Berlin, den 16. November 2020 | In der Regel beginnen Sie mit Projekten zu Stammdatenmanagement und zur Verbesserung der Datenqualität, wenn in Ihrem Unternehmen bereits eine ausgereifte IT-Landschaft vorhanden ist. Dieser Beitrag geht der Frage nach, wie Sie bestehende Software-Architekturen für effizientes Stammdatenmanagement optimieren können.
Stammdatenmanagement (Abkürzung: SDM, Synonym: Master Data Management (MDM)) umfasst zahlreiche betriebswirtschaftliche und organisatorische Fragestellungen. Es dient der Gewährleistung der Verfügbarkeit, Integrität und Sicherheit von Stammdaten, damit diese in allen wertschöpfenden Prozessen des Unternehmens verwendet werden können.
Wozu benötigt ein Unternehmen Stammdatenmanagement?
Die Notwendigkeit des Stammdatenmanagements ergibt sich vor allem durch die Probleme, die in Unternehmen aufgrund mangelnder Stammdatenqualität auftreten. Verantwortlich für die mangelnde Qualität der Daten ist vor allem der technologische Fortschritt, der es ermöglicht, immer größere Datenmengen speichern zu können. Häufig ist die Pflege der Daten unzureichend. Auch die zunehmend heterogenen Systemlandschaften und die Einführung von neuen Geschäftslösungen wie Systeme für Customer Relationship Management (CRM) oder Enterprise Resource Planning (ERP) verstärken das Qualitätsdefizit. Stammdatenmanagement ist also notwendig, um Verantwortlichkeiten für die Daten festzulegen und Prozesse zur Qualitätssicherung zu schaffen.
Auf der strategischen Ebene befasst sich das Stammdatenmanagement mit der Steuerung von Kommunikation und der Durchführung von zumeist mittel- oder langfristigen organisatorischen Veränderungen. Typische Aufgaben im Bereich MDM-Strategie sind unter anderem das Aufstellen von Vision und Leitlinien, die Formulierung von Initiativen, der Aufbau eines Kennzahlensystems mit Key Performance Indicators (KPIs) sowie Strategieformulierung für das Veränderungsmanagement.
Stammdatenmanagement wird häufig software-seitig durch Datenmanagement-Systeme unterstützt. Ein Stammdatenmanagement-System zeichnet sich dadurch aus, dass es verschiedene Datenquellen vereint und geprüfte Datensätze (Golden Records) in einem Repository zur Verfügung stellen, auf das Systeme und Mitarbeiter unternehmensweit zugreifen können.
Überblick über verschiedene Software-Architekturen für effizientes Stammdatenmanagement
Consolidation Hub: Diese Architektur konsolidiert Stammdaten verschiedener bestehender Datenbank- und Anwendungssysteme in einem einzelnen Hub zur Datenverwaltung. Dabei werden die Daten transformiert, bereinigt, zugeordnet und dann integriert. Das Ziel ist es, Golden Records zu schaffen. Änderungen an den Daten gehen überwiegend von den bestehenden Systemen aus. Es ist ein schreibgeschütztes (read-only) System, wodurch es sich hauptsächlich für analytisches MDM eignet.
Registry: In einer Registry sind anstelle der eigentlichen Datensätze nur eine minimale Anzahl an Attributen zur Identifizierung sowie Referenzen zu der Speicherstelle der verbundenen Datensätze enthalten. Da die Daten in den bestehenden Systemen verbleiben und nur bei Bedarf abgefragt werden, sind die Daten immer aktuell. Somit ist eine operative Umgebung, wo häufige transaktionale Abfragen stattfinden, ein sinnvoller Einsatzort für eine Registry.
Zentrales System: Ein zentrales System, teilweise auch als Transactional Hub bezeichnet, enthält eine komplette Sammlung von Stammdaten. Es ist die maßgebende Datenquelle für einen Stammdatensatz (System of Record) und fungiert als einzige Quelle der Wahrheit für die Stammdaten (Single Source of Truth). Stammdaten werden von diesem System erstellt, gepflegt, aktualisiert und an die angeschlossenen Systeme verteilt. Werden Änderungen an Daten durchgeführt, so werden diese den entsprechenden Systemen oder Nutzern übermittelt. Es eignet sich sowohl für operationale als auch für analytische und kollaborative Einsatzzwecke.
Führendes System: Bei diesem Ansatz ist ein System als führendes System definiert, das die Stammdaten an andere Systeme verteilt. Die Erstellung der Daten geht vom führenden System aus, die empfangenden Systeme haben allerdings eine redundante Datenhaltung und können den Daten zusätzliche lokale Attribute anfügen. Es eignet sich sowohl für operationale als auch für analytische und kollaborative Einsatzzwecke.
Service-orientierte Architektur (SOA): Bei der Service-orientierten Architektur werden Stammdaten über Dienste an die verschiedenen Systeme bereitgestellt. Über einen Enterprise Service Bus (ESB) werden dabei Lese- und Schreibanfragen zwischen den Nutzern von Daten und den Datenquellen vermittelt. Der ESB übernimmt zudem Aufgaben wie Umwandlung von Datenformaten und Protokollen sowie Einhaltung von Sicherheitsmechanismen. Der Vorteil dieser Architektur ist, dass sie die Geschäftsprozesse abbilden kann und ein hohes Maß an Wiederverwendbarkeit erreicht wird.
Zudem sind hybride Software-Architekturen für effizientes Stammdatenmanagement möglich, die mehrere der genannten Architekturen miteinander kombinieren. Wenn Sie Beratung zu Ihrer Software-Architektur benötigen, stehen wir Ihnen gern zur Verfügung. Insbesondere unser Strategieworkshop DataCanvas kann Sie dabei unterstützen, eine Visualisierung Ihrer Datenlandschaft sowie passgenaue Handlungsempfehlungen zu erhalten.
Quellen:
Scheuch, R., Gansor, T. und Ziller, C. 2012. Master Data Management: Strategie, Organisation, Architektur, dpunkt.verlag.
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.
Loshin, D. 2009. Master Data Management, Morgan Kaufmann.
Baghi, E., Schlosser, S., Ebner, V., Otto, B. und Oesterle, H. 2014. “Toward a Decision Model for Master Data Application Architecture,” 2014 47th Hawaii International Conference on System Sciences (HICSS), S. 3827–3836.
Smith, H. und McKeen, J. 2008. “Master Data Management: Salvation Or Snake Oil?,” Communications of the Association for Information Systems (23:1).
Cleven, A. und Wortmann, F. 2010. “Uncovering Four Strategies to Approach Master Data Management,” 2010 43rd Hawaii International Conference on System Sciences, S. 1–10.
