Grundlagen des Stammdatenmanagements auf den Punkt gebracht

Master Data Management ist ein komplexes Konzept. Gartner definiert MDM als eine „technologiegestützte Disziplin, in der Business und IT zusammenarbeiten, um die Einheitlichkeit, Genauigkeit, Verwaltung, semantische Konsistenz und Rechenschaftspflicht der offiziell freigegebenen Stammdatenbestände des Unternehmens sicherzustellen. Shashin Shah, der CEO von Pimcore Global Services, beschreibt die Best Practices für die Implementierung von Master Data Management (MDM).

Da globale Unternehmen versuchen, mehr Geschäftswert aus zunehmend vernetzten Lebensstilen zu ziehen, wird es für sie immer schwieriger, den Bedarf an leistungsstarken Datenverwaltungslösungen zu ignorieren.

Ein bekanntes Beispiel hierfür sind Kundenerfahrungen in der Telekommunikationsbranche.

Nehmen wir zum Beispiel einen Verbraucher, der die Dienste eines führenden Telekommunikationsanbieters nutzt. Stellen Sie sich vor, der Dienstleister hat die Daten eines Verbrauchers in verschiedenen Abteilungsdatenbanken (die nicht miteinander interagieren) gespeichert, was zu Inkonsistenzen führt. Natürlich erhält der Konsument für jeden Service separate Rechnungen. Der Effekt dieser Dateninkonsistenz zeigt sich, wenn das Kundenerfolgsteam dem Konsumenten Werbemails für Services schickt, für die er sich bereits angemeldet hat. Das deutet nur auf eines hin – die Datenverwaltung des Betreibers ist ein einziges Durcheinander!

Ähnliche Geschichten finden sich in Unternehmen auf der ganzen Welt – mangelnde Systemintegration führt zu Datenduplizierung, was die Fähigkeit des Unternehmens beeinträchtigt, Kunden effizient zu bedienen.

Hier hilft eine solide Master Data Management (MDM)-Lösung; Es verwaltet die Qualität und Konsistenz von Datenelementen und hilft bei der Umgestaltung der Datenstrategie, die zur Beschleunigung des Geschäftswachstums erforderlich ist. Hier ist ein kurzer Überblick über MDM, der sich für Sie als nützlich erweisen wird.

Also, was ist Master Data Management (MDM)?

Master Data Management ist ein komplexes Konzept. Gartner definiert MDM als eine „technologiegestützte Disziplin, in der Business und IT zusammenarbeiten, um die Einheitlichkeit, Genauigkeit, Verwaltung, semantische Konsistenz und Rechenschaftspflicht der offiziell freigegebenen Stammdatenbestände des Unternehmens sicherzustellen.“

Eines ist daher sonnenklar: MDM betrifft sowohl die IT als auch die Geschäftsfunktionen.

Aus geschäftlicher Sicht bezieht sich MDM auf die Definition und Verwaltung der kritischen Datenbestände eines Unternehmens und die Schaffung einer einzigen Informationsquelle für all diese Bestände. Es umfasst sowohl analytische Daten als auch Referenzdaten, die die Entscheidungsfindung unterstützen.

Aus IT-Sicht bezieht sich MDM auf eine Reihe von Tools, die Daten standardisieren, doppelte Datensätze beseitigen und sie in einer Masterdatei speichern können. Beachten Sie jedoch, dass nicht alle Daten Stammdaten sind.

Also, was sind Stammdaten?

Lassen Sie uns versuchen, das Konzept im Kontext anderer Arten von Daten zu verstehen.

Unstrukturierte Daten: Sie umfassen eine ganze Reihe von Daten in unterschiedlichen Formaten. Dazu gehören Whitepaper, Intranet-Repositories, E-Mails, Videos usw. Auch Daten in Form von PDFs, Produktspezifikationen, Marketingmaterialien usw. können als unstrukturierte Daten kategorisiert werden.

