hautnah:
Data Profiling Analysen in der Service GmbH
Proaktives Datenqualitätsmanagement
Zusammenfassung und Möglichkeiten
 12:30
Ausklang mit Business Lunch
Agenda
 09:30
 10:00
Teurer Datensumpf" oder
"Schlechte Daten kosten einfach nur viel Geld"
Einweisung in das Planspiel „Service GmbH“
„Wenn Controlling auf die Buchhaltung schimpft“
Eine simulierte Firma mit (einigen) Problemen.
 10:15
 10:30
 10:45
 11:00
 12:15
Systematische Vorgehensweisen bei Datenqualitätsanalysen
mit einem Vorgehensmodell
Unterstützung durch Werkzeuge in Datenqualitätsprojekten
Pause
Datenqualität praktisch und hautnah:
Data Profiling Analysen in der Service GmbH
Proaktives Datenqualitätsmanagement
Zusammenfassung und Möglichkeiten
 12:30
Ausklang mit Business Lunch
Wer glaubt solchen Charts?
Die Kosten der schlechten Daten
Ohne Daten kein Business
Daten sind der Treibstoff der Prozesse
Information Chain
Marketing
Werbung
Adresse
KD-Daten
Bedarf
Adresse
Kreditdaten
Kunde
Angebot
Kredit OK
Kundenbetreuer
Bestelldaten
Bestand
Stammdaten
Order
Logistiksystem
Lager
Buchhaltung
Verkaufsdaten
Lieferschein
Spedition
Rechnung
Mahnung
Bezahlung
Reklamation
Kunde
Operative Prozesse
Die Qualität von Data Warehouse Daten
wird immer wichtiger
MIS
Controlling
Produkt
Management
Analytisches
CRM
Informationsbasis
Oracle Data Warehouse
Call
Center
Internetzugriffe
Beschwerden
Operatives
CRM
Diversifizierung
Marketing-Material
Warum wächst die Herausforderung
der Qualität der Daten
Gewachsene Bedeutung
des Faktors Information
für den Erfolg von
Unternehmen.
Fehlende Praxis in
Datenmanagement
Datenqualität
Immer häufigere
Prozessänderungen
Ausufernde
Datenmengen
Vermehrtes Inseltum
durch FertigAnwendungen
Was ist Datenqualität?
Aspekte (Dimensionen) der Datenqualität
Brauchbarkeit
der Daten!
1. Korrekt
2. Stimmig
3. Vollständig
4. Dokumentiert
5. Redundanzfrei
6. Aktuell
7. Verfügbar (Access)
8. Nützlich (TCO)
9. Handhabbar
10. Vertrauenswürdig
11. Harmonisch
Agenda
 09:30
 10:00
Teurer Datensumpf" oder
"Schlechte Daten kosten einfach nur viel Geld"
Einweisung in das Planspiel „Service GmbH“
„Wenn Controlling auf die Buchhaltung schimpft“
Eine simulierte Firma mit (einigen) Problemen.
 10:15
 10:30
 10:45
 11:00
 12:15
Systematische Vorgehensweisen bei Datenqualitätsanalysen
mit einem Vorgehensmodell
Unterstützung durch Werkzeuge in Datenqualitätsprojekten
Pause
Datenqualität praktisch und hautnah:
Data Profiling Analysen in der Service GmbH
Proaktives Datenqualitätsmanagement
Zusammenfassung und Möglichkeiten
 12:30
Ausklang mit Business Lunch
Die
SERVICE GmbH
Fallbeispiel
Die SERVICE GmbH –
Historisch gewachsene Geschäftsfelder
• Vermittlung von Dienstleistungen
für Endkunden rund um das Handwerk
• Handwerksleistung
• Darlehen
• Großhandel für Baumärkte und
Einzelhandel
• Haushaltswaren
• Heimwerker
• Gartenbedarf
• KFZ-Zubehoer
• Elektroartikel
•Bereich Internet-/Versandhandel
• Computerteile
SERVICE GmbH
Die SERVICE GmbH
Die Problemfälle
• Unterscheidung
• Privatkunden
• Firmenkunden
• Kundenkarte wurde eingeführt
• Nur Privatkunden dürfen Kundenkarten haben
• Entstand aus Zusammenschluss mehrerer
Vertriebsgesellschaften
 Integration der Stammdaten
„mit Hindernissen“
Unterschiedliche
SERVICE GmbH
Artikel-/
Produktestammdaten
Erwartungen aus dem Unternehmen
Buchhaltung: Es fehlen Daten
Warum sind die Spediteursrechnungen so hoch?
Sind alle Bestellungen korrekt bezahlt worden?
Wie hoch sind die Versandkosten pro Lieferung?
Was wurde storniert?
Controlling:
Vergleichbarkeit fehlt
Marketing: Absatzzahlen
sind nicht aussagefähig
Wie viel Kunden gibt es?
Lohnt die Kundekarte?
Welche Segmentierung gibt es?
Vertrieb: wünscht leichtere
Auswertungen
Was sind wichtige Produkte?
Was sind rentable Sparten?
Hat sich der Servicebereich
gelohnt?
SERVICE GmbH
Vertrieb
Marketing
Management
Buchhaltung
Controlling
Was sind rentable Sparten?
Wie rentabel sind einzelne
Produkte?
Was kosten Produkte im
Einkauf?
 Wie teuer wurden Produkte
verkauft?
Management:
Kennzahlen fehlen
 Wie hoch sind die
liquiden Mittel?
 Wie hoch sind die
Außenstände?
Erwartungen aus dem Unternehmen
Buchhaltung: Es fehlen Daten
Warum sind die Spediteursrechnungen so hoch?
Sind alle Bestellungen korrekt bezahlt worden?
Wie hoch sind die Versandkosten pro Lieferung?
Was wurde storniert?
Controlling:
Vergleichbarkeit fehlt
Marketing: Absatzzahlen
sind nicht aussagefähig
Wie viel Kunden gibt es?
Lohnt die Kundekarte?
Welche Segmentierung gibt es?
Vertrieb: wünscht leichtere
Auswertungen
Was sind wichtige Produkte?
Was sind rentable Sparten?
Hat sich der Servicebereich
gelohnt?
SERVICE GmbH
Vertrieb
Marketing
Management
Buchhaltung
Controlling
Was sind rentable Sparten?
Wie rentabel sind einzelne
Produkte?
Was kosten Produkte im
Einkauf?
 Wie teuer wurden Produkte
verkauft?
Management:
Kennzahlen fehlen
 Wie hoch sind die
liquiden Mittel?
 Wie hoch sind die
Außenstände?
Bekannte Probleme
Korrekte
Werte für:
Umsatz pro Sparte?
Umsatz pro Gruppe?
Umsatz pro Produkt?
Werden korrekte
Rechnungen gestellt?
Umsatz pro Kunde?
Macht die Kundenkarte
Sinn?
Bestellung
KundenStamm
Sparten
Gruppen
Produkte
Position
• Auswertungen auf
Spartenebene stimmen
nicht mit den
Aufstellungen Umsatz
pro Produkt überein
• Die Kundendaten
erlauben keine
Segmentierung für
Marketingzwecke
„Es werden Firmenkunden, als
Privatkunden angeschrieben“
Die Controlling-Sicht
Agenda
 09:30
 10:00
Teurer Datensumpf" oder
"Schlechte Daten kosten einfach nur viel Geld"
Einweisung in das Planspiel „Service GmbH“
„Wenn Controlling auf die Buchhaltung schimpft“
Eine simulierte Firma mit (einigen) Problemen.
 10:15
 10:30
 10:45
 11:00
 12:15
Systematische Vorgehensweisen bei Datenqualitätsanalysen
mit einem Vorgehensmodell
Unterstützung durch Werkzeuge in Datenqualitätsprojekten
Pause
Datenqualität praktisch und hautnah:
Data Profiling Analysen in der Service GmbH
Proaktives Datenqualitätsmanagement
Zusammenfassung und Möglichkeiten
 12:30
Ausklang mit Business Lunch
Methoden und Hilfsmittel
•
•
•
•
•
•
•
Datenmodellierung
Attribut-Klassifizierung (Namen)
Kategorisierung von Qualitätsregeln
Data Profiling Tool
ETL-Tool
Datenbank
Vorgehensmodell
Datenmodellierung
Ziel:
Aufspüren und Minimierung von Redundanzen als eine der
Hauptursachen von Datenfehlern
• Schlüssel
• Identifizierung von Dingen
• Functional Dependencies
• Versteckte Abhängigkeiten
• Beziehungen
• Existenzabhängigkeit
• Orphans
• Childless
• Normalisierung
• One Fact One Place
Attribut-Klassifizierung
Ziel:
Erkennung der Anforderungen an Felder um diese optimal
gestalten zu können
Aufspüren von Synonymen und Homonymen
• Einordnen von Attributen zu Basistypen
• Identifier, Bezeichner, Beschreibungen, Werte, Zeiten.....
