|
Data Quality Audit – wir beraten Sie kompetent und individuell
Stehen Sie vor folgenden Herausforderungen?
- Kosteneinsparung durch Minimierung von Mailingrückläufern und Rücklastschriften
- Hohe Kundenfluktuation reduzieren
- Planung eines anstehenden Datenmigrationsprojektes, verursacht durch die Einführung eines CRM-Systems
Dies sind nur einige Beispiele für Herausforderungen im Bezug auf Datenqualität.
Wir helfen Ihnen, diese Herausforderungen zu meistern. Mit dem Data Quality Audit stehen wir Ihnen mit einer effizienten Lösung kompetent zur Seite. Eine individuelle Bestandsanalyse ist der erste Schritt für eine erfolgversprechende Planung zur Optimierung Ihrer Daten.
Die Ziele des Data Quality Audits sind:
- Konkrete Aussagen zum aktuellen Zustand der Datenqualität.
- Handlungsempfehlungen bzw. Lösungskonzept um die Datenqualität kurzfristig zu optimieren und den guten Zustand der Daten langfristig zu erhalten.
- Übersicht über Einsparpotentiale, geschätzte Kosten, ROI und Vorteile einer DQ-Lösung
Denn Voraussetzungen für einen erfolgreichen Vertrieb, für eine unternehmerische Planungssicherheit, für ein effizientes Marketing und für guten Kundenservice sind qualitativ hochwertige Kundendaten.
Die drei Data Quality Audit Stufen - je nach Projekt und Bedarf
Der Data Quality Audit hat einen modularen Aufbau und kann abhängig von Ihren Anforderungen und Erwartungen wahlweise in verschiedenen Stufen durchgeführt werden.
Data Quality Check
Adressprüfung und Dublettenermittlung als Indikator für die Datenqualität
Adressprüfung und Dublettenermittlung als Indikator für die Datenqualität
Der Datenqualitäts-Check führt eine Adressprüfung durch, bzw. überprüft einen Pool von Daten auf ihre Adressqualität und ermittelt den Anteil der Datensätze, die in Dubletten verwickelt sind.
Untersucht werden die Daten auf:
Dazu nutzen wir:
Das Ergebnis des Datenqualitäts-Check hilft Ihnen anhand eines repräsentativen Datenauszuges einen ersten Eindruck über den tatsächlichen Zustand Ihrer Daten zu erhalten. Die Ergebnisse werden in Form von Statistiken und aussagekräftigen Beispielen von unseren Mitarbeitern in Ihrem Hause vorgestellt. Der festgestellte Verschmutzungsgrad ist ein Indikator für die Notwendigkeit einer Datenbereinigung.
Untersucht werden die Daten auf:
- Vollständigkeit
- Eindeutigkeit
- Genauigkeit
- Fehlerfreiheit.
Dazu nutzen wir:
- Die postalische Prüfung
- Die Namensprüfung
- Die Dublettenprüfung
Das Ergebnis des Datenqualitäts-Check hilft Ihnen anhand eines repräsentativen Datenauszuges einen ersten Eindruck über den tatsächlichen Zustand Ihrer Daten zu erhalten. Die Ergebnisse werden in Form von Statistiken und aussagekräftigen Beispielen von unseren Mitarbeitern in Ihrem Hause vorgestellt. Der festgestellte Verschmutzungsgrad ist ein Indikator für die Notwendigkeit einer Datenbereinigung.
Data Quality Analyse
Detaillierte Datenqualitäts-Analyse in Verbindung mit Geschäftsregeln
Detaillierte Datenqualitäts-Analyse in Verbindung mit Geschäftsregeln
Die Datenqualitäts-Analyse befasst sich im Detail mit der umfassenden Untersuchung der Kundendaten.
