Stammdaten bilden die Basis für nahezu alle Geschäftsprozesse, eine mangelnde Qualität kann daher gravierenden Folgen für die wertschöpfenden Prozesse und das Reporting haben. Mit einer fundierten Stammdatenstrategie und dem gezielten Einsatz von Tools lässt sich eine verbesserte Ausgangssituation herbeiführen. Doch um langfristig von einer hohen Datenqualität zu profitieren, ist mehr nötig.
Durch unvollständige oder inkorrekte Stammdaten werden nachgelagerte Prozesse verzögert und laufen ineffizient ab. Bestes Beispiel hierfür ist die Anlage des Materialstamms: Der Materialstamm ist ein höchst komplexes wie integratives Stammdatenobjekt, das von vielen Fachbereichen genutzt wird. Wird bei der initialen Anlage von bestimmten Materialien der Werkstoff beispielsweise nicht korrekt gepflegt, führt das in der Zolltarifierung zu Problemen. Im Versand wird der Prozess dadurch unnötig dringend und aufwändig, da die korrekten Informationen unter Zeitdruck beschafft werden müssen.
Dabei ist der Materialstamm nur exemplarisch, für die kritischen Objekte wirkt sich eine schlechte Stammdatenqualität auf nahezu alle Bereiche eines Unternehmens aus, von der Finanzabteilung bis hin zum Marketing. Im Gegensatz dazu eröffnet eine hohe Qualität der Stammdaten Vorteile, wie eine gesteigerte Effizienz in Geschäftsprozessen und eine gesteigerte Zuverlässigkeit bei Prognosen und ein verbessertes Reporting. Hochwertige Stammdaten helfen zudem, Potentiale der Digitalisierung auszuschöpfen und neue Technologien effektiver zu nutzen. In der heutigen datengetriebenen Geschäftswelt ist die Qualität der Stammdaten ein strategischer Faktor für den langfristigen Erfolg eines Unternehmens.
Stammdaten in der SAP S/4HANA Transition
Der richtige Zeitpunkt, um die Stammdatenqualität anzugehen, ist immer gegeben. Doch in manchen Situationen führt kein Weg mehr daran vorbei – etwa, wenn Integrationen im Zuge von Merger & Acquisition-Aktivitäten anstehen. Häufig gehen Unternehmen das Thema Stammdatenqualität auch erst im Rahmen der SAP S/4HANA-Transformation systematisch an. In den Vorstudien zur Transformation werden dann die Stammdatenprobleme in ihrer ganzen Tragweite erkannt, wir sprechen hier von einem „Uncovering-Effekt“.
Dies wird beispielsweise hinsichtlich der Kunden- und Lieferantenstammdaten offensichtlich, sobald der SAP Business Partner eingeführt wird. Dieser avanciert unter S/4HANA zu einem zentralen Stammdatenobjekt und vereint unterschiedliche betriebswirtschaftliche Funktionen. Allerdings müssen bestimmte Qualitätsanforderungen erfüllt sein, um den Business Partner einführen zu können. cbs verwendet das eigene Analysetool cbs MDV, um die aktuellen Stammdaten auf Business Partner Tauglichkeit überprüfen. Wir haben mit unserem Tool außerdem die Möglichkeit, den Fortschritt der Bereinigung anschließend zu tracken.
Die S/4HANA-Transformation bietet eine wertvolle Gelegenheit zur Harmonisierung und Standardisierung, gerade wenn selektive Transformationsansätze gewählt werden. Die Empfehlung ist, diesen Zeitpunkt zu nutzen, aber auch das Thema Stammdatenqualität als kontinuierliches Bestreben im Unternehmen zu verankern.
Get Data Clean: Wie wird die Datenqualität verbessert?
Einzelinitiativen reichen meist nicht aus, um Prozesse und Datenqualität grundlegend zu verbessern. Daher empfiehlt sich eine Stammdatenstrategie als wichtige Grundlage für die Ausrichtung eines jeden Stammdatenprojektes. Am Anfang dieses Vorhabens steht eine intensive Analyse der Ist-Situation, bei welcher das cbs MDV-Tool eingesetzt werden kann, um beispielsweise systemübergreifend Nutzung und Ausprägung von Stammdaten zu ermitteln und um Harmonisierungspotentiale aufzudecken. Neben der quantitativen Analyse sind auch qualitative Methoden wichtig, um beispielsweise aktuelle Pain Points zu erheben und verschiedene Perspektiven zu dem Thema zu konsolidieren.
Darauf aufbauend wird anhand einer Fit-Gap Analyse eine Stammdatenstrategie entwickelt, welche einen definierten Plan vorgibt, wie das Unternehmen in Zukunft idealerweise bestimmte Stammdaten erhebt, verwaltet, nutzt und in der Systemlandschaft verteilt. cbs hat eigens ein Vorgehensmodell anhand sogenannter „Building-Blocks“ entwickelt, aus welchen eine umfassende Stammdatenstrategie bestehen kann. Neben technischen Aspekten wird auch das Thema Governance und Organisation berücksichtig. Diese Bausteine werden je nach Kundenanforderungen und projektabhängigen Gegebenheiten ausgewählt. Um das Projektvorhaben effizient zu gestalten, ist zudem eine Prioritätsmatrix wichtig, die bestimmte Stammdatenobjekte fokussiert angeht.
Keep Data Clean: Stammdatenqualität auf hohem Niveau halten
Bei jeder Initiative zur Stammdatenbereinigung sollte auch die Zukunftsperspektive berücksichtigt werden, um zu gewährleisten, dass auch weiterhin qualitativ hochwertige Stammdaten gemäß den definierten Kriterien gepflegt werden. Das Zielbild ist ein „Data-Driven-Mindset“ in der gesamten Organisation, das heißt ein gemeinsames Bewusstsein dafür, was Datenqualität für einen Mehrwert bietet und dass Data Governance kein Hemmschuh ist, sondern gesicherte und reibungslose Abläufe überhaupt erst ermöglicht.
Dies kann idealerweise toolgestützt stattfinden, denn durch Funktionalitäten wie dem integrierten Dublettencheck, eine automatische Ableitung von Feldwerten oder eine Validierungsprüfung werden Benutzer entlastet. Die Philosophie der Master Data Governance wird dabei durch den regelbasierten Workflow umgesetzt, in dem Daten nur nach entsprechender Prüfung aktiviert werden. Der Datenpflegeprozess verläuft dabei nach dem Prinzip „first time right“: Mithilfe der Regelwerke und Prüfungen werden mühsame Nacharbeiten an Stammsätzen obsolet, die Daten sind sofort korrekt verfügbar.
Diese und viele weitere Funktionalitäten bietet das SAP MDG (Master Data Governance) Tool, das wir in unseren Projekten häufig implementieren. Dabei ist das Tool kein Selbstzweck, eine wichtige Voraussetzung ist, dass sowohl ein definiertes Zielbild für eine Aufbau- als auch eine Ablauforganisation gibt. Nur wenn Stammdatenqualität als kontinuierliche Aktivität und als wichtiger Beitrag zur Wertschöpfung aufgefasst wird, sind die Projekte nachhaltig erfolgreich.
Möchten Sie mehr darüber erfahren, wie Sie eine effektives und nachhaltiges Master Data Management in Ihrem Unternehmen etablieren können? Wir freuen uns auf den Austausch mit Ihnen!
Autorin