• Ableitung von vermuteten Eigenschaften
• Eindeutigkeit, Schlüsselkandidat, Muss-Feld....
• Erkennen von Synonymen / Homonymen über
gleiche Merkmale und Namensbestandteile
Data Profiling Tool
• Standardanalysen
•
•
•
•
•
•
•
•
Unique Keys
Functional Dependencies
Relationships
Domains
Redundant Columns
Patterns, Types
Statistiken
Six Sigma
• Rules (Business-/ IT-Rules)
• Generierung von
Korrekturen
• Auditing
• Eingebettet in ein ETL-Tool
• hohe Flexibilität beim
Bereitstellen von Daten
• Direktes Anwenden erkannter
Regeln für eine spätere
Datenaufbereitung und
Minitoring
• Ablaufumgebung ist die
Datenbank
• Datennähe
Data Profiling Tool
Methoden
Die
operativen
Daten
Feintuning zu
den Analysemethoden
Protokollierung
laufende
Analysen
Drill Down zu den operativen Daten
ETL - Tool
• SQL-basiert
• wenig Lernaufwand
• Ablaufumgebung ist die Datenbank
• hohe Performance
• Wiederverwendung von DB-Funktionen und Infrastruktur
• Metadaten- / Modell-gesteuert
Vorgehensmodell Datenqualitätsanalyse
Zieldefinition
Geschäftsregeln
Erwartungen
Bestandsaufnahme
Owner
User
Ressourcen
Kosten
Modelle
Problemkomplexe
Priorisieren
Strukturanalysen
Felder
Objekte
Beziehungen
Hierarchien
Regelanalysen
Daten
Werte
Fach
Umsetzung Ergebnisse
Abgleich-Alt
Neudefinition
Monitoring
6 Phasen, 95 Aktivitäten, 16 Ergebnis-Templates, 1 Metamodell, Klassifizierungen
Bottom Up
Top Down
Planen
Vorgehensmodell für
Datenqualitätsprojekte
Erheben der Grunddaten
Geschäftsfelder
Data Owner / Daten-Interessenten / Konsumenten
DQ-Erwartungen
Bekannte Schwachstellen
Kosten
Prioritäten
Beschreibung der
Geschäftsprozesse
Objektmodell
Datenflüsse und –
schnittstellen
Bekannte Geschäftsregeln
Datenmodellprüfungen
Vollständigkeitsbetrachtung
Betrachtung der Verständlichkeit
Schlüsselanalysen / Beziehungsanalysen
Analyse von Hierarchien
Suche nach Redundanzen (z. B.
Normalisierung)
Mengenanalyse / Stammdatenabgleiche
Detailanalyse
Überprüfen der Geschäftsregeln
Analyse der erkannten Schwachstellen
Verifizieren der DQ Erwartungen
Vorgehensweisen / Methoden
im Data Profiling
..
..
..
Metadaten
Data Quality Assessement
Erwartungen an die
Datenqualität
Assertion Testing
Abgleich
Metadata Verification
Neue Erkenntnisse
(Überraschungen)
Discovery
Bottom up
Unternehmensdaten
Data
Profiling
Agenda
 09:30
 10:00
Teurer Datensumpf" oder
"Schlechte Daten kosten einfach nur viel Geld"
Einweisung in das Planspiel „Service GmbH“
„Wenn Controlling auf die Buchhaltung schimpft“
Eine simulierte Firma mit (einigen) Problemen.
