Data Quality Management: Praxisbeispiele von BridgingIT

Datenqualität als strategische Aufgabe

Viele Unternehmen haben in den vergangenen Jahren die Entscheidung getroffen, geschäftsrelevante Stammdaten neu zu definieren und in eine unternehmensweite Strategie zu integrieren. Die Sicherstellung der Datenqualität wird dabei häufig vernachlässigt.

Informationen, Bildquelle: Gerd Altmann/pixelio.de

Durch schlechte Daten aber verlieren Unternehmen jedes Jahr enorme Summen. Sie sind verantwortlich für falsche Bestellungen oder Lieferungen, verhindern Synergien etwa im strategischen Einkauf und führen nicht zuletzt zu falschen Managemententscheidungen. Hochwertige Stammdaten sind also ein wichtiges Gut – und ihre Sicherstellung eine strategische Aufgabe für Unternehmen.

Data Quality Management (DQM) beantwortet Fragen nach Speicherorten von Stammdaten, nach einfachem Zugang zu diesen Daten, ihrer Dokumentation sowie eindeutigen Qualitätskriterien und darauf abgestimmten Messinstrumenten. Die Herausforderung: Datenqualität kann immer verbessert werden, egal auf welchem Niveau sie sich bewegt. Der erste Schritt zu einer verbesserten Qualität sind definierte Datenqualitätsziele als Treiber der Master-Data-Management-Initiative (MDM).

In der Praxis hat sich das Vorgehen bewährt, Stammdaten- und Qualitätsstrategie mit dem Ziel zu integrieren, ein Raster für dauerhaft nutzbare Stammdaten zu erzeugen und die messbare „Gebrauchsfertigkeit“ eines jeden Datenobjektes sicher zu stellen. Dabei ist Datenqualität definiert als die Übereinstimmung zwischen festgestellten Eigenschaften und festgelegten Forderungen an die Daten in Bezug auf ihre konkreten Anwendungsfälle. Für eine DQM-Implementierung bedeutet dies, Zielkriterien der konkreten Stammdatenqualität zu erfassen. Dabei spielen gesetzliche Auflagen ebenso eine Rolle wie unternehmensinterne Fragestellungen nach effizientem Lieferantenmanagement oder der Standardisierung von Kennzahlen.

Regelsysteme für die Datenqualität

DQM wird als Regelsystem definiert, das aufbauend auf ein abgestimmtes MDM-Metadatenmodell zunächst aus der Zieldefinition von Qualität die notwendigen Anforderungen an den Verbesserungsprozess ableitet. Um diesen Prozess zu begleiten, sind geeignete Messmethoden und -instrumente zu implementieren. Denn es gilt: was nicht gemessen werden kann, kann nicht gemanagt werden. Daher sind auf Basis von Reports und Kennzahlen prozessuale und technische Lösungen wie etwa geeignete Datenhaltungsarchitekturen abzuleiten. Deren erfolgreiche Implementierung wird im Zeitverlauf stets im Kontext der DQM-Zielsetzung bewertet. Einsatzszenarien von DQM-Regelsystemen sollen an zwei Beispielen aus der Projekterfahrung von BridgingIT erläutert werden.

Strenge gesetzliche Auflagen zum Umgang mit Daten insbesondere in der Produktkommunikation mit dem Endkunden verpflichten insbesondere die Pharmabranche dazu, Prozesse und IT-Systeme regelgetreu aufzusetzen (Compliance). Zu diesen Anforderungen gehört vor allem die Nachvollziehbarkeit von Datenänderungen durch eindeutig festgelegte Workflows. Diese werden bereits in die Produktdesignprozesse integriert, deren Meilensteine identisch sind mit den definierten Qualitätsstandards (Quality Gates) des DQM.

Die an der Anreicherung von Produktcontent beteiligten Rollen wie Produktmanagement und Marketing sowie die abschließende inhaltlich-rechtliche Prüfung (Legal Check) leisten ihre Arbeitsschritte in eindeutig definierter inhaltlicher und zeitlicher Verantwortung ab. Zu zentralen Prozess-Übergängen wie der Publikation eines Beipackzettels sichert ein systemseitig implementiertes Vier-Augenprinzip mit jeweilig zu dokumentierenden Freigaben das Datenmanagement ab. Die detaillierte Archivierung dieser Vorgänge (Audit Trail) gewährleistet eine revisionssichere und vollständige Nachvollziehbarkeit von Datenanlage, -änderungen und -veröffentlichungen.

Unterstützung des strategischen Einkaufs

Die Anforderungen internationaler Märkte an Großhandelsunternehmen ändern sich permanent. Parallel verändern sich die Produktsortimente eines Händlers und damit die Lieferantenbeziehungen. Um ein multinationales Lieferantenmanagement und die damit verbundenen Skaleneffekte im strategischen Einkauf zu etablieren, leistet DQM einen entscheidenden Beitrag. Über ein normalisiertes Stammdatenmodell und harmonisierte Inhalte lassen sich jene Produkte lokalisieren, die mehrfach vorhanden sind und zumeist von verschiedenen Lieferanten bezogen werden. Die Bereinigung dieser Produkt-Doubletten (Prinzip des „Golden Record“) ist der erste Schritt zum strategischen Lieferantenmanagement.

Einmal eliminiert, soll auch im Regelbetrieb die Vermeidung von versteckten Mehrfach-Lieferantenbeziehungen sichergestellt werden. Dazu wird ein international ausgerichtetes Category Management aufgesetzt. Es prüft für bestimmte Warengruppen jede potenzielle Lieferanten-Neuaufnahme sowie das Produktportfolio gegen den eigenen Produktstamm. Durch das einheitliche Stammdatenmodell sind systemgestützt automatisierte Prüfungen leicht durchzuführen und Entscheidungen auf Basis konkreter Metriken und Kennzahlen zu treffen.


Datenqualitätsmanagement - die nächsten Schritte:


Morgen früh:
- Legen des DQM-Fundaments: Definition von Datenqualitätszielen als Treiber der MDM-Initiative, Formulieren der Vision, Auswahl eines begründbaren initialen Projekt-Scopes
- Sammeln von Fakten: Auswahl der geeigneten Metriken, Durchführen und Kommunizieren der heutigen Messwerte

Die kommenden 90 Tage:
- Fokussieren auf Menschen und Prozesse: Aufbau von Know-how und DQM-spezifischen Rollen
- Implementieren unterstützender IT-Systeme: Das richtige Werkzeug zur Unterstützung der zu implementierenden DQM-Prozesse

Die kommenden zwölf Monate:

- Nachhaltigkeit und Kommunikation: Erreichen von Quick Wins innerhalb
einer langfristigen DQM-Strategie
- Veränderung der Kultur: Datenqualität als Unternehmens-Aufgabe, nicht der IT.

Quelle: www.bridging-it.de


Bildquelle: © Gerd Altmann/pixelio.de

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok