Hinweis: Die aktuelle TDWI-Konferenz findest Du hier!

PROGRAMM

Die im Konferenzprogramm der TDWI München 2023 angegebenen Uhrzeiten entsprechen der Central European Time (CET).

Per Klick auf "VORTRAG MERKEN" innerhalb der Vortragsbeschreibungen kannst du dir deinen eigenen Zeitplan zusammenstellen. Du kannst diesen über das Symbol in der rechten oberen Ecke jederzeit einsehen.

 

Hier kannst Du die Programmübersicht der TDWI München 2023 mit einem Klick als PDF herunterladen.

Track: #Data Strategy & Data Governance

Nach Tracks filtern
Alle ausklappen
  • Dienstag
    20.06.
  • Mittwoch
    21.06.
10:40 - 11:25
Di 5.1
How to become a data-driven company!
How to become a data-driven company!

It's no secret that in today's data-driven world, companies that effectively use data to make decisions have a competitive advantage. Our talk is not about why you should become a data-driven company, but how you should do it. The focus will be on guiding the change of the organizational mindset through a holistic approach including people, infrastructure and use cases for unlocking the full potential of data! The talk will also touch on the challenges that companies face in their data-driven journey and how to overcome them.

Target Audience: Middle Management und CIOs, die Heads of ... Innovation / Digital / Risk, all levels of curious minds who are keen on driving a data-driving decision making in their organization
Prerequisites: Motivation to understand how to become a data-driven company, not why. Whether you are just starting on your data-driven journey or looking to take your efforts to the next level, this talk is suitable for you. Join us to learn how to become a data-driven
Level: Basic

Mariana Hebborn has the responsibility for one of the most valuable assets of our time: data, as Data Governance Lead at Merck Healthcare. 
Mariana Hebborn has many years of experience in data analytics, governance, and management. She holds a PhD in Computational Data Processing and to date has worked and led several teams and projects in Data Science and Data Digitization for various companies such as IBM, Fujitsu and Viridium Group in Europe and Asia. 
When she is not busy with data-driven missions, she is dedicated to her family and sports activities.
 

Heiko Beier is an IT professional with 25+ years of experience in designing architectures and data-driven AI-based solutions for automation of business processes. As founder and CEO of Moresophy he combines visionary and strategic thinking with profound knowledge on advanced data intelligence and the ability to execute and motivate teams. His focus is on techniques and processes for implementing explainable, trusted AI on bulk information across the full value chain. As part-time professor he is also a renowned keynote speaker for topics regarding the effective compliant use of AI.

Mit Fundamenten in Actuarial Science, Computer Science und Wirtschaftswissenschaften ist Dr. Jan-Hendrik Weinert ein Datenstratege und Experte für Risk Analytics, der sich dafür einsetzt, eine Kultur der datengetriebenen Entscheidungsfindung in der Finanz- und Versicherungsbranche voranzutreiben. Als Architekt der unternehmensweiten Analytics-Plattform und eines Datenvirtualisierungslayers der Viridium Gruppe fördert er die unternehmensweite, dezentrale Zusammenarbeit mit Daten und beschleunigt die Entwicklung hin zu einem datengetriebenen Versicherer. Sein Engagement trägt dazu bei, die Lücke zwischen Technologie und Geschäftswelt zu schließen.

Mariana Hebborn, Heiko Beier, Jan-Hendrik Weinert
E119
Mariana Hebborn, Heiko Beier, Jan-Hendrik Weinert
E119
flag VORTRAG MERKEN

Vortrag Teilen

11:35 - 12:20
Di 5.2
Die Daten im Griff: ein guter Plan
Die Daten im Griff: ein guter Plan

Um datenorientiert agieren zu können, hat die Volksbank Wien vor, die komplexe Datenlandschaft zu vereinfachen und verständlich zu machen. Die organisatorische Struktur wird an die aktuellen Herausforderungen angepasst. Dazu werden 2 miteinander agierende Metadatenwelten erstellt, um das Fachdaten- und Datenqualitätsmanagement bestmöglich abwickeln zu können. Für die Bank ist es notwendig, eine Data Governance-Policy, Data Governance-Richtlinien, eine Datenstrategie und ein neues Fachdatenmodell zu erstellen sowie die kritischen Daten zu erheben.

Zielpublikum: Data Manager, Projektleiter:innen
Voraussetzungen: Grundkenntnisse Data Governance und Datenmanagement
Schwierigkeitsgrad: Einsteiger

Raluca Heigl, geboren in Sibiu/Rumänien, absolvierte ihr Wirtschaftsstudium in Bukarest, Abschluss im Jahr 2001.
2014 ergänzte sie die akademische Ausbildung mit Master of Business Administration Corporate Governance und Management an der Donau Uni Krems.
Berufliche Erfahrungen sammelte sie bei Bank Austria in Bukarest und Wien, 6 Jahre in Operation, hievon 3 Jahre in einer leitenden Position. 
Seit 2007 ist sie im Volksbankensektor tätig: die ersten 10 Jahre in Organisation/IT und seit 2017 im Bereich Data Governance & Data Management, zuerst als Abteilungsleiterin und seit 2022 als Stabstellenleiterin und CDO.
 

Rosemarie Reisner, geboren in Mistelbach/Österreich, absolvierte 1997 ihr Betriebsinformatikstudium an der Universität Wien. Sie ist Certified Data Excellence Professional und Certified Controllerin.
In 25 Jahren Volksbank sammelte sie berufliche Erfahrungen in der Organisation, zuständig für E-Commerce und IBM Notes (3 Jahre in leitender Funktion), im Controlling für Projektcontrolling und in der Finanzdatensteuerung als Expertin Data Governance.
 

Raluca Heigl, Rosemarie Reisner
E119
Raluca Heigl, Rosemarie Reisner
E119
flag VORTRAG MERKEN

Vortrag Teilen

13:50 - 14:50
Di 5.3
Herausforderungen einer Big Data Transformation
Herausforderungen einer Big Data Transformation

Durch die Umstellung auf ein Event-Driven-System vor ca. 1,5 Jahren ist die Datenmenge um das Zweihundertfache gestiegen. Von ursprünglich zwanzig bis fünfunddreißig GB auf 6-7 TB pro Monat. Das bringt weitreichende Herausforderungen hinsichtlich Technologie, Organisation, aber auch in Bezug auf die Unternehmenskultur mit sich. Kommt mit auf die Daten-Reise der flaschenpost und erfahrt, warum am Ende eine Lakehouse-Lösung in Kombination mit einem Mesh-Ansatz genau die Bedürfnisse der Fachabteilungen trifft.

Zielpublikum: Entscheidungsträger:innen von Data-Projekten
Voraussetzungen: keine
Schwierigkeitsgrad: Einsteiger

Extended Abstract:
Von null auf 200: Welche Herausforderungen birgt eine Big Data Transformation?

Durch die Umstellung auf ein Event-Driven-System vor ca. eineinhalb Jahren ist die Datenmenge um das 200-Fache gestiegen. Von ursprünglich 20 bis 35 GB auf sechs - sieben TB pro Monat. Das bringt weitreichende Herausforderungen hinsichtlich Technologie, Organisation, aber auch in Bezug auf die Unternehmenskultur mit sich. Kommt mit auf die Daten-Reise der flaschenpost und erfahrt, warum am Ende eine Lakehouse-Lösung in Kombination mit einem Mesh-Ansatz genau die Bedürfnisse der Fachabteilungen trifft. Zentrale Fragen im Rahmen des Vortrags: Wie sind wir als flaschenpost vorgegangen? Welche Data-Rollen sind für eine Domäne erforderlich und was hätten wir retrospektiv anders gemacht? Außerdem klären wir, warum die Antworten in der Organisation und nicht in der Technologie zu finden sind.

Marco Lohaus verfügt über mehr als 10 Jahre Erfahrung im Bereich Business Intelligence, Data Science und Dashboarding mit besonderen Fachkenntnissen im E-Commerce.
Im Rahmen seiner Tätigkeit als BI-Leiter, Management-Berater und Architekt hat er Projekte in den Bereichen Reporting, Big Data, DWH, Digitalisierung und Data Science verantwortet.

Marco Lohaus
E119
Marco Lohaus
E119
flag VORTRAG MERKEN

Vortrag Teilen

15:20 - 16:05
Di 5.4
'Wo ist meine Excel-Tabelle?' – 'Wir machen jetzt Power BI!'
'Wo ist meine Excel-Tabelle?' – 'Wir machen jetzt Power BI!'

Vom Anforderungsmanagement zum fertigen Bericht. In diesem Vortrag werde ich anhand eines Use Case aus unserer betrieblichen Praxis erläutern, wie die Business Needs des Fachbereichs ermittelt, gesteuert und schließlich in einem fertigen Reporting zur Verfügung gestellt werden. In einem praxisorientierten Ansatz, den wir stetig weiterentwickeln, wird aus einer Anforderung moderne Wirklichkeit.

