„Dos“ im Stammdatenmanagement
1. Datenerfassung „first time right“
Die Eingabe von Stammdaten in ein ERP- oder CRM-System ist einfach. Insbesondere nach der Verteilung der Daten in weitere IT-Systeme oder der Nutzung der Daten in Reports ist die Korrektur von Fehlern jedoch aufwendig und in Einzelfällen nicht mehr möglich. Die Qualität von Stammdaten sollte daher vor der Erstanlage sichergestellt werden. Erfolgreiche Unternehmen definieren die Qualitätsanforderungen als Business Rules und prüfen deren Einhaltung in Workflow-Systemen während der Dateneingabe. Moderne In-Memory-Technologie ermöglicht solche Prüfungen auch für „Big Data“.
2. Datenpflege durch „those who can know“
Stammdaten repräsentieren Fachwissen z.B. zu Kunden, Lieferanten oder Materialien. Das „beste“ Wissen, und damit das Potential für hohe Datenqualität, haben Mitarbeiter im operativen Geschäft, z.B. in der Entwicklung, in der lokalen Sales Force oder im lokalen Einkauf. Gleichzeitig sind einheitliche Datenstrukturen und -standards ein wesentlicher Erfolgsfaktor für hohe Datenqualität. Erfolgreiche Unternehmen nutzen daher zentral gesteuerte globale Workflows für die Datenpflege, in die lokale Experten aus dem operativen Geschäft als Data Stewards eingebunden sind.
3. „Measure to improve“
Effektives Management braucht Kennzahlen: Nur was messbar ist, lässt sich auch verbessern. Erfolgreiche Unternehmen haben ein individuelles Verständnis von Datenqualität. Sie fokussieren ausgewählte Dimensionen (z.B. Aktualität, Genauigkeit, Vollständigkeit) und definieren ihre Qualitätsanforderungen als Business Rules. Sie überprüfen und verbessern diese Regeln kontinuierlich und verdichten die Messwerte zu aussagekräftigen Kennzahlen.
„Don’ts“ im Stammdatenmanagement
1. MDM ist kein Projekt!
Viele Unternehmen starten MDM-Projekte als Antwort auf Probleme, die durch schlechte Datenqualität verursacht wurden: Falsche Zahlen in einem Management Report, eine fehlgeschlagene Marketing-Kampagne oder die aufwendiger Integration eines akquirierten Unternehmens. Die falschen Daten werden dann schnell identifiziert, korrigiert, und das Projekt wird erfolgreich abgeschlossen. Organisatorische Ursachen, wie z.B. fehlende Data Governance, unterschiedliche fachliche Interpretation von Daten oder unkontrollierte Datenflüsse werden jedoch nicht behoben. Erfolgreiche Unternehmen etablieren parallel zu notwendigen MDM-Projekten eine MDM-Organisation. Diese Unternehmensfunktion hat das Ziel, Datendefekte systematisch zu verhindern.
2. MDM ist nicht exklusiv IT- oder Business-Aufgabe
Viele Unternehmen stellen sich die Frage, ob sie MDM organisatorisch in der IT oder in einem Fachbereich verankern sollen. Wichtiger als die Frage der Einordnung von MDM im Organigramm eines Unternehmens ist aber die Organisation der MDM-Funktion: MDM erfordert immer sowohl IT- als auch Fach- Kompetenzen. Der wesentliche Erfolgsfaktor ist nicht die „richtige“ Verankerung, sondern die effektive Zusammenarbeit des MDM-Teams. Der MDM-Leiter kann diese Zusammenarbeit sowohl aus der IT als auch aus einem Fachbereich erfolgreich steuern.
3. Datenqualität ist flüchtig
Die Bereinigung von Stammdaten (z.B. von Kundenadressen) erhöht ihre Qualität – aber nur für eine bestimmte Zeit. Selbst wenn anschließend kein einziger Datenwert geändert wird sinkt die Qualität wieder: Ein Kunde, der umzieht, ist an der alten Adresse – selbst wenn sie bereinigt wurde – nicht mehr erreichbar. Viele Unternehmen übersehen diese Tatsache und vergessen die Implementierung regelmäßiger präventiver Datenqualitätsprüfungen, z.B. durch Mitarbeiter im lokalen operativen Geschäft, die den Kunden gut kennen.
Autor: Dr. Kai Hüner, Principal, Competence Center Corporate Data Quality (CC CDQ), Business Engineering Institute St. Gallen AG | XING
Kontakt: Tobias Knoben, EUROFORUM | XING
