Bayer CropScience AG - Datenqualität - Versionsgeschichte

Viviane.trachsel: /* Fragen zur Fallstudie */

2021-08-10T13:13:03Z

Fragen zur Fallstudie

← Nächstältere Version		Version vom 10. August 2021, 15:13 Uhr
Zeile 12:		Zeile 12:
	== Fragen zur Fallstudie ==		== Fragen zur Fallstudie ==
	*1. Was könnten die wichtigsten Erkenntnisse des Projektes in Bezug auf die Datenqualität sein?		*1. Was könnten die wichtigsten Erkenntnisse des Projektes in Bezug auf die Datenqualität sein?
	*2. Welche Kosten ~~der~~ schlechter Datenqualität könnte BCS getragen haben?		*2. Welche Kosten schlechter Datenqualität könnte BCS getragen haben?
	*3. Die Qualität der Produktehierarchiedaten stellt eine Voraussetzung für die Bereiche Planung, Berichtswesen und Produktsegmentierung dar. Erläutern Sie die potenzielle Auswirkung der Datenqualitätsprobleme auf diese drei Geschäftsbereiche.		*3. Die Qualität der Produktehierarchiedaten stellt eine Voraussetzung für die Bereiche Planung, Berichtswesen und Produktsegmentierung dar. Erläutern Sie die potenzielle Auswirkung der Datenqualitätsprobleme auf diese drei Geschäftsbereiche durch Ausfüllen der offenen Punkte in Abbildung 1.

	[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur\|left\|450px\|Abb. 1: Bedeutung der Qualität von Produkthierarchiedaten (Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]		[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur\|left\|450px\|Abb. 1: Aufgabe - Bedeutung der Qualität von Produkthierarchiedaten (in Anlehnung an Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]
	<br clear=all>		<br clear=all>
	=== Literaturverzeichnis ===		=== Literaturverzeichnis ===

Viviane.trachsel: /* Aufbau des unternehmensweiten Datenqualitätsmanagements */

2021-08-10T13:10:34Z

Aufbau des unternehmensweiten Datenqualitätsmanagements

← Nächstältere Version		Version vom 10. August 2021, 15:10 Uhr
Zeile 8:		Zeile 8:

	== Aufbau des unternehmensweiten Datenqualitätsmanagements ==		== Aufbau des unternehmensweiten Datenqualitätsmanagements ==
	Die Bayer CropScience AG entschied sich, ein unternehmensweites Datenqualitätsmanagementprojekt zu starten und erachtete es in der Folge als ~~zielführen~~, ein Datenqualität-~~Cockpits~~ zu integrieren. Das Datenqualität-Cockpit ist eine Software, die die Überwachung und kontinuierliche Messung der Datenqualität fördert. Zuerst wurden die Aufgaben und Verantwortlichkeiten innerhalb der Region definiert und zugewiesen. Danach wurden die geschäftsrelevanten Stammdaten ermittelt. Darauf aufbauend wurden Geschäftsregeln zur qualitativen Bewertung der Daten definiert. Die Leiter der Landesgesellschaften waren dafür verantwortlich, dass die Überwachung und Einhaltung der Datenqualität sichergestellt sind. Zusätzlich integrierte man in die Applikation pro Regel eine Beschreibung, die die Auswirkung von Regelverletzungen auf den Geschäftsprozess und die empfohlene Vorgehensweise für die Korrektur der Fehler enthalten (Otto & Österle, 2016, S. 60-64).		Die Bayer CropScience AG entschied sich, ein unternehmensweites Datenqualitätsmanagementprojekt zu starten und erachtete es in der Folge als zielführend, ein Datenqualität-Cockpit zu integrieren. Das Datenqualität-Cockpit ist eine Software, die die Überwachung und kontinuierliche Messung der Datenqualität fördert. Zuerst wurden die Aufgaben und Verantwortlichkeiten innerhalb der Region definiert und zugewiesen. Danach wurden die geschäftsrelevanten Stammdaten ermittelt. Darauf aufbauend wurden Geschäftsregeln zur qualitativen Bewertung der Daten definiert. Die Leiter der Landesgesellschaften waren dafür verantwortlich, dass die Überwachung und Einhaltung der Datenqualität sichergestellt sind. Zusätzlich integrierte man in die Applikation pro Regel eine Beschreibung, die die Auswirkung von Regelverletzungen auf den Geschäftsprozess und die empfohlene Vorgehensweise für die Korrektur der Fehler enthalten (Otto & Österle, 2016, S. 60-64).

