UF13, Data Driven Operations Management

Was ist der Hauptunterschied zwischen strategischem und operativem Management?

Strategisches Management konzentriert sich auf die Gesamtstrategie eines Unternehmens, während operatives Management sich mit der Umsetzung dieser Strategie im Tagesgeschäft beschäftigt.

Strategische oder Operative entscheidung?

Festlegung der Unternehmensstrategie

Strategische

Strategische oder Operative entscheidung?

Einstellung neuer Mitarbeiter

Operative

Strategische oder Operative entscheidung?

Investitionsentscheidungen

Strategische

Strategische oder Operative entscheidung?

Produktionsplanung

Operative

Strategische oder Operative entscheidung?

Budgetverteilung

Operative

Identifizieren Sie 3 potenzielle Datenschutz- und Sicherheitsrisiken und entwickeln Sie je eine passende Massnahme, um das Risiko zu minimieren.

Was ist eine Datenstrategie

Eine Datenstrategie ist ein Plan, der aufzeigt, wie wir als Unternehmen Daten einsetzen, um unsere Unternehmensziele zu erreichen.

Beischreibe den Datenlebenszyklus

Nenne Zentrale bestandteile einer einer effektiven Data supply chain

Datenstrategie und Data Governance

Die Datenlieferkette kann erst mit definierter Datenstrategie aufgebaut werden.

Und die Data Governance definiert Verantwortlichkeiten und Prozesse rund um die Daten und ist somit zentrale Bestandteile der Datenlieferkette.

Im Masterdata-Management gibt es verschiedene Klassifizierungen von Daten.

Nenne alle 4

• Masterdaten/Stammdaten: Kunden, Lieferanten, Produkte, Adressen …

• Referenzdaten: Wechselkurse, PLZ, Sprache …

• Metadaten: Dokumenteninformation, Formatbeschreibungen, Labels/Klassifizierung …

• Transaktionsdaten: Bestellungen, Buchungen, Support-Tickets …

Nenne 4 Berieche der Data Governance

• Datenqualität und Konsistenz

• Datenintegration und Interoperabilität

• Datensicherheit und Compliance

• Datenmanagement und Governance-Struktur

Wie kann man Datenqualität und Konsistenz verbessern

Einführung eines zentralen Datenmanagementsystems, das sicherstellt, dass alle Kundendaten konsistent und aktuell sind. Dies könnte durch die Implementierung eines Master Data Management (MDM) Systems erreicht werden, das die Daten aus ERP- und CRM-Systemen synchronisiert und konsolidiert.

Wie kann man Datenintegration und Interoperabilität verbessern

Standardisierung der Sensordatenformate und Dokumentation der Datenquellen. Dies könnte durch die Einführung eines Data Integration Tools erfolgen, das die verschiedenen Formate vereinheitlicht und eine zentrale Datenbank für die Sensordaten schafft, um eine einheitliche und zugängliche Datenbasis zu gewährleisten.

Wie kann man Datensicherheit und Compliance verbessern

Etablierung klarer Richtlinien und Prozesse für den Zugriff auf Kundendaten. Dies könnte durch die Implementierung eines Identity and Access Management (IAM) Systems erfolgen, das sicherstellt, dass nur autorisierte Mitarbeitende Zugriff auf sensible Daten haben und dass alle Zugriffe protokolliert und überwacht werden.

Wie kann man Datenmanagement und Governance-Struktur verbessern

Einrichtung eines Data Governance-Komitees, das für die Überwachung und Durchsetzung der Datenrichtlinien verantwortlich ist. Dieses Komitee sollte regelmäßig die Datenmanagementpraktiken überprüfen und sicherstellen, dass alle Abteilungen die festgelegten Standards und Verfahren einhalten.

