Datenqualitätsmanagement der Stammdaten

Seit es überhaupt Daten gibt, ist Datenqualität und Datenqualitätsmanagement ein Thema. Seine Bedeutung wächst, je mehr Daten produziert werden. Stammdaten bilden das Rückenmark der unternehmerischen Prozesse. Deshalb ist eine stets aktuelle und zuverlässige Stammdatenbasis für das ganze Unternehmen, ein „Single Point of Truth“, unerlässlich. Um das zu schaffen, sind heute Multi-Domain-Lösungen das Mittel der Wahl.

Mangelnde Datenqualität wird mehr und mehr zum Risikofaktor. Wie lässt sich das veranschaulichen? Nehmen wir das Beispiel KPMG. Früher haben sich die Wirtschaftsprüfer über Interviews mit den Beschäftigten ein Bild über die Abläufe in einem Unternehmen verschafft. Heute lassen sie sich Datensätze geben, an deren Auswertung häufig bereits Organisationsmängel erkennbar sind. Das hat Christian Ledulé, Director IT Advisory bei KPMG, deutlich gemacht. Er sagt:

Recht hat er! Daten werden immer wichtiger; parallel dazu wächst die Bedeutung der Datenqualität, denn ohne verlässliche Qualität der Daten sind Analysen, die auf ihnen beruhen, nur Makulatur. Hintergrund dieser Entwicklung ist der Aufstieg von „Big Data“, also der Umgang mit großen, komplexen und sich schnell ändernden Datenmengen.

Die Entwicklung wird durch das „Internet der Dinge“ noch potenziert. Alle fünf Jahre verdoppelt sich die Anzahl der vernetzten intelligenten Objekte: Waren es 2010 weltweit 12,5 Milliarden, sollen es 2020 bereits 50 Milliarden gewesen sein, sagt Cisco.

Der Digitalisierungsgrad der Wertschöpfungsketten wird dadurch in Zukunft rapide zunehmen. Kein Wunder, wenn für die Zukunft branchenübergreifend 90 Prozent aller Unternehmen davon überzeugt sind, dass die Fähigkeit, große Datenmengen effizient zu analysieren und effektiv zu nutzen, für den Erfolg ihres Geschäftsmodells von entscheidender Bedeutung ist. Das Hauptproblem dabei ist die Datenqualität. Auch noch so viele Daten sind ohne das Erkennen von Zusammenhängen, Bedeutungen und Mustern wertlos. Der Einsatz von Verarbeitungs- und Analysemethoden kann aber nur dann einen monetären Wert aus Daten generieren, wenn sie „stimmen“. Auswertungen oder Planungen sind fehleranfällig, wenn sie nicht auf vollständigen, eindeutigen und „richtigen“ Daten basieren.

Wenn Datenqualität so wichtig ist, wie sieht es hier aktuell aus? 95 Prozent der Unternehmen berichten von den langfristigen Folgen schlechter Datenqualität. Diese Folgen sind:

1. erhöhte Betriebskosten,
2. die Beeinträchtigung der Mitarbeiterproduktivität und -effizienz,
3. mangelnde Agilität,
4. schleppende Prozesse,
5. der Verlust der Wettbewerbsfähigkeit und
6. eine steigende Kundenunzufriedenheit.

Die Datenqualität im Stammdatenmanagement hat massive Auswirkungen auf die Prozesse entlang der Wertschöpfungskette. Die Messbarkeit, Kontrolle und Verbesserung der Datenqualität muss also sichergestellt werden.

Das Ziel, an einem Ort eine über alle Daten hinweg gültige Wahrheit herzustellen, einen „Single Point of Truth“, wird also mit Blick auf Entwicklungen wie Big Data und Industrie 4.0 noch wichtiger. Und was machen die Unternehmen?

Viele von ihnen arbeiten gleichwohl ohne eine professionelle Lösung für das Management von Stammdaten, dem Rückenmark ihrer Geschäftsprozesse. Nicht selten behelfen sich auch große Unternehmen mit selbst gestrickten Lösungen. Damit drücken sie sich nicht zuletzt vor der Aufgabe, ihre Geschäftsprozesse zu justieren und Regeln für den Umgang mit Daten aufzustellen. Gerade das erfordert aber ein professionelles Stammdatenmanagement: klare Richtlinien, welche Daten wo und wie gepflegt werden, wer genehmigt usw. Hinzu kommt, die Verantwortlichen müssen auch für die Richtigkeit und Vollständigkeit der Daten geradestehen. Solange allerdings das Bewusstsein für die Notwendigkeit von Veränderungen bei Geschäftsprozessen und Verantwortlichkeiten nicht vorhanden ist, sehen viele Unternehmen auch keinen Anlass, Geld für eine Stammdatenmanagement-Lösung auszugeben. Dabei kommen sie um eine Erkenntnis nicht herum: Ein professionelles Stammdatenmanagement kostet Geld. Schlechte Datenqualität und nicht vorhandenes oder „selbstgestricktes“ Stammdatenmanagement kosten noch mehr Geld!

Fassen wir an dieser Stelle nochmals die Vorteile einer Stammdatenmanagement-Lösung zusammen:

Welche Entwicklungen gibt es aktuell im Stammdatenmanagement?

Für das Stammdatenmanagement setzt sich der Trend zu Multidomänen-Lösungen weiter fort. Unternehmen stehen vor der Aufgabe, einen integrierten Überblick über alle Kunden-, Produkt-, Lieferanten- und weiteren Stammdaten (etwa Referenzdaten) herzustellen, die jedoch in verschiedenen Datensilos und diversen Unternehmensbereichen vorgehalten werden. Die IAO-Untersuchung verdeutlicht: Werden dagegen in einem organisatorisch ganzheitlichen Stammdatenmanagement beispielsweise Prozesse, Datenschema und Datenqualitätsregeln der beiden Domänen Kunden- und Produktdaten organisatorisch vom gleichen Team administriert, so kann es langfristig naheliegend und effizienter sein, dies auch in derselben Informationsarchitektur und beispielsweise im selben zentralen Multidomänen-System zu machen. Durch die Vielzahl der heutigen Datenquellen und die rasant steigende Datenmenge hätten sich zudem die Anforderungen an das Management von Stammdaten in unterschiedlichen Domänen soweit angeglichen, dass man diese über ein zentrales Multidomänen-System von einem Stammdatenteam pflegen könne.

Welche spezifischen Vorteile hat eine Multidomänen-Lösung?

Neben der integrierten unternehmensweiten Datenhaltung können Multi-Domain-MDM-Systeme mit Datenqualitätsregeln und Lebenszyklusprozessen auch Data Governance unterstützen, also einheitliche und verbindliche Rahmenbedingungen, Workflows und Verantwortlichkeiten für den Umgang mit Daten, ihre Pflege, Verteilung etc. Bei der Nutzung von diversen Single-Domain-Datensilos ist es naturgemäß schwierig, die unternehmensweite Einhaltung definierter Standards sicherzustellen. Gibt es dagegen nur eine Quelle für Stammdaten, haben die Nutzer erheblich weniger Autonomie bei der Entwicklung von Definitionen und Regeln für Daten, da die domänenübergreifende Datenarchitektur verbindlich und transparent ist. Das Ergebnis: wirksame Governance-Prinzipien und funktionsübergreifende Zusammenarbeit zwischen Abteilungen. Beides zusammen führt zu mehr Prozesseffizienz und besserer Ressourcenallokation.

Neben der Unterstützung der Data Governance durch Multi-Domain-MDM-Systeme führen saubere Stammdaten zu Verbesserungen in vielen operativen Kernbereichen eines Unternehmens, wie etwa Marketing, Vertrieb, Finanzen oder Außendienst. Alle relevanten Daten vom Einkauf bis zum Verkauf laufen in einem zentralen System zusammen. Mit der Entscheidung für ein Multidomänen-System investieren Unternehmen in nur eine Lösung. Sie funktioniert nicht nur für Kunden- oder Produktdaten, sondern kann auch für alle anderen Stammdatenkategorien (inklusive Referenzdaten) mitgenutzt werden. Die Unterhaltung zahlreicher Datensilos entfällt. Das spart Kosten, nicht nur bei der Anschaffung, sondern auch im laufenden Betrieb.

Fazit

Unternehmen müssen erkennen, dass zu den bereits bekannten Treibern für Stammdatenqualität, wie etwa Compliance-Anforderungen, 360-Grad-Sicht auf den Kunden oder Schaffung eines „Single Point of Truth“, jetzt Big Data Analytics mit Macht hinzukommt. Ein effektives Datenqualitäts- und Stammdatenmanagement ist daher im Zusammenhang mit Big Data endgültig unerlässlich. Nur so lässt sich Datenqualität sichern und lassen sich Strukturen in Big Data erkennen und nutzbar machen. Erst ein professionelles Stammdatenmanagement liefert die Grundlage, um aus „guten“ Daten „gute“ Informationen und sodann mit Hilfe wirkungsvoller Analytik zuverlässiges Wissen zu generieren. Das ist und bleibt die Voraussetzung für gut abgesicherte unternehmerische Entscheidungen