 10:15
 10:30
 10:45
 11:00
 12:15
Systematische Vorgehensweisen bei Datenqualitätsanalysen
mit einem Vorgehensmodell
Unterstützung durch Werkzeuge in Datenqualitätsprojekten
Pause
Datenqualität praktisch und hautnah:
Data Profiling Analysen in der Service GmbH
Proaktives Datenqualitätsmanagement
Zusammenfassung und Möglichkeiten
 12:30
Ausklang mit Business Lunch
Warum ist ein Tooleinsatz bei
Datenqualitätsanalysen sinnvoll?
• Das meiste geht auch ohne Tool, allerdings
mühsam
Functional Dependencies
Starten eines
GenerierungProfiling-Laufs Rule
Starten einer CorrectionMapping-Generierung
Auswahl und Ergebnisansicht Methoden
Die Tabellen,
die zu dem
Analysefukus
gehören
Tabellen-Darstellung
Chart-Darstellung
Feintuning
zu den
Analysemethoden
Drill-Werte
Operative Datensätze
AnalyseJobProtokolle
Aktivierbare Business Rules
Analyseumgebung
LDAP
DBMS_LDAP
non Oracle
DB2, SQL Server
Informix, Teradata
Meta Daten
Repository
Gateway
/ ODBC
/ FTP
Oracle 9i / 10g / 11g
SAP
Integrator
SAP R/3
Source
Stage
Siebel CRM
Oracle
eBusiness
Text / XML
Profiling
Stage
Analyse Datenbank
Direct Path
DBLink
Transportable
Modules
Eindeutigkeitsanalysen (Unique Key)
Wertebereichsanalysen (Domain)
Funktionale Abhängigkeiten
Beziehungen (Relational)
Beziehungen (Orphans / Childless)
Wertmustererkennung (Pattern)
Formate (Data Type)
Statistiken (Aggregation)
Individuelle Regeln (Data Rules)
Korrekt: Zusammen 100%
(Alle Fälle erfasst)
Korrekt, muß 0 sein
Korrekt:
Es kann nur ein
Wert gepflegt sein.
Korrekt, muß 0 sein
Korrekt, muß 0 sein
Korrekt, das sind
die richtigen Werte
Korrekt, das sind
richtige Werte
Problem:
kein Schlüsselfeld
ist gepflegt
Korrekt, muß 0 sein
Korrekt:
Zusammen
100%.
(Alle Fälle erfasst)
Korrekt, muß 0 sein
Problem
Korrekt
Rule-Varianten
Agenda
 09:30
 10:00
Teurer Datensumpf" oder
"Schlechte Daten kosten einfach nur viel Geld"
Einweisung in das Planspiel „Service GmbH“
„Wenn Controlling auf die Buchhaltung schimpft“
Eine simulierte Firma mit (einigen) Problemen.
 10:15
 10:30
 10:45
 11:00
 12:15
Systematische Vorgehensweisen bei Datenqualitätsanalysen
mit einem Vorgehensmodell
Unterstützung durch Werkzeuge in Datenqualitätsprojekten
Pause
Datenqualität praktisch und hautnah:
Data Profiling Analysen in der Service GmbH
Proaktives Datenqualitätsmanagement
Zusammenfassung und Möglichkeiten
 12:30
Ausklang mit Business Lunch
Agenda
 09:30
 10:00
Teurer Datensumpf" oder
"Schlechte Daten kosten einfach nur viel Geld"
Einweisung in das Planspiel „Service GmbH“
„Wenn Controlling auf die Buchhaltung schimpft“
Eine simulierte Firma mit (einigen) Problemen.
 10:15
 10:30
 10:45
 11:00
 12:15
Systematische Vorgehensweisen bei Datenqualitätsanalysen
mit einem Vorgehensmodell
Unterstützung durch Werkzeuge in Datenqualitätsprojekten
Pause
Datenqualität praktisch und hautnah:
Data Profiling Analysen in der Service GmbH
Proaktives Datenqualitätsmanagement
Zusammenfassung und Möglichkeiten
 12:30
Ausklang mit Business Lunch
Problemkomplex
Stammdaten
(Produkte / Artikel)
Stammdaten
Hierarchien?
Einkaufspreise
(fehlerhaft?)
