Stammdaten managen und optimieren
Problem Einheitlichkeit
von Gastautor - 19.04.2018
Wichtigstes Qualitätsmerkmal von Daten ist Einheitlichkeit. Doch nur wenige Unternehmen sammeln Daten nach eigenen Regeln oder nach Kriterien des GS1-Standards, der für Prozesse entlang der Wertschöpfungskette entwickelt wurde und die Identifizierung von Waren, ihre Erfassung sowie die Kommunikation der Systeme und Abteilungen vereinfacht. Im Alltag erhebt jede Abteilung, häufig genug auch noch mit favorisierten Tools, die Zahlen und Fakten, die sie zur Bewältigung ihrer Aufgaben benötigt.
Einheitlichkeit setzt sich oft nur dort durch, wo Querschnittabteilungen wie Controlling, Finanzen oder IT Regeln oder Formulare vorlegen. Silodenken erschwert die Harmonisierung. Bestes Beispiel ist die Konkurrenz zwischen Einkauf und Vertrieb. Ist das Unternehmen auch noch international aktiv, potenziert sich das Datenchaos allein durch Rechnungswesen oder Adressen, die von Land zu Land unterschiedlich gehandhabt werden. Generell gilt: Wenn Produkte im Unternehmen lange Wege nehmen und bis zur Auslieferung von vielen Stellen bearbeitet werden, mindert das die Qualität der erfassten Daten. Im Modehandel zum Beispiel entsteht so eine Fehlerquote von bis zu 20 Prozent.
Regeln für bessere Daten
Doch die Digitalisierung, die Verzahnung von Geschäften sowie die Reorganisation technischer Systeme zwingen jetzt zur Pflege und fordern Regeln für eine effiziente Erfassung. Diese sollten abteilungsübergreifend und nicht nur von der IT entwickelt werden, denn jeder Unternehmensbereich wertet spezifische Kombinationen aus und will Eigenständigkeit bewahren. Die IT kann hier die Initiative ergreifen. Um aber das Ressortdenken zu überwinden, muss die Führungsebene mit an Bord sein. Ein professionelles Datenmanagement (Data Governance) fördert nicht nur einen bewussten Umgang mit Daten, sondern sensibilisiert auch für Sicherheit und Datenschutz.
Steht der Anforderungskatalog für die Erfassung der Daten und das unternehmensweite Datenmanagement, können danach die Bestände überarbeitet, vereinheitlicht und von Dubletten befreit werden. Das ist eine Aufgabe, die Geduld und hundertprozentige Sorgfalt erfordert und auf Dauer die ganze Organisation beansprucht. Orientierung gibt hier eine Prioritätenliste, die Datensätze nach ihrer Bedeutung fürs laufende Geschäft rankt und damit Projektarbeit oder das Outsourcing an entsprechende Dienstleister steuert.
Bei der Bereinigung und Pflege von Datenbeständen helfen Automatisierungs-Tools durch ein umfassendes Screening der Daten, Dubletten zu erkennen, unvollständige Datensätze herauszufiltern und mit einer einfachen Bedienoberfläche Fehler zu bereinigen, redundante Daten zusammenzuführen sowie obsolete Datensätze zu löschen.
Noch fehlt in vielen Teilen der Wirtschaft die Einsicht, dass Daten ein strategisches Hilfsmittel und daher sorgfältig zu pflegen sind. Hier müssen die Zusammenhänge zwischen fehlerhaften Stammdaten und sich anschließenden fehlerhaften Analysen, die auf diesen Stammdaten basieren, aufgezeigt und verständlich gemacht werden.
Nach unserer Beobachtung sammeln Händler und Unternehmen gegenwärtig aus allen ihnen zur Verfügung stehenden Systemen Daten. Schlauer werden sie dadurch allerdings nicht, vermutlich eher weniger. Nicht jeder Datensatz erhellt das Geschäft, aber jeder bindet Zeit und Geld für die Analyse und die Bewertung. Wer Daten jedoch gezielt und im erforderlichen Ausmaß erfasst und pflegt, tut viel für den Verbraucher- und Datenschutz und kann daraus Wissen für Prozesse und Geschäfte ziehen.