Berlin, den 16. November 2016 | Dieser Blogeintrag widmet sich einem für uns grundlegenden Thema, den Stammdaten. Sie bezeichnen die grundlegenden Unternehmensdaten, die für den laufenden Betrieb in verschiedenen Unternehmensbereichen erforderlich sind. Durch diese Daten werden die wesentlichen Eigenschaften der Instanzen von Geschäftseinheiten wie z. B. Kunden, Produkte, Mitarbeiter und Lieferanten definiert. Typischerweise werden Stammdaten einmalig erstellt, mehrfach genutzt, aber nicht regelmäßig geändert.

Stammdaten gehören zu den wertvollsten Informationen, die ein Unternehmen besitzt. Diese Informationen sind für verschiedene Geschäftsprozesse, für Organisationseinheiten, aber auch für den Betrieb von operationalen Systemen und Entscheidungsunterstützungssystemen notwendig.

Stammdaten sind nicht nur für operationale Prozesse, sondern auch für die Analyse von Bedeutung. Der englische Begriff lautet Master Data und wird allgemein synonym verwendet.

Wie lassen sich Stammdaten abgrenzen?

Abgegrenzt werden Stammdaten häufig zu Transaktions- und Bestandsdaten. Die Autoren Otto und Reichert differenzieren Master Data von anderen Daten anhand folgender vier Kriterien: Zeitreferenz, Änderungsfrequenz, Volumenstabilität und existenzieller Unabhängigkeit. Diese Differenzierung ähnelt den grundlegenden Eigenschaften von Stammdatenobjekten: Stabilität, Unabhängigkeit, Konstanz und Relevanz.

Abgrenzungskriterien:

• Zeitlicher Bezug: Im Gegensatz zu Bestandsdaten spielen bei Stammdaten in der Regel zeitliche Eigenschaften eine weniger große Rolle. Beispielsweise haben die zu Artikeln gehörenden Stammdaten keine zeitliche Dimension, der Lagerbestand, der je nach Zeitpunkt verschiedene Zustände einnehmen kann, aber schon. Zudem bleiben Stammdaten meist über den kompletten Produktlebenszyklus gültig.
• Änderungsfrequenz: Stammdaten sind im Gegensatz zu Transaktions- oder Betandsdaten zeitlich stabil und haben eine geringere Änderungsfrequenz als Transaktions- oder Bestandsdaten. Der Lieferstatus einer Artikelbestellung wird sich im Zeitverlauf häufig ändern, die Stammdaten zum Artikel selbst eher selten.
• Volumenstabilität: Das Volumen der Stammdaten ist eher konstant, wohingegen das Volumen von Transaktions- und Bestandsdaten innerhalb eines Monats signifikant schwanken kann, beispielsweise wenn in einem Monat ein hohes Auftragsaufkommen auftritt.
• Existenzielle Unabhängigkeit: Stammdaten sind weitestgehend unabhängig, d. h. sie können auch ohne andere Objekte existieren. Eine Artikelbestellung kann nicht ohne den Bezug zum Artikel bestehen, wohingegen der Artikel selbst kein anderes Objekt zur Existenz benötigt.

Das sind Stammdatendomänen

Stammdaten können hierarchisch gegliedert sein. An oberster Stelle steht dabei die Stammdatendomäne, bspw. die Stammdatendomäne „Person“, die dann mehrere Stammdatenobjekte, wie „Mitarbeiter“ oder „Geschäftspartner“, gruppiert. Ein Stammdatenobjekt wiederum kann mehrere Stammdatensegmente besitzen. Dies können bspw. „Adresse“ oder „Persönliche Daten“ sein. Auf der untersten Aggregationsebene gruppieren die Stammdatensegmente logisch und semantisch zusammenhängende Stammdatenattribute. Im Falle der Adresse können „Straße“, „Ort“ und „Postleitzahl“ typische Attribute sein.

Gängige Stammdatendomänen sind unter anderem Materialstammdaten, Produktstammdaten, Lieferantenstammdaten, Kundenstammdaten, Finanzstammdaten und Personalstammdaten. Einzelne Stammdatenobjekte in Unternehmen werden oft in mehreren Abteilungen genutzt. Ein Kunde kann dabei beispielsweise durch die Rechnungsstellung in den Finanzstammdaten als auch in den Kundenstammdaten auftreten.

Um unternehmensweit eine hohe Qualität aller Stammdaten gewährleisten zu können, gibt es verschiedene Modelle, strategische Ansätze wie beispielsweise Data Governance und Lösungen wie die Stammdatenmanagement-Software DataRocket.

---

Quellen:

Loshin, D. 2009. Master Data Management, Morgan Kaufmann.
Knolmayer, G. F. und Röthlin, M. 2006. “Quality of Material Master Data and Its Effect on the Usefulness of Distributed ERP Systems,” in Advances in Conceptual Modeling – Theory and Practice: Lecture Notes in Computer Science 4321, S. 362–371.
Dreibelbis, A., Hechler, E., Milman, I., Oberhofer, M., Run, P. van und Wolfson, D. 2008. Enterprise Master Data Management: An SOA Approach to Managing Core Information.
Otto, B. und Reichert, A. 2010. “Organizing master data management,” in Proceedings of the 2010 ACM Symposium on Applied Computing – SAC ’10, New York, New York, USA: ACM Press, S. 106.
Scheuch, R., Gansor, T. und Ziller, C. 2012. Master Data Management: Strategie, Organisation, Architektur, dpunkt.verlag