Stammdaten
(Kunden /
Identifizierung )
Fragestellungen
Benannte Probleme
Auswertbarkeit
Stimmen die
Einträge
Vergleichbarkeit von
Einkaufs- und
Verkaufspreisen
Welche Produkte
lohnen sich
Rabatte?
Messbarkeit für
Controlling
Korrekte Zahlen zur
Steuerung von
Marketingkampagnen
und für den Vertrieb
Wer hat wieviel
gekauft?
Kunden-Segmentierung
Wo bleibt die
gelieferte Ware?
Lieferungen
(Bestellungen
/Stornierungen)
Artikel-,
Gruppen-,
Spartenberichte
Ergebnis
Wie korrekt wird
gezahlt?
Spediteure?
Nachvollziehbarkeit
von Zahlungen für die
Buchhaltung
Fall 1: Auswertungen über die
Artikelgruppen-Hierarchie
Die Zahlen von Controlling und
Buchhaltung passen nicht
zusammen.
Analysemodell:
Was wissen wir über den Prozess?
Produkte
Handwerker
bietet an
beauftragt
Dienstleistungen
Kunden
bietet an
verkauft
Lieferanten
Service GmbH
holt ab
Privat
Kundenkarte
bestellt
storniert
beauftragt
Firmen
liefert aus
Spediteur
beliefert
Lager
holt
stornierte
Ware ab
liefert ab
Geschäftsprozess: Bestellungen
Bestellprozess
Status
Beschaffung
offene
Posten
Kundendaten
prüfen
MAX/MIN
Menge
Kreditlimit
prüfen
Kundenstamm
Verfügbarkeit
prüfen
Spediteur
beauftragen
Bestellung
anlegen
Lieferschein
Bestellsatz
updaten
Liefersatz
anlegen
Kundenstamm
Produktestamm
Bestellung
Best_Pos
Dienstleistung beauftragen
Vertrag
Bestellung
Best_Pos
Lieferung
Objektmodell:
Welche Geschäftsobjekte sind an dem Prozess beteiligt?
Bewegungs
daten
Stornierung
Lieferung
Spediteur
Stammdaten
Zahlung
Beauftragung /
Order
Partner
Lieferanten
Retouren
Bestellung
Dienstleister
Produkte
Artikel
Service
Kunde
FirmenKunde
Lager
KundenKarte
PrivatKunde
Vollständigkeitsanalyse
Wichtige Daten fehlen!
Identifizierung nur
über Bestellnummer
Keine Untergliederung
nach Positionen
möglich.
Bewegungs
daten
Stornierung
Zahlung
Lieferung
Spediteur
Stammdaten
Retouren
Bestellung
Beauftragung /
Order
Partner
Lieferanten
Liefernummer fehlt.
Identifizierung nur über
Bestellnummer
Dienstleister
Produkte
Artikel
Service
Kunde
FirmenKunde
Lager
KundenKarte
PrivatKunde
Beziehungsanalyse
Artikel_
Sparte
Lieferung
Bestellnr
[6, (97%)]
Order_ID
Bestellnr
[6, (97%)]
Bestrellnr
Stornierung
Bestrellnr
[0, (100%)]
Bestrellnr
Bestellung
Kundencode
[0, (100%)]
Kunden_ID
Bestrellnr
[213, (90%)]
Best_
Position
KD_Nummer
[0, (100%)]
Kunden_ID
Kundencode
[0, (100%)]
Kunden_ID
Lager
Artikelgruppennr
[6, (92%)]
Produktnummer
[0, (100%)]
Artikelnr
[0, (100%)]
KD_Nummer
[1211, (46%)]
Kundennr
Kunden_
stamm
Artikel_
Gruppe
Order_ID
[0, (100%)]
Order_ID
Bestrellnr
[0, (100%)]
Order_ID
Zahlung
Artikelspartennnr
[1, (90%)]
Produkte_
stamm
Lieferant
Legende
Kundencode
[0, (100%)]
Kunden_ID
FK-Column
[Orphans, (%-korrekte Sätze) ]
UK-Column
Gezieltes Suchen nach „Waisenkinder“
(Orphans)
Nachprüfen mit SQL
Abfrage über die Hierarchie
Artikelgruppe -> Produkte_Stamm -> Best_Position
Abfrage über die Hierarchie
Produkte_Stamm -> Best_Position
?
