Enviar búsqueda
Cargar
Stammdatenmanagement
•
0 recomendaciones
•
1,403 vistas
P
patriziapesce
Seguir
Denunciar
Compartir
Denunciar
Compartir
1 de 22
Recomendados
Stammdaten als Erfolgsfaktor moderner Unternehmen
Stammdaten als Erfolgsfaktor moderner Unternehmen
Boris Otto
Wie Sie Data Governance Prozesse erfolgreich modellieren und optimieren
Wie Sie Data Governance Prozesse erfolgreich modellieren und optimieren
IBsolution GmbH
Top 10 Artifacts Needed For Data Governance
Top 10 Artifacts Needed For Data Governance
First San Francisco Partners
Data Governance
Data Governance
Boris Otto
Data, Information And Knowledge Management Framework And The Data Management ...
Data, Information And Knowledge Management Framework And The Data Management ...
Alan McSweeney
Mdm: why, when, how
Mdm: why, when, how
Jean-Michel Franco
Data Governance: Keystone of Information Management Initiatives
Data Governance: Keystone of Information Management Initiatives
Alan McSweeney
Data Governance Best Practices
Data Governance Best Practices
DATAVERSITY
Recomendados
Stammdaten als Erfolgsfaktor moderner Unternehmen
Stammdaten als Erfolgsfaktor moderner Unternehmen
Boris Otto
Wie Sie Data Governance Prozesse erfolgreich modellieren und optimieren
Wie Sie Data Governance Prozesse erfolgreich modellieren und optimieren
IBsolution GmbH
Top 10 Artifacts Needed For Data Governance
Top 10 Artifacts Needed For Data Governance
First San Francisco Partners
Data Governance
Data Governance
Boris Otto
Data, Information And Knowledge Management Framework And The Data Management ...
Data, Information And Knowledge Management Framework And The Data Management ...
Alan McSweeney
Mdm: why, when, how
Mdm: why, when, how
Jean-Michel Franco
Data Governance: Keystone of Information Management Initiatives
Data Governance: Keystone of Information Management Initiatives
Alan McSweeney
Data Governance Best Practices
Data Governance Best Practices
DATAVERSITY
Business impact without data governance
Business impact without data governance
John Bao Vuu
Master Data Management – Aligning Data, Process, and Governance
Master Data Management – Aligning Data, Process, and Governance
DATAVERSITY
DataEd Webinar: Reference & Master Data Management - Unlocking Business Value
DataEd Webinar: Reference & Master Data Management - Unlocking Business Value
DATAVERSITY
Data-Ed Webinar: Data Quality Engineering
Data-Ed Webinar: Data Quality Engineering
DATAVERSITY
DAS Slides: Master Data Management – Aligning Data, Process, and Governance
DAS Slides: Master Data Management – Aligning Data, Process, and Governance
DATAVERSITY
A Comparative Study of Data Management Maturity Models
A Comparative Study of Data Management Maturity Models
Data Crossroads
5 Level of MDM Maturity
5 Level of MDM Maturity
PanaEk Warawit
Data Catalogs Are the Answer – What is the Question?
Data Catalogs Are the Answer – What is the Question?
DATAVERSITY
Building a Data Strategy – Practical Steps for Aligning with Business Goals
Building a Data Strategy – Practical Steps for Aligning with Business Goals
DATAVERSITY
Unternehmen in der Krise | 5 Trends für die deutsche Wirtschaft
Unternehmen in der Krise | 5 Trends für die deutsche Wirtschaft
Deloitte Deutschland
Data Architecture Strategies: Data Architecture for Digital Transformation
Data Architecture Strategies: Data Architecture for Digital Transformation
DATAVERSITY
Reference Data Management
Reference Data Management
Profinit
Data Governance Best Practices, Assessments, and Roadmaps
Data Governance Best Practices, Assessments, and Roadmaps
DATAVERSITY
Enterprise Data Architect Job Description
Enterprise Data Architect Job Description
Lars E Martinsson
Master Data Management - Aligning Data, Process, and Governance
Master Data Management - Aligning Data, Process, and Governance
DATAVERSITY
Data Management Strategies
Data Management Strategies
Micheal Axelsen
Mike2.0 Information Governance Overview
Mike2.0 Information Governance Overview
sean.mcclowry
Becoming a Data-Driven Organization - Aligning Business & Data Strategy
Becoming a Data-Driven Organization - Aligning Business & Data Strategy
DATAVERSITY
Building a Data Strategy – Practical Steps for Aligning with Business Goals
Building a Data Strategy – Practical Steps for Aligning with Business Goals
DATAVERSITY
Tips & tricks to drive effective Master Data Management & ERP harmonization
Tips & tricks to drive effective Master Data Management & ERP harmonization
Verdantis
Jens Bleiholder und Rico Grossmann Unterstützung agiler Vorgehensmodelle du...
