Wer "ja" zur Digitalisierung sagt, muss auch "ja" zu besserer Datenqualität sagen
"76% aller Organisationen glauben, dass ungenaue Daten ihre Fähigkeit behindert, ein herausragendes Kundenerlebnis zu bieten (Experian, DQ-Studie 2016)."
Alles deutet darauf hin, dass wir zukünftig immer stärker Sprachassistenzsysteme nutzen werden. Der prominenteste Vertreter ist Siri. Mit dem zunehmenden Erfolg zogen Google und Amazon nach. Im Bereich der Daten-Analyse ist der bekannteste Vertreter Watson von IBM. Weitere werden sicherlich folgen.
Wie Data Governance zum Innovator wird und Mehrwert liefert
Viele Unternehmen wandelten sich in den letzten Jahren zu agilen Organisationsformen, um sich den Herausforderungen von schnellen Anforderungsänderungen besser stellen zu können. Auch das Unternehmen, für welches ich tätig bin, befindet sich mitten in diesem Wandel. Hinzu kommt, dass Daten und datengetriebene Prozesse immer stärker im Fokus stehen. Wer einen Vorsprung in der Datenintelligenz erlangt und diesen optimal zu nutzen weiß, erlangt auch einen erfolgskritischen Wettbewerbsvorsprung, den es stetig auszubauen bzw. auf lange Sicht zu halten gilt.
Wie Organisationen von einer lückenhaften Nachdokumentierung zu einem transparenten Datenmanagement kommen.
Herausforderung von Data Governance
Eines der Ziele von Data Governance ist es eine möglichst gute Transparenz über die Verarbeitung und Verwendung von Daten über die Systeme hinweg herzustellen, um den Grad der Compliance-Konformität festzustellen und stetig zu monitoren sowie ein compliance-konformes Verhalten beim Umgang mit Daten zu fördern. Zusätzlich ermöglicht die Transparenz stetig Schwächen der Leistungsfähigkeit von Daten zu erkennen und Maßnahmen zur Verbesserung abzuleiten. Dies fördert die Qualität von Datenanalyse- und Digitalisierungsprojekten.
Ergebnisse zum Thema Datenqualität aus der Studie „BIG DATA Future – Chancen und Herausforderungen für die deutsche Industrie“, 02/2015 v. MHP, a Porsche Company.
Die Studie beantwortet die Frage, wo genau die Industrieunternehmen in Deutschland bei der Umsetzung von Big Data stehen. Hierzu wurden online und anonym 254 Entscheider aus deutschen Industrieunternehmen zwischen August und Oktober 2014 befragt.
Ohne ein effektives Datenqualitätsmanagement kein erfolgreiches Business Analytics
Business Analytics definiere ich als Gesamtheit aller Methoden und Werkzeuge zur Analyse von polystrukturierten Daten für eine nachhaltig gewinnorientierte Unternehmenssteuerung.
Was hinsichtlich dem Thema gute Datenqualität bereits für Business Intelligence sowie störungsfreier Unternehmensabläufe und Kundenservices gilt, ist für Business Analytics und Big Data erst recht eine erfolgskritische Notwendigkeit!
Wie lässt sich eine Branche revolutionieren?
In der April-Ausgabe des Harvard Business Manager habe ich einen interessanten Artikel zu den Schlüsselfaktoren von erfolgreichen Innovationen gelesen.
Nachfolgend eine kurze Zusammenfassung des Artikels.
Stelios Kavadias, Kostas Ladas und Christoph Loch1 gingen im Rahmen einer Studie der Frage nach: Wie lässt sich eine Branche revolutionieren? Hierzu untersuchten sie 40 Unternehmen aus unterschiedliche Branchen mit unterschiedlich erfolgreichen Geschäftsmodellen.
Technik und Markt verbindet
Erkenntnisse aus der Studie können wie folgt zusammengefasst werden.
Durch die stark wachsende Anzahl datengetriebener Geschäftsmodelle gibt es keinen Ausweg für das Qualitätsmanagement, sich verstärkt mit dem Thema Datenqualität zu beschäftigen. Datenqualität als Risikofaktor ist schon etwas länger bekannt. Negative Auswirkungen schlechter Datenqualität auf das gesamte System einer Organisation werden zukünftig durchschlagender sein.
If the data and process basics don't fit, the AI won't be able to make it fit either!
In the age of digitalisation, the merging of data and business processes is not just a possibility, but a necessity for companies that want to survive in a data-driven market environment. Visualising a model that represents this integration - as illustrated in the "Data Culture" diagram (see below) - provides a clear idea of how companies can reshape their strategy and culture to master this new reality.
How artificial intelligence drastically reduces the effort required for data preparation and creates new scope for strategic decisions
Artificial intelligence (AI) has made tremendous strides in recent years and is increasingly influencing all areas of technology and business. One of the most important areas of application in which AI will bring about major changes is data preparation – an often underestimated but critical process in the work of data engineers and data analysts.
