Stammdaten als Erfolgsfaktor moderner Unternehmen

Audi-Stiftungslehrstuhl

Supply Net Order Management

Stammdaten als Erfolgsfaktor moderner Unternehmen

Prof. Dr. Boris Otto | Köln, 11.9.2013



2 Prof. Dr. Boris Otto | Köln, 11.9.2013

131 183 61

128 128 128

204 207 206

Stammdaten als betrieblicher Erfolgsfaktor

Wirtschaftlichkeit sauberer Stammdaten

Ausblick

Agenda




131 183 61

128 128 128

204 207 206

Bayer CropScience produziert Pflanzenschutzmittel




131 183 61

128 128 128

204 207 206

Datenqualität ist dabei eine Voraussetzung für

Geschäftsprozesse1

Datenobjekt

«Produkthierarchie» Teilkonzern Geschäfts-

feld

Geschäfts-

gebiet

Aktiver

Wirkstoff

Produkt-

gruppe

Datenqualitäts-

probleme

Nicht verfügbare Daten

Unvollständige Daten

Inkonsistente Daten

Auswirkung auf

Geschäftsprozesse

1) [Ebner/Brauer 2011].

09 11 012 242 3938

Planung: Wirkstoffbedarfe werden nicht konsolidiert

Berichtswesen: Umsätze sind nicht ausweisbar

Segmentierung: Risiko fehlerhafter Portfolioplanung




131 183 61

128 128 128

204 207 206

ZF entwickelt und produziert Getriebe-, Lenk- und

Achssysteme




131 183 61

128 128 128

204 207 206

Das weltweite Umsatz-Reporting basiert auf Kundendaten

hoher Qualität1

Duplikate?

Korrekte Anschrift?

Hauptanschrift des Kunden?

Zuordnung von ZF-

Geschäftsbereichen?

Vorgänger- und

Nachfolgerbeziehungen?

Änderung der Rechtsform?

Teil des gleichen

Konzernunternehmens?

Auszug aus der Kundendatenbank Probleme beim Umsatz-Reporting

Афин България ЕАД

Централен офис

София 1113

Ул. „Райко Алексиев” 26

海纽荷兰农业机械有限公司

公司地址：上海市国定东路303号

邮编：200433

CNH Global N.V.

Schiphol Boulevard 217

1118 BH

Luchthaven Shiphol

NL | Netherlands

Iveco S.p.A.

Via Puglia 35

10156 Torino

1) [Möller 2012].




131 183 61

128 128 128

204 207 206

Treiber für Stammdatenqualität wirken unternehmensweit

Konzern

Division 2 Division 1 Division 3

Geschäftsbereiche

Geschäftsprozesse

Standorte

Fachabteilungen

Geschäftsbereiche

Geschäftsprozesse

Standorte

Fachabteilungen

Geschäftsbereiche

Geschäftsprozesse

Standorte

Fachabteilungen

«Compliance»

360°-Blick auf den Kunden

Intern und extern integrierte Geschäftsprozesse

«Single Source of the Truth»




131 183 61

128 128 128

204 207 206

Stammdatenqualität folgt über die Zeit typischerweise einer

«Sägezahnkurve»

Legende: Stammdatenqualitätsprobleme

Stammdatenqualität

Zeit Projekt 1 Projekt 2 Projekt 3




131 183 61

128 128 128

204 207 206

Die Verbesserung und Sicherung der Stammdatenqualität ist

eine Management-Aufgabe

1) [Otto et al. 2011].