Transaktionsdaten: Sowohl monetäre als auch nicht monetäre Daten aus Geschäftstätigkeiten werden als Transaktionsdaten kategorisiert. Lieferungen, Verkaufsberichte, Rechnungen, Reklamationen, Ausstellungstickets sind einige Beispiele für Transaktionsdaten. Im Gegensatz zu Stammdaten sind Bewegungsdaten zeitbasiert und werden häufig von anderen Systemen zur Analyse benötigt.

Metadaten: Daten über die Daten werden als Metadaten bezeichnet – sie umfassen Dateispezifikationen, Tags, Bildnamen usw. Metadaten können sich entweder in einem Repository befinden oder in XML-Dokumenten, Protokolldateien, Berichten usw. unkategorisiert bleiben.

Hierarchische Daten: Sie definieren die Beziehung zwischen Datenpunkten. In der Regel handelt es sich um einen Teil eines separaten Systems oder um Beschreibungen der Organisationsstrukturen oder Produktinformationen des Unternehmens.

Referenzdaten: Eine besondere Art von Stammdaten, die Daten mit Informationen über die Unternehmensgrenzen hinweg in Beziehung setzen. Es hat normalerweise eine Querbeziehung mit Stamm- oder Transaktionsdatensätzen.

Stammdaten: Kerndaten rund um organisatorische Säulen wie Kunden, Produkte, Lieferanten, Standorte und Vermögenswerte fallen unter das Dach der Stammdaten. Diese Art von Informationen ändert sich selten. Ein wichtiger Punkt ist, dass Stammdaten keine Transaktionsdaten enthalten, aber Transaktionen beschreiben.

Nachdem wir nun Stammdaten im Kontext anderer Unternehmensdaten definiert haben, lassen Sie uns in die idealen MDM-Implementierungspraktiken eintauchen.

Best Practices für die Implementierung des Stammdatenmanagements

Sponsoring durch Führungskräfte: Jedes MDM-Projekt scheitert, wenn es sich nur um eine IT-Bemühung handelt. Sicher, es kann technische Vorteile schaffen, aber ohne einen Geschäftswert zu liefern, kann MDM keine taktischen Effizienzen liefern. Wie bei jedem anderen Projekt auf Unternehmensebene ist die Sicherstellung der Förderung durch Führungskräfte der beste Weg, um IT- und Geschäftsprioritäten aufeinander abzustimmen.

Phasenweise Implementierung: Von der Entwicklung von Geschäftsanwendungsfällen bis zum Kauf der richtigen Tools sollte jedes MDM-Implementierungsprojekt schrittweise implementiert werden. Das Festlegen von Zielen für jede Phase und das Priorisieren von Workflows mit hoher Abhängigkeit kann ebenfalls dazu beitragen, das Projekt zu rationalisieren. Beispielsweise könnte die unmittelbare geschäftliche Notwendigkeit darin bestehen, E-Mail-Daten zu bereinigen, um eine E-Mail-Kampagne voranzutreiben, und daher wird dies zu einer Priorität gegenüber der Konsolidierung von Kontaktnummern.

Standardisierte Semantik: Der wachsende Bedarf an optimierten Analysen und Berichten in Unternehmen hat zu einer weit verbreiteten Integration von Daten aus mehreren Quellen in ein zentrales Data Warehouse geführt. Die jahrelange isolierte Arbeitsweise hat jedoch auch zu einem Geschäftsumfeld geführt, in dem die Terminologie in verschiedenen Kontexten oft verwechselt werden kann. Denken Sie zum Beispiel an die verschiedenen Möglichkeiten, wie die Begriffe „Kunde“ und „Produkt“ in verschiedenen Dateien verwendet werden könnten. Diese Inkonsistenz führt zu unzuverlässigen Berichten und organisatorischen Kommunikationslücken. Daher sollte die Standardisierung der Semantik zu Beginn eines jeden Implementierungsprojekts Priorität haben.

Zusammenarbeit mit Stakeholdern: Datenqualitätsmanagement ist eine heikle Kompetenz. Um die besten Ergebnisse zu erzielen, arbeiten diese Spezialisten oft eng mit den wichtigsten Beteiligten aus verschiedenen Teams zusammen – Business, IT, Anbieter und Systemintegratoren.

Quelle: Der Beitrag wurde ursprünglich hier veröffentlicht .