Lösungen

Master Data Management

Kontrollieren Sie Ihre Daten, kontrollieren Sie Ihr Unternehmen!

Master Data Management (Stammdatenmanagement), alle organisatorischen und/oder technologiebasierten Aktivitäten zur nachhaltigen Verbesserung der unternehmensweiten Stammdaten. Diese finden in enger Zusammenarbeit zwischen den einzelnen Geschäftsbereichen und der IT-Abteilung statt. Die Verbesserung der Daten erfolgt im Idealfall schon bei der Eingabe der Daten. Damit das funktioniert, muss DataRocket vollständig in die Systemlandschaft integriert werden.

 

Ziel des Master Data Management ist es, eine einheitliche Sicht auf die Daten zu schaffen, korrekte Datensätze (Golden Records) zu bestimmen und an einem Ort verfügbar zu machen (Single Point of Truth).

 

Stammdaten sind eindeutig und beschreiben die „Kern-Geschäftsobjekte“ in Unternehmen. Sie sind beständig, ändern sich selten, werden abteilungsübergreifend genutzt und haben einen hohen Wert.

Die größten Herausforderungen für Unternehmen im Stammdatenmanagement:

Master Data Management schafft die folgenden Vorteile in Ihrem Unternehmen:

Identifikation von „Golden Records“. Schaffung einer 360°-Sicht auf die Daten

Die Integration von Daten aus verschiedenen IT-Systemen (CRM, Buchhaltung oder EXCEL) ermöglicht eine einheitliche Sicht auf die Daten. Unvollständige, doppelte, und uneinheitliche Datenbestände werden vereinheitlicht und zentral dargestellt. Finden Sie heraus, ob Peter Müller und Peter Mueller die selbe Person sind.

Darstellung der Beziehungen zwischen den Daten verschiedener Quellen

Daten aus verschiedenen IT-Systemen stehen in Abhängigkeiten zueinander. Über Regeln (Mapping) werden diese Abhängigkeiten deutlich. Sie finden so heraus, welchen Umsatz Ihr Unternehmen mit dem „richtigen“ Peter Müller gemacht hat.

 

Kontrolle über Interaktionen

Stammdaten werden von verschiedenen Personen und unterschiedlichen Abteilungen verwendet und bearbeitet. Behalten Sie den Überblick über die Änderungen der Kundendaten, zugehörigen Produkt- oder Zahlungsfunktionen und verwalten Sie, welche Personen welche Datenänderungen vornehmen dürfen. Sie können so festlegen, dass nur der persönliche Kundenberater von Herrn Müller seine Stammdaten ändern darf.

 

Datenqualität

Daten sind zwingend notwendig - Integrierte, verständliche und hochqualitative Daten sind unbezahlbar.

Datenqualität ist die Bewertung von Daten. Es kommt darauf an, wie gut Daten dafür geeignet sind, einen Zweck in einem bestimmten Zusammenhang zu erfüllen. In Unternehmen ist eine ausreichende Datenqualität entscheidend für operative und transaktionale Prozesse sowie die Zuverlässigkeit von Analysen und Berichten basierend auf den Daten.

Die Datenqualität wird durch die Art und Weise, wie Daten eingegeben, gespeichert und verwaltet werden, beeinflusst. Datenqualitätssicherung bezeichnet dabei den Prozess der Verifizierung von Zuverlässigkeit und Effektivität von Daten. Die Datenqualität zu bewahren bedeutet, Datenbestände regelmäßig zu überprüfen und zu säubern.

Häufige Probleme sind Aktualisierungen, Standardisierungen, Validierungen, Plausibilitätsprüfungen und Deduplikation von Datensätzen.

Datenqualität kann in Kriterien gemessen werden! Für einen Datensatz können mehrere Kriterien oder auch keines der folgenden Kriterien zutreffen.

Wenn Daten die tatsächliche Eigenschaft des beschriebenen Objektes zeitnah abbilden.

Aktualität

Wenn die Nutzung von Daten zu einer quantifizierbaren Steigerung einer monetären Zielfunktion führt.

Wertschöpfung

Wenn alle erforderlichen Daten zu einem festgelegten Zeitpunkten in den jeweiligen Prozessschritten zur Verfügung stehen

Vollständigkeit

Wenn die Menge der verfügbaren Daten den gestellten Anforderungen genügt

Angemessener Umfang

Wenn Daten für den Anwender notwendige Informationen liefern um ein Problem zu lösen.

