Data Governance

Gerade in Zeiten großer Turbulenz, kurzen Lieferzeiten und hoher Flexibilität ist eine gute Stammdatenbasis ein Muss für Unternehmen. In vielen Betrieben fehlt das Verständnis für diese Grundlage. Viele Firmen sehen ein Missverhältnis zwischen aufwendiger Datenpflege und Nutzung der Informationen. Doch falsche oder fehlerhafte Daten führen zu mehr Aufwand in den Analysen und erhöhen das Risiko bei Entscheidungen. Ein richtiges Stammdatenmanagement trägt zur Erhöhung der Datenqualität und somit zum nachhaltigen Unternehmenserfolg bei.

Stammdaten entstehen überwiegend in den konstruktiven, planerischen und vertriebsbezogenen Unternehmensbereichen, da in diesen Bereichen überwiegend neue Daten erzeugt werden. Beispiele aus der Praxis sind beispielsweise:

• Materialstammdaten,
• Artikelstammdaten
• und Betriebsmittelstammdaten.

Es gibt diverse Eigenschaften, die den Begriff der Stammdaten zugehörig sind. Zu diesen Eigenschaften zählen, dass die Stammdaten eine zeitliche Statik vorweisen bzw. über einen längeren Zeitraum unverändert bleiben, eindeutig identifizierbar sind, von verschiedenen Anwendungssystemen verwendet werden und als Grundbausteine für Management-Reports und Planungen dienen.

Die Eigenschaft der zeitlichen Statik trifft nicht auf die sogenannten Bewegungsdaten zu, die durch betriebliche Leistungsprozesse entstehen Die Bewegungsdaten fallen unter den Begriff der ereignisbezogenen Daten, welche einer ständigen Veränderung und Dynamik unterliegen, sowie einen kurzfristigen Zeitbezug vorweisen. Beispiele hierfür sind Buchungen, Materialbewegungen und Aufträge.

Viele Unternehmen stehen vor der Herausforderung einen umfassenden Überblick über sämtliche Stammdaten zu erhalten. Dies liegt der Tatsache zugrunde, dass Stammdaten in fast sämtlichen Unternehmensbereichen vorzufinden sind und verschiedene Anwendungssysteme im Einsatz sind (Bild 1). So existieren beispielsweise im Logistikbereich eines Unternehmens Stammdaten, die von den folgenden Anwendungssystemen genutzt werden:

• PPS-, ERP- und SCM-Systeme,
• Systeme zur elektronischen Beschaffung,
• Lager- und Logistiksoftware,
• Software zur Tourenplanung.

Es ist für sämtliche Geschäftsprozesse eines Unternehmens essenziell, dass Daten aus verschiedenen Anwendungssystemen zentralisiert, standardisiert und in gleicher Qualität vorhanden sind. In den Stammdaten stecken die Kerninformationen über Artikel, Produkte, Partner, Kunden und Personal-Informationen, auf die zurückgegriffen werden, wenn ein Geschäftsprozess eines Unternehmens durchgeführt wird.

Die mangelnde Datenqualität ist eines der größten Probleme, die zu falschen Auswertungen und somit auch zu Fehlentscheidungen führen kann. Insbesondere in Zeiten des schnellen Wandels sind aber gerade Entscheidungen auf soliden Daten ein klarer Wettbewerbsvorteil. Die ökonomischen Folgen für Unternehmen sollten nicht unterschätzt werden. Beispiele hierfür sind erhöhte Bearbeitungs- und Durchlaufzeiten, Einschränkungen in den Planungsfähigkeiten, fehlerhafte und unvollständige Management Reports, vorhandene Duplikate an Datensätzen, Einschränkungen der Analysewerkzeuge und ein erhöhter Pflegeaufwand.

Die Datenanalyse als Grundlage fundierter Planungs- und Änderungsprojekte baut u. a. auf den Stammdaten auf. Die Qualität der Analyse steht daher in Relation zu der Qualität der Daten: fehlerhafte, inkonsistente oder redundante Daten haben zur Folge, dass an vielen Stellen geschätzt werden muss.

