Die im Konferenzprogramm der TDWI München 2024 angegebenen Uhrzeiten entsprechen der Central European Time (CET).
Track: BI or DIE: Women in Data
- Dienstag
11.06.
Erleben Sie die Veranstaltung in bewährter Manier mit Impulsvorträgen und Diskussionen live. Hier wird Datenwissen nicht nur geteilt, sondern gefeiert. In diesem besonderen Rahmen übernehmen weibliche Vordenkerinnen und Expertinnen die Führung, um wegweisende Ideen und Einsichten zu vermitteln. Die Veranstaltung ist offen für alle, unabhängig vom Geschlecht: Wir laden alle herzlich ein, die in der Welt der Daten Neues entdecken und sich inspirieren lassen wollen.
Moderation: Dilyana Bossenz
Daten gehören schon immer zu den wichtigsten Erfolgsfaktoren eines Unternehmens. Daten können über den Erfolg und den Niedergang entscheiden. An welcher Stelle steht das Thema Datenqualität in deinem Unternehmen?
Verantwortlich für alles, was mit Daten bei DGN zu tun hat, von der Entwicklung der Datenflüsse mit integrierten Datenqualitätschecks bis hin zu der Bereitstellung der Daten für die unterschiedlichen Endanwender.
Und am Schluss der wichtigste Teil, die eigenen Mitarbeiter zu fördern und ihre Potenziale herauszukitzeln
Datenqualität als zentrale Säule der Data Governance-Strategie ist eine Grundvoraussetzung für datenbasiertes Arbeiten in Unternehmen. Die Einführung eines Datenqualitätsmanagements ermöglicht aussagekräftige Analysen und viele Aufgaben werden langfristig effizienter bearbeitet. Doch häufig verfolgen Unternehmen bei der Einführung des Datenqualitätsmanagements kein systematisches Vorgehen, um den richtigen Ansatzpunkt zu finden. Datenqualitätsprobleme können dabei organisatorischen, fachlichen oder technischen Ursprung haben. Ohne organisatorische Hürden beseitigt zu haben, macht es wenig Sinn, technischen Ursachen auf den Grund zu gehen. Wie findet man systematisch den für das eigene Unternehmen richtigen Startpunktpunkt und stellt fest, wo Datenqualitätsprobleme ihren Ursprung haben? Welche Lösungsvorschläge passen zu häufig auftretenden Problemen? An welchem Punkt sollte Data Lineage eingeführt werden, um den Prozess ganzheitlich zu unterstützen?
Dr. Ina Humpert ist Mathematikerin und als Beraterin bei der viadee IT-Unternehmensberatung tätig. Ihr Schwerpunkt ist Data Engineering auf SQL basierten Datenbanken im Bankenumfeld. Außerdem interessiert sie sich für Daten-Visualisierung unter anderem mit Power BI.
In einem spannenden Impulsvortrag erzählt der KI-Manager Gabriel, wie er überraschend mit Fragen zur Funktionsweise der KI von seinem Chef und den Mitarbeitern konfrontiert wird. Trotz der unerwarteten Herausforderung hat Gabriel eine Methode entwickelt, um alle Fragen systematisch zu beantworten. Sein System basiert auf einer festen, gut durchdachten Grundlage, die es ihm ermöglicht, komplexe KI-Konzepte einfach zu erklären. Durch diese Geschichte wird nicht nur die Funktionsweise von KI verdeutlicht, sondern auch, wie wichtig eine strukturierte Herangehensweise in der Kommunikation ist.
Dilyana Bossenz ist Trainerin für Data & AI Literacy bei BI or DIE. Sie ist Dozentin für Datenvisualisierung an der Digital Business University in Berlin.
Sie verfügt über mehrjährige Erfahrung als BI-Beraterin bei Good Healthcare Group GmbH, Ceteris AG und M2.technology & project consulting GmbH. Gleichzeitig war sie bei M2 in leitender Position als Enablement Managerin tätig. Ihre Aufgabe war es, dafür zu sorgen, dass sowohl Kunden als auch Mitarbeiter:innen den richtigen Umgang mit Daten erlernen.
Mehr Inhalte dieses Speakers? Schaut doch mal bei sigs.de vorbei: https://www.sigs.de/experten/dilyana-bossenz/
Alle, die für eine saubere Data Governance in ihrer Organisation kämpfen, kennen diese Situation: Du sitzt bei einem:r Entscheider:in und versuchst für einen weiteren Entwicklungsschritt Deines Data Governance-Projekts zu werben – und die erste Reaktion lautet: "Bringt Data Governance überhaupt etwas? Ist das nicht nur noch mehr Bürokratie, mit der wir unsere Mitarbeiter:innen quälen? Rechnen sich diese Ausgaben eigentlich irgendwann?" Du versuchst eine stringente und solide Argumentation, fast einen eigenen Business-Case, aufzubauen und findest kaum belastbare Untersuchungsergebnisse und Studien.
dataspot. hat das geändert und gemeinsam mit FH-Prof. Dr. Peter Grabner von der FH Campus Wien eine quantitative Untersuchung durchgeführt. Das Ziel war, genau diese belastbaren Untersuchungsergebnisse zu den "Rahmenbedingungen und Anwendungen von Data Excellence" zu bekommen, die wir hier präsentieren werden.
Michaela Mader ist Co-Founderin und Geschäftsführerin der dataspot. gmbh. Jahrelange Beratungserfahrung – u.a. bei IBM in Deutschland und Österreich - in Analytics- und BI-Projekten führte zur Expertise in der Erarbeitung von Datenstrategien, Data Governance Konzepten und Metadatenmanagement. Sie absolvierte ein wirtschaftswissenschaftliches Diplomstudium mit Schwerpunkt IT an der Linzer JKU und startete ihre Karriere als Controllerin.