Datenqualitäts- und Stammdatenmanagement als Voraussetzung für Digitalisierung und Prozessoptimierung

Womit wir beim Stichwort „Daten” wären. Mit Blick auf die Erfordernisse der digitalen Transformation rücken Daten mehr und mehr ins Zentrum des unternehmerischen Interesses. Unternehmen sind heute datengetrieben. Es gibt praktisch keinen Prozess ohne Daten. Dabei sind Stammdaten die Voraussetzung, damit Daten und Analytik einen Mehrwert bieten, um Prozesse wirksam zu verbessern und die Digitalisierung voranzutreiben. Prozessmanagement sowie Datenqualitäts- und Stammdatenmanagement sind daher zwei Seiten einer Medaille.

Ein Problem, das sich wechselseitig hochschaukelt: Einerseits lässt die Datenqualität oft zu wünschen übrig; andererseits drücken sich viele um Stammdateninitiativen, weil sie als komplex und aufwändig gelten. Gleichwohl ist Nichtstun ist keine Option, dafür sind die Kosten schlechter Datenqualität zu hoch; außerdem werden Digitalisierung und Prozessoptimierung erschwert und Wachstum behindert. Aber es gibt Wege, Datenqualitäts- und Stammdatenmanagement in den Griff zu bekommen.

Status quo der Datenqualität erheben und transparent machen

Nicht wenige Unternehmen haben mit ihren Stammdaten ein Problem. Mit dem Data Quality Analyzer (DQA) von zetVisions können sie diesem Problem auf den Grund gehen und in ihren SAP-Systemen inkonsistente, doppelte, unvollständige und veraltete Datensätze in den Stammdatendomänen – Kunden/Lieferanten (Geschäftspartner), Produkt- und Materialstammdaten – aufspüren. Über die Validierungsregeln können Datenqualitätsregeln erstellt werden, die zu Regelsätzen zur Prüfung der Daten auf Konsistenz, Vollständigkeit, Aktualität und Eindeutigkeit zusammengefasst werden. Die Regelsätze dienen dazu, einen Stammdatensatz mit einem Qualitäts-Score zu versehen.

Für jeden Stammdatensatz lässt sich so evaluieren, ob er gut, ausreichend oder mangelhaft gepflegt ist. Für jede Regel eines Regelsatzes kann die Gewichtung frei definiert werden. Zusätzlich lassen sich KPI definieren, also „Schwellen“, ab wann Datensätze als gut, ausreichend oder mangelhaft gelten. Die Regelsätze werden turnusgemäß angewandt, so dass Trends über einen längeren Zeitraum dargestellt werden können.

Auf dem Weg zur Master Data Excellence

Der Data Quality Analyzer, der zu einer vollständigen Stammdatenmanagement-Lösung (zetVisions SPoT) ausgebaut werden kann, ist der Einstiegspunkt, um die Datenqualität in den Griff zu bekommen. Das Endziel heißt Master Data Excellence (MDE). Dabei handelt es sich nicht allein um eine Softwarelösung, sondern um ein erweitertes Dienstleistungsangebot rund um das Management von Stammdaten. Ausgehend von der Analyse, Definition und Implementierung der Prozesse über die Einrichtung des Software-Tools bis hin zum folgenden Change Management sowie zu den Richtlinien für die Planung, Kontrolle und Bereitstellung von Daten (Data Governance) bietet MDE einen lückenlosen End-to-end-Service für das Stammdatenmanagement. Die Schritte auf dem Weg zu MDE zeigt die folgende Abbildung:

Wurden die Schritte von der Ist-Bewertung von Potenzialen bis zur Entwicklung des MDE-Betriebsmodells abgeschlossen, folgt die Implementierung. Generell findet ein Implementierungsprojekt in mehreren Schritten statt, die die folgende Abbildung zeigt:

Nach der erfolgreichen Implementierung des MDE-Betriebsmodells muss es im Rahmen eines kontinuierlichen Verbesserungsprozesses überwacht werden. In zetVisions SPoT ist dazu die laufende Beobachtung der implementierten Prozesse über das integrierte Prozess-Monitoring möglich, das Anhaltspunkte liefert, wo Prozesse verbessert werden können. Das laufende Monitoring der Datenqualität kann wiederum über den DQA erfolgen.

Das Thema Master Data Excellence ist in erster Linie kein technologisches und daher auch kein reines IT-Thema. Sie muss in Unternehmen gemeinsam von den Fachbereichen und von der IT getrieben werden. Erfahrungsgemäß gehören unter anderem die Unterstützung durch das Management, strukturierte und zielgerichtete Data Governance sowie Prozessoptimierung zu den Erfolgsfaktoren für MDM-Betriebsmodelle. Ein MDM-Betriebsmodell greift in überkommende Strukturen, Prozesse und „Hoheitsgebiete“ ein. Daher gehört ein begleitendes Change Management zu den Erfolgsfaktoren, um die Betroffenen zu Beteiligten zu machen und sie in die neue Welt „mitzunehmen“. Eine professionelle Softwarelösung schließlich kann stets nur unterstützend wirken.

Mehr zum Thema „Datenqualitäts- und Stammdatenmanagement als Voraussetzung für Digitalisierung und Prozessoptimierung“ erfahren Sie auf der Konferenz „No SurpRISE with SAP“ in einem Vortrag von Andreas Stock, Head of Marketing & Presales der zetVisions GmbH, am 2. Juni 2022 um 10:00 Uhr.