Artikel-Hierarchie
Analyse von Hierarchien
Artikelsparte
ARTIKELSPARTENNR
1 , 2 ,3
Artikel_Gruppe
ARTIKELSPARTENNR
1,4,3
ARTIKELGRUPPENNR
1,2,3,4,5,6,11,10,9,8,7
Produkte_Stamm
ARTIKELGRUPPENNR
100,1,6,2,5,4,7,3,10
Korrekte Business Intelligence
Auswertungen?
Korrekte
Werte für:
Umsatz pro Sparte?
Umsatz pro Gruppe?
Umsatz pro Produkt?
Werden korrekte
Rechnungen gestellt?
Umsatz pro Kunde?
Macht die Kundenkarte
Sinn?
Sparten
Gruppen
Produkte
Fehlerhafte
Spartenkennzeichnung
von Gruppen
Orphans
Falsche
Statuskennzeichnung
von Finanzprodukten
Fehlerhafte
Verschlüsselung
von Artikel- und
Produkten
Bestellung
Position
Doppelte
Produktnummern
KundenStamm
Doppelte Wertebelegung von
Statuskennzeichnung für
Privat- und Firmenkunden.
Fehlerhafte , nicht
rechenbare
Einzelpreisbezeichnung
Wer hat Recht
Controlling oder Buchhaltung?
Zahlen: Controlling
Zahlen: Buchhaltung
Fall 2: Was wissen wir über den Kunden?
Sind die Kundendaten ausreichend um MarketingKampagnen durchzuführen?
Domain-Analyse Kundenkarte
?
Überprufen der Regel:
„Nur Privatkunden haben Kundenkarten“
Überprufen der Regel:
„Nur Privatkunden haben Kundenkarten“
Überprufen der Regel:
„Nur Privatkunden haben Kundenkarten“
Hilft das Feld Branche zur
Qualifizierung von Kunden?
Man stellt unterschiedliche
Begriffe für dasselbe fest
(Synonyme)
?
?
Standardisierung von Feldern
Erstellen einer Rule mit
standardisierten Branchennamen
Die Rule „BRANCHEN“
Ein Korrekturmapping wird erzeugt
Generierter Prüflauf
Anweisungen in welche Richtung
standardisiert werden soll
Vorher
Nachher
Agenda
 09:30
 10:00
Teurer Datensumpf" oder
"Schlechte Daten kosten einfach nur viel Geld"
Einweisung in das Planspiel „Service GmbH“
„Wenn Controlling auf die Buchhaltung schimpft“
Eine simulierte Firma mit (einigen) Problemen.
 10:15
 10:30
 10:45
 11:00
 12:15
Systematische Vorgehensweisen bei Datenqualitätsanalysen
mit einem Vorgehensmodell
Unterstützung durch Werkzeuge in Datenqualitätsprojekten
Pause
Datenqualität praktisch und hautnah:
Data Profiling Analysen in der Service GmbH
Proaktives Datenqualitätsmanagement
Zusammenfassung und Möglichkeiten
 12:30
Ausklang mit Business Lunch
Data Quality Management Process
Data Quality
Reporting
Data Quality
Auditing
Data Profiling
Datenkorrektur
Audits in den Datenflüssen
Datenqualitätsreporting
Verarbeitete Sätze pro Berichtzeitraum
(Anzahl Positionen pro Bestellungen)
Füllstandsanzeige einzelner Werte
Agenda
 09:30
 10:00
Teurer Datensumpf" oder
"Schlechte Daten kosten einfach nur viel Geld"
Einweisung in das Planspiel „Service GmbH“
„Wenn Controlling auf die Buchhaltung schimpft“
Eine simulierte Firma mit (einigen) Problemen.
 10:15
 10:30
 10:45
 11:00
 12:15
Systematische Vorgehensweisen bei Datenqualitätsanalysen
mit einem Vorgehensmodell
Unterstützung durch Werkzeuge in Datenqualitätsprojekten
Pause
Datenqualität praktisch und hautnah:
Data Profiling Analysen in der Service GmbH
Proaktives Datenqualitätsmanagement
Zusammenfassung und Möglichkeiten
 12:30
Ausklang mit Business Lunch
Herunterladen