	== Fragen zur Fallstudie ==		== Fragen zur Fallstudie ==

Viviane.trachsel: /* Ausgangssituation */

2021-08-10T13:08:41Z

Ausgangssituation

← Nächstältere Version		Version vom 10. August 2021, 15:08 Uhr
Zeile 4:		Zeile 4:
	Bayer CropScience traf 2017 die Entscheidung, die Geschäftsprozesse weltweit zu harmonisieren und eine konsolidierte und standardisierte Systemlandschaft zu schaffen. Eine weltweit einheitliche Anwendungssystemlandschaft war die Voraussetzung dafür. In einem ersten Schritt konsolidierte BCS die Systeme der Landesgesellschaften in drei regionale Systeme, nämlich Europa, Asien-Pazifik und Amerika. Auf diese Weise harmonisierte das Unternehmen die Geschäftsprozesse der zuvor eigenständig operierenden Landesgesellschaften. Im Rahmen dieses Projektes übertrug BCS die Stammdaten für Materialien, Kunden und Lieferanten aus den landesspezifischen Systemen in ein zentrales Stammdatensystem. Das zentrale System verteilt die Stammdaten an die regionalen Systeme. Im Anschluss startete das Projekt „Future System Landscape“ (FSL). Das Projekt hatte das Ziel, ein globales ERP-System zu etablieren (Otto & Österle, 2016, S. 58).		Bayer CropScience traf 2017 die Entscheidung, die Geschäftsprozesse weltweit zu harmonisieren und eine konsolidierte und standardisierte Systemlandschaft zu schaffen. Eine weltweit einheitliche Anwendungssystemlandschaft war die Voraussetzung dafür. In einem ersten Schritt konsolidierte BCS die Systeme der Landesgesellschaften in drei regionale Systeme, nämlich Europa, Asien-Pazifik und Amerika. Auf diese Weise harmonisierte das Unternehmen die Geschäftsprozesse der zuvor eigenständig operierenden Landesgesellschaften. Im Rahmen dieses Projektes übertrug BCS die Stammdaten für Materialien, Kunden und Lieferanten aus den landesspezifischen Systemen in ein zentrales Stammdatensystem. Das zentrale System verteilt die Stammdaten an die regionalen Systeme. Im Anschluss startete das Projekt „Future System Landscape“ (FSL). Das Projekt hatte das Ziel, ein globales ERP-System zu etablieren (Otto & Österle, 2016, S. 58).
	Mitte 2008 startete ein Teilprojekt von FSL. Während der Umsetzung wurde zunehmend ein Mangel in der Qualität der Stammdaten, insbesondere im Planungsprozess, sichtbar. Verantwortlich hierfür waren unter anderem Fehler in der Produkthierarchie. Die Produkthierarchie gibt Auskunft über den Aufbau von Materialien und Produkten sowie ihre organisatorische Zugehörigkeit. Aus diesem Grund ist die Qualität der Produkthierarchiedaten eine Voraussetzung für die drei Geschäftsprozesse Planung, Berichtswesen und Produktsegmentierung (Otto & Österle, 2016, S. 58-59).		Mitte 2008 startete ein Teilprojekt von FSL. Während der Umsetzung wurde zunehmend ein Mangel in der Qualität der Stammdaten, insbesondere im Planungsprozess, sichtbar. Verantwortlich hierfür waren unter anderem Fehler in der Produkthierarchie. Die Produkthierarchie gibt Auskunft über den Aufbau von Materialien und Produkten sowie ihre organisatorische Zugehörigkeit. Aus diesem Grund ist die Qualität der Produkthierarchiedaten eine Voraussetzung für die drei Geschäftsprozesse Planung, Berichtswesen und Produktsegmentierung (Otto & Österle, 2016, S. 58-59).