Datenqualität systematisch erhöhen

Um die Datenqualität innerhalb eines Unternehmens langfristig aufrechtzuerhalten oder grundlegend zu verbessern, müssen Kriterien wie etwa Richtigkeit, Vollständigkeit und Redundanzfreiheit berücksichtigt werden. In diesem Kontext ist ein strategisches Informations- und Datenmanagement notwendig, damit die Anforderungen und Inhalte von den Kernbereichen Datenqualitätssicherung und Stammdatenmanagement integriert werden. Es empfiehlt sich daher die Einführung eines Data Governance, das in der Fachsprache als ein Werkzeug des strategischen Informationsmanagements bezeichnet wird und daraus ausgelegt ist, die Stammdaten eines Unternehmens effizient und zuverlässig zu verwalten.

Durch den Einsatz von Data Governance wird es Unternehmen ermöglicht, Anwendungsrichtlinien mit dem Umgang von Stammdaten festzulegen, die abteilungsübergreifend bzw. fachbereichsübergreifend wirksam sind. Data Governance definiert demnach die Prozessvorgaben, die Richtlinien für Datensicherheits- und Erfassungsregeln sowie die Verantwortlichkeitsbereiche. Die Integration der Mitarbeiter in das Data Governance ist ein essenzieller Ansatzpunkt, denn schließlich sind diese für die Integrität und Datenqualität eines Unternehmens wesentlich verantwortlich.

Die 4 Säulen von Data Governance (Bild 2), welche die Inhalte strukturieren und näher beschreiben, umfassen:

• Data Quality: Festlegung von Standards und Richtlinien für Stammdaten,
• Data Privacy: Vorgaben zur Speicherung und für Umgang mit Stammdaten,
• Data Maintenance: Vorgaben für die Datenpflege für den gesamten Daten-Lebenszyklus,
• Master Data Management: Harmonisierung, Konsolidierung und Transfer der Stammdaten.

Ein möglicher Ansatz für eine Verbesserung der Stammdatenqualität wäre, dass die Einstellung und Disziplin der Mitarbeiter im Zusammenhang mit der Datenqualität positiv beeinflusst werden. Dies könnte mittels Durchführungen von Workshops oder Seminaren bewirkt werden, die auf einen optimalen Umgang mit Stammdaten in den Systemen abzielt. Aber auch eine Erstellung eines Leitfadens bzw. einer Arbeitsanweisung für das Stammdatenmanagement mit festen Verantwortungsfeldern der Mitarbeiter ist notwendig. Grundsätzlich muss geregelt werden, welche Daten, zu welcher Zeit, in welcher Güte und in welcher Art und Weise erfasst oder verändert werden.

Data Governance ist nicht als kurzfristiges Projekt anzusehen, sondern vielmehr als eine strategische Ausrichtung, die sich in sämtlichen Aktivitäten eines Unternehmens widerspiegeln soll. Es benötigt eine langfristige Ausrichtung und Integration damit alte Anwendungsmuster aufgebrochen und Potentiale oder Konflikte aufgezeigt werden können. Erst dann können ökonomische Potentiale realisiert werden. Diese beruhen auf messbaren Erfolgskriterien, die im Bezug zu den Stammdaten stehen. Messbare Potentiale sind in diesem Kontext eine generell höhere Datenqualität und Redundanzfreiheit, aber auch Prozesse können transparenter gestaltet werden und eine fehlerfreie Datenkonsolidierung von Stammdaten ist gewährleistet. Selbst bei steigenden Pflegekosten steigen die ökonomischen Gewinne eines Unternehmens, welche in eine höhere Wettbewerbsfähigkeit resultieren. Beispielsweise sinken die Kosten im Unternehmen durch reibungslose und schnelle Prozesse und wesentliche Kennzahlen (z. B. Liefertermintreue) verbessern sich aufgrund von zutreffenden Planungen.

Initiierung und Pflege von Stammdaten

Data Governance bedarf einen kontinuierlichen Verbesserungs- und Kontrollprozess, ansonsten besteht das Risiko, dass Regeln, Vorschriften und Prozesse nicht eingehalten oder umgesetzt werden.

Ebenso wichtig wie das Management ist die Zentralisierung des Data Governance, beispielsweise umgesetzt durch eine unternehmensweite Organisationseinheit zur Steuerung der Prozesse im Stammdatenmanagement.

Das könnte Sie auch interessieren

Zehn ERP-Praktiker über Projekterfolg Was in Auswahl, Implementierung und Betrieb wirklich zählt

ERP-Projekte scheitern selten an der Software selbst, sondern an unklaren Prozessen, fehlender Vorbereitung und mangelnder organisatorischer Einbindung. Zehn erfahrene ERP-Praktiker aus Deutschland und der Schweiz berichten aus ihrer Projektpraxis und zeigen, welche Faktoren bei Auswahl, Einführung und Betrieb von ERP-Systemen wirklich entscheidend sind – von der oft unterschätzten Phase Null bis zur realistischen Einordnung von KI.

Ohne ERP-System keine KI-Transformation im Mittelstand Im Mittelstand entscheidet das ERP über Tempo und Wirkung von KI

Künstliche Intelligenz gilt als Treiber der digitalen Transformation –doch im Mittelstand entscheidet nicht der Algorithmus, sondern das ERP über Tempo und Wirkung. Gut gepflegte ERP-Systeme liefern die verknüpften, kontextualisierten Daten, die KI erst produktiv machen. Sie bilden die Basis für Prozessoptimierung, Automatisierung und neue Geschäftsmodelle. Wer nachhaltige Innovation realisieren will, muss beim ERP ansetzen.

„Der Fokus muss auf Individualisierungen liegen, die ein Unternehmen einzigartig machen“ Im Management-Talk mit enventa CEO Daniel Plohnke

Was bedeutet die Auszeichnung „ERP-System des Jahres“ für Sie? Es ist toll, dass die Energie und die Leidenschaft, die unser Team in das Produkt steckt, ausgezeichnet werden. Das zeigt uns, dass wir auf dem richtigen Weg sind, und es ist eine Anerkennung für alle, die über die Jahre daran mitgewirkt haben. Was unterschied Ihre Lösung von den anderen Finalisten? Unser Produkt hat einen klaren Branchen-Fokus auf die Bekleidungs- und Lifestyle-Branche – und ist dazu eine echte Standard-Lösung. Welchen Kundenmehrwert konnten Sie im Wettbewerb am besten zeigen? Die Durchgängigkeit und Transparenz über das gesamte Unternehmen hinweg. Die verschiedenen Geschäftsmodelle, die ein Modeunternehmen heutzutage beherrschen muss, sind eine Herausforderung. Ihre Orchestrierung in einer Lösung erlaubt unseren Kunden, diese mit maximaler Effizienz zu bewältigen. Wie tragen Cloud-Technologien zur Lösungs strategie bei? Speziell in unserem Zielmarkt gibt es häufiger ...

Fünf teure Stolpersteine bei der ERP-Einführung Mit diesen Empfehlungen bewältigen Unternehmen solche Hürden

Den meisten Mittelständlern ist längst klar, dass sie im Zuge des digitalen Wandels ihre Prozesse vernetzen müssen. Kaum ein Weg führt dabei an ERP-Systemen vorbei – sie sorgen für Geschwindigkeit und vor allem Transparenz. Doch die Angst vor hohen Kosten, komplexen Projekten und Unruhe in der Belegschaft bremst viele Unternehmen aus. Fünf Hürden gilt es zu umgehen, um das Potenzial voll auszuschöpfen.

RICE-Scoring bringt Struktur in ERP-Entscheidungen Mit einer simplen Formel treffen KMU klare Projektentscheidungen

KMU stehen oft vor der Herausforderung, zu viele Digitalisierungswünsche mit zu wenig Ressourcen unter einen Hut zu bringen. Häufig entscheiden Bauchgefühl oder Abteilungsdruck, was umgesetzt wird – mit teuren Fehlstarts als Folge. Das RICE-Scoring bietet eine einfache Formel zur objektiven Priorisierung: Anhand von Reichweite, Wirkung, Zuversicht und Aufwand erkennen Unternehmen, welche ERP-Projekte den größten Nutzen bringen.

Methoden-Toolkit für bessere Entscheidungen Mit Argumentenbilanz, Nutzwertanalyse und Co. Alternativen bewerten und Risiken erkennen

Entscheidungstechniken machen den Unterschied zwischen Bauchgefühl und fundiertem Urteil. Sie strukturieren Informationen, zeigen Alternativen auf, gewichten Argumente und machen Folgen transparent. Ob Argumentenbilanz, Nutzwertanalyse, Entscheidungsbaum oder Business Case – die Methoden liefern Entscheidern nachvollziehbare Grundlagen. Am Ende gilt: Gut vorbereitete Entscheidungen zahlen direkt auf den Unternehmenserfolg ein.