Data Excellence Kompetenz aus der Praxis für die Praxis.

Der Aufbau von Datenkompetenz ist essenziell für die erfolgreiche Implementierung von Data Excellence in jedem Unternehmen. In der Fachliteratur wird in diesem Zusammenhang oft auch von Data Literacy gesprochen. Im Zentrum dieses Konzeptes steht der Aufbau von Kompetenzen hinsichtlich Analyse, Technologie und Zusammenarbeit in der gesamten Organisation. Für die Nutzung von Daten und Analytics muss man kein:e Spezialist:in in allen Kategorien sein. Ein grundlegendes Wissen für einen allgemeinen Arbeitsablauf in jeder Organisation ist jedoch erforderlich. Unsere Angebote orientieren sich an diesem Anspruch.

Data Excellence Bootcamp September / Oktober 2021
leon-Oalh2MojUuk-unsplash

Ein exzellenter Umgang mit Daten erfordert ein ganzheitliches Datenverständnis

Unseren bewährten Ausbildungsformaten liegt das Data Excellence Framework (DX) zugrunde. Es wurde von unseren Expert:innen aus zahlreichen Best Practice Projekten entwickelt. Im Zentrum steht die fachliche Sicht auf Daten. Oberste Zielsetzung ist es, ein ganzheitliches Verständnis für den zielgerichteten Umgang mit Daten in Unternehmen zu vermitteln – von der Strategie bis hin zur konkreten Datennutzung und deren technischen Implementierungen.


Kontaktieren Sie uns

dataspot. Bootcamp – Data Excellence im eigenen Unternehmenskontext erproben!

Ziel der dataspot. Bootcamps ist es, in einem ganzheitlichen Kontext zu verstehen, dass Daten einen zentralen Unternehmenswert haben, den es richtig zu nutzen gilt. Folglich müssen Daten aus fachlicher Sicht mit der gleichen Intensität gemanagt werden wie alle andere Kern-Assets im Unternehmen.

Absolvent:innen unserer Bootcamps eignen sich hervorragend eine Schlüsselrolle bei der Einführung von Data Excellence im Unternehmen zu übernehmen. Sie können die notwendige Definitionsarbeit zur Implementierung von DX selbstständig ausarbeiten und verstehen die zu installierenden Organisationsprinzipien/Data Governance Richtlinien.


 

Data Excellence kurz erklärt


 

Lerninhalte und Lernzielstufen

  • Daten strategisch betrachten

    Sie lernen, wie ein gemeinsames Zielbild etabliert werden kann, das in einer Programmplanung operationalisiert wird. Hier steht die Ableitung der Ziele aus der Unternehmensstrategie und die Bedeutung im täglichen Business im Vordergrund. Darüber hinaus werden Outcomemessung und die Erarbeitung von KPI’s beleuchtet. Assessment & Reifegradmodell sind Ausgangspunkte für eine Data Journey, die ebenso wie der starke Business-Top-Down Approach zur Erstellung einer Fachlichen Datenarchitektur beleuchtet werden.

  • Daten verstehen

    Anhand eines Fallbeispiels lernen Sie, was ein Fachdatenmodell ist und wie dieses konzipiert und erstellt wird. Nach Absolvierung des Moduls verstehen Sie wie eine vollständige, korrekte und verständliche Darstellung von Daten mittels eines Fachdatenmodells, das aus Geschäftsobjekt, Attributen und Beziehungen besteht, gemacht wird. Außerdem wird Ihnen der Mehrwert des Fachdatenmodels deutlich gemacht.

  • Daten verantworten

    In diesem Modul erhalten Sie detaillierte Einblicke in den Aufbau der Standard Data Excellence Organisation, welche Rollenprofile und Gremien benötigt werden und welche Aufgaben übernommen werden. Die Definition der Zuständigkeitsbereiche, Inhalte der Richtlinie und die dazugehörigen Prozesse werden ebenfalls behandelt.

  • Daten strukturieren

    Anhand eines Fallbeispiels lernen Sie die verschiedenen Datenkategorien kennen und voneinander zu unterscheiden. Sie lernen, warum Referenz- und Stammdaten eine besondere Bedeutung haben, kennen die grundsätzlichen Aufgaben der einzelnen Rollen bei der Pflege und Veröffentlichung von Stammdaten in der Organisation und verstehen den Mehrwert eines zentralen Referenzdatenmanagements. Nach Absolvierung des Moduls verstehen Sie, wie Wertelisten im Kontext zu anderen Daten stehen, was Überleitungstabellen sind und verstehen deren Mehrwert.

  • Datenplanen

    Hier geht es darum, was Data Excellence Bedarfsmanagement bedeutet, welche Datenbedarfe es geben kann und wie ein unternehmensweiter Bedarfsmanagementprozess aussieht, der datenrelevante Anforderungen abdeckt. Sowohl die Aufgaben der einzelnen Rollen als auch die Schnittstelle zum IT-Anforderungsmanagement, sowie das DX-Portfoliomanagement werden bearbeitet.

  • Daten optimieren

    Anhand eines Fallbeispiels wird veranschaulicht, wie sich ungenügende Datenqualität auswirken kann und wie Sie selbst Anforderungen bezüglich Datenqualität definieren. Nach Absolvierung des Moduls kennen Sie die Elemente des fachlichen  Datenqualitätsmanagements und verstehen den Mehrwert, der dadurch entsteht.

  • Daten nutzen

    Hier dreht sich alles darum, was unter Datennutzung verstanden wird und was ein Datennutzungskatalog ist. Außerdem verstehen Sie, nach welchen Design-Prinzipien Berichte in der Organisation erstellt werden sollen. Nach Absolvierung des Moduls kennen Sie die Aufgaben der einzelnen Rollen der Data Governance Organisation im Zusammenhang mit Datennutzungen und verstehen den Mehrwert, der dadurch entsteht.

  • Daten nachvollziehen

    Anhand eines Fallbeispiels wird veranschaulicht, wie man Kennzahlen definiert und wie man diese aus fachlichen Daten ableiten kann. Nach Absolvierung dieses Moduls wissen Sie, was Dimensionen sind, wie diese mit den Kennzahlen in Zusammenhang stehen und verstehen deren Mehrwert. Anhand des Beispiels lernen Sie die Definition und Darstellung einer fachlichen Datenherkunft (Data Lineage) und die Abgrenzung zur technischen Herkunft.

  • Daten schützen

    In diesem Modul erhalten Sie Einblicke in die wichtigsten Datenrisiken, welchen Impact diese haben und wie man diese am besten adressiert. Darüber hinaus werden die Grundlagen des Datenschutzes gemäß DSGVO erarbeitet und der Aufbau eines Verarbeitungsverzeichnisses erlernt. Zusätzlich wird der Zusammenhang zwischen Prozessen und Daten hergestellt.

  • Datenservices anbieten

    Nach Absolvierung des Moduls verstehen Sie deren Mehrwert was ein Data Excellence Service ist und wie man diese entwickelt. Grundlage dafür ist sowohl die Erarbeitung einer Fachlichen Datenarchitektur als auch fachliches Testen und die Anforderungen an IT-Implementierungen, insbesondere das Zusammenspiel von DWH-Architektur und Data Lineage.