Guilherme Morbey ist als Inhaber von Morbey Consulting hauptsächlich für Finanzdienstleister tätig. Einer seiner thematischen Schwerpunkte ist die Einführung von Datenqualitäts-Management-Systemen.

Vorwort 7
Inhaltsverzeichnis 8
Abbildungsund Tabellenverzeichnis 10
Prolog 11
1 Datenqualität allgemein 13
1.1 Daten sind das Wasser der Informationswelt 13
1.2 Datenqualität (Definition) 14
1.3 Wir tun schon viel für die Datenqualität! 14
1.4 Nutzen 16
1.5 Datenqualitäts-Anforderungen 18
1.6 Datenqualitäts-Aussage 19
Es gibt keine DQ-Aussagen ohne DQ-Messungen 20
“if you can’t measure it, you can’t manage it!” 20
Glaubwürdigkeit, Verlässlichkeit und Vertrauenswürdigkeit sind die Hauptargumente für Aussagen zur Datenqualität. 20
2 Organisatorische Voraussetzungen 23
2.1 Datenqualitäts-Kriterien (7+2) 23
Beispiele für Datenqualitäts-Regeln 28
Mit einem DQ-System kann man sicherlich nicht verhindern, dass Menschen weiterhin Fehler machen. Aber Datenmängel lassen sich 32
im Prinzip früher erkennen, insbesondere solche, die mit einer ge-wissen Regelmäßigkeit immer wieder auftreten, und sie können m 33
Beim nächsten Treffen 33
2.2 Operative Datenqualitäts-Rollen 33
2.3 Datenqualitäts-Prozesse 37
2.3.1 Allgemeiner Datenqualitäts-Prozess (DQ-P) 38
2.3.2 Datenqualität für regulatorische Bedarfe (DQ-R) 42
2.4 Aufwand 44
2.5 Aufbauorganisation 46
Es werden DQ-Aussagen von den DQ-Verantwortlichen gefordert. Ein DQ-Team erarbeitet als Service Unit die DQ-Aussagen für die Dat 51
3 Technische Voraussetzungen 52
3.1 Datenqualitäts-Werkzeug 53
3.2 Meta-Datenbank 55
3.3 Datenqualitäts-Auftragsdatenbank 58
4 Stolpersteine 60
4.1 Initiale Hürden 60
4.1.1 Schwierige organisatorische Zuordnung 60
4.1.2 Falsches Verständnis von Datenqualität 60
Es gibt kein DQ-System oder DQ-Management ohne DQ-Messun-gen. 4.1.3 Geringes Problembewusstsein 61
4.2 Thematische Überschneidungen 62
4.2.1 Datenqualitäts-Management versus Daten-Management12 62
4.2.2 Datenqualitäts-Tools und ETL-Programmierung 64
4.2.3 Daten-Prozesssicherheit 65
4.3 Herausforderungen bei der Umsetzung 66
4.3.1 Einführung eines Datenqualitäts-Controllings 66
4.3.2 Zuordnung der Daten zum Data Owner 69
4.3.3 Falsches Verständnis von Data Profiling 70
5 Erfolgsfaktoren 71
6 Ausblick 73
Epilog 75
Über den Autor 76