Fallbeispiel: Datenqualität
» DIMQ-Szenario:
Der Kunde hat Daten mit schlechter Qualität oder zum Teil unbekannte Daten in seiner Datenbasis.
» DIMQ-Ziel:
Die Datenqualität soll verbessert werden, indem redundante Daten identifiziert und konsolidiert werden. Nicht produktive Daten werden ebenfalls identifiziert und entfernt (z.B, veraltete Daten, Test- und Dummy-Daten).
» DIMQ-Mehrwert:
- Geschäftsprozesse werden optimiert
- Kosten werden reduziert
DIMQ-Datenproduktivität
- Die Datenauswertung wird vereinfacht.
- Die Datenpflege wird erleichtert.
- Die Datentransparenz wird erhöht.
- Die Datensicherheit wird verbessert.
„Rohdaten sind für uns wie Rohdiamanten.
Wir bearbeiten sie so lange, bis eine wert- volle Datengrundlage vorliegt.“
Frank Hincke, Geschäftsführer
DIMQ
Referenzen
DIMQ - All rights reserved - 2009 | info[at]dimq.eu