Jens Bleiholder und Rico Grossmann Unterstützung agiler Vorgehensmodelle du...
Stephan Trahasch
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
OPITZ CONSULTING Deutschland
Más contenido relacionado
La actualidad más candente
Business impact without data governance
Business impact without data governance
John Bao Vuu
Master Data Management – Aligning Data, Process, and Governance
Master Data Management – Aligning Data, Process, and Governance
DATAVERSITY
DataEd Webinar: Reference & Master Data Management - Unlocking Business Value
DataEd Webinar: Reference & Master Data Management - Unlocking Business Value
DATAVERSITY
Data-Ed Webinar: Data Quality Engineering
Data-Ed Webinar: Data Quality Engineering
DATAVERSITY
DAS Slides: Master Data Management – Aligning Data, Process, and Governance
DAS Slides: Master Data Management – Aligning Data, Process, and Governance
DATAVERSITY
A Comparative Study of Data Management Maturity Models
A Comparative Study of Data Management Maturity Models
Data Crossroads
5 Level of MDM Maturity
5 Level of MDM Maturity
PanaEk Warawit
Data Catalogs Are the Answer – What is the Question?
Data Catalogs Are the Answer – What is the Question?
DATAVERSITY
Building a Data Strategy – Practical Steps for Aligning with Business Goals
Building a Data Strategy – Practical Steps for Aligning with Business Goals
DATAVERSITY
Unternehmen in der Krise | 5 Trends für die deutsche Wirtschaft
Unternehmen in der Krise | 5 Trends für die deutsche Wirtschaft
Deloitte Deutschland
Data Architecture Strategies: Data Architecture for Digital Transformation
Data Architecture Strategies: Data Architecture for Digital Transformation
DATAVERSITY
Reference Data Management
Reference Data Management
Profinit
Data Governance Best Practices, Assessments, and Roadmaps
Data Governance Best Practices, Assessments, and Roadmaps
DATAVERSITY
Enterprise Data Architect Job Description
Enterprise Data Architect Job Description
Lars E Martinsson
Master Data Management - Aligning Data, Process, and Governance
Master Data Management - Aligning Data, Process, and Governance
DATAVERSITY
Data Management Strategies
Data Management Strategies
Micheal Axelsen
Mike2.0 Information Governance Overview
Mike2.0 Information Governance Overview
sean.mcclowry
Becoming a Data-Driven Organization - Aligning Business & Data Strategy
Becoming a Data-Driven Organization - Aligning Business & Data Strategy
DATAVERSITY
Building a Data Strategy – Practical Steps for Aligning with Business Goals
Building a Data Strategy – Practical Steps for Aligning with Business Goals
DATAVERSITY
Tips & tricks to drive effective Master Data Management & ERP harmonization
Tips & tricks to drive effective Master Data Management & ERP harmonization
Verdantis
La actualidad más candente
(20)
Business impact without data governance
Business impact without data governance
Master Data Management – Aligning Data, Process, and Governance
Master Data Management – Aligning Data, Process, and Governance
DataEd Webinar: Reference & Master Data Management - Unlocking Business Value
DataEd Webinar: Reference & Master Data Management - Unlocking Business Value
Data-Ed Webinar: Data Quality Engineering
Data-Ed Webinar: Data Quality Engineering
DAS Slides: Master Data Management – Aligning Data, Process, and Governance
DAS Slides: Master Data Management – Aligning Data, Process, and Governance
A Comparative Study of Data Management Maturity Models
A Comparative Study of Data Management Maturity Models
5 Level of MDM Maturity
5 Level of MDM Maturity
Data Catalogs Are the Answer – What is the Question?
