Webinar: Evaluierung der Datenqualität vor Einsatz des Information Steward

www.ibsolution.de © IBsolution GmbH

// 30. September 2013

// 10.00 – 11.00 Uhr

// Moderator: Matthias Arlt

Webinar Evaluierung von Datenqualität als Basis für den Einsatz des SAP Information Steward


AGENDA

1. Begrüßung und Einführung

2. Überblick Thema Datenqualität

3. Vorstellung Datenqualitätsmanagement Prozess

4. Datenqualitätsmessung mit Hilfe des Information Steward

5. Vorstellung Information Steward

6. Diskussion


IBsolution GmbH - Webinar

Willkommen zum Webinar „Evaluierung von Datenqualität als Basis für den Einsatz des SAP Information Steward “

Die Unterlagen finden Sie nach dem Webinar unter: http://www.slideshare.net/IBSolutionGmbH http://www.youtube.com/IBSolution

Weitere Webinar-Termine:

07.10.2013 // Zukunftsorientierte Auswertungen mit SAP Predictive Analysis

14.10.2013 // Berechtigungskonzept und Segregation of Duty (SoD)

11.11.2013 // Einsatzszenarien des SAP Information Steward

Infos und Anmeldung über www.ibsolution.de/veranstaltungen

30.09.2013 30.09.2013 Seite 3

http://www.slideshare.net/IBSolutionGmbH

http://www.ibsolution.de/veranstaltungen


Ihre Moderatoren

Matthias Arlt Chat-Moderatorin: Natascha Unger

Robert Es

30.09.2013 Seite 4


IBsolution GmbH: Beratungsschwerpunkte

30.09.2013

Business Intelligence

Prozess-optimierung

Technologie Beratung

30.09.2013 Seite 5


IBsolution GmbH: Unsere Standorte

Nordrhein-Westfalen

Neuss

Baden-Württemberg

Heilbronn

Bayern

München

Schweiz

Zürich

Bulgarien

Sofia

30.09.2013 Seite 6


Chat-Funktion für Fragen / Einstellungen

Teilnehmer sind während der Präsentation stumm geschaltet

Bitte nutzen Sie für Fragen die Chat-Funktion

Zum Ende des Webinars wird gesammelt auf die Fragen eingegangen

30.09.2013 Seite 7


Ziel des Webinars

30.09.2013 Seite 8

Ziel des Webinars

Sensibilisierung für das Thema Datenqualität

Überblick möglicher Business Szenarien

Vorstellung der Vorgehensweise der IBSolution mit Fokus auf Messung der Datenqualität

Fokus damit nicht auf SAP Information Steward


AGENDA






6. Diskussion


Folgen schlechter Datenqualität

30.09.2013 Seite 10

“

“

Unternehmen büßen bis zu 25% ihres

operativen Gewinns in Folge von schlechter

Datenqualität(DQ) ein.

Quelle: Computerwoche Online, 01/2012

Konkrete Beispiele aus der Praxis:

Fehlerhafte strategische Entscheidungen aufgrund mangelhafter Datenbasis / schlechter Entscheidungsgrundlagen

Hoher Ressourceneinsatz zur partiellen Bereinigung und Nacherfassung von Daten (z.B. manuelle Datenbereinigung, -prüfung)

Zeitverlust und mangelnde Fähigkeit zu ad hoc Aussagen / ad hoc Reporting

Imageverlust (z.B. Anrede “Sehr geehrte Frau Matthias Arlt”)

Strafzahlungen aufgrund fehlerhafter Datenlieferung (z.B. Automotive-Branche)

Feststellung von Datenqualitätsproblemen Migrationen (nach Fusion, Systemablösung, Templaterollout etc.) erst zu spätem Projektzeitpunkt (Erheblicher Mehraufwande/Zeitproblem)


DQ-Anforderungen

“if you can’t measure it, you can’t manage it!”

30.09.2013 Seite 11

Morbey G. 2011, S. 20

Peter F. Drucker und Robert S. Kaplan


15 Informationsqualitätsdimensionen

Datenqualitätsdimensionen als Basis für Qualitätskriterien

30.09.2013 Seite 12

dgiq 2007


Konzept der kontinuierlichen Verbesserung

30.09.2013 Seite 13

… auch auf Datenqualität anwendbar...

Hildebrand K. et al. 2011, S.71


AGENDA






6. Diskussion


Prozessablauf Datenqualitätsmanagement

Überblick (Fokus Datenqualitätsmessung)

Vorgehensmodell

Modell

Reifegradmodell

1 2 3 4 5

Reifegradmodell Fragebogen

Regelwerk

FACHLICH

TECHNISCH

30.09.2013 Seite 15

Scorecard



Durchführung mit Verantwortlichen für Entität (z.B. Materialstammdaten) im Unternehmen (Data Owner, GPO,…)

Best Practice Fragebogen zur Evaluierung

Anwendung einer spezielle Interviewtechnik

Erörterung der Merkmale für Datenqualität und Einordnung für das Unternehmen/den Bereich/die Entität

Erarbeitung, welche Datenqualitätskriterien für das Unternehmen ausschlaggebend sind, u.a.

Abfrage der 15 IQ-Dimensionen

Zusätzliche Datenqualitätskriterien

Festlegung einer Gewichtung

Schritt 1: Fragebogen & Interviewtechnik (als Basis für Reifegradmodell)

Fragebogen

30.09.2013 Seite 16



Es gibt nicht DAS Reifegradmodell

Basierend auf Literatur und Best Practice wird basierend auf der Auswertung des Fragebogens ein Reifegradmodell erarbeitet

Anpassung der Reifegradstufen an das Unternehmen

Reifegradmodell basiert auf Betrachtung von

Prozesse, Rollen im Unternehmen, Dokumentation

Zudem Eingliederung der Datenqualitätskriterien

Konkretisierung der Reifegradstufen

Schritt 2: Erarbeitung des Reifegradmodells

Reifegradmodell

30.09.2013 Seite 17

Modell

Reifegradmodell

1 2 3 4 5



Schritt 2: Erarbeitung des Reifegradmodells, Beispiel eines Reifegradmodells

30.09.2013 Seite 18

Stufe 0

Chaotisch

• Prozesse vorhanden, aber keine Dokumentation

• Kein DQ-Bewusstsein, Ignoranz

• Einhaltung der Datenqualitätskriterien: 0%

Stufe 1

Reaktiv

• Informationsprozesse sind dokumentiert

• DQ-Bewusstsein vorhanden, auf Probleme wird bei Auftreten reagiert

• Einhaltung der Datenqualitätskriterien: 1-15%

Stufe 2

Messend

• Information wird als Produkt gesehen und entsprechend behandelt

• Definierte DQ-Dimensionen, anhand von Metriken gemessen


Stufe 3

Steuernd

• Vollständige Dokumentation der Informationsinfrastruktur

• DQ Governance etabliert, Problemlösung an der Wurzel


Stufe4

Optimierend

• Auch DQM wird überwacht und verbessert


Reifegradmodell von Baskarada 2009, beispielhaft erweitert



Erarbeitung der Regeln mit den Verantwortlichen im Unternehmen

Definition von fachlichen Regeln

Review der erarbeiteten Regeln

Überführung in technische Regeln

Basis für Regelwerk im Tool SAP Information Steward

Schritt 3: Entwicklung eines Regelwerkes

Regelwerk


einfaches Beispiel für fachliche Regel

Bei der Produktion von Materialien müssen Lagertemperaturen definiert und eingehalten werden

Etwa in der Lebensmittel-, Chemie- oder Pharmabranche

Definition von Lagertemperaturen als Wertelisten

Wertelisten müssen eindeutig definiert sein

Wertelisten dürfen sich nicht überschneiden

Wertelisten müssen zentral vorgegeben werden

Festlegung der genauen Wertelisten

Festlegung des zentralen/führenden Systems



30.09.2013 Seite 20


AGENDA






6. (Ansätze Design Information Steward)

7. (Mini Demo Showcase)

8. Diskussion



Beispiel der technischen Regelabbildung im SAP Information Steward


30.09.2013 Seite 22



Schritt 4: Subprozess - Datenqualitätsmessung mit Hilfe des Information Steward

Datenreimport und Regelanwendung (Vergleichsanalyse)

Ergebnisreview und Maßnahmen/Nachbesserung (Fachbereich )

Ergebnis in Form einer Scorecard für Einordnung im

Reifegradmodell

Initialer Datenimport und Regelanwendung (Erstanalyse)

Abbildung des technischen Regelwerkes

Durchführung Data Profiling

ggf.

Regela

npassung

1-n

Durc

hlä

ufe

30.09.2013 Seite 23



Beispielhafte Scorecard (Überblick) aus dem Information Steward

30.09.2013 Seite 24



Beispielhafte Scorecard (Detailansicht) aus dem Information Steward

30.09.2013 Seite 25



Überblick / Rekapitulation (Fokus Datenqualitätsmessung)

Vorgehensmodell

Modell

Reifegradmodell

1 2 3 4 5

Regelwerk

Fragebogen Reifegradmodell

Scorecard

FACHLICH

TECHNISCH

30.09.2013 Seite 26


AGENDA






6. Diskussion


SAP BusinessObjects Information Steward

Information Steward ist Teil der Produktsuite Enterprise Information Management

Grundidee:

Integriertes System in dem Fachbereich und IT arbeiten und für ihre Anforderungen spezialisierte Oberflächen nutzen

Mögliche Rollenverteilung bei der Arbeit mit dem Information Steward

Vorstellung

Definiert Regeln Definiert die Scorecard Analysiert die Profiling-Ergebnisse

Genehmigt Validierungsregeln Analysiert die Scorecard

Initiiert das Projekt Erzeugt die Verbindungen Konfiguriert die Anwendung

30.09.2013 Seite 28

© SAP



Module

30.09.2013 Seite 29



Workspace Home

Validierungsregeln

Scorecard Setup

File Formats

Tasks

Modul: Data Insight

30.09.2013 Seite 30

www.ibsolution.de © IBsolution GmbH Seite 31


Accuracy (Korrektheit)

Nur korrekte Daten sind zugelassen

Completeness (Vollständigkeit)

Alle zu überprüfenden Felder sind gefüllt

Comformity (Konformität)

Feldwerte sind korrekt in Bezug auf die Liste der erlaubten Werte für das Feld

Consistency (Konsistenz)

Feldwerte sind über mehrere Systeme hinweg konsistent

Integrity (Integrität)

Zusammengehörigkeit zwischen Datenfeldern

Timeliness (Aktualität)

Daten wurden über einen längeren Zeitraum nicht mehr verwendet

Uniqueness (Eindeutigkeit)

Existieren Duplikate in Bezug auf die definierten Regeln

…weitere benutzerdefinierte Kriterien können erstellt werden

Vordefinierte Datenqualitätskriterien

30.09.2013


AGENDA






6. Diskussion

www.ibsolution.de © IBsolution GmbH 30.09.2013 Seite 33

Diskussion & Fragen


IBsolution GmbH

Im Zukunftspark 8

D - 74076 Heilbronn

www.ibsolution.de

Matthias Arlt

T +49 7131 / 27 11 – 1078

[email protected]