Zielpublikum: PowerBI-Entwickler:innen, Projektleiter:innen, Entscheider:innen, Controller:innen, Product Owner
Voraussetzungen: keine
Schwierigkeitsgrad: Einsteiger

Extended Abstract:
In diesem Vortrag wird aufgezeigt, wie insbesondere

  • -Anforderungsmanagement
  • -Business translation
  • -Projektmanagement

bei der Entwicklung eines neuen Reports gelingen kann.

Stefanie Kostorz ist Senior Project Managerin und auf Finanzprojekte spezialisiert. Ursprünglich als Controllerin tätig, entwickelte sie ein ausgeprägtes Verständnis für Geschäftsanforderungen und die Fähigkeit, diese in Datenanforderungen zu übersetzen. Sie ist an der Entwicklung einer völlig neuen Datenanalyselösung für die CHRIST-Gruppe beteiligt. Ihr Fokus liegt darauf, die digitale Transformation voranzutreiben. Mit ihrer Familie und Rauhaardackel Lumpi lebt sie in Menden (Sauerland).

Stefanie Kostorz
E119
Stefanie Kostorz
E119
flag VORTRAG MERKEN

Vortrag Teilen

16:15 - 17:00
Di 5.5
Data Mesh Governance
Data Mesh Governance

Governance im Data Mesh ist föderal und soll möglichst automatisiert sein. Eine Gruppe mit Expert:innen und Repräsentanten der Teams entscheidet über die Spielregeln im Data Mesh, bspw. zu Interoperabilität oder Security, mittels globaler Policies, die von der Plattform automatisiert werden. Aber wie genau soll das funktionieren? Wir stellen ein Governance-Betriebsmodell vor, basierend auf dem Ansatz von Architecture Decision Records. Wir diskutieren Beispiele globaler Policies, und wie diese automatisiert werden können.

Zielpublikum: Data Architects, Entscheider:innen, Data Mesh Adopters, Data Governance Expert:innen
Voraussetzungen: Grundkenntnisse in Data Mesh. Kenntnisse in Data Governance sind hilfreich, aber nicht erforderlich.
Schwierigkeitsgrad: Einsteiger

Dr. Simon Harrer ist Senior Consultant bei INNOQ. Er ist Softwareentwickler im Herzen, der sich mittlerweile der dunklen Seite, nämlich der Welt der Daten, zugewandt hat. Er hat datamesh-architecture.com mit ins Leben gerufen und das Data-Mesh-Buch von Zhamak Dehghani ins Deutsche übersetzt. Aktuell entwickelt er ein für alle Data-Mesh-Initiativen hilfreiches Werkzeug, den Data Mesh Manager.

Simon Harrer
E119
Simon Harrer
E119
flag VORTRAG MERKEN

Vortrag Teilen

17:30 - 18:30
Di 5.6
Data Governance: Vom Konzept zur gelebten Unternehmenspraxis
Data Governance: Vom Konzept zur gelebten Unternehmenspraxis

Die Entwicklung und Einführung eines Data Governance-Programms und eines Datenkatalogs ist für jedes Unternehmen eine Umstellung. Zuständigkeiten und Verantwortung für Daten wollen explizit definiert, Prozesse eingeführt und Wert und Bedeutung von Daten sichtbar gemacht werden.

Der Vortrag beleuchtet anhand einiger Fallbeispiele, wie die verschiedenen Herausforderungen eines solchen Vorhabens gemeistert werden und sich der Fortschritt messen lässt, damit ein langfristig erfolgreiches Programm entsteht.

Zielpublikum: Projektleiter:innen, Architekt:innen, Data Management, Senior Data Engineers
Voraussetzungen: Grundkenntnisse im Datenmanagement
Schwierigkeitsgrad: Einsteiger

Extended Abstract:
Jedes Jahr wachsen die Datenbestände eines Unternehmens weiter: Die existierenden Prozesse und Arbeitsabläufe generieren Unmengen an Daten, welche aufgrund günstiger Speicherpreise immer länger und feingranularer aufbewahrt werden können, Daten aus frei zugänglichen Quellen wie Social Media oder hinzugekaufte oder mit Partnerunternehmen ausgetauschte Daten werden in immer größerem Umfang gesammelt und genutzt.