Ein Eingangsworkshop legt den Rahmen und die Ziele Ihrer Datenprüfung und Analyse fest. Dabei ist eine Diskussion um die Datenstruktur, deren Sinngehalt, Konsistenz, Eindeutigkeit, Klarheit, Korrektheit und Vollständigkeit im Zusammenhang mit den Geschäftsregeln, für die sie benötigt werden sehr wichtig. Dies ist notwendig, um zu verhindern, dass Äpfel mit Birnen verglichen werden.
Die Ergebnisse der Analyse werden hinsichtlich folgender Punkte dokumentiert:
Die Dokumentation beinhaltet neben einer Management Summary auch detaillierte Beschreibungen der Analyse, die bis auf Feldebene nachvollziehbare Informationen bereit hält. Die Ergebnisse werden in Quantität (Prozentangaben und Mengen) sowie Grafiken präsentiert. Ausgewählte Beispiele werden die Statistiken untermauern.
Die Dokumentation liefert wichtige Erkenntnisse über Ihrer aktuellen Datenqualität und ist eine wichtige Grundlage für die weitere Planung zur kurz- und langfristigen Verbesserung Ihrer Datenqualität.
Ein Eingangsworkshop legt den Rahmen und die Ziele Ihrer Datenprüfung und Analyse fest. Dabei ist eine Diskussion um die Datenstruktur, deren Sinngehalt, Konsistenz, Eindeutigkeit, Klarheit, Korrektheit und Vollständigkeit im Zusammenhang mit den Geschäftsregeln, für die sie benötigt werden sehr wichtig. Dies ist notwendig, um zu verhindern, dass Äpfel mit Birnen verglichen werden.
Die Ergebnisse der Analyse werden hinsichtlich folgender Punkte dokumentiert:
- Eindeutigkeit der Daten
- Validität von Namen
- Validität von Adressen
- Inspektionsergebnisse des Datenextraktes
- Format Check
- Besonderheiten und Anomalien
Die Dokumentation beinhaltet neben einer Management Summary auch detaillierte Beschreibungen der Analyse, die bis auf Feldebene nachvollziehbare Informationen bereit hält. Die Ergebnisse werden in Quantität (Prozentangaben und Mengen) sowie Grafiken präsentiert. Ausgewählte Beispiele werden die Statistiken untermauern.
Die Dokumentation liefert wichtige Erkenntnisse über Ihrer aktuellen Datenqualität und ist eine wichtige Grundlage für die weitere Planung zur kurz- und langfristigen Verbesserung Ihrer Datenqualität.
Data Quality Prozessanalyse
Eine auf Datenqualität fokussierte Prozessanalyse
Eine auf Datenqualität fokussierte Prozessanalyse
Die DQ Prozessanalyse wird von den Uniserv Data Quality Consultants alternativ oder kombiniert durch folgende Analyseschritte durchgeführt:
Zwischen der Qualität der Daten und den Prozessen besteht eine enge Wechselwirkung. Prozesse beeinflussen die Art und Weise wie Daten erzeugt, geändert und verwendet werden. Die Effizienz der Prozesse hängt in hohem Maße von der Qualität der Daten ab, die sie verwenden. Deswegen soll in der Prozessanalyse gezielt untersucht werden, wodurch die Datenfehler entstanden sind. Davon abgeleitet werden Maßnahmen definiert und priorisiert, um diese Fehlerquellen zu beseitigen.
In einen Eingangsworkshop werden die Prozesse erklärt und dargestellt. Dabei sollen unter anderem zu folgenden Fragen Antworten gefunden werden:
In der Analyse werden
In einem Abschluss-Workshop werden die wichtigsten Ergebnisse präsentiert, näher beleuchtet und Zusammenhänge und Ursachen diskutiert.
Auf Basis der Ergebnisse der Prozess-Analyse und der daraus resultierenden Vorgehensweise können weitere Schritte bzw. ein Folgeprojekt abgestimmt werden.
Abschließend und im Anschluss zum Workshop werden alle Ergebnisse und Erkenntnisse in einer Dokumentation mit einem Datenqualitäts-Lösungskonzept und einem Management Summary zusammengestellt.
- Review der vorhandenen Prozess- bzw. Systembeschreibung bezüglich der DQ-Aspekte
- Stichprobenartige Begleitung der Nutzer bei der Arbeit mit dem System (Dateneingabe, Datenpflege und Datennutzung)
- Applikationsspezielle Assessments mit Benutzern und Stakeholdern
Zwischen der Qualität der Daten und den Prozessen besteht eine enge Wechselwirkung. Prozesse beeinflussen die Art und Weise wie Daten erzeugt, geändert und verwendet werden. Die Effizienz der Prozesse hängt in hohem Maße von der Qualität der Daten ab, die sie verwenden. Deswegen soll in der Prozessanalyse gezielt untersucht werden, wodurch die Datenfehler entstanden sind. Davon abgeleitet werden Maßnahmen definiert und priorisiert, um diese Fehlerquellen zu beseitigen.
In einen Eingangsworkshop werden die Prozesse erklärt und dargestellt. Dabei sollen unter anderem zu folgenden Fragen Antworten gefunden werden:
- Welche Prozesse sind für die Arbeit mit den entsprechenden Daten relevant?
- Sind diese Prozesse eindeutig definiert?
- Wie werden die Daten erfasst?
- Wie werden Daten aktualisiert?
- Wie, für welche Zwecke und von wem werden die Daten genutzt?
In der Analyse werden
- die Problembereiche hinsichtlich Datenqualität bestimmt,
- die Ergebnisse der Datenqualitätsanalyse mit denen der Prozessanalyse kombiniert,
- Untersuchungen durchgeführt, welche spezifischen Wechselwirkungen zwischen Datenqualität und Prozessen entstehen können.
- Die Einsparpotentiale, die geschätzten Kosten und der Return on Investment ermittelt und die Vorteile einer Data Quality-Lösung dargestellt.
In einem Abschluss-Workshop werden die wichtigsten Ergebnisse präsentiert, näher beleuchtet und Zusammenhänge und Ursachen diskutiert.
Auf Basis der Ergebnisse der Prozess-Analyse und der daraus resultierenden Vorgehensweise können weitere Schritte bzw. ein Folgeprojekt abgestimmt werden.
Abschließend und im Anschluss zum Workshop werden alle Ergebnisse und Erkenntnisse in einer Dokumentation mit einem Datenqualitäts-Lösungskonzept und einem Management Summary zusammengestellt.
White Paper
White Paper Data Quality AuditMaßnahmen zur Verbesserung der Datenqualität sollten einerseits die Effizienz des Unternehmens steigern, andererseits den Anforderungen der Datennutzer gerecht werden. Der Data Quality Audit hilft Ihnen, den Status Quo der Qualität Ihrer Daten zu ermitteln. Anhand des Ergebnisses können Maßnahmen zur Verbesserung der Datenqualität paßgenau geplant werden.
Unser White Paper zeigt Ihnen die Möglichkeiten des Data Quality Audits, den Ablauf und welche Vorteile Sie damit erzielen.
White Paper Data Quality Audit
White Paper Data Quality AuditMaßnahmen zur Verbesserung der Datenqualität sollten einerseits die Effizienz des Unternehmens steigern, andererseits den Anforderungen der Datennutzer gerecht werden. Der Data Quality Audit hilft Ihnen, den Status Quo der Qualität Ihrer Daten zu ermitteln. Anhand des Ergebnisses können Maßnahmen zur Verbesserung der Datenqualität paßgenau geplant werden.Unser White Paper zeigt Ihnen die Möglichkeiten des Data Quality Audits, den Ablauf und welche Vorteile Sie damit erzielen.
White Paper Data Quality Audit
Haben wir Ihr Interesse geweckt?
Dann nutzen Sie unser Kontaktformular oder rufen Sie uns direkt unter +49 7231 936 - 1000 an.
