MDM: 5 Tipps, wie IT-Mitarbeiter ihre Stammdaten stressfrei verwalten können 

Illustration: Geralt Absmeier

  • Die Dynamik der Digitalisierung erschwert das für Geschäftsprozesse so wichtige Stammdatenmanagement.
  • Ein Master-Data-Management-System (MDM) kann verschiedene Systeme abbilden und integrieren – ohne den laufenden Betrieb zu stören.

 

Anzeige

Stammdaten bilden die Basis für erfolgreiche Geschäftspartnerbeziehungen – sie sind wesentlich für eine gezielte Ansprache von Geschäftspartnern und bilden das Rückgrat für Geschäfts- und Vertriebsprozesse. Daher schätzen 95 Prozent der befragten Fach- und Führungskräfte den Wertbeitrag eines Master Data Managements (MDM) für ihr Unternehmen als hoch und erfolgskritisch ein laut der Wirtschaftsprüfungs- und Beratungsgesellschaft PwC [1]. Doch die technische Umsetzung eines MDM muss deshalb nicht komplex sein.

Anzeige

Die Dynamik der Digitalisierung konfrontiert Organisationen zwar mit einer rasanten Entwicklungsgeschwindigkeit: Infrastrukturen, Systemlandschaften und Anwendungsumgebungen verändern sich oft so schnell, dass die IT nur noch mit agilen Methoden Schritt halten kann. Damit IT-Abteilungen ein MDM-Projekt stressfrei umsetzen können, muss sich die MDM-Lösung also »on the fly« umsetzen lassen und unterschiedliche Systemlandschaften integrieren können. Welche Vorbereitungen IT-Abteilungen dafür treffen müssen, hat Uniserv, ein spezialisierter Anbieter von Lösungen für das Management von Geschäftspartnerdaten, in 5 Tipps zusammengefasst:

 

Tipp 1: Einheitlicher Datensatz statt IT-Wildwuchs und Datensilos

Die größten Probleme, die IT-Abteilungen das Stammdatenmanagement erschweren, sind die Heterogenität gewachsener Systemlandschaften und die Parallelität von Vertriebs-, Marketing- und CRM-Prozessen. Beides hat zur Folge, dass Daten von Geschäftspartnern an verschiedenen Orten liegen. Die Folge: Diese Daten können nur begrenzt in einzelnen Abteilungslösungen oder gar nicht genutzt werden, weil sie nicht in einer zentralen Plattform zusammenlaufen und harmonisiert werden. Laut Uniserv-Trendstudie Kundendatenmanagement 2019 setzen etwa 64 Prozent der Unternehmen mehrere abteilungsbezogene Lösungen zur Verwaltung ihrer Geschäftspartnerdaten ein. Erschwerend kommt hinzu, dass Daten nicht nur aus unterschiedlichen Quellen stammen, auch ihre Strukturen variieren. Sie können in Datensätzen, Arrays oder Listen, aber auch in Stapelspeichern, Graphen oder Hash-Tabellen vorliegen. Um sie für alle Abteilungen nutzbar zu machen, müssen diese Silos aufgelöst und Datenbestände vereinheitlicht werden. Eine 360-Grad-Sicht auf Kunden und Geschäftspartner ist nur durch eine übergreifende Integration all dieser verteilten und unterschiedlich strukturierten Informationen in einem einzigen Datensatz möglich. Auch das MDM muss in der Lage sein, unterschiedlichste Systemwelten abzubilden und zu integrieren.

Anzeige

 