Gesammelte Daten sind aber noch keine Informationen und erst recht keine Erkenntnisse, auf deren Basis man als Unternehmen handeln könnte. Die gesammelten Daten zu managen und für verschiedenste Zwecke auffindbar und nutzbar zu machen, ist also eine zunehmend komplexere Aufgabe. Data Governance als organisatorischer Rahmen und ein Datenkatalog als technisches Tool können hier Eckpfeiler für eine effiziente Datennutzung im Unternehmen liefern.

Dieser Vortrag zeigt anhand von Best Practices und einigen Fallbeispielen aus verschiedenen Branchen, wie die verschiedenen Herausforderungen bei der Einführung sowohl von Data Governance als auch eines Datenkatalogs gemeistert werden können, damit ein langfristig erfolgreiches Programm entsteht. Außerdem betrachten wir, wie sich Erfolg von Data Governance messen lässt, um damit nicht zuletzt Investitionen in diesem Bereich zu begründen.

Uwe Westerhoff leitet seit einigen Jahren bei der saracus consulting GmbH den Bereich Data Governance und Data Science. Zusammen mit seinem Team entwickelt er für Unternehmen aus verschiedenen Branchen Data-Governance-Strategien, führt Datenkataloge ein und berät und begleitet Unternehmen bei ihrer Transformationen hin zu einem datengetriebenen Unternehmen. In der Rolle als Data Scientist kennt er aber auch die Rolle des Datennutzers, welcher Daten für seine Aufgaben im Unternehmen finden und verstehen muss.
Vor seiner Zeit bei saracus hat Herr Westerhoff einige Jahre für ein Start-up im Bereich Robotik und Computer Vision sowie in der universitären Forschung im Bereich Kern- und Elementarteilchenphysik gearbeitet.
 

Uwe Westerhoff
E119
Uwe Westerhoff
E119
flag VORTRAG MERKEN

Vortrag Teilen

09:00 - 10:00
Mi 5.1
Don't Talk Data to Me
Don't Talk Data to Me

Mehr Inhalte dieses Speakers? Kein Problem, schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/klausdieter.schulze

Laut dem BARC Data, BI & Analytics Trend Monitor 2023 sind die Top 5 Trends Master data / DQ Management, Data Culture, Data Governance, Data Discovery und Self-Service Analytics. Auch wenn der Begriff ,Data' dabei weiter gerne verwendet wird, drehen sich alle diese Trends eher um einen effizienten Umgang und den Mehrwert aus den Daten und nicht um die Daten selbst. Nach einer Bewertung von aktuellen Trends fokussiert sich der Vortrag im Schwerpunkt auf die konkrete Situation um die Mobilitätsbranche bei DKV Mobility.

Zielpublikum: Business Users, Entscheider:innen, Data Governance Spezialist:innen, Data Strategist
Voraussetzungen: Erfahrung mit Data & Analytics Projekten
Schwierigkeitsgrad: Fortgeschritten

Extended Abstract:
Die Schwerpunkte in der Diskussion um die Analyse von Daten verschieben sich. Laut dem BARC Data, BI & Analytics Trend Monitor 2023 sind die Top 5 Trends Master data / DQ Management, Data Culture, Data Governance, Data Discovery und Self-Service Analytics. Auch wenn der Begriff ,Data' dabei weiter gerne verwendet wird, drehen sich alle diese Trends eher um einen effizienten Umgang und den Mehrwert aus den Daten und nicht um die Daten selbst.

Wenn es um den Mehrwert oder Effizienzen geht, reichen wage oder qualitative Aussagen nicht mehr aus. Um das C-Level von langfristigen Investitionen und dem Mehrwert der Data-Driven Company zu überzeugen, müssen Mehrwertversprechen, wie die Verbesserung der Transparenz oder der Prozess-Qualität, entlang von konkreten Use Cases in Euro umgerechnet werden können.

Nach einer Bewertung von aktuellen Trends fokussiert sich der Vortrag im Schwerpunkt auf die konkrete Situation um die Mobilitätsbranche bei DKV Mobility.

Nach der Entwicklung einer Daten-Strategie in 2020 ist die Umsetzung der Strategie beim DKV in vollem Gange. Welche Use Cases erzeugen messbaren Mehrwert, welche sind die richtigen KPIs, um den Erfolg der Datenstrategie zu messen, und welche Rolle spielt Data Governance dabei, sind Themen, die im Vortrag entlang der konkreten Situation beim DKV Mobility dargestellt werden.

Ein Blick nach vorne beim DKV und Do's und Don'ts schließen den Vortrag ab.

Dr. Sönke Iwersen verantwortet seit mehr 15 Jahren Data & Analytics-Organisationen in verschiedenen Industrien (u.a. Telefónica, Handelsblatt, XING, Fitness First, HRS). Schwerpunkte sind die Entwicklung von Digitalisierungs- und Datenstrategien und deren Operationalisierung mit cloudbasierten analytischen Plattformen und ML/AI-Lösungen. Er präsentiert seine innovativen Ergebnisse regelmäßig auf nationalen und internationalen Konferenzen.

Mehr Inhalte dieses Speakers? Schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/soenke.iwersen

Klaus-Dieter Schulze, Mitgründer und Vorstandsmitglied des TDWI e.V., hat seit über 20 Jahren verantwortliche Positionen im Data & Analytics-Umfeld bei verschiedenen Beratungshäusern inne. Seit Juli 2022 ist er Geschäftsführer bei b.telligent. Er beschäftigt sich auf Basis seines betriebswirtschaftlichen Studiums bereits seit 1994 intensiv mit Data & Analytics. Er hat verschiedene Fachartikel und Buchbeiträge veröffentlicht und referiert regelmäßig bei Fachveranstaltungen.

Mehr Inhalte dieses Speakers? Schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/klausdieter.schulze

Sönke Iwersen, Klaus-Dieter Schulze
K3
Sönke Iwersen, Klaus-Dieter Schulze
K3
flag VORTRAG MERKEN

Vortrag Teilen

10:30 - 11:15
Mi 5.2
Bessere Stammdatenqualität durch Machine Learning
Bessere Stammdatenqualität durch Machine Learning

Duplikaterkennung in Stammdaten ist essenziell für alle Geschäftsberichte und -analysen. Klassische Methoden erfordern die manuelle, datenspezifische und zeitintensive Formulierung von Regeln und Ähnlichkeitsmaßen. Machine Learning-Methoden hingegen sind in der Lage, Muster und Regeln automatisch abzuleiten, um Duplikate zu erkennen und die Datenqualität in den Stammdaten zu erhöhen. In diesem Beitrag wird gezeigt, wie eine bestehende Master Data Management Software um individuelle und austauschbare ML-Methoden erweitert werden kann.

Zielpublikum: Data Engineers, ETL/DWH-Entwickler:innen, Enterprise Architects, Entscheider:innen
Voraussetzungen: Grundlagen Datenmanagement, Datenintegration, Data Governance und Machine Learning
Schwierigkeitsgrad: Fortgeschritten

Extended Abstract:
Stammdaten bilden die Grundlage für essenzielle Geschäftsprozesse oder betrieblich relevante Aufgaben in Unternehmen. In diesen Situationen verfälscht ein mehrfaches Vorhandensein identischer Datenobjekte jedoch das gewünschte Ergebnis. Mit Master Data Management-Systemen lassen sich die Datenmodellierung und daraus folgende Datenqualitätskriterien schnell und spezifisch definieren. Durch die Kombination verschiedener Funktionen (z. B. Datenmodellierung, Workflow-Engine, konfigurierbare User-Interfaces etc.) sind sie der zentrale Knoten für die Erzeugung einer 360°-Sicht auf die geschäftskritischen Daten.

Viele dieser Systeme bieten zwar die Möglichkeit, eine Funktion zum Matching (Duplikaterkennung ohne gemeinsamen Primärschlüssel) auf Basis von Zeichenkettenvergleichen umzusetzen, jedoch ist diese Vorgehensweise von der Konfiguration und auch von den zu vergleichenden Daten abhängig. Bei einer Änderung der Daten muss auch die Erkennung überarbeitet werden. Damit die Datenqualität jedoch weiterhin hoch bleibt und die Prozesse zuverlässig ausgeführt werden können, müssen unerwünschte Duplikate effektiv erkannt werden - unabhängig vom Datenkontext. Insbesondere bei komplexen Datensätzen oder Matching-Problemen (z. B. Erkennung von Duplikaten in unterschiedlichen Sprachen) können klassische Verfahren (z. B. basierend auf Levenshtein-Distanzen) nur unzureichende Ergebnisse liefern.

In diesem Beitrag wird gezeigt, wie Machine Learning-Algorithmen in diesen Fällen das Matching von Datensätzen übernehmen können. Es wird gezeigt, wie neuronale Netze in den Matching-Ablauf der Software integriert werden können und komplexe Matching-Situationen auflösen können. In einer Demo soll der Ablauf eines prototypischen Szenarios exemplarisch in einem MDM-System gezeigt werden.

Stammdaten nehmen in praktisch allen Einsatzzwecken eine zentrale Rolle ein. Sie bilden die Grundlage für viele Datenanwendungen in Unternehmen (z. B. in Analytics, DWH-Anwendungen und Operative Systeme). In Summe führt eine verbesserte Stammdatenqualität direkt zu besseren Berichten und damit auch zu besseren Entscheidungen in Unternehmen.

Igor Shmelev ist Software-Engineer bei der PRODATO Retail Solutions GmbH und absolviert sein Masterstudium in Informatik an der FAU Erlangen-Nürnberg. Sein Anwendungsgebiet ist die Full-Stack-Entwicklung mit C# und Data Governance mit besonderem Fokus auf Datenqualität.

Melanie B. Sigl ist Managing Consultant und leitet den Bereich Machine Learning bei PRODATO Integration Technology GmbH. Zusätzlich ist sie Lehrbeauftragte für 'Knowledge Discovery in Databases' am Lehrstuhl für Datenmanagement an der FAU Erlangen-Nürnberg.

Igor Shmelev, Melanie B. Sigl
K3
Igor Shmelev, Melanie B. Sigl
K3
flag VORTRAG MERKEN

Vortrag Teilen

11:25 - 12:10
Mi 5.3
Governing Data Sharing Using an Enterprise Data Marketplace
Governing Data Sharing Using an Enterprise Data Marketplace

This session looks at how companies can use a data marketplace to share data (and analytical) products in a data mesh and to govern the sharing of data across the enterprise.

Target Audience: Chief Data Officers, Data Governance Directors, Data Engineers, Data Security Officers
Prerequisites: Basic understanding of data governance
Level: Basic

Extended Abstract:
Most firms today want to create a high quality, compliant data foundation to support multiple analytical workloads. A rapidly emerging approach to building this is to create DataOps pipelines that produce reusable data products in a data mesh. However, there needs to be somewhere where these data products can be made available so data to be shared. The solution is a data marketplace where ready-made, high quality data products that can be published for others to consume and use. This session looks at what a data marketplace is, how to build one and how you can use it to govern data sharing across the enterprise and beyond. It also looks at what is needed to operate a data marketplace and the trend to become a marketplace for both data and analytical products.

  • The need for a high-quality data foundation to support decision making
  • Incrementally building a data foundation using DataOps pipelines to product Data Products
  • Using an enterprise data marketplace to share data
  • What is the difference between a data catalogue and a data marketplace?
  • Challenges in establishing a data marketplace
  • What processes are needed to operate a data marketplace?
  • Governing the sharing of data using a data marketplace
  • Trends - publishing analytical products in a marketplace
  • Progressively shortening time to value using a marketplace

Mike Ferguson is Managing Director of Intelligent Business Strategies and Chairman of Big Data LDN. An independent analyst and consultant, with over 40 years of IT experience, he specialises in data management and analytics, working at board, senior IT and detailed technical IT levels on data management and analytics. He teaches, consults and presents around the globe.

Mike Ferguson
K3
Mike Ferguson
K3
flag VORTRAG MERKEN

Vortrag Teilen

14:35 - 15:20
Mi 5.4
Data Performance Management als Treiber der Digitalisierung
Data Performance Management als Treiber der Digitalisierung

Ohne Zweifel sind Daten einer der Kernbestandteile der Digitalisierung. Leider scheitern Digitalisierungs- und Datenprojekte häufig an fehlenden, heterogenen oder fehlerhaften Daten. Den notwendigen Datenqualitätsgrad zu erreichen, ist jedoch alles andere als einfach, da es Menschen, Prozesse und Technologie im Einklang erfordert. In dieser Präsentation gibt DB Regio Bus einen Einblick in ihre Erfolgsstory, wie die Organisation den Level der Datenqualität für geschäftskritische Daten deutlich steigern konnte.

