MDM-PROJEKT ABLAUF: IN 4 SCHRITTEN ZU OPTIMALEM STAMMDATENMANAGEMENT | Header innoscale Blog

MDM-Projekt Ablauf: In 4 Schritten zu optimalem Stammdatenmanagement

Berlin, den 9. September 2020 | Die Einführung und Optimierung von Master Data Management (MDM) oder Stammdatenmanagement gliedert sich in vier Projektphasen. In diesem Artikel zeigen wir Ihnen, wie wir unsere Kunden durch die einzelnen Schritte des MDM-Projekts begleiten. Dabei arbeiten wir eng mit den einzelnen Geschäftsbereichen und der IT-Abteilung zusammen. Wir erläutern die spezifischen Problemstellungen in jedem einzelnen Schritt und unser Vorgehen. Mit jedem MDM-Projekt verfolgen wir das Ziel, beste Datenqualität und eine hohe MDM-Reife in den Unternehmen unserer Kunden sicherzustellen.

image-switch

Screening der Datenlandschaft

Ausgangssituation:

Sie möchten die Datenqualität in Ihrem Unternehmen verbessern? Es ist ihnen nicht möglich, ein konkretes Problem/Anwendungsfälle darzustellen oder gar Mehrwerte einer hohen Datenqualität messbar zu machen?

Vorgehen:

In einem Workshop analysieren wir mit Ihnen Ihre Datenlandschaft, identifizieren Qualitätsprobleme und bewerten die Mehrwerte, die durch ein vollumfängliches Master Data Management in Ihrem Unternehmen erzielt werden können.

Ergebnis:

Zur Auswertung des Workshops erhalten Sie einen Kurzbericht mit Handlungsempfehlungen. Dieser unterstützt Sie dabei, das Projekt Master Data Management erfolgreich anzugehen. Sie gewinnen zudem ein besseres unternehmensweites Verständnis der Aktivitäten im Stammdatenmanagement.


Prüfung der Datenbestände

Ausgangssituation:

Ihnen sind Datenqualitätsprobleme in Ihrem Unternehmen bekannt, aber Ihnen ist unklar wie das Qualitätslevel ausgeprägt ist?

Vorgehen:

Wir bewerten in einem 2-3 tägigen Starterprojekt Qualitätskriterien für eine Datenquelle mit DataRocket (syntaktische Prüfung (Zeichensatz) + semantische Prüfung).

Ergebnis:

Sie erhalten einen Datenprofilbericht zu Ihrer Datenlandschaft (z. B. Duplikate, Golden Records, Fehler- und Plausibilitätsverletzungen, Füllgrade, Min-Max-Werte, Deskriptive Statistiken).


Projekte zur Bereinigung

Ausgangssituation:

Sie wissen „wo der Schuh drückt“ und möchten Ihrer Datenqualität einen Schub nach oben verpassen?

Vorgehen:

Wir bestimmen zusammen mit Ihnen individuelle Qualitätskriterien und Kennzahlen (zur Mehrwertmessung), die berechnet werden sollen. Dies bilden wir in DataRocket in Form einer Datapipeline ab, mit der auch die Bereinigung workflowgestützt vorgenommen wird.

Ergebnis:

Im Ergebnis erhalten Sie Daten optimaler Qualität, ein kontinuierliches Reporting und ein strukturiert abgebildetes Datenqualitätsregelwerk.


Echtzeit Qualitätssicherung

Ausgangssituation:

Sie sind bestrebt, das Absinken der Datenqualität, z.B. durch Fehler bei der Eingabe bzw. Änderung von Datensätzen oder durch Datenmigrationen, schon frühzeitig zu vermeiden? Sie suchen nach Möglichkeiten, die Qualitätssicherung als Service für Ihre Fachbereiche zu automatisieren?

Vorgehen:

DataRocket fungiert als zentraler Hub, mit dem Ihre relevanten Systeme verbunden werden. Das hinterlegte Qualitätsregelwerk überprüft automatisiert, z.B. bereits während der Eingabe, ob die Werte gültig sind, oder in eben jenem Moment ein Duplikat erzeugt wird.

Ergebnis:

In Ihrem vollumfänglichen Master Data Management System haben Sie eine zentrale Datenquelle mit gesicherten Daten (Single-Point-of-Truth) und eine 360°-Sicht auf Ihre Daten. Ihr wertvollstes Gut – Ihre Stammdaten – haben Sie im Griff und somit auch Ihr Geschäft. Dies ist der wichtigste Schritt im MDM-Projekt Ablauf für die langfristige Sicherung der Datenqualität.


Gern unterstützen wir auch Sie mit unserer langjährigen Expertise im Datenmanagement und optimieren Ihren MDM-Projekt Ablauf!

    Ihr Ansprechpartner Dr. Tobias Brockmann berät Sie gerne telefonisch.

    Hinterlassen Sie hier Ihre Kontaktdaten:

    Mit der Nutzung dieses Formulars erklären Sie sich mit der Speicherung und Verarbeitung Ihrer Daten durch diese Website einverstanden.