Relevanz

Wenn Daten unmittelbar von den Anwendern verstanden und für deren Zwecke eingesetzt werden können.

Verständlichkeit

Wenn Daten (auch unterschiedlicher Quellen) in einem passenden und leicht fassbaren Format dargestellt werden.

Übersichtlichkeit

Wenn Daten fortlaufend und über verschiedene Datenquellen auf dieselbe Art und Weise abgebildet werden.

Einheitliche Darstellung

Wenn Daten in gleicher, fachlich korrekter Art und Weise begriffen werden.

Eindeutige Auslegbarkeit

Wenn Daten einen hohen Qualitätsstandard aufweisen oder die Informationsgewinnung und -verarbeitung mit hohem Aufwand betrieben werden.

Glaubwürdigkeit

Wenn Daten streng sachlich und wertfrei sind.

Objektivität

Wenn Daten mit der Realität übereinstimmen.

Fehlerfreiheit

Wenn die Datenquelle, das Transportmedium und das verarbeitende System im Ruf einer hohen Vertrauenswürdigkeit und Kompetenz stehen.

Hohes Ansehen

Wenn Daten leicht zu ändern und für unterschiedliche Zwecke zu verwenden sind.

Bearbeitbarkeit

Wenn Daten anhand einfacher Verfahren und auf direktem Weg für den Anwender abrufbar sind.

Zugänglichkeit

Datenqualität und der (Mehr)wert für Unternehmen ist immer individuell und frühzeitig im Projekt zu definieren (Daten Screening). Daher bietet DataRocket neben vorkonfigurierten Regeln einen Editor (Data Pipelines) an, in dem Sie individuelle Qualitätskriterien und Berechnungspfade definieren können. DataRocket vereinheitlicht die Datenstruktur, ermöglicht eine automatisierte Erkennung von Datenproblemen und eine messbare Verbesserung der Datenqualität.

 

Die Vorteile, die Sie in Ihrem Unternehmen durch eine hohe Datenqualität erzielen können, sind stark abhängig von den vorhandenen Daten und betroffenen Geschäftsprozessen und daher immer individuell. Wir empfehlen deshalb zu Beginn eines Stammdatenprojektes die Durchführung eines initialen Screenings der Datenlandschaft. Typische Vorteile, die durch eine hohe Datenqualität erzielt werden, sind die folgenden:

  • Optimierte, fehlerfreie und schnelle Prozesse
  • Erhöhte Kunden- und Mitarbeiterzufriedenheit
  • Bessere Auswertungen und Reports
  • Optimiertes Lager- und Bestellmanagement
  • Vereinfachte Einführung neuer Systeme, neuer Standards oder Organisationstechniken (z. B. ITIL)
  • Zuverlässigkeit und Effektivität von Daten
  • Weitergabe von Daten hoher Qualität als Serviceleistung an Partner
  • Vereinfachtes und korrektes (Kosten-)Controlling
  • Kosteneinsparungen und Reduktion der Kapitalintensität
  • Vereinfachte und genauere Ressourcenplanung
  • Aufbau eines Wissensmanagements (Regel- und Prüfkriterien für das Datenmanagement)

DataRocket vereinheitlicht die Datenstruktur, ermöglicht eine automatisierte Erkennung von Datenproblemen und eine messbare Verbesserung der Datenqualität durch folgende Funktionen:

  • Workflow gestützter Bereinigungsassistent
  • Dublettenprüfung
  • Formale Datenvalidierung
  • Inhaltliche Datenvalidierung
  • Plausibilitätsüberprüfung
  • Inhaltliche Datenvalidierung
  • Frei konfigurierbare Qualitätskriterien (Data Pipelines)
  • Datenanreicherung durch externe Informationen

DataCanvas

Auf welchem Stand ist ihr Stammdatenmanagement aktuell? Mit dem DataCanvas finden Sie es heraus und identifizieren Schwachstellen in Ihrem Master Data Management.

Das DataCanvas ist ein visuelles strategisches Managementwerkzeug. Es ermöglicht Firmen ihr Stammdaten Management besser zu verstehen, zu strukturieren, zu kategorisieren, zu kontrollieren und so letztendlich zu optimieren.

