SAP Stammdatenanalyse

IoT-Szenarien produzieren in großen Mengen Daten, die es bisher nicht gab. Diese Daten müssen übermittelt, analysiert und unternehmensübergreifend mit Stammdaten verlinkt und ausgewertet werden, damit IoT-Szenarien funktionieren können. Dadurch haben die Themen Stammdatenanalyse und -bereinigung sowie Datenqualität überhaupt, einen noch höheren Stellenwert in Unternehmen bekommen als bislang. Nur durch unterschiedlichste und flexible Analysen weiß man, in welchem Zustand sich Stammdaten befinden und wie diese aussehen sollten, damit alle Daten miteinander harmonieren.

Die digitale Transformation führt zu einer massiven Veränderung von Prozessen in der Geschäftswelt: Die Standardisierung beim Austausch von Daten aus unterschiedlichen Quellen und Systemen erhöht sich. Fast alle Prozesse laufen automatisch ab. Und es entstehen neue Produkte und Dienstleistungen sowie  Kombinationen daraus. Doch die intelligenteste CRM-Software, das beste eProcurement und die smarteste BI-Anwendung entfalten ihr Potenzial erst bei hoher Datenqualität.

Ebenen der Datenanalyse

Für eine umfassende Datenanalyse sind sieben Bereiche relevant. Die Stammdatenanalyse kontrolliert die Felder einzelner Datensätze: Welche Datenfelder sind vorhanden und sind sie korrekt gepflegt? Unternehmen verfügen über verschiedene Systeme, die miteinander kommunizieren müssen, wie z. B. Backend und CRM-System. Um die Kommunikation zu verbessern und Daten anzureichern lassen sich mit der Stammdatenpotenzialanalyse Dubletten herausfiltern und entfernen. Bei der Datenmanagementanalyse geht es um die Stammdatenorganisation und -verantwortlichkeiten. Hier wird festgelegt, wie das Datenmanagement im Unternehmen strukturiert wird: Wer übernimmt welche Aufgaben und wer hat die Verantwortung für die Stammdaten? 

Im Bereich der Prozessdaten werden die Anforderungen aus den operativen Prozessen analysiert. Hier wird geprüft, welche Daten benötigt werden, damit ein Prozess durchlaufen kann, in welchem Zustand die Daten sein müssen und zu welchem Zeitpunkt sie gebraucht werden. Ein weiterer Bereich ist die Analyse der Compliance-Daten. Dazu zählen alle Stammdaten, die rechtlichen Anforderungen entsprechen müssen – von der Revision über die DSGVO bis hin zu weiteren speziellen gesetzlichen Vorgaben. Bei der Analyse der IoT-Daten (Maschinen- oder Sensorikdaten) müssen über ein Netzwerk große Datenmengen aufgenommen, umformatiert, analysiert und bewertet werden, um automatisch Aktionen im ERP-System auszulösen. Bei Big Data können auch Daten unterschiedlicher Struktur aus verschiedenen Quellen analysiert und für die weitere Verarbeitung in Datenhäppchen verpackt werden.

Drei Schritte zum goldenen Datenbestand

Zunächst geht es um die toolgestützte Analyse des Datenbestandes. Wenn die Handlungsfelder ermittelt sind, ist klar, wo das Unternehmen korrigierend eingreifen muss. Der nächste Schritt heißt Bereinigung. Dafür muss geplant werden, welche Fehlerarten wie, wann und von wem behoben werden. Die Korrektur läuft dabei sowohl toolgestützt als auch manuell. Der letzte Schritt ist die Validierung der Daten. Sind diese für die Prozesse optimiert, müssen sie regelmäßig gepflegt werden. Viele Tools für die Datenanalyse und -bereinigung sowie Validierungs- und Anreicherungsprodukte finden Sie im NTT DATA Business Solutions AddStore.

Zahlreiche Vorteile

Studien belegen: Eine schlechte Datenqualität erzeugt Verluste. Daher ist es Unternehmen nach einer erfolgreichen Stammdatenanalyse und -bereinigung möglich, bis zu 25 Prozent mehr operativen Gewinn zu erwirtschaften. Außerdem können die Datenanalyse und die verbesserte Datenqualität die Basis für ein neues Portfolio oder neue Geschäftsmodelle bilden. Sie schafften Kollaborationsmöglichkeiten und höhere Compliance-Sicherheit sowie effektivere Prozessabläufe. Letztendlich ergeben sich mehr Transparenz, Effizienz, Mitarbeiterzufriedenheit und Sicherheit.

– von Heidi Neumes, Head of Center of Excellence Data Management, NTT DATA Business Solutions AG –
E-Mail: [email protected]