Tipp 2: Datenqualität sicherstellen

Eine weitere große Herausforderung für das MDM ist die Qualität der Stammdaten. Denn in Umgebungen, die nur unzureichend harmonisiert und obendrein durch eine ausgeprägte Silostruktur charakterisiert sind, ist beispielsweise die Zahl der doppelt oder mehrfach vorliegenden Stammdaten deutlich höher. Unvollständigkeit ist ein weiteres Thema. Dadurch, dass beispielsweise aufgrund verschiedener Filialen und Sachbearbeiter, mehrfach angelegter Online-Profile und separater Datenbanken, die nicht miteinander synchronisiert werden, Redundanzen über verschiedene, verteilte Systeme hinweg entstehen, ist ein sauberes Daten-Matching zur Auflösung dieser Dopplungen kaum möglich. Häufig werden dann Übereinstimmungen angezeigt, die nicht korrekt sind und die IT-Abteilung vor praktisch unlösbare Herausforderungen stellen. Doch ist die Qualität der Stammdatenbasis nur ungenügend, sind auch darauf aufbauende operative Geschäftsprozesse nicht belastbar. Das Ergebnis: Fachabteilungen arbeiten mit falschen, veralteten oder redundanten Stammdaten. Die Daten müssen also zunächst qualitätsbereinigt werden, das heißt insbesondere postalisch geprüft, Dubletten beseitigt und alle Daten auf den neuesten – und gleichen – Stand gebracht werden.

 

Tipp 3: Data-Governance-Strategie etablieren

Damit die Qualität von Daten in diesem Zuge nicht nur einmalig hergestellt, sondern dauerhaft erhalten bleiben kann, müssen eine kontinuierliche Überwachung und das entsprechende Reporting realisiert werden. Durch die vielzähligen, unternehmensweit verteilten Systeme entsprechen die Informationen keinem einheitlichen Standard. Entweder fehlen Vorgaben entsprechend einer Data-Governance-Strategie ganz oder werden von Mitarbeitern schlichtweg nicht beachtet. Unterschiedliche Quellsysteme beherbergen also unterschiedliche Daten. Dieses Phänomen sorgt für einen erheblichen Mehraufwand bei der zentralen Nutzbarmachung von Kunden- und Geschäftspartnerdaten.

Zudem ist es aufgrund mangelnder IT-Harmonisierung nicht einmal möglich, die Qualität der Daten überhaupt zu erfassen oder zu überprüfen. Überwachungsmaßnahmen und Analysen müssen aufgrund der Dateninkompatibilität manuell durchgeführt werden, was oft nur sporadisch geschieht. Laut PWC überprüfen weniger als ein Drittel der Befragten ihre Stammdaten mindestens einmal monatlich. Darüber hinaus ist ein übergreifendes, (teil)automatisiertes Monitoring der Datenqualität in heterogenen, nicht integrierten Datenlandschaften so gut wie unmöglich. Strategien zur Optimierung des Stammdatenmanagements sollten deshalb unbedingt auch die Einbindung von Monitoring-Funktionen und einer Data Quality Firewall (DQ Firewall) zur Unterstützung einer unternehmensweit gültigen Data Governance berücksichtigen.

 

Tipp 4: Metadatenverwaltung integrieren

Ebenso von großer Bedeutung für das Stammdatenmanagement und somit auch für das MDM sind Metadaten. Sie sind aus der Wertschöpfung von Big Data nicht wegzudenken. Sie geben Datensätzen einen Kontext und zeigen an, wann und in welchen Systemen sie generiert wurden. Werden diese wertvollen Kontexthinweise allerdings nicht zentral vorgehalten – zum Beispiel in einem übergreifenden Datenkatalog – wird es sehr schwierig, eine Metadaten-basierte Kontextualisierung von Informationen vorzunehmen und damit tiefgreifende Governance-Einblicke zu bekommen. Eine weitere Folge einer mangelhaften Metadatenverwaltung, die in Kombination mit verteilten, nicht harmonisierten Stammdatenbeständen auftritt: Die hieraus resultierende Datenbasis ist für die darauf aufbauenden operativen Geschäftsprozesse kaum zu gebrauchen und stellt einen qualitäts- und sicherheitskritischen Faktor dar.

