Projektmetriken sind nur so aussagekräftig wie die Daten dahinter. Datenqualität in Projekten zu sichern bedeutet, Definitionen, Quellen und Aufbereitungsschritte so zu gestalten, dass Steuerung und Reporting belastbar bleiben.

!Kursinhalt

!1. Anforderungen an Projektmetriken klären
*Erfolgskriterien aus SMART- und OKR-Zielen ableiten
*Performance Tracking und Earned Value Management einordnen
*Berichtsempfänger und Entscheidungsfragen definieren

!2. Datenqualität in Projektdatenflüssen
*Datenintegration und Transformation von Projektdaten gestalten
*Fehlende und fehlerhafte Werte systematisch behandeln
*Definitionen für Kennzahlen versioniert ablegen

!3. Aufbereitung in Excel und Power Query
*Daten mit Excel gruppieren und konsolidieren
*Power Query Editor für Bereinigungsschritte einsetzen
*Statistische Kennwerte für Plausibilitätsprüfungen nutzen

!4. Qualitätsgesicherte Auswertungen in Power BI
*Measures für gepflegte Projektkennzahlen definieren
*Filterkontexte für Soll-Ist-Vergleiche anwenden
*Datenqualitätsindikatoren in Dashboards sichtbar machen

!5. Governance und kontinuierliche Verbesserung
*Quality Management in Projekten verankern
*Konfliktklärung bei strittigen Datendefinitionen unterstützen
*Wissensmanagement zu Datenqualität in Confluence pflegen

!Berufliche Relevanz

*Sauber definierte Metriken stützen verlässliche Projektentscheidungen
*Geprüfte Daten reduzieren Reibung im Reporting
*Qualitätsorientierte Projektkultur stärkt die Wirkung von Steuerung