Erfolgreicher Start eines MDM-Projekts: Von reaktiven zu proaktiven Ansätzen
Wer Master Data Management (MDM) im Unternehmen vorantreiben und etablieren will, steht vor einer Reihe von Entscheidungen. Die strategische Verankerung des Themas in der Organisation, die Zuordnung von Verantwortlichkeiten und die Ausgestaltung der Anlage- und Korrekturprozesse für alle Unternehmensdaten müssen definiert werden. Im Interview mit Herrn Dr. Brockmann, Co-Founder der innoscale AG, erfahren Sie mehr über die Gestaltungsmöglichkeiten.
Herr Dr. Brockmann, welche Strukturen sind notwendig, damit MDM funktioniert?
Zu Beginn eines MDM-Projektes kommt es darauf an, wie weit der MDM-Reifegrad eines Unternehmens ist. Hier spielen viele Faktoren eine Rolle. Gibt es bereits Voranalysen oder Data-Governance-Richtlinien? Möglicherweise gibt es bereits erste Regeln für die Neuanlage oder Korrektur von Daten. Manchmal wurden auch schon Anforderungen an die Datenqualität formuliert. Dann ist zu evaluieren, inwieweit das Know-how zum Stammdatenmanagement im Unternehmen bereits aufgebaut ist. Schließlich muss eine Grundsatzentscheidung getroffen werden, wie MDM organisatorisch im Unternehmen aufgehängt werden soll. Hierfür gibt es zwei klassische Modelle: zentral oder dezentral.
Der zentrale Ansatz zeichnet sich durch zentrale Investitions- und Wartungsprozesse aus. Häufig ist das MDM-Team größer. Einer unserer Kunden beschäftigt beispielsweise zwölf Mitarbeiter in der MDM-Abteilung. Ihre Verantwortlichkeiten sind in Teilbereiche aufgeteilt: Materialwirtschaft, Kreditoren, Debitoren, Instandhaltungsdaten etc.
Der dezentrale Ansatz sieht eine steuernde MDM-Serviceeinheit vor, die Vorgaben definiert, Prozesse gestaltet und Regeln aufbaut. Diese werden dann über ein Rollenkonzept, bestehend aus MDM-Ownern, Data Stewards und Data Producern, umgesetzt.
Die organisatorische Eingliederung von MDM ist eine grundlegende strategische Entscheidung. Diese beiden Ansätze sind weit verbreitet.
Data Stewards übernehmen für einen bestimmten Teil der Unternehmensdaten die Qualitätssicherung und die Kontrolle der Einhaltung der Data-Governance-Vorgaben. Sie kommen zwingend aus den Fachabteilungen und sind bestmöglich in den gesamten MDM-Prozess zu integrieren. Data Producer sind für die Neuanlage und Pflege von Daten zuständig.
Wer verfügt über das nötige MDM-Know-How im Unternehmen?
Es gibt kein eigenes Berufsbild für MDM-Experten. Häufig handelt es sich um ehemalige Datenanalysten oder Personen mit SAP-Erfahrung. In der Regel treffe ich auf Heads of Master Data Management oder Heads of Master Data Management, die zuvor als Data Producer die Stammdaten in den Systemen gepflegt haben und dann in die Leitungsfunktion aufgestiegen sind.
Ein weit verbreitetes Missverständnis ist, dass Master Data Management ein IT-Thema ist und die entsprechende Abteilung deshalb in der IT angesiedelt sein sollte. Meine klare Position dazu ist, dass Master Data Management ein Fachthema ist und deshalb am besten als eigenständige Abteilung existiert oder an die Fachabteilungen angebunden ist. Trotzdem gilt: Ohne IT geht es nicht - je enger die Zusammenarbeit, desto besser. Die Aufgabe der IT sehe ich darin, die Software zu betreiben, Server zur Verfügung zu stellen und bei der Schnittstellenintegration zu unterstützen.
Wie beginnt ein MDM-Projekt?
Wenn alle Ressourcen vorhanden sind, starten wir das Projekt mit den folgenden Fragen:
Welche Systeme gibt es?
Welche Datenbanken gibt es?
Wie sind die Systeme bereits miteinander verbunden?
Welche Datenfelder sind für die Messung der Datenqualität relevant?
Welche Kriterien sind für die Messung der Datenqualität relevant?
Das ist das IST-Bild. Oft ist es bei unseren Kunden schon vorhanden und wir können darauf aufbauen. Daraus lässt sich viel über die Organisation lernen. Wir sprechen über Abhängigkeiten, Geschäftsprozesse und lernen, wer für was verantwortlich ist.
Im nächsten Schritt entwerfen wir das SOLL-Bild. Wir klären, ob unsere MDM-Software einfach über die bestehende Systemarchitektur gelegt oder in das Gesamtszenario integriert werden soll. Die wichtigste Entscheidung, die sich dahinter verbirgt, betrifft die Data Governance Prozesse. Diese Prozesse umfassen das Anlegen von Stammdaten, deren Änderung sowie die sogenannten redaktionellen Prozesse. Gemeinsam mit dem Kunden entscheiden wir, ob Änderungen an der Data Governance vorgenommen werden müssen, z.B. Änderungen am Datenmodell oder an den Regeln zur Messung der Datenqualität.
Wie funktioniert die Verbesserung der Datenqualität in der Praxis?
Ein reaktiver Ansatz bedeutet, dass weitgehend alles beim Alten bleibt. Wir prüfen die Qualität der vorhandenen Daten und verbessern sie entweder im Quellsystem oder in unserem Softwaretool und spielen sie dann zurück.
Der proaktive Ansatz zielt darauf ab, neue Datenfehler zu vermeiden, indem ab einem bestimmten Zeitpunkt im Projekt die Neuanlage und Korrektur nur noch über die MDM-Software erfolgt. Der Schlüssel zu einer nachhaltigen Datenqualität ist zweifellos ein proaktiver (Vermeidungs-)Ansatz: Fehleingaben vermeiden, sämtliche Änderungs- und Anlageprozesse über das MDM-Tool abbilden und damit die Mitarbeiter entlasten. Der proaktive Ansatz ist jedoch aufwändig, erfordert organisatorische Anpassungen und eine entsprechende Softwareunterstützung. Viele Unternehmen starten daher zunächst mit einem reaktiven Ansatz und bauen darauf sukzessive ein proaktives Szenario auf.
Schließlich kann es mit der Bereitstellung von Servern, der Installation von Software und der Integration von Datenbanken losgehen. Meistens beginnen wir mit einem einzigen Datenbereich - je nach Priorität unserer Kunden: Debitoren, Kreditoren, Materialstämme oder einzelne Produktgruppen aus dem Materialstamm. Eine Pilotierung zeigt dann, ob die erarbeiteten Konzepte und Softwaretools den gewünschten Erfolg bringen.