131 183 61

128 128 128

204 207 206



Ausblick

Agenda




131 183 61

128 128 128

204 207 206

Die Wirtschaftlichkeit des Stammdatenqualitätsmanagements

richtet sich nach seiner Natur als Infastruktur

Energienetze Straßen Stammdatenqualität




131 183 61

128 128 128

204 207 206

Die Wirtschaftlichkeit sauberer Stammdaten ist schwierig zu

ermitteln

Komplexe Kausalzusammenhänge:

Stammdatenqualität hat keinen unmittelbaren Wert – sondern nur mittelbar in

Geschäftsprozessen

Nutzen ist oftmals kaum zu quantifizieren bzw. in Geldeinheiten zu bewerten

Organisatorische Zurechnung:

Kosten und – vor allem – Nutzen fallen in verschiedenen lokalen und zentralen

Organisationseinheiten an

Zeit:

Etablierung des Stammdatenqualitätswesens – und damit auch die «Nutzenwirkung» –

brauchen Jahre

Erfolg zukünftiger Stammdatenqualitätsinitiativen ist mit Unsicherheit behaftet




131 183 61

128 128 128

204 207 206

Datenqualitätsmanagement ist ein Optimierungsproblem1

Datenqualität, DQ

Kosten, C

Kosten des

Datenqualitätsmanagement

Folgekosten schlechter

Datenqualität in

Geschäftsprozessen

Gesamtkosten

DQopt

Cges

DQ

CDQM

Cges, opt

CDQM, 1

DQ1

CDQM, opt

Cges, 1

1) [Eppler/Helfert 2004].




131 183 61

128 128 128

204 207 206

Kausalanalysen machen den Nutzen sauberer

Stammdaten transparent1

1) [Otto 2012].




131 183 61

128 128 128

204 207 206

Der Nutzen für das Unternehmen ist die Summe der Teilnutzen

in den verschiedenen «lokalen» Unternehmensbereichen

Konzeption

Zentral-

bereich

Lokale

Einheit

Initialisierung &

Umsetzung Regelbetrieb

Konzeption Initialisierung &

Umsetzung Regelbetrieb

n-mal (Anzahl GF)

n-mal (Anzahl Jahre)

Fachlicher Nutzen

Projekt-

kosten

Betriebs-

kosten




131 183 61

128 128 128

204 207 206

Kosten fallen für Stammdaten über den gesamten

Datenlebenszyklus an

Vor Nutzung

(Datenerfassung, -beschaffung,

-integration)

Während Nutzung

(Datenpflege, -nutzung) Nach Nutzung

(Daten-

deaktivierung)

Lebens-

zyklus-

kosten

Beschaffungs-

kosten

Entsorgungs-

kosten

Pflegekosten




131 183 61

128 128 128

204 207 206

Viele Unternehmen bestimmen die Lebenszykluskosten ihrer

Stammdaten

Vor der Nutzung 200 EUR (Artikelneuanlage)

2.500 EUR - -

Während der

Nutzung

175 EUR (Änderung)

1.500 EUR 2.400 EUR (3.000 CHF)

2.861 EUR

Nach der Nutzung 133 EUR - - -




131 183 61

128 128 128

204 207 206

Die Anlage und Pflege von Materialstammdatensätzen in SAP

erstreckt sich über zahllose Sichten …

34+




131 183 61

128 128 128

204 207 206

… in die unterschiedliche Rollen involviert sind.

Entwicklung Marketing Vertrieb Produktion Einkauf

Qualitäts-

management

Planung Finanzen Controlling Inbound-

Logistik

Lager-

wirtschaft

11+




131 183 61

128 128 128

204 207 206

Ein Hersteller von Telekommunikationsinfrastruktur spart Geld

und erhöht die Datenqualität mit «Data Governance Workflows»

Prozessautomatisierung

«Reengineering» des Anlageprozesses und Vermeidung von «Rollenwechseln»

Parallelisierung von Aktivitäten

Automatische Anlage buchungskreisübergreifender Daten (z. B. Einkaufsinfosätze)

Maßnahmen

Datenqualität von 62 % auf 91 % erhöht

Manuelle Aktivitäten von 22 auf 17 reduziert

Prozessdurchlaufzeit von 12 Tagen auf 1 bis 2 Tage reduziert




131 183 61

128 128 128

204 207 206

Jährliche Einsparungen in Höhe von 2 Prozent des Lagerbestandswerts1

Einsparungen in Höhe von mehr als 500 GBP durch Vermeidung von «Lost Assets»2

Jährliche Einsparung in Höhe von 3’000 CHF für jeden deaktivierten

Materialstammdatensatz3

1) Ergebnis einer Nutzenanalyse bei einem Partnerunternehmen des Kompetenzzentrums Corporate Data Quality.

