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 keine 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.
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.
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.
Exzellenter Umgang mit Daten bedeutet, diese zu beherrschen, den Aufwand dafür zu minimieren und die Daten gewinnbringend zu nutzen. Die Lösung dafür liegt nicht ausschließlich in der IT, sondern es bedarf eines fundierten fachlichen Rahmens, in dem die Daten verstanden und verwendet werden können. Wir helfen dir, die Basis für die Herausforderungen der Digitalisierung, Big Data und Innovationen zu schaffen.
Du lernst, 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.
Anhand eines Fallbeispiels lernst du, was ein Fachdatenmodell ist und wie dieses konzipiert und erstellt wird. Nach Absolvierung des Moduls verstehst du wie eine vollständige, korrekte und verständliche Darstellung von Daten mittels eines Fach-datenmodells, das aus Geschäftsobjekt, Attributen und Beziehungen besteht, gemacht wird. Außerdem wird Ihnen der Mehrwert des Fachdatenmodels deutlich gemacht.
In diesem Modul erhältst du 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.
Anhand eines Fallbeispiels lernst du die verschiedenen Datenkategorien kennen und voneinander zu unterscheiden. Du lernst, warum Referenz- und Stammdaten eine besondere Bedeutung haben, kennst die grundsätzlichen Aufgaben der einzelnen Rollen bei der Pflege und Veröffentlichung von Stammdaten in der Organisation und verstehst den Mehrwert eines zentralen Referenzdatenmanagements. Nach Absolvierung des Moduls verstehst du, wie Wertelisten im Kontext zu anderen Daten stehen, was Überleitungstabellen sind und deren Mehrwert.
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.
Anhand eines Fallbeispiels wird veranschaulicht, wie sich ungenügende Datenqualität auswirken kann und wie du selbst Anforderungen bezüglich Datenqualität definierst. Nach Absolvierung des Moduls kennst du die Elemente des fachlichen Datenqualitätsmanagements und verstehst den Mehrwert, der dadurch entsteht.
Hier dreht sich alles darum, was unter Datennutzung verstanden wird und was ein Datennutzungskatalog ist. Außerdem verstehst du, nach welchen Design-Prinzipien Berichte in der Organisation erstellt werden sollen. Nach Absolvierung des Moduls kennst du die Aufgaben der einzelnen Rollen der Data Governance Organisation im Zusammenhang mit Datennutzungen und verstehst den Mehrwert, der dadurch entsteht.
Anhand eines Fallbeispiels wird veranschaulicht, wie man Kennzahlen definiert und wie man diese aus fachlichen Daten ableiten kann. Nach Absolvierung dieses Moduls weißt du, was Dimensionen sind, wie diese mit den Kennzahlen in Zusammenhang stehen und verstehst deren Mehrwert. Anhand des Beispiels lernst du die Definition und Darstellung einer fachlichen Datenherkunft (Data Lineage) und die Abgrenzung zur technischen Herkunft.
In diesem Modul erhältst du 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.
Nach Absolvierung des Moduls verstehst du deren Mehrwert, was ein Data Excellence Service ist und wie man diesen 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.