	Mit einer Analyse der Datenqualitätsprobleme wurden vielfältige Ursachen ~~identifizierte~~. Erkannte Probleme waren mangelndes Bewusstsein der Mitarbeiter für die Bedeutung des Datenmanagements, fehlende Vorgaben zur Erfassung und Pflege der Daten, fehlende Verantwortlichkeiten sowie fehlende Datenqualitätsmessung. Bis zu diesem Zeitpunkt wurden bei BCS keine regelmässigen ~~Datenqualitätskontrolle~~ durchgeführt (Otto & Österle, 2016, S. 59-60).		Mit einer Analyse der Datenqualitätsprobleme wurden vielfältige Ursachen identifiziert. Erkannte Probleme waren mangelndes Bewusstsein der Mitarbeiter für die Bedeutung des Datenmanagements, fehlende Vorgaben zur Erfassung und Pflege der Daten, fehlende Verantwortlichkeiten sowie fehlende Datenqualitätsmessung. Bis zu diesem Zeitpunkt wurden bei BCS keine regelmässigen Datenqualitätskontrollen durchgeführt (Otto & Österle, 2016, S. 59-60).
	Daten sind die Grundlage für ziemlich jeden Unternehmensprozess, weswegen eine schlechte Datenqualität zu einem schlechten Ergebnis innerhalb des Prozesses führt. Eine Studie zeigt, dass die amerikanische Wirtschaft unter einem jährlichen Schaden von mindestens 600 Milliarden Dollar aufgrund schlechter Datenqualität leidet. Strategische Fehlentscheidungen, erfolglose Marketingaktionen oder ineffiziente Lagerbewirtschaftung sind mögliche Auswirkungen von ungenügender Datenqualität im Controlling (Baumöl & Homrighausen, 2010, S. 497). Neben der Bayer CropScience AG stellt die Datenqualität also auch für viele andere Unternehmen eine grosse Herausforderung dar. Eine Empirie zeigt, dass in unternehmensinternen Datenbanken durchschnittlich ca. 30% der gespeicherten Datenwerte nicht korrekt sind. Ursachen dieser mangelnden Datenqualität sind hierfür ein unzureichendes internes Datenqualitätsverständnis, eine fehlende Datenqualitätsmessung und eine nicht vorhandene Qualitätskontrolle, wie es auch bei Bayer CropScience AG der Fall war (Klier & Thiel, 2020, S. 86).		Daten sind die Grundlage für ziemlich jeden Unternehmensprozess, weswegen eine schlechte Datenqualität zu einem schlechten Ergebnis innerhalb des Prozesses führt. Eine Studie zeigt, dass die amerikanische Wirtschaft unter einem jährlichen Schaden von mindestens 600 Milliarden Dollar aufgrund schlechter Datenqualität leidet. Strategische Fehlentscheidungen, erfolglose Marketingaktionen oder ineffiziente Lagerbewirtschaftung sind mögliche Auswirkungen von ungenügender Datenqualität im Controlling (Baumöl & Homrighausen, 2010, S. 497). Neben der Bayer CropScience AG stellt die Datenqualität also auch für viele andere Unternehmen eine grosse Herausforderung dar. Eine Empirie zeigt, dass in unternehmensinternen Datenbanken durchschnittlich ca. 30% der gespeicherten Datenwerte nicht korrekt sind. Ursachen dieser mangelnden Datenqualität sind hierfür ein unzureichendes internes Datenqualitätsverständnis, eine fehlende Datenqualitätsmessung und eine nicht vorhandene Qualitätskontrolle, wie es auch bei Bayer CropScience AG der Fall war (Klier & Thiel, 2020, S. 86).