2) [Otto/Weber 2009].

3) [Lay 2009].

Stammdatenqualität stiftet wirtschaftlichen Nutzen




131 183 61

128 128 128

204 207 206



Ausblick

Agenda




131 183 61

128 128 128

204 207 206

Unternehmen benötigen eine neue Datenarchitektur

Nach aussen steigend: Unschärfe,

Datenvolumina, Änderungsfrequenz

Nach aussen fallend: Kontrolle,

Geschäftskritikalität, Eindeutigkeit

«Nukleus Data»

(Kundendaten,

Produktdaten usw.)

«Community Data»

(Adressen, GTINs,

Geodaten usw.) «Open Big Data»

(Tweets, Social Media

Streams usw.)




131 183 61

128 128 128

204 207 206

Die «Corporate Data League» bietet Geschäftspartnerdaten

schneller, billiger und in besserer Qualität an

Viele Vorteile für

«First Mover»

Verbesserung der Pflegeprozesse durch Netzwerkkooperation

Start mit 6 bis 8 vertrauenswürdigen, starken Partnern

Ziele

30 % weniger Pflegeaufwand durch die Nutzung geprüfter Daten im Netzwerk

«First movers» bestimmen die Spielregeln

Nutzen

Kick-Off: December 10, 2013, St. Gallen

Kollektiv an

Geschäfts-

partnerdaten

lesen

schreiben




131 183 61

128 128 128

204 207 206

Das Kompetenzzentrum Corporate Data Quality (CC CDQ)

bündelt «Best Practices» marktführender Unternehmen

NB: Aktuelle und frühere Partnerunternehmen.




131 183 61

128 128 128

204 207 206

Ihr Referent

Univ.-Prof. Dr. Ing. Boris Otto

Technische Universität Dortmund

Inhaber des Audi-Stiftungslehrstuhls


LogistikCampus

Joseph-Fraunhofer-Straße 2-4

D-44227 Dortmund

[email protected]




131 183 61

128 128 128

204 207 206

Literaturhinweise

[Ebner/Brauer 2011]

Ebner, V., Brauer, B., Fallstudie zum Führungssystem für Stammdatenqualität bei der Bayer CropScience AG, in: HMD - Praxis der

Wirtschaftsinformatik, 48, 2011, Nr. 279, S. 64-73.

[Eppler/Helfert 2004]

Eppler, M. J., Helfert, M., A Framework for the Classification of Data Quality Costs and an Analysis of Their Progression, in:

Chengalur-Smith, S., Long, J., Raschid, L., Seko, C. (Hrsg.), Proceedings of the 9th International Conference on Information Quality

(ICIQ 2004), MIT, Cambrigde 2004, S. 311-325.

[Lay 2009]

Lay, J., Produktdaten im ERP. 2nd Workshop of the Competence Center Corporate Data Quality 2 (CC CDQ2); February 2009, St.

Gallen: University of St. Gallen, 2009.

[Möller 2012]

Möller H., Global Customer Revenue Reporting at ZF Friedrichshafen AG. 9th Workshop of the Competence Center Corporate Data

Quality 3 (CC CDQ3); June 21-22, 2012, Mainz, Germany: University of St. Gallen; 2012.

[Otto/Weber 2009]

Otto, B., Weber, K., From Health Checks to the Seven Sisters: The Data Quality Journey at BT, BE HSG / CC CDQ / 8, IWI-HSG, St.

Gallen 2009.

[Otto et al. 2011]

Otto, B., Kokemüller, J., Weisbecker, A., Gizanis, D., Stammdatenmanagement: Datenqualität für Geschäftsprozesse, in: HMD -

Praxis der Wirtschaftsinformatik, 48, 2011, Nr. 279, S. 5-16.

[Otto 2012]

Otto, B., Managing the Business Benefits of Product Data Management: The Case of Festo, in: Journal of Enterprise Information

Management, 25, 2012, Nr. 3, S. 272-297.