Zielpublikum: Manager:innen, Data Governance Manager, CIOs, CDOs, Entscheider:innen, Head of Data, Data Analytics Leader
Voraussetzungen: Grundkenntnisse im Datenmanagement
Schwierigkeitsgrad: Einsteiger

Marcus Gilg is Head of IT/CIO at DB Regio Bus. He has a long experience in data management, digitization and public transportation. After previous positions in transport management, e-commerce and M&A, he took over the position as Head of IT in 2014 with the ambition to modernize the ICT of the bus company of Deutsche Bahn. Marcus established a 100% cloud strategy and renewed the whole IT-infrastructure for around 9.000 employees. At present, the focus of his team is digitization, automation and modularization. In this context, Marcus successfully established the data excellence initiative of DB Regio Bus. Since its start, data availability and data quality have enormously improved, as well as the ability related to transform the company with data.

Dr. Christian Fürber ist promovierter Datenqualitätsexperte und Geschäftsführer der Information Quality Institute GmbH (iqinstitute.de), einem spezialisierten Beratungsunternehmen für Data Excellence und Data Management Lösungen. Vor der Gründung von IQI im Jahr 2012 war er in verschiedenen Positionen im Datenmanagement tätig. Unter anderem etablierter er für die Bundeswehr eine der ersten Data Governance Organisationen und führte dort ein standardisiertes Datenqualitätsmanagement ein. Christian und sein Team haben unzählige Datenprojekte und -strategien für bekannte Unternehmen verschiedener Branchen erfolgreich umgesetzt und ihnen dabei geholfen, erheblichen Mehrwert aus ihren Daten zu ziehen. Neben seiner Tätigkeit bei IQI ist Christian auch Autor und Redner auf Konferenzen (u.a. am MIT) und organisiert den TDWI Themenzirkel "Data Strategy & Data Governance".

Marcus Gilg, Sebastian Fischer, Asha Joseph Pattani, Daniel Schwarzkopf, Christian Fürber
K3
Marcus Gilg, Sebastian Fischer, Asha Joseph Pattani, Daniel Schwarzkopf, Christian Fürber
K3
flag VORTRAG MERKEN

Vortrag Teilen

15:30 - 16:15
Mi 5.5
Panel: Data Mesh oder Data Mess? Datenprodukte zwischen Zentralismus und Dezentralität
Panel: Data Mesh oder Data Mess? Datenprodukte zwischen Zentralismus und Dezentralität

Die Data Mesh Konzeption ist in aller Munde. Sie verspricht durch eine dezentrale Verantwortung über fachliche Datendomänen und ihre jeweiligen Datenprodukte eine bessere Skalierung. Data Mesh steht damit diametral zu vielen eher zentralistisch geprägten Organisationsstrukturen und damit häufig verbundenen Architekturkonzeptionen für analytische Systeme, die in der Vergangenheit propagiert wurden. Eine föderale Data Governance soll in der Data Mesh Konzeption für Harmonisierung und Standardisierung bei größtmöglicher Flexibilität und Unabhängigkeit sorgen.
Wie immer besteht zwischen der Realität und der idealistischen Welt der Folien und Marketing-Botschaften eine große Diskrepanz. Daher wollen wir die Anwender zu Wort kommen lassen. In einer Diskussionsrunde mit Praktikern werden entlang von Diskussionsthesen die Erfolgsfaktoren und Stolperfallen einer föderalen Data Governance innerhalb der Data Mesh Konzeption erörtert. Dabei werden wir uns auch der Frage widmen, welche Aufgaben der Data Governance dezentral in den Fachbereichen gelöst werden können und welche zentral vorgegeben werden müssen und somit den Rahmen vorgeben?

Dr. Carsten Dittmar ist Partner und Area Director West bei der Alexander Thamm GmbH. Er beschäftigt sich seit über 20 Jahren intensiv mit den Themenfeldern Business Analytics, Data Science und Artificial Intelligence mit dem Fokus auf strategische und organisatorische Beratung von datengetriebenen Vorhaben. Carsten Dittmar ist europäischer TDWI Fellow und Autor diverser Fachpublikationen und Referent bei zahlreichen Fachveranstaltungen.

Mehr Inhalte dieses Speakers? Schaut doch mal bei sigs.de vorbei: https://www.sigs.de/autor/carsten.dittmar

Dr. Christian Fürber ist promovierter Datenqualitätsexperte und Geschäftsführer der Information Quality Institute GmbH (iqinstitute.de), einem spezialisierten Beratungsunternehmen für Data Excellence und Data Management Lösungen. Vor der Gründung von IQI im Jahr 2012 war er in verschiedenen Positionen im Datenmanagement tätig. Unter anderem etablierter er für die Bundeswehr eine der ersten Data Governance Organisationen und führte dort ein standardisiertes Datenqualitätsmanagement ein. Christian und sein Team haben unzählige Datenprojekte und -strategien für bekannte Unternehmen verschiedener Branchen erfolgreich umgesetzt und ihnen dabei geholfen, erheblichen Mehrwert aus ihren Daten zu ziehen. Neben seiner Tätigkeit bei IQI ist Christian auch Autor und Redner auf Konferenzen (u.a. am MIT) und organisiert den TDWI Themenzirkel "Data Strategy & Data Governance".

Michael Kolb ist seit 14 Jahren im Business Intelligence-Umfeld tätig - davon seit über 8 Jahren als BI-Projektleiter und BI-Architekt im BICC der HUK-COBURG. Seit zwei Jahren begleitet er die Themen Data Cataloging und Data Governance im Kontext des erweiterten Daten-Ökosystems der HUK-COBURG.

Carsten Dittmar, Christian Fürber, Michael Kolb
K3
Carsten Dittmar, Christian Fürber, Michael Kolb
K3
flag VORTRAG MERKEN

Vortrag Teilen

16:45 - 17:30
Mi 5.6
Data Governance Plattform Austria @ Finanzministerium
Data Governance Plattform Austria @ Finanzministerium

Das Bundesministerium für Finanzen (BMF) leistet alle operativen Prozesse der Finanzverwaltung und hat daher umfassende Daten über alle Geschäftsfälle. Die Data Governance Plattform Austria schafft nun die Basis für ein fachliches Verständnis dieser Daten für alle Datennutzer:innen, das durch Data Stewards bereitgestellt wird. Gleichzeitig bildet sie die Grundlage für die technische Implementierung im zentralen DWH bis hin zur DWH Automation. Nur durch konsequente Awarenessbildung war dieses Projekt möglich und die Anstrengung geht noch weiter.

Zielpublikum: Data Governance Manager, DWH-Verantwortliche, IT-Projektleiter:innen
Voraussetzungen: Grundwissen im Bereich von Reporting & DWH
Schwierigkeitsgrad: Einsteiger

Leiter der Applikation Controlling- und Managementinformationssysteme des BMF
Alexander Franz verantwortet als Applikationsleiter im Bundesministerium für Finanzen den großen Datenschatz im Zollwesen der Republik Österreich. Sein unermüdlicher Einsatz zum Thema Data Governance hat dazu geführt, dass das BMF nun eine Data Governance-Grundlage für viele Ministerien und öffentliche Organisationen geschaffen hat.
 

Alois Caraet bildet die Brücke zwischen der IT-Welt im Bundesrechenzentrum und dem Fachbereich im Bundesministerium für Finanzen. Mit seinem Datenverständnis und einem breiten fachlichen Wissen legt er den inhaltlichen Grundstein für Data Governance im BMF.

Alexander Franz, Aloisious Caraet
K3
Alexander Franz, Aloisious Caraet
K3
flag VORTRAG MERKEN

Vortrag Teilen

17:40 - 18:25
Mi 5.7
Die Bürkert BI- und Analytics-Umgebung
Die Bürkert BI- und Analytics-Umgebung

Bürkert konzentriert sich auf Lösungen für das Messen, Steuern und Regeln von Gasen und Flüssigkeiten. Seinen 3000 Mitarbeiter steht eine umfangreiche BI- und Analytics-Umgebung zur Verfügung (operative Analytics, BI Stack, Self-Service Analytics, Process Mining, Advanced Analytics). Der Vortrag beschreibt, wie die Umgebung strukturiert ist, welche Technologien warum angewandt werden und wie die Umgebung von einem 5-köpfigen Team betreut und weiterentwickelt wird.

Zielpublikum: BI- & Analytics-Verwantwortliche
Voraussetzungen: Grundwissen über BI & Analytics
Schwierigkeitsgrad: Einsteiger

Lars Iffert befasst sich mit den Themen Datenmanagement (Architekturen, Datenintegration, Datenqualität, Data Governance), Business Intelligence und Advanced Analytics. Als Analyst und Berater erstellte er Research und wirkte in Strategie- und Technologe-Projekten. Im Bürkert Team unterstützt er sowohl den operativen Betrieb als auch die strategische Weiterentwicklung der BI- und Analytics-Landschaft.

Lars Iffert
K3
Lars Iffert
K3
flag VORTRAG MERKEN

Vortrag Teilen

Zurück