Ebook: Datenqualität erfolgreich steuern: Praxislösungen für Business-intelligence-projekte

Immer mehr Unternehmen begreifen ein gutes Datenqualitätsmanagement als einen entscheidenden Wettbewerbsvorteil: Die IT-Kosten sinken, Projekte werden beschleunigt, auf Änderungen am Markt oder von gesetzlichen Auflagen kann schneller und flexibler reagiert werden. Datenintegrationen über System-, Abteilungs- und Unternehmensgrenzen hinweg werden erleichtert und falsche Entscheidungen basierend auf mangelhaften Daten verhindert. Anhand praktischer Beispiele zeigt Ihnen dieses Buch, wie Sie die Qualität Ihrer Daten zielorientiert und nachhaltig verbessern können. Analysieren Sie die Ursachen u.;Geleitwort zur 3. Auflage; Vorwort zur 3. Auflage; Abb. 1 Grobe Architektur für Business Intelligence; Teil I; 1 Datenqualität; 1.1 Daten; Abb. 1-1 Semiotisches Dreieck (in Anlehnung an [Hinrichs 2002, S. 27]); 1.2 Qualität; Abb. 1-2 Analogie zwischen industrieller Fertigung und Datenverarbeitung (Data Warehousing) (in Anlehnung an [Grimmer/Hinrichs 2001, S. 72]); 1.3 Datenqualität; Tab. 1-1 Liste möglicher Datenqualitätskriterien; Tab. 1-2 Definition ausgewählter Datenqualitätskriterien; Abb. 1-3 Taxonomie von Datenqualitätskriterien (vgl. [Hinrichs 2002, S. 30])