Das DataCanvas besteht aus vier Elementen: (1) Ziele; (2) Themencluster; (3) Aktionen; (4) Reifegradmodell (MDM3).

Die Elemente werden iterativ durchlaufen und in der Gruppe diskutiert. Sie können Ihre fortlaufenden Stammdaten-Management- Aktivitäten systematisch strukturieren und eine Positionierung mittels des Reifegradmodelles vornehmen

Gerne stellen wir Ihnen unser DataCanvas kostenlos und unverbindlich vor oder arbeiten das DataCanvas bei Ihnen vor Ort in einem interaktiven Workshop mit Ihrem Team durch:

grafik-website-datacanvas-deutsch

  • Besseres unternehmensweites Verständnis der Stammdaten-Management-Aktivitäten
  • Einstufung der aktuellen Stammdaten-Management-Aktivitäten, basierend auf dem Reifegradmodell (MDM3)
  • Besprechung der Aktivitäten über Abteilungen hinweg
  • Von anderen Abteilungen lernen
  • Externer Input von Experten zum MDM im Unternehmen
  • Identifikation neuer Herausforderungen und Maßnahmen
  • Strukturierter Management-Ansatz für kommende Projekte
  • Entwicklung einer unternehmensweiten Stammdaten-Management-Strategie
  • Kontinuierliche Nutzung unterstützt Controlling und Reporting des DQM/MDM
  • Schrittweise Verbesserung von Stammdaten-Management-Aktivitäten auf Basis definierter Reifegrade
  1. „Big Picture“ für bessere Übersichtlichkeit
  2. Flexibel und agil
  3. Es gibt kein richtig oder falsch
  4. Fördert Kreativität und Quantität
  5. Ein Bild sagt mehr als tausend Worte
  6. Strukturiert, effektiv & schnell
  7. Dynamik benötigt stetige Wiederholung
  • 2 Tage / 4-5 Stunden pro Tag
  • 4-6 Teilnehmer
  • 1. Tag: Erhebung Status Quo
  • 2. Tag Strategieentwicklung
  • Durchführung von 2 MDM-Experten
  • Ergebnisprotokoll mit Handlungsempfehlungen und Positionierung im Reifegradmodell

 

Datenmigration und -konsolidierung

Datenmigrationen sind „nerviger“ Alltag in der IT! - Wir erleichtern Ihnen die Arbeit.

Immer wenn Sie an Modernisierungsprojekten, Übernahmen, Zusammenschlüssen oder Konsolidierungsprojekten beteiligt sind, hat dies direkten Einfluss auf ihre Systemlandschaft. Das Anwendungsportfolio ändert sich und Daten müssen von System A nach System B gebracht werden. Sie stehen vor einem typischen Migrationsprojekt. Dabei ist es unerheblich, ob Ihre Daten in der Cloud oder auf Ihren Servern liegen, es sich um kundenindividuelle- oder um Mainframe Systeme handelt.

Eine Datenmigration beschreibt den Prozess, bei dem Daten zwischen Storage-Systemen, Daten-Formaten oder Computer-Systemen transferiert werden.

Datenmigrationen sind eine der häufigsten Fehlerursachen für eine schlechte Datenqualität. Eine mangelhafte Datenqualität führt dazu, dass sich Migrationsprojekte verzögern und Ihr Budget überschreiten.

DataRocket unterstützt die drei wesentlichen Schritte einer Datenmigration (Extraktion, Transformation und Laden). Während der Migration der Daten von einem Systems ins andere kann die DQ verbessert werden. Der große Vorteil besteht darin, dass so nur „saubere“ Daten migriert werden. Die Datenübernahme erfolgt per Batchimport oder bidirektionaler Schnittstelle zu den Quelldatensystemen.