Köse.Merve: /* Literaturverzeichnis */

2021-05-20T12:52:45Z

Literaturverzeichnis

← Nächstältere Version		Version vom 20. Mai 2021, 14:52 Uhr
Zeile 22:		Zeile 22:
	* Klier, M. & Thiel, G. (2020). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977875_download&client_id=hslu Auf die Datenqualität kommt es an!] Fallbeispiel Statistisches Bundesamt. Controlling - Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 32(S), 86.		* Klier, M. & Thiel, G. (2020). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977875_download&client_id=hslu Auf die Datenqualität kommt es an!] Fallbeispiel Statistisches Bundesamt. Controlling - Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 32(S), 86.

			* Otto, B. & Österle, H. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977880_download&client_id=hslu Corporate Data Quality]. Voraussetzung erfolgreicher Geschäftsmodelle. (2016). Springer.

Leipold.Valentin: /* Aufbau des unternehmensweiten Datenqualitätsmanagements */

2021-05-17T13:03:31Z

Aufbau des unternehmensweiten Datenqualitätsmanagements

← Nächstältere Version		Version vom 17. Mai 2021, 15:03 Uhr
Zeile 8:		Zeile 8:

	== Aufbau des unternehmensweiten Datenqualitätsmanagements ==		== Aufbau des unternehmensweiten Datenqualitätsmanagements ==
	Die Bayer CropScience AG entschied sich, ein unternehmensweites Datenqualitätsmanagementprojekt zu starten und erachtete es in der Folge als zielführen, ein Datenqualität-Cockpits zu integrieren. Das Datenqualität-Cockpit ist eine Software, die die Überwachung und kontinuierliche Messung der Datenqualität fördert. Zuerst wurden die Aufgaben und Verantwortlichkeiten innerhalb der Region definiert und zugewiesen. Danach wurden die geschäftsrelevanten Stammdaten ermittelt. ~~Da-rauf~~ aufbauend wurden Geschäftsregeln zur qualitativen Bewertung der Daten definiert. Die Leiter der Landesgesellschaften waren dafür verantwortlich, dass die Überwachung und Einhaltung der Datenqualität sichergestellt sind. Zusätzlich integrierte man in die Applikation pro Regel eine Beschreibung, die die Auswirkung von Regelverletzungen auf den Geschäftsprozess und die empfohlene Vorgehensweise für die Korrektur der Fehler enthalten (Otto & Österle, 2016, S. 60-64).		Die Bayer CropScience AG entschied sich, ein unternehmensweites Datenqualitätsmanagementprojekt zu starten und erachtete es in der Folge als zielführen, ein Datenqualität-Cockpits zu integrieren. Das Datenqualität-Cockpit ist eine Software, die die Überwachung und kontinuierliche Messung der Datenqualität fördert. Zuerst wurden die Aufgaben und Verantwortlichkeiten innerhalb der Region definiert und zugewiesen. Danach wurden die geschäftsrelevanten Stammdaten ermittelt. Darauf aufbauend wurden Geschäftsregeln zur qualitativen Bewertung der Daten definiert. Die Leiter der Landesgesellschaften waren dafür verantwortlich, dass die Überwachung und Einhaltung der Datenqualität sichergestellt sind. Zusätzlich integrierte man in die Applikation pro Regel eine Beschreibung, die die Auswirkung von Regelverletzungen auf den Geschäftsprozess und die empfohlene Vorgehensweise für die Korrektur der Fehler enthalten (Otto & Österle, 2016, S. 60-64).

	== Fragen zur Fallstudie ==		== Fragen zur Fallstudie ==

Leipold.Valentin: /* Literaturverzeichnis */

2021-05-17T12:42:16Z

Literaturverzeichnis

← Nächstältere Version		Version vom 17. Mai 2021, 14:42 Uhr
Zeile 18:		Zeile 18:
	<br clear=all>		<br clear=all>
	=== Literaturverzeichnis ===		=== Literaturverzeichnis ===
	* ~~Adam~~, U. (~~1995~~). ~~Einführung in~~ die ~~Datensicherheit~~. ~~Vogel~~.		* Baumöl, U. & Homrighausen, A. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977881_download&client_id=hslu Datenmanagement mittels Realweltmodellierung]. Controlling - Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 22(8-9), 497-500.

			* Klier, M. & Thiel, G. (2020). [https://elearning.hslu.ch/ilias/goto.php?target=file_4977875_download&client_id=hslu Auf die Datenqualität kommt es an!] Fallbeispiel Statistisches Bundesamt. Controlling - Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 32(S), 86.