Data Catalogs Are the Answer – What is the Question?
Building a Data Strategy – Practical Steps for Aligning with Business Goals
Building a Data Strategy – Practical Steps for Aligning with Business Goals
Unternehmen in der Krise | 5 Trends für die deutsche Wirtschaft
Unternehmen in der Krise | 5 Trends für die deutsche Wirtschaft
Data Architecture Strategies: Data Architecture for Digital Transformation
Data Architecture Strategies: Data Architecture for Digital Transformation
Reference Data Management
Reference Data Management
Data Governance Best Practices, Assessments, and Roadmaps
Data Governance Best Practices, Assessments, and Roadmaps
Enterprise Data Architect Job Description
Enterprise Data Architect Job Description
Master Data Management - Aligning Data, Process, and Governance
Master Data Management - Aligning Data, Process, and Governance
Data Management Strategies
Data Management Strategies
Mike2.0 Information Governance Overview
Mike2.0 Information Governance Overview
Becoming a Data-Driven Organization - Aligning Business & Data Strategy
Becoming a Data-Driven Organization - Aligning Business & Data Strategy
Building a Data Strategy – Practical Steps for Aligning with Business Goals
Building a Data Strategy – Practical Steps for Aligning with Business Goals
Tips & tricks to drive effective Master Data Management & ERP harmonization
Tips & tricks to drive effective Master Data Management & ERP harmonization
Similar a Stammdatenmanagement
Jens Bleiholder und Rico Grossmann Unterstützung agiler Vorgehensmodelle du...
Jens Bleiholder und Rico Grossmann Unterstützung agiler Vorgehensmodelle du...
Stephan Trahasch
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
OPITZ CONSULTING Deutschland
Softwarequalität – Schlagwort oder Realität ?
Softwarequalität – Schlagwort oder Realität ?
Ernest Wallmueller
[DE] EIM Update 2013 | Information Management | Dr. Ulrich Kampffmeyer | PROJ...
[DE] EIM Update 2013 | Information Management | Dr. Ulrich Kampffmeyer | PROJ...
PROJECT CONSULT Unternehmensberatung Dr. Ulrich Kampffmeyer GmbH
KI und Predictive Maintenance am Beispiel von DB Cargo
KI und Predictive Maintenance am Beispiel von DB Cargo
Inspirient
Aktuarielle Beratung: Test im aktuariellen Umfeld
Aktuarielle Beratung: Test im aktuariellen Umfeld
PPI AG
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
Marco Geuer
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Marco Geuer
ERV Customer Success Story
ERV Customer Success Story
Sven Hellmann
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
Iodata GmbH
Agiles Enterprise Big Data Testmanagement
Agiles Enterprise Big Data Testmanagement
OPITZ CONSULTING Deutschland
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
Euroforum Deutschland GmbH
Agile BI in der Praxis - Agiles Testen
Agile BI in der Praxis - Agiles Testen
OPITZ CONSULTING Deutschland
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!
Learning Factory
Grundlagen und Trends im Applikations-Sourcing
Grundlagen und Trends im Applikations-Sourcing
pliXos GmbH
Der Einsatz von Process Mining Techniken in Revision und Compliance
Der Einsatz von Process Mining Techniken in Revision und Compliance
ProcessGold AG
Webinar: BigData - Vom Hype zum Nutzen
Webinar: BigData - Vom Hype zum Nutzen
fun communications GmbH
KPMG Skilling me Softly: Schutz digitaler Geschäftsmodelle
KPMG Skilling me Softly: Schutz digitaler Geschäftsmodelle
MIPLM
Big Data Governance
Big Data Governance
Capgemini
IT-Kosten sparen mittels Open Source Software: Leeres Versprechen oder realis...
IT-Kosten sparen mittels Open Source Software: Leeres Versprechen oder realis...
Matthias Stürmer
Similar a Stammdatenmanagement
(20)
Jens Bleiholder und Rico Grossmann Unterstützung agiler Vorgehensmodelle du...
Jens Bleiholder und Rico Grossmann Unterstützung agiler Vorgehensmodelle du...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Softwarequalität – Schlagwort oder Realität ?
Softwarequalität – Schlagwort oder Realität ?
[DE] EIM Update 2013 | Information Management | Dr. Ulrich Kampffmeyer | PROJ...
[DE] EIM Update 2013 | Information Management | Dr. Ulrich Kampffmeyer | PROJ...
KI und Predictive Maintenance am Beispiel von DB Cargo
KI und Predictive Maintenance am Beispiel von DB Cargo
Aktuarielle Beratung: Test im aktuariellen Umfeld
Aktuarielle Beratung: Test im aktuariellen Umfeld
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Managem...
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
ERV Customer Success Story
ERV Customer Success Story
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
Agiles Enterprise Big Data Testmanagement
Agiles Enterprise Big Data Testmanagement
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
Agile BI in der Praxis - Agiles Testen
Agile BI in der Praxis - Agiles Testen
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!
VerbesserungsKATA – Umsetzung in einem Kommunalunternehmen – ein Praxisbericht!
Grundlagen und Trends im Applikations-Sourcing
Grundlagen und Trends im Applikations-Sourcing
Der Einsatz von Process Mining Techniken in Revision und Compliance
Der Einsatz von Process Mining Techniken in Revision und Compliance
Webinar: BigData - Vom Hype zum Nutzen
Webinar: BigData - Vom Hype zum Nutzen
KPMG Skilling me Softly: Schutz digitaler Geschäftsmodelle
KPMG Skilling me Softly: Schutz digitaler Geschäftsmodelle
Big Data Governance
Big Data Governance
IT-Kosten sparen mittels Open Source Software: Leeres Versprechen oder realis...
IT-Kosten sparen mittels Open Source Software: Leeres Versprechen oder realis...
Stammdatenmanagement
1.
Mustergültiges Stammdaten- und Datenqualitätsmanagement Prof.
Dr. Boris Otto Assistenzprofessor Mannheim, 14.05.2013 Lehrstuhl Prof. Dr. Hubert Österle
2.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 2 Aktuelle IT-Trends1 Tops 1. Virtualisierung 2. Master Data Management 3. Implementierung und Einhaltung von unternehmensweiten Sicherheiten 4. Integration von Standard- und Individualsoftware 5. Data Quality Management Flops 1. Bring Your Own Device 2. Corporate App Store 3. Context-Aware Computing 4. Near-Field Communication (NFC) 5. Biometrische Zugriffsverfahren CAPGEMINI 2013. IT-Trends 2013: Strategisch planen, kurzfristig umsetzen. Capgemini.
3.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 3 Stammdatenqualität als betriebswirtschaftlicher Erfolgsfaktor Fünf Prinzipien für Stammdatenqualität Zusammenfassung Agenda
4.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 4 Bayer CropScience stellt Pflanzenschutzmittel wie Insektizide her
5.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 5 Bei Bayer CropScience ist Datenqualität eine Voraussetzung für Geschäftsprozesse1 Datenobjekt «Produkthierarchie» Teilkonzern Geschäfts- feld Geschäfts- gebiet Aktiver Wirkstoff Produkt- gruppe Datenqualitäts- probleme Nicht verfügbare Daten Unvollständige Daten Inkonsistente Daten Auswirkung auf Geschäftsprozesse 1) V. EBNER, B. BRAUER: Fallstudie zum Führungssystem für Stammdatenqualität bei der Bayer CropScience AG. In: HMD - Praxis der Wirtschaftsinformatik 48 (2011), S. 64-73. 09 11 012 242 3938 Planung: Wirkstoffbedarfe werden nicht konsolidiert Berichtswesen: Umsätze sind nicht ausweisbar Segmentierung: Risiko fehlerhafter Portfolioplanung
6.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 6 «Starting in January 2010, the Services business unit will additionally pool the global customer service activities of the Group. In doing so, the Services departments at German division and business unit locations will be organizationally merged with the worldwide Services companies. With this new structure, ZF has established a systematic approach in the after-sales market.» ZF Friedrichshafen AG: Annual Report 2009, p. 64. ZF Friedrichshafen bündelt das weltweite Servicegeschäft
7.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 7 Dafür benötigt das Unternehmen hochqualitative Stammdaten zu Fahrzeugen, Kunden und Produkten Realwelt Geschäfts- prozesse Konstruktion/ Entwicklung Projekte Vertrieb, Logistik, Controlling Anwendungs- systeme Axalant SAP cProjects SAP ERP Daten VW-Gruppe Audi AUDI AG B8 AU416 PL48
8.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 8 Der typische Verlauf der Stammdatenqualität über die Zeit folgt einer «Sägezahnkurve» Legende: Stammdaten- qualitätsprobleme Stammdatenqualität Zeit Projekt 1 Projekt 2 Projekt 3 Keine Planbarkeit von Ressourcen und Budgets Keine Zielwerte für Stammdatenqualität Keine Nachhaltigkeit wegen hoher wiederkehrender Kosten
9.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 9 Der Fall Bayer CropScience illustriert die viel- fältigen Ursachen für Datenqualitätsprobleme1 Datenqualitäts- probleme Mitarbeiter Datenpflege Datenqualitätswesen Standards Organisation Unzureichende Ausbildung und Training Mangelnde Integration von Datenqualität in Zielsysteme Vielfältige Softwarewerkzeuge Stammdaten änderbar in Zielsystemen Keine durchgängige Softwareunterstützung Keine weltweite Harmonisierung der Pflegeprozesse Fehlende Datenqualitäts- kennzahlen Keine kontinuierliche Überwachung der Datenqualität Keine weltweiten Regeln, Vorgaben, Richtlinien Zu viele lokale Regeln, zu viele Ausnahmen Keine «Data Governance» Fehlende fachliche Verantwortlichkeiten 1) B. BRAUER, Master Data Quality Cockpit at Bayer CropScience, 4. Workshop des Kompetenzzentrums Corporate Data Quality 2 (CC CDQ2), Universität St. Gallen, Luzern, 2009.
10.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 10 Stammdatenqualität als betriebswirtschaftlicher Erfolgsfaktor Fünf Prinzipien für Stammdatenqualität Zusammenfassung Agenda
11.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 11 Fünf Prinzipien leiten das wirksame Stammdatenqualitätsmanagement Capture Data at the Source First Time Right Measure to Manage Data Quality by Design Governance
12.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 12 1. Prinzip: Die Datenerfassung erfolgt dort, wo das Wissen über die Daten am umfangreichsten ist1 1) FOHRER, M. 2012. Driving Corporate Data Quality @ Hilti through the use of Consumer Technology. 10. CC CDQ3-Workshop. Bregenz: Universität St. Gallen, Institut für Wirtschaftsinformatik.
13.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 13 2. Prinzip: Wo wird Qualität produziert? Eine Analogie1 „When we visited the high-quality but low productivity European plant […] we didn‘t have to go far to find the basic problem […]. At the end of the assembly line was an enormous rework and rectification area where armies of technicians in white laboratory jackets labored to bring the finished vehicles up to the company‘s fabled quality standard.“ „Our findings were eye-opening. The Japanese plant requires (less effort the American and European plants). At the same time, the Japanese plant greatly exceeds the quality level of all plants execpt one in Europe - and this plant requires four times the effort […]“ 1) WOMACK, J. P., JONES, D. T. & ROOS, D. 1991. The Machine That Changed the World: The Story of Lean Production, New York, Harper Perennial.