  • Eine hohe Datenqualität bei einer Datenmigration vereinfacht das Projekt und erhöht die Erfolgswahrscheinlichkeit.
  • Eine direkte Verbesserung der Datenqualität während der Migration reduziert Aufwände und schafft Synergien.
  • Aufwands- uns Kostenreduktion bei Datenmigrationsprojekten.
  • Konsistente Daten in allen Staging-Systemen und Notiz von Abweichungen nehmen.
  • Konsistente Datenhaltung in Produktiv- und Testsystemen
  • Nutzung existierender Schnittstellen
  • Einfaches Mapping per Drag&Drop
  • Einheitliches Datenmodell als Basis

Total Quality Management

Gemeinsam Stark! Diese bewährte Devise führt auch bei der Verbesserung der Datenqualität zum Erfolg

Total Quality Management (TQM) ist ein Management-Ansatz zur Optimierung der Qualität von Produkten und Dienstleistungen eines Unternehmens in allen Funktionsbereichen und auf allen Ebenen durchMitwirkung aller Mitarbeiter. Dieser bewährte Ansatz wird von DataRocket auf die Verbesserung der Datenqualität und das Master Data Management übertragen.

Klassische Denkweise beim Master Data Management:

  • Menschen machen Fehler
  • Einzelne Mitarbeiter sind für die Datenqualität zuständig
  • Null Fehler ist nicht realisierbar
  • Kontrolle durch eine zentrale Stelle

 

Denkweise im Master Data Management nach dem Total-Quality-Management Ansatz:

  • Prozesse provozieren Fehler
  • Alle Mitarbeiter sind für eine hohe Datenqualität verantwortlich
  • Null Fehler ist das Ziel
  • Gegenseitige Kontrolle im Team

 

  • Die „Last“ zur Verbesserung der Datenqualität wird auf viele Schultern verteilt
  • Personen, die fachlich geeignet sind die Daten zu korrigieren, werden mit der Aufgabe betraut
  • Es entsteht ein „WIR-Gefühl“ und eine Wertschätzung von Daten und deren Qualität
  • Die Qualität der Daten wird besser durch das „Wissen der Vielen“ (Wisdom of the Crowd) und durch gegenseitige Kontrolle
  • Integration des Master Data Management in existierende Workflows und Arbeitsumgebungen (z. B. MS Sharepoint)
  • Aufgabenverwaltung
  • Bereinigungsassistent und Freigabe von Fehlerlisten an bestimmte Personen oder Gruppen
  • Änderungshistorie (Audit-Trail)
  • Möglichkeit zur Freigabe von Datenänderungen und Qualitätskriterien

Open Data Enrichment

Ergänzen Sie Ihren Datenbestand mit öffentlich frei verfügbaren Daten - effizient und kostenfrei!

Speziell im Bereich von Kunden- und Geodaten können existierende Datenbestände unter Einbeziehung externen Datenquellen ergänzt werden.

Externe Daten werden genutzt um…

  • …fehlende Kunden- oder Adressinformationen zu ergänzen
    (z. B. fehlende PLZ ergänzen)
  • …vorhandene Datenbestände zu validierenden
    (z. B. passt die PLZ zur Stadt)
  • …vorhandene Datenbestände zu aktualisieren
    (z. B. existiert die Telefonnummer noch)
  • …neue Informationen über Kunden zu gewinnen (Data Mining)
    (z. B. zu welchem Zeitpunkt ist die Kaufbereitschaft eines Kunden besonders hoch)

Durch die Erweiterung Ihrer Datenbestände können Sie Ihre Datenqualität auf einfachem Wege signifikant verbessern. Sie können schneller neue Kunden identifizieren, diese gezielter ansprechen und dadurch Ihre Conversion-Rate erhöhen

  Infografik2

 

DataRocket bietet Ihnen zwei Möglichkeiten zur Erweiterung Ihrer Datenbestände

 1. Nutzung von Open Data

Open Data sind im digitalen Web frei verfügbare Daten, die ohne rechtliche Einschränkungen kostenfrei genutzt werden dürfen. Dies sind beispielsweise Informationen von Open-Street-Map oder Wikipedia, aber auch Daten aus Social Media, wie XING, Facebook oder G+.

DataRocket verfügt über Schnittstellen zu den Webdiensten und kann gezielt nach Daten suchen, die dann genutzt werden, um Ihre Datenqualität zu verbessern oder Ihren Vertriebsprozess zu optimieren.

 2. Nutzung von professionellen Datendienstleistern

Existierende Datendienstleiter (z. B. Deutsche Post Direkt, Universal Postal Service, CreditReform) werden genutzt. Die Daten werden bei den Dienstleistern erworben und in DataRocket zum Abgleich und zur Ergänzung der Datenbasis überführt.

 

Mehr erfahren

DE | EN