Master
Data Management

• Kosten senken: MDM unterstützt kurzfristige sowie strategische Maßnahmen, die einem Unternehmen helfen, effizienter zu arbeiten und damit die Betriebskosten zu senken.
• Umsatz steigern: Zentrales Stammdatenmanagement hilft Unternehmen dabei, das Potential für konkurrenzfähige Produkte und Services sowie neuartige Geschäftsmodelle frühzeitig zu erkennen.
• Risiko minimieren: Master Data Management ist die Grundlage für umfangreiche Analysen und wertvolle datengetriebene Entscheidungen, durch eine Harmonisierung der Stammdaten über Länder-, Konzern- und Unternehmensgrenzen hinweg.
• Fehlerquote reduzieren: Rollenbasierte Konzepte bei der Stammdatenpflege im Master Data Management vereinfachen das Datenmanagement und gewährleisten einen verlässlichen Datenbestand. Persönliche Irrtümer und manuelle Eingabefehler werden eingeschränkt.
• Einflussbereich erweitern: Master Data Management bietet z.B. dem Kundensupport die Möglichkeit, Vertriebsaktivitäten durchzuführen, die durch vertrauenswürdige Kunden- und Produktstammdaten ermöglicht werden.
• Kundenzufriedenheit verbessern: Die Befriedigung von Kundenerwartungen wird durch die Verknüpfung von Kunden- und Produktstammdaten im MDM ermöglicht – mit Hilfe eines vollständigen Blicks auf historische, gegenwärtige und prädiktive Datensätze.

• Customer Experience erhöhen: Kundeninteraktionen über verschiedene Touchpoints hinweg mit aktuellen und konsistenten Stammdaten bieten ein vertrauenswürdiges Omnichannel-Erlebnis.
• Effizienz steigern: Eine zentrale Stammdatenverwaltung in einem Master Data Management reduziert Insel- und Silolösungen. Somit verbringen Mitarbeiter weniger Zeit auf der Suche nach relevanten Daten für ihr Tagesgeschäft.
• Automatisierungsgrad maximieren: Master Data Management ermöglicht es, die Datenverarbeitung verlustfrei und leistungsfähig zu gestalten. Smarte Import- und Exportfunktionen, die Anbindung verlässlicher Datenbanken oder das Einbinden einer KI vergrößern den Erkenntnisgewinn aus Unternehmensdaten.
• Rückverfolgbarkeit gewährleisten: Ein funktionierendes System zur Rückverfolgbarkeit von Produkten setzt ein zielgerichtetes Identifizieren voraus. MDM schafft die Grundlagen.
• Gesetzesvorgaben sicherstellen: Über zentral gesteuerte Rollenkonzepte im MDM können Compliance-Vorgaben wie DSGVO, HIPAA, PCI, CIPA und andere gesetzliche Vorschriften umfänglich umgesetzt werden.

Management

Herausforderungen:

• Transparenz über das Unternehmen sowie Zahlen und Prozesse erhalten
• strategische Planung verbessern
• Operative Exzellenz erreichen

Chancen:

• Optimierte Präsentation gegenüber Kapitalgebern und Banken
• Prozessverbesserungen (Kosten senken)
• Verbesserte Steuerung auf Basis von exakteren Kennzahlen

Marketing

Herausforderungen:

• Umfassenden 360°-Blick auf den Kunden erhalten
• Umfangreiche und treffende Produktbeschreibungen erstellen
• Ggf. weitläufig verteilte Media Assets bündeln

Chancen:

• Zielgerichtete Ansprache
• Bessere Quoten (Response, Klickrate, Verweildauer etc.)
• Höhere Qualität bei der Text- und Bilderstellung

Sales

Herausforderungen:

• Umfassender 360°-Blick auf Kunde und Produkt (wer hat was wann gekauft)
• Neue Angebote (Produkte und Bundles) kreieren
• Neukunden gewinnen (Mit Hilfe des Bestandskundenverhaltens)

Chancen:

• Umsatzerhöhung (höhere Preise, neue Kundensegmente, Cross-Selling)
• Vertriebskosten senken (gezieltere Ansprache mit richtigem Produkt und Preis)
• Kundenentwicklung strategisch betreiben

IT

Herausforderungen:

• Zentralisierung der IT-Systeme (Redundanzen beseitigen)
• Data Governance- / Data Quality-Richtlinien einführen
• Konzentration auf neue Projekte

Chancen:

• Kosteneinsparung durch Beseitigung von Redundanzen (Systeme)
• Verbesserte Qualität bedeutet weniger Aufwand zur Korrektur
• Innovation statt nur „am Leben halten“

Finance

Herausforderungen:

• Transparenz über Unternehmen sowie Zahlen und Prozesse schaffen
• Reporting (extern/intern) und regulatorische Anforderungen
• Umsetzung von innovativen Anwendungen und Prozessen

Chancen:

• Unternehmens- und Finanzplanung vereinfacht, schneller, genauer gestalten
• Reporting wird vereinfacht, Position bei Banken verbessert
• Schnellere Integration von Merger & Acquisitions (M&A)

Logistik

Herausforderungen:

• Umfassenden 360°-Blick auf Supply Chain ermöglichen
• Routen- und Tourenplanung kostenoptimiert durchführen
• für Produkt (Spediteur) Transparenz und Optimierung schaffen

Chancen:

• Transparenz über Logistikprozesse
• Kosteneinsparungen durch Routen- und Touren-Optimierung
• Unterstützung für Einkauf und Vertrieb

Einkauf

Herausforderungen:

• Produkt-Supplier-Übersicht erfassen
• Onboarding optimieren
• Marktgerecht bestellen (Kunden, Absatzvolumen, Prognosen)

Chancen:

• Transparenz über Lieferanten-Produkt-Beziehungen
• Schnelleres Onboarding bzw. Time-to-Market durch exakte Vorgaben an Lieferanten
• Verbessertes Reporting = Optimierung von Ordervolumina und Bestellzeitpunkten (Kosteneinsparung, Überhänge vermeiden, Lieferzeitengenauigkeit)

HR

Herausforderungen:

• Umfangreichen 360°-Blick auf Belegschaft erhalten
• Training und Schulungen bedarfsgerecht planen
• Leitlinie für Regularien im Personalwesen (Mitarbeiterneubesetzung, Exit-Management)

Chancen:

• Besseres Verständnis über Mitarbeiterqualifikation (wer kann was – wer braucht was)
• Optimiertes Angebot von Schulungen (passend zu Unternehmensbedürfnissen)
• Transparenz über interne Richtlinien (Stellenbeschreibungen, Prozesse etc.)

Vision

Nur wer sein Ziel kennt, kann es erreichen. Das gilt auch für das Datenmanagement. Weshalb soll Master Data Management im Unternehmen eingeführt werden? Wie gestaltet sich das Stammdatenmanagement im Unternehmen? Welche übergeordneten Ziele sollen mit der Stammdatenharmonisierung erreicht werden? Und vor allem: Welche effektiven Geschäftsvorteile ergeben sich daraus? Die klare Beantwortung dieser Fragen schafft Akzeptanz bei Stakeholdern, fördert die Unterstützung der Führungskräfte und ermöglicht ein zielorientiertes Projektvorgehen.

Strategie

Die MDM-Strategie definiert, wie die übergeordnete Vision zu erreichen ist. Konkrete Ziele, meist in den Bereichen Umsatzwachstum, Kostenoptimierung oder auch Risikominimierung, bilden die Ausgangsbasis. Die Ausarbeitung der Anwendungsbereiche ist grundlegend, inkl. der Anforderungen sowie der Herausforderungen, die sich nicht durch Master Data Management lösen lassen. Zusammen mit der erarbeiteten Roadmap bilden sie den roten Faden des gesamten MDM-Programms. Eine wesentliche Erfolgskomponente ist, dass sich die Datenstrategie in die Unternehmensstrategie eingliedert und zukunftsweisend ist.

Kennzahlen/KPIs

Beim Aufbau eines Master-Data-Management-Programms handelt es sich um ein äußerst umfangreiches Vorhaben mit vielen Beteiligten, das mit signifikanten Investitionen verbunden ist. Umso wichtiger ist es, den Erfolg nachvollziehbar und messbar zu machen. Konkrete Kennzahlen oder KPIs, die die positive Auswirkung auf die Kundenzufriedenheit, den Umsatz und/oder die Kosten belegen, erhöhen die Akzeptanz der MDM-Initiative im Unternehmen.

Governance (Richtlinie)

Ein verlässliches Data-Governance-Framework sowie klar definierte Rollen und Verantwortlichkeiten weisen allen Stakeholdern eindeutige Aufgaben zu. Dabei umfasst die Data-Governance-Richtlinie den gesamten Weg der Stammdaten: von der Entstehung über die Stammdatenpflege und Qualitätssicherung bis hin zur Verwendung und Löschung. Die Data-Governance-Richtlinie wird optimalerweise bereits früh im MDM-Projekt erarbeitet.

Organisation und Rollen

Ein umfassendes Change-Management und bereichsübergreifende Trainingsmaßnahmen gehören zu den wichtigsten Erfolgsfaktoren von Master-Data-Management-Programmen. Denn um die formulierten Ziele der MDM-Initiative zu erreichen, ist es nötