Datenmanagement in der VUCA-Welt von SAP
Die Auswirkungen aktueller Ereignisse wie der Überfall auf die Ukraine oder die Coronapandemie reichen tief in die Supply Chains, Absatzmärkte oder die Arbeitsorganisation von Unternehmen hinein. Unsere SAP-Welt bildet einen Ausschnitt der Realität ab. Wie kann man der Komplexität des Datenmodells und der abgebildeten Prozesse begegnen und den Turnaround beim Datenmanagement schaffen?
Wir finden uns in einer Welt wieder, die das Akronym VUCA zu beschreiben versucht: Volatility (Volatilität), Uncertainty (Unsicherheit), Complexity (Komplexität) und Ambiguity (Mehrdeutigkeit) erschweren vermehrt Handeln und Entscheidungen in Unternehmen. Der Begriff wurde in den 1990er-Jahren geprägt und diente dazu, die multilaterale Welt nach dem Ende des Kalten Krieges zu beschreiben. Globalisierung und Digitalisierung haben dem inzwischen eine bisher ungeahnte Dynamik hinzugefügt.
SAP ERP bildet an sich schon umfangreiche Unternehmensprozesse ab und benutzt dazu ein komplexes Datenmodell – komplex in dem Sinn, dass für Anwender längst nicht alle Abhängigkeiten zwischen den Dateninhalten erkennbar sind. Der von außen einwirkenden Komplexität wird eine weitere Dimension, nämlich die im eigenen Datenmodell, hinzugefügt. Auch durch die schiere Menge von Datenfeldern: Allein der Materialstamm kennt über 1000 Felder. Das kann man dem ERP-System nicht unbedingt zum Vorwurf machen, versucht es doch, ein Modell der Realität abzubilden. Diese Erkenntnis hilft dem überforderten Anwender aber auch nicht weiter.
Dass korrekte Stamm- und Bewegungsdaten entscheidend für den Unternehmenserfolg sind, ist mittlerweile allseits akzeptiert. Es kommen weitere Anforderungen durch Industrie-4.0-Themen hinzu. Auch KI-Systeme, die ja auch Einzug in die Unternehmen halten, sind auf schlüssige Trainingsdaten angewiesen. Datenqualität ist wichtig – nur wie erreichen? Was ist sinnvoll, um der Komplexitätsfalle zu entrinnen und wieder mehr Handlungsfähigkeit zu erzielen? Wie können Betroffene zu Beteiligten werden und schließlich zu aktiven Mitgestaltern?
Hilfreich ist es, Anwender durch intelligente Datenpflege-Tools zu entlasten. Ein erster Schritt wären Dashboards mit Diagrammen, die Daten anschaulich visualisieren. Das kann zum Beispiel die Menge, das Alter oder die Änderungshäufigkeit bestimmter Daten sein – ebenso Charts, die Auswertungen auf bestimmte Datenfehler darstellen. Zyklisch durchgeführte Analysen illustrieren Trends. Aber auch die klare Darstellung von Arbeitsschritten bei Anlage und Pflege von Daten hilft. Wer hat wann was zu tun? Auch hier ist Klarheit zu schaffen.
Mit Feldwerten, die sich auch über Regeln oder Formeln bestimmen lassen, sollte sich kein Anwender befassen müssen. Hier sind oft erstaunliche Potenziale zu heben, die Freiräume für strategische Aufgaben eröffnen. Nebenbei werden Anwenderfehler vermieden.
Wir haben in der SAP-Welt im Idealzustand ein konsistentes und umfassendes Datenmodell. Daher ist es entscheidend, dessen Vorteile zu nutzen. Leider ist die reale Welt nicht ideal. Dann bilden sich Inseln mit vermeintlich einfacheren und überschaubareren Schattensystemen wie Excel oder angeflanschten Tools. Um Fehlinterpretationen oder schlicht falschen Daten vorzubeugen, empfiehlt es sich, Tools als Add-ons direkt in SAP zu integrieren.
Schon öfter habe ich große, strategisch angelegte Data-Governance-Projekte in einer Art Deadlock gesehen, verursacht durch die eingangs beschriebene Komplexität. Häufig ändern sich bei langen Projektlaufzeiten aufgrund der beschriebenen Volatilität die Anforderungen im Projektverlauf. Dann besteht die Gefahr, dass diese Projekte entweder mit nicht erfüllten Anforderungen oder mit Termin- und Ressourcenüberschreitungen live gehen.
Ich empfehle hier einen pragmatischen (agilen) Projektansatz. Maßnahmen zur Verbesserung der Datenqualität oder der Prozesse bei der Datenpflege sollten in kurzer Zeit greifbare Ergebnisse bringen. Auf Basis der so gewonnenen Erfahrungen können dann Entscheidungen zum Roll-out beispielsweise für weitere Datenobjekte (Material, Stückliste, Arbeitsplan, Infosätze etc.) besser getroffen werden.
Datenmanagement bleibt Daueraufgabe für Management und Anwender gerade in der VUCA-Welt. Die Aufgabe von Systemanbietern und Beratern ist es, geeignete Tools und Methoden für mehr Datentransparenz und Anwenderkomfort bereitzustellen.
Dann kann es gelingen, das Akronym VUCA mit neuem Inhalt zu füllen. Wie wäre es mit Vision, Understanding und Clarity anstelle von Volatilität, Unsicherheit und Komplexität? Und der Ambiguity, der Mehrdeutigkeit, kann mit Agilität begegnet werden.