14.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 14 Anfrage für neuen Materialstamm Prüfung auf Qualität Vervollständigung der Daten Anlage des Datensatzes 2. Prinzip: Datenqualitätsqualitätskontrolle fängt vor Transaktion MM01 an…
15.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 15 3. Prinzip: Was nicht gemessen werden kann, lässt sich nicht managen Entwicklung der Materialstammdatenqualität bei Bayer CropScience1 1) V. EBNER, B. BRAUER: Fallstudie zum Führungssystem für Stammdatenqualität bei der Bayer CropScience AG. In: HMD - Praxis der Wirtschaftsinformatik 48 (2011), S. 64-73.
16.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 16 4. Prinzip: Datenqualität muss bereits beim Entwurf von Geschäftsprozessen berücksichtigt werden Business Process Task Data Object Business Policy Attribute Structural Business Rule Business Rule Operative Business Rule «On-boarding of new suppliers must be done in compliance with (global, national or regional) legal provisions and regulations, and it must be done in a verifiable manner.» «It is necessary that each supplier has a supply chain security indicator and its value is Yes or No» «Supplier» «It is obligatory that the supply chain security indicator of a supplier is set to "Yes" if the supplier ships products out of the U.S. » «Supplier On-Boarding» «Create supplier» «Supply Chain Security Indiator» consists of creates/consumes consists of Makes “actionable” decribes how to set values decribes structural limitations of applied in governs NB: Projektoriginalsprache beibehalten.
17.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 17 Sponsor Data Owner Corporate Data Steward Fachlicher Datensteward Technischer Datensteward DG- Komitee Daten- steward- Team Legende: Disziplinarische Berichtslinie; Fachliche Berichtslinien; ist Teil von. Fachbereich IT Stammdatenqualitätsmanagement-Team. Einzelrolle Gremium. 5. Prinzip: Data Governance definiert Verantwortlichkeiten im Umgang mit Stammdaten
18.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 18 Stammdatenqualität als betriebswirtschaftlicher Erfolgsfaktor Fünf Prinzipien für Stammdatenqualität Zusammenfassung Agenda
19.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 19 Fünf Prinzipien leiten das wirksame Stammdatenqualitätsmanagement Strategie Organisation Systeme Führungssystem Applikationen für SDQM Stammdatenarchitektur Organisation des SDQM Prozesse und Methoden des SDQM Strategie für SDQM lokal global Legende: SDQM – Stammdatenqualitätsmanagement.
20.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 20 Das CC CDQ bündelt das Wissen zahlreicher Partnerunternehmen * Aktuelle und frühere Partnerunternehmen AO FOUNDATION ASTRAZENECA PLC BAYER AG BEIERSDORF AG CORNING CABLE SYSTEMS GMBH DAIMLER AG DB NETZ AG DRÄGERWERK AG & Co. KGaA E.ON AG ERICSSON AB ETA SA FESTO AG & CO. KG HEWLETT-PACKARD GMBH IBM DEUTSCHLAND GMBH KION INFORMATION MANAGEMENT SERVICE GMBH MIGROS- GENOSSENSCHAFTS-BUND NESTLÉ SA NOVARTIS PHARMA AG OSRAM GMBH ROBERT BOSCH GMBH SAP AG SCHWEIZERISCHE BUNDESBAHNEN SBB SIEMENS ENTERPRISE COMMUNICATIONS GMBH & CO. KG SWISSCOM IT SERVICES AG SYNGENTA CROP PROTECTION AG TELEKOM DEUTSCHLAND GMBH ZF FRIEDRICHSHAFEN AG
21.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 21 SAP und das CC CDQ geben ein gemeinsames White Paper heraus
22.
© IWI-HSG, BEI
St. Gallen – 14.05.2013, Boris Otto - 22 Ihr Referent Prof. Dr. Boris Otto Assistenzprofessor Universität St. Gallen Institut für Wirtschaftsinformatik boris.otto@unisg.ch Tel.: +41 71 224 3220 http://www.iwi.unisg.ch Institute of Information Management at the University of St. Gallen http://www.bei-sg.ch Business Engineering Institute St. Gallen http://cdq.iwi.unisg.ch Competence Center Corporate Data Quality https://benchmarking.iwi.unisg.ch/ CC CDQ Benchmarking Platform http://www.xing.com/net/cdqm CC CDQ Community at XING