Was ist ein Data Dictionary

Beschreibt die Struktur, Definition und Datenfelder innerhalb eines Datensatzes oder einer Datenbank und Dient als Nachschlagewerk für Analysten, um die Bedeutung von einzelnen Feldern zu verstehen

Was ist ein Data Catalog

Zentrale Verwaltung und Organisation von Metadaten und Datenquellen

Erklären Sie, warum es wichtig ist, die Zielgruppe zu berücksichtigen, wenn Sie eine Datenvisualisierung auswählen.

Es ist wichtig, die Zielgruppe zu berücksichtigen, weil unterschiedliche Zielgruppen unterschiedliche Bedürfnisse und Präferenzen haben. Eine Visualisierung, die für eine Zielgruppe verständlich und nützlich ist, kann für eine andere Zielgruppe verwirrend oder irrelevant sein.

Geben Sie ein Beispiel für eine Visualisierung, die für eine bestimmte Zielgruppe besonders geeignet ist.

Zum Beispiel könnte ein detailliertes Streudiagramm für Datenanalysten sehr nützlich sein, während ein einfaches Balkendiagramm für das obere Management besser geeignet ist, da es die wichtigsten Informationen schnell und klar vermittelt.

Was bringt eine gute datenkultur?

Sinn und Zweck einer Datenkultur sind die Förderung datengestützter Entscheidungsfindung und die Verbesserung der Transparenz.

Säulendiagramm (Balkendiagramm)

Vorteile:

• Einfache und schnelle Vergleichbarkeit von Kategorien

• Klarer Überblick über absolute Werte

• Leicht verständlich, auch für Laien

Nachteile:

• Nicht für große Datenmengen geeignet

• Bei zu vielen Kategorien wird es unübersichtlich

• Keine Darstellung von Trends über Zeit

Ideal für:

• Vergleich diskreter Kategorien (z. B. Umsatz pro Produkt)

• Darstellung von Häufigkeiten oder Summen

• Management-Dashboards für Soll-Ist-Vergleiche

Liniendiagramm

Vorteile:

• Gut zur Darstellung von Trends über die Zeit

• Zeigt Veränderungen und Entwicklungen deutlich

• Ideal für Zeitreihenanalyse

Nachteile:

• Schwer lesbar bei vielen Linien

• Nicht geeignet für kategoriale Daten

• Extremwerte können stark verzerren

Ideal für:

• KPI-Entwicklung (z. B. Umsatz über Monate)

• Zeitreihendaten

• Monitoring von Metriken über längere Perioden

Gauge Chart (Tachometerdiagramm)

Vorteile:

• Intuitive Darstellung eines Zielbereichs

• Schnell erfassbar auf einem Blick

• Ideal für Soll-Ist-Daten

Nachteile:

• Keine Details über Verläufe oder Trends

• Platzintensiv bei mehreren Metriken

• Nicht gut für komplexe Vergleiche

Ideal für:

• Performance-Indikatoren (z. B. Zielerreichung in %)

• Dashboards mit Fokus auf Statusanzeigen

• Einzelmetriken im Management-Reporting

Heatmap

Vorteile:

• Gute Übersicht über Datenmuster und Anomalien

• Visualisiert große Datenmengen kompakt

• Farbskala macht Unterschiede schnell sichtbar

Nachteile:

• Farbwahl kann irreführend sein

• Quantitative Unterschiede schwer exakt ablesbar

• Ungeeignet für exakte Wertevergleiche

Ideal für:

• Korrelationsmatrizen

• Nutzerverhalten (z. B. Klickhäufigkeit)

• Prozessanalyse (z. B. Maschinenfehler je Schicht)

Boxplot

Vorteile:

• Zeigt Verteilung, Median, Ausreißer auf einen Blick

• Vergleich mehrerer Gruppen möglich

• Robust gegenüber Ausreißern

Nachteile:

• Weniger intuitiv für Laien

• Keine Einzelwerte sichtbar

• Eingeschränkte Aussagekraft bei kleinen Datenmengen

Ideal für:

• Vergleich von Datenverteilungen (z. B. Bearbeitungszeit pro Team)

• Identifikation von Ausreißern

• Qualitätskontrolle und Prozessanalysen