 

Tipp 5: EU-DSGVO einhalten

Zu guter Letzt sind beim Aufsetzen eines MDM selbstverständlich Datenschutzgesetze wie die seit Mai 2018 wirksame Datenschutzgrundverordnung der Europäischen Union wichtig und äußerst sicherheitskritisch. Um ihre Inhalte umzusetzen, die die Rechte der Geschäftspartner und Kunden stärken, müssen Unternehmen in der Lage sein, ihnen alle gesammelten Daten in strukturierter Form und zügig mitteilen zu können. In vielen Unternehmen sind heute immer noch weder Prozesse noch Systeme darauf ausgelegt. Das sollte sich ändern, wenn Stammdatenmanagement erfolgreich betrieben werden soll. Wer die bereits genannten Tipps einhält, ist auf einem guten Weg. Nun kommt es noch darauf an, Informationsprozesse zu etablieren und Verantwortlichkeiten zuzuweisen. Etwa, klar zu dokumentieren, wer welche Information wann eingetragen oder gelöscht hat und warum. Damit sämtliche Prozesse rund um die Verarbeitung von Kunden- und Geschäftspartnerdaten transparent bleiben und ein Höchstmaß an Datenintegrität gewährleistet ist, ist die Festlegung von Rollen und Zugriffsrechten für jede MDM-Strategie von grundlegender Bedeutung.

Die zentrale Aufgabe zur Realisierung eines intelligenten Managements von Kunden- und Geschäftspartnerstammdaten liegt also darin, unternehmensweit widerspruchsfreie und qualitätsgesicherte Stammdaten im System vorzuhalten, die bei Bedarf in Quellsysteme rücksynchronisiert werden können. Weitere Tipps und Details erfahren IT-Verantwortliche in unserem Whitepaper, das Sie hier herunterladen können.

 

[1] PWC, 2018, Umfrage: »Master Data Management im Handel und in der Konsumgüterindustrie«, Link: https://www.pwc.de/de/digitale-transformation/pwc-studie-master-data-management-im-handel-und-in-der-konsumgueterindustrie-2018.pdf

 

137 Artikel zu „Master Data Management“

Master Data Management per Open-Source-Plattform: Ein Unternehmen, eine Datenplattform

  Auf dem Weg zur Digitalisierung stehen Unternehmen auch vor der Aufgabe, ihre Stammdaten effizienter zu organisieren. Dafür braucht es ein unternehmensübergreifendes Stammdaten-System, in dem alle Daten in hoher Qualität, einschließlich ihrer Relationen untereinander, hinterlegt und abgerufen werden können. Für die technische Umsetzung bieten sich Open-Source-Plattformen als zukunftsfähige und kostengünstige Lösung an.   Daten werden…

Master Data Management in Zeiten von Big Data – Von Rohdaten zu Business Insights

Master Data Management in Zeiten von Big Data

»Der Erfolg jeder Analytics-Initiative hängt maßgeblich davon ab, welchen Einfluss sie auf das Geschäft hat. Es geht nicht nur um das Sammeln von Rohdaten, sondern darum, wie man sie in Erkenntnisse umwandelt, auf deren Basis man Geschäftsentscheidungen treffen kann. Dies wiederum führt zu mehr Gewinn, Effizienz und Kosteneinsparungen. Denn Daten sind das neue Öl – und Öl muss raffiniert werden, bevor man es nutzen kann.«

Cloud-Management: Multi-Cloud statt Vendor-Lock-in

Im Zuge ihrer Digitalisierungsvorhaben treiben viele Unternehmen den Ausbau ihrer Cloud-Umgebungen voran. »manage it« sprach mit Achim Krombach, Solution Architekt beim US-amerikanischen Cloud Service Provider CenturyLink, welche Fallstricke bei der Migration in komplexe Hybrid- und Multi-Cloud-Infrastrukturen lauern – und was Cloud-Application-Management-Plattformen dazu beitragen können, um sich davor zu schützen.

Data Quality: HELM AG modernisiert und zentralisiert Datenhaltung

Dezentral organisierte Unternehmen tun sich oft schwer, Informations- und Datenprozesse schlank, einheitlich und transparent zu organisieren. Die Digitalisierung verstärkt den Erneuerungsdruck. Die global tätige HELM AG hat es mit Hilfe einer Data-Quality-Lösung geschafft, ihre vertrieblichen und kaufmännischen Arbeitsabläufe zu optimieren. Die Software sorgt dafür, dass die neu erstellte zentrale Stammdatenbasis von Dubletten und Inkonsistenzen befreit wird und im Tagesgeschäft dauerhaft »sauber« bleibt.

Die 7 Sünden des Produktdaten-Managements: Wie sich mangelndes Produktdatenmanagement auf die Customer Experience auswirkt

Produktdaten-Management ist für viele Unternehmen ein heikles Thema. Diverse Herausforderungen wie fehlende Standards oder veraltete Technologien erschweren es ihnen, Produktdaten sauber und fehlerfrei aufzubereiten und auszuspielen. Das kostet Umsatz, denn umfangreiche, strukturierte Daten sind eine Grundvoraussetzung für den Erfolg in der kundenzentrierten Produktkommunikation auf unterschiedlichen Touchpoints . Ein Tool wie ein PIM bringt Transparenz in…

Mastercard und Zoho erweitern Partnerschaft zur Effizienzsteigerung von Kleinunternehmen weltweit

Die robuste Lösungssuite bietet Ressourcen, mit denen kleine Unternehmen ihre Effizienz steigern und schneller wachsen können. Mastercard gibt bekannt, dass es seine Partnerschaft mit Zoho erweitert, um Kleinunternehmern auf der ganzen Welt eine umfassende Palette von Produkten und Dienstleistungen zur Verfügung zu stellen, mit denen sie ihr Unternehmen einfacher, effizienter und rentabler führen können. Mit…

KI-Lösung stärkt den Finanzbereich bei Mitsui Chemicals und ServiceMaster

Jedox, ein internationaler Softwareanbieter für Planung und Corporate Performance Management (CPM), ermöglicht dem Controlling und den Fachbereichen die einfache Nutzung von Predictive Analytics und künstlicher Intelligenz für die Gewinnung neuer Erkenntnisse aus großen Datenmengen. Die Jedox-Kunden Mitsui Chemicals Europe und ServiceMaster verzeichneten bei Pilotprojekten zur Verbesserung der Vertriebsprognose und Kundenloyalität mit der neuen integrierten KI-Lösung…

Klimawandel und Big Data: Ein Speichersystem ohne Grenzen für die Erdbeobachtung

Was hat sich durch den Klimawandel auf der Welt verändert? Was bedeutet das für die Menschen? Welche Maßnahmen sind wichtig, um den Klimawandel zu stoppen – oder um zumindest seine Folgen zu bewältigen? Diese Fragen stehen nicht erst seit Greta Thunberg im Fokus des öffentlichen Interesses und werden auch in Zukunft eine zentrale Rolle spielen.…

Das Potenzial von Machine Learning in einem Data Lake

Egal um welche Branche oder Unternehmensgröße es sich handelt: Daten sind unverzichtbar geworden, wenn es darum geht, fundierte Entscheidungen zu treffen oder Prozesse zu optimieren. Dazu müssen die gewaltigen Datenmengen, die Unternehmen heute ununterbrochen generieren allerdings erst erschlossen und nutzbar gemacht werden. Die Grundlage dafür bildet der Data Lake (Datensee), ein zentrales Repository, in dem…

Advanced, predictive, preventive: Data Analytics – Trend oder Zukunft?

Die Themen Digitalisierung und Big Data stehen bereits seit Jahren auf der »To-do-Liste« der Unternehmen und sind auch in den Fachmedien mehr als präsent. Allerdings steckt die Umsetzung in der Realität bei vielen Unternehmen noch in den Kinderschuhen. Das Potenzial, das Daten bieten, ist häufig nicht auf den ersten Blick ersichtlich. Erst durch eine detaillierte Analyse der Daten lassen sich diese optimal nutzen. Mittlerweile eröffnen sich hier mit Data Analytics ganz neue Möglichkeiten.

Ertragsoptimierung bei Cloud-Data-Warehouse-Investitionen

Immer mehr datengestützte IT-Systeme werden in die Cloud verlagert und dazu gehört auch das Data Warehouse. Neue Cloud-Data-Warehouse-Lösungen (CDW) sollen noch umfassendere Datenfunktionen, eine bessere Leistung und mehr Flexibilität als herkömmliche lokale Datenbanken bieten.   Laut einer neuen Umfrage des TDWI (The Data Warehousing Institute) im Auftrag von Talend bieten neue Cloud-Data-Warehouse-Lösungen (CDW) noch umfassendere…