Leipold.Valentin: /* Fragen zur Fallstudie */

2021-05-17T12:39:00Z

Fragen zur Fallstudie

← Nächstältere Version		Version vom 17. Mai 2021, 14:39 Uhr
Zeile 16:		Zeile 16:

	[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur\|left\|450px\|Abb. 1: Bedeutung der Qualität von Produkthierarchiedaten (Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]		[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur\|left\|450px\|Abb. 1: Bedeutung der Qualität von Produkthierarchiedaten (Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]
			<br clear=all>
	=== Literaturverzeichnis ===		=== Literaturverzeichnis ===
	* Adam, U. (1995). Einführung in die Datensicherheit. Vogel.		* Adam, U. (1995). Einführung in die Datensicherheit. Vogel.

	~~<br clear=all>~~


	[[Bayer CropScience AG – Datenqualität Lösung]]		[[Bayer CropScience AG – Datenqualität Lösung]]
	[[Kategorie:Fallstudien]]		[[Kategorie:Fallstudien]]

Leipold.Valentin: /* Fragen zur Fallstudie */

2021-05-17T12:38:39Z

Fragen zur Fallstudie

← Nächstältere Version		Version vom 17. Mai 2021, 14:38 Uhr
Zeile 16:		Zeile 16:

	[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur\|left\|450px\|Abb. 1: Bedeutung der Qualität von Produkthierarchiedaten (Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]		[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur\|left\|450px\|Abb. 1: Bedeutung der Qualität von Produkthierarchiedaten (Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]

			=== Literaturverzeichnis ===
			* Adam, U. (1995). Einführung in die Datensicherheit. Vogel.

	<br clear=all>		<br clear=all>

Leipold.Valentin: /* Fragen zur Fallstudie */

2021-05-14T15:10:30Z

Fragen zur Fallstudie

← Nächstältere Version		Version vom 14. Mai 2021, 17:10 Uhr
Zeile 15:		Zeile 15:
	*3. Die Qualität der Produktehierarchiedaten stellt eine Voraussetzung für die Bereiche Planung, Berichtswesen und Produktsegmentierung dar. Erläutern Sie die potenzielle Auswirkung der Datenqualitätsprobleme auf diese drei Geschäftsbereiche.		*3. Die Qualität der Produktehierarchiedaten stellt eine Voraussetzung für die Bereiche Planung, Berichtswesen und Produktsegmentierung dar. Erläutern Sie die potenzielle Auswirkung der Datenqualitätsprobleme auf diese drei Geschäftsbereiche.

	[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur\|~~none~~\|450px\|Abb. 1: Bedeutung der Qualität von Produkthierarchiedaten (Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]		[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur\|left\|450px\|Abb. 1: Bedeutung der Qualität von Produkthierarchiedaten (Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]
	<br>		<br clear=all>


	[[Bayer CropScience AG – Datenqualität Lösung]]		[[Bayer CropScience AG – Datenqualität Lösung]]
	[[Kategorie:Fallstudien]]		[[Kategorie:Fallstudien]]

Leipold.Valentin: /* Fragen zur Fallstudie */

2021-05-14T14:26:18Z

Fragen zur Fallstudie

← Nächstältere Version		Version vom 14. Mai 2021, 16:26 Uhr
Zeile 15:		Zeile 15:
	*3. Die Qualität der Produktehierarchiedaten stellt eine Voraussetzung für die Bereiche Planung, Berichtswesen und Produktsegmentierung dar. Erläutern Sie die potenzielle Auswirkung der Datenqualitätsprobleme auf diese drei Geschäftsbereiche.		*3. Die Qualität der Produktehierarchiedaten stellt eine Voraussetzung für die Bereiche Planung, Berichtswesen und Produktsegmentierung dar. Erläutern Sie die potenzielle Auswirkung der Datenqualitätsprobleme auf diese drei Geschäftsbereiche.

	[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur~~\|left~~\|none\|450px\|Abb. 1: Bedeutung der Qualität von Produkthierarchiedaten (Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]		[[Datei: Aufgabe Datenqualität Bayer CropScience AG.jpg\|miniatur\|none\|450px\|Abb. 1: Bedeutung der Qualität von Produkthierarchiedaten (Brauer, 2019, S. 17 zit. in Otto & Österle, 2016, S. 60)]]
	<br>		<br>