Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Management System (QMS)

Herzlich Willkommen
Datenqualität - Voraussetzung
für ein funktionierendes
Qualitäts-Management-System

Datenqualität 04/16 │ LTL 1 │ Folie 1
Vorstellung ACT
ACT IT Holding GmbH
ACT
IT-Consulting & Services
AG
ACT
Development & Integration
GmbH
ACT
Expert Services
GmbH
IT-Business Consulting
IT-Infrastruktur
Korrespondenz- und
Outputmanagement
IT-Operations
Governance Methoden Vertrieb Marketing Administration Recruiting ACT Training Center
Mitarbeiter: 170 Ø
Umsatz: 18 Mio. €
Sitz: Niederkassel bei Bonn
Gesellschafter: ACT Management, keine Fremdbeteiligung
Kunden: Namhafte Kunden in Deutschland, Österreich, Schweiz
Portfolio: Business Analytics & Durchsatzmanagement; IT-Infrastruktur, Planung u.
Projekte; Output Management u. Software Engineering; IT-Betrieb u. Sourcing;
Seminare: PRINCE2, PMI, CCPM, ITIL, ISO/IEC 20000, Datenqualitätsmanagement (DQM)

Zusammenhang Datenqualität & Entscheidungen
Entscheidungen gut
Annahmen richtig
Daten- u. Informationen korrekt
Daten-/Informationsqualität hoch
Grundsatz DIN EN ISO9000:2015
Faktengestützte
Entscheidungsfindung

Definition
Datenqualität
Datenqualität beschreibt die Korrektheit, die Relevanz und die
Verlässlichkeit von Daten, abhängig vom Zweck, die die Daten in einem
bestimmten Zusammenhang erfüllen sollen.
Datenqualitätsmanagement
Datenqualitätsmanagement bezeichnet alle Maßnahmen, die eine
vermögenswertorientierte Betrachtung , Steuerung und Qualitätssicherung
von Daten in einer Organisation ermöglichen.
(vgl. http://www.enzyklopaedie-der-wirtschaftsinformatik.de/wi-enzyklopaedie/lexikon/daten-
wissen/Datenmanagement/Datenmanagement--Konzepte-des/Datenqualitatsmanagement)

15 Dimensionen der Informationsqualität
Zugänglichkeit Bearbeitbarkeit
Verständlichkeit
Übersichtlichkeit
Einheitliche
Darstellung
eindeutige
Auslegbarkeit
systemunterstützt
inhärent
zweck-
abhängig
Hohes
Ansehen
Fehlerfreiheit
Objektivität
Glaub-
würdigkeit
darstellungsbezogen
Aktualität
Wertschöpfung
Vollständigkeit
Relevanz
IQ
Quelle: DGIQ e.V.

Datenqualitätskriterien
Korrektheit Konsistenz Zuverlässigkeit Vollständigkeit
Genauigkeit Aktualität Redundanzfreiheit Relevanz
Einheitlichkeit Eindeutigkeit Verständlichkeit

Beispiel 1

Beispiel 2

Beispiel 3 (Handelsblatt)
Zu dem Fehler sei es
gekommen, weil eine
Mitarbeiterin statt der zu
zahlenden Summe eine
Kundennummer in das
Formular kopiert hatte.

Schäden durch schlechte Datenqualität
› Datenqualitätsprobleme kosten die US-
Wirtschaft jährlich mehr als 600 Mrd. Dollar*
› Fehlerhafte Warenpreise in Artikel-DB des
US-Einzelhandels - Kosten für Konsumenten: 2.5 Mrd $ / Jahr*
› nach Meta Group: 35% aller IT-Projekte scheitern an mangelnder
Datenqualität*
› US-Finanzbehörde 1992: knapp 100.000 Steuererstattungsbescheide
nicht zustellbar**
› US-Post 2004: von 100.000 Massen-Postsendungen bis zu 7.000
aufgrund von Adressfehlern nicht zustellbar **
* (2004) Prof. Dr. Klaus Kruczynski, Hochschule für Technik, Wirtschaft und Kultur Leipzig
** (2005) Kai-Uwe Sattler, TU Ilmenau (10. Datenbank-Tutorientage Karlsruhe)

Internationale Studie zu Datenqualität (2014)
(Quelle: Datenqualität als kritischer Erfolgsfaktor, Experian Marketing Services)
Parameter zur Studie
Teilnehmer: 1200
Branchen: Finanzindustrie, öffentlicher
Sektor, Einzelhandel,
Produktionsindustrie,
Dienstleistungsbranche, Bildungssektor.
Positionen: oberste Führungskräfte, Vice
Presidents, Geschäftsführer, Manager
und Mitarbeiter im Bereich
Datenverwaltung und Datenmanagement.

Studie zu BigData in der Industrie, 02/2015, MHP
Datenqualität eines der wichtigsten Zukunftsaufgaben im BIG-DATA-
Management
› Nutzen von Big Data
› Kundenansprache (58%): Big Data ermöglicht es, die Kunden besser zu verstehen
und dann gezielter anzusprechen.
› Prognosen (48%): Mithilfe von Big Data lassen sich genauere Prognosen
erstellen.
› Entwicklung (46%): Mit Big Data können Auswertungen erstellt werden, deren
Ergebnisse in die Entwicklung von Produkten und Dienstleistungen einfließen.
› Ergebnisse zu Datenqualitätsmanagement
› etwa 40% der Befragten (254) gaben an, dass die Datenqualität im Unternehmen
unzureichend oder schlecht sei.
› Unternehmen, die der Spitzengruppe (24% der Befragten Unternehmen)
zugeordnet wurden, haben ein ausgeprägtes Bewusstsein für den Wert einer
hohen Datenqualität entwickelt, im Gegensatz zu der Verfolgergruppe.
Quelle: MHP, a Porsche Company, http://www.mhp.com/de/studien/
Fazit
Um Big-Data-Initiativen erfolgreich zum Ziel zu führen,
bedarf es einerseits einer klaren Strategie und
anderseits einer qualitativ hochwertigen
Datenaufbereitung. Diese beiden Maßnahmen machen
erfahrungsgemäß bereits 80% des Gesamtaufwandes,
aber auch den Erfolg von Big-Data-Projekten aus.

Warum Qualitätsmanagement (QM)?
Qualität ist die Erfüllung der Anforderungen!
Ergebnis:
Produkte, Dienstleistungen und Informationen in der geforderten Qualität.
Wer stellt die Anforderungen?
Kunde, Organisation, Gesetzgeber, Eigentümer,
Lieferanten, Mitarbeiter

Warum DQM/IQM?
wirtschaftliches
Interesse
freiwillig -> erkennbarer Nutzen
Compliance
(Regelkonformität)
unfreiwillig -> auferlegter Nutzen

Compliance und Datenqualität
› CoBIT (Control Objectives for
Information and Related Technology)
› ITIL (Information Technology
Infrastructure Library)
› GoBD (Grundsätze zur
ordnungsmäßigen Führung und
Aufbewahrung von Büchern,
Aufzeichnungen und Unterlagen in
elektronischer Form sowie zum
Datenzugriff)
› Basel III
› Solvency II
› DIN EN ISO 9000:2015
› DIN EN ISO 9001:2015
Daten, … generieren einen Wert
für das Unternehmen
... Genauigkeit, Verfügbarkeit,
Aktualität und Qualität von Daten
Prüfung und Verbesserung der
Datenqualität
„Lückenlose“ progressive und
retrograde Auswertbarkeit
Daten prüfen und sicherstellen,
dass die Daten konsistent sind …
… darauf zu achten, die Eignung
und Angemessenheit der
erhobenen Daten auch zu
bewerten und formal
festzustellen.

Umsetzungsleitfaden
ISO 8000
ISO 9001
Best Practice
wirtschaftlicher
Nutzen
Basel III
Solvency II
GoBD
ITIL
Normen

Aufbau und Struktur ISO/TS 8000
Part
100
Part
102
Part
110
Part
120
Part
130
Part
140
Einführung
Metriken
Abkürzungen
Definitionen
Beschreibungen
Qualitäts-
managementsystem
DIN EN ISO 9001
Konzeptionelles
Datenmodell
Fehlerfreiheit im
Rahmen von
Datenaustausch-
formaten
(Schnittstellen)
Vollständigkeit

DQM/IQM integrierter Baustein im Management System
Anforderungen
Nutzen für den Kunden*2 realisieren!€*1
Zuverlässigkeit
Politik /
Strategie
Ziele
Kunde*2
Eigentümer*1
Gesellschaft
Mitarbeiter
LieferantDQM/IQM
Relevant für
Entscheidungs-
Transparenz
Daten + Informationen
Abbildung der Realität
QMS
Risikobetrachtung/-bewertung
(DIN EN ISO 9001:2015)

ISO 9000:2015 - Faktengestützte Entscheidungsfindung und
Datenqualität
Aussage
Entscheidungen auf Grundlage der
Analyse u. Auswertung v. Daten u.
Informationen führen wahrscheinlich eher
zu den gewünschten Ergebnissen.
Begründung
Tatsachen, Nachweise u.
Datenanalyse führen zu größerer
Objektivität u. Vertrauen in die
Entscheidungsfindung.
Maßnahmen
Sicherstellen, dass Daten u.
Informationen ausreichend
präzise, verlässlich u. sicher
sind.

DIN EN ISO 9000:2015 - Begriffe
Daten 3.8.1
(Fakten über ein Objekt)
Objektiver Nachweis 3.8.3
(Daten, welche die Existenz oder
Wahrheit von etwas bestätigen)
Leistung 3.7.8
(messbares Ergebnis)
metrologisches Merkmal 3.7.8
(Merkmal, das die Messergebnisse
beeinflussen kann)
Merkmal =
schlechte
Datenqualität
Faktengestützte
Entscheidungsfindung

Entwurf der ISO 9001:2015 - Risikobasiertes Denken
Umgang mit Risiken
Organisationen müssen Risiken und Chancen bestimmen und behandeln,
die das Erreichen von Produkt- und Prozesszielen beeinflussen können. Das
Unternehmen muss Maßnahmen planen, um Risiken entgegenzutreten und
Chancen zu ergreifen sowie die Wirksamkeit bewerten. (Kap. 6.1)
Schlussfolgerung
Wenn Daten- und Informationsqualität als Risiko identifiziert ist und das
Erreichen von Produkt- und Prozesszielen beeinflusst, so muss das
Unternehmen Maßnahmen planen und umsetzen, um diesen Risiken
entgegenzutreten und die Wirksamkeit bewerten!

Anforderungen aus Normen an die Organisation
Daten- u. Informationsqualität
Daten- und Informationslogistik
Prozesse
Produkt- und Prozessentwicklung
Lessons Learn Ergebnis: Produkt
Organisation Anforderungen
• ISO 9001 (Qualitätsmgt.)
• ISO 14001 (Umweltmgt.)
• TS 16949 (Qualitätsmgt. Automobilindustrie)
• ISO 27001 (Informations-Sicherheits-Mgt.)
• ISO 31000 (Risikomgt.)
• SPICE ISO/IEC 15504-5 (Softwareentw.)

Von den Daten zum Wissen zur Wettbewerbsfähigkeit
(Wissenstreppe n. North, 1998 + Auer Consulting & Partner, 2009)
+ Syntax
+ Semantik
+ Kontext
+
Anwendungsbezug
+ Wollen
+
Handlungseffizienz
Zeichen
Daten
Information
Wissen
Können
Handeln
Kompetenz
Wettbewerbsfähigkeit
+ Einzigartigkeit
Explizites Wissen Implizites Wissen
Intellektuelles Kapital
Informationsmanagement Wissens-Evolution bzw. Wissensarbeit
DQ & IQ Management

DQM – Best Practice
Definieren
Messen
Analysieren
Verbessern
Monitoren /
Steuern

DQM Implementierungsprozess
Mit einem klar abgegrenzten und nutzenstiftenden Projekt starten.
Laufzeit ca. 3 - 6 Monate!
KVP
•Rules Mgt.
•Process Mgt.
•Analyse
•Controling /
Monitoring
Transition
Datenqualität
(Prüfen, Verbessern,
Monitoren)
Prozess-
Management
Change Management
Projekt Management
DIN EN ISO 9001 + ISO 8000 + DQM Best Practice
Data & Information
Governance
Anforderungs-
Analyse

Fazit und Empfehlung
› Daten u. Informationen sind Produkte (Vermögenswerte) und
ergebnisrelevant für die Prozessqualität.
› Die Daten- u. Informationsqualität ist einer Risikobewertung zu
unterziehen.
› Die Daten- u. Informationsqualität ist integraler Bestandteil der
Anforderungen an ein Qualitätsmanagementsystem z.B. nach DIN EN
ISO 9001.
› Für die Umsetzung eines Daten- u. Informations-Qualitätsmanagement-
System ist es sinnvoll die Regeln der DIN EN ISO 9001 als etablierte
Norm und die ISO 8000 heranzuziehen.
› Best Practice Ansätze von DQM/IQM dienen der Nachhaltigkeit.
› Grundsätzlich fördert die Einbeziehung der Daten- u. Informationsqualität
in das QM-System eine Zertifizierung nach anerkannten Regelwerken.

Weitere Informationen
Prozessorientiertes Datenqualitätsmanagement
https://www.qz-online.de/qualitaets-management/qm-
basics/massnahmen/datenqualitaetsmanagement/artikel/prozessorientiertes-
datenqualitaetsmanagement-1136859.html
Datenqualitätsmanagement wird unumgänglich
http://www.qz-online.de/qualitaets-management/qm-
basics/massnahmen/datenqualitaetsmanagement/artikel/datenqualitaetsmanagement-wird-
unumgaenglich-985779.html
Datenqualität sichert den Erfolg
http://www.qz-online.de/qualitaets-management/qm-
basics/massnahmen/datenqualitaetsmanagement/artikel/datenqualitaet-sichert-den-erfolg-
1029994.html
Datenqualitätsmanagement und DIN EN ISO 9001: Ist die Revision schon jetzt überholt?
http://www.qz-online.de/qz-zeitschrift/archiv/artikel/datenqualitaetsmanagement-und-din-en-iso-9001---
ist-die-revision-schon-jetzt-ueberholt--1020846.html
Blog: Business Information Excellence
http://www.business-information-excellence.de/
Seminar „Managen von Datenqualität“
http://www.dgq.de/produkte/managen-von-datenqualitaet/
http://www.actgruppe.de/seminare/managen-von-datenqualitaet/

HABEN SIE FRAGEN?
VIELEN DANK FÜR IHRE AUFMERKSAMKEIT.
Kontaktdaten
Deutsche Gesellschaft für Qualität
August-Schanz-Straße 21A
60433 Frankfurt am Main
M mar@dgq.de
T + 49(0)69-954 24-182
F + 49(0)69-954 24-297

Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Management System (QMS)

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

En vedette

En vedette (16)

Similaire à Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Management System (QMS)

Similaire à Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Management System (QMS) (20)

Datenqualität (DQ) - Voraussetzung für ein funktionierendes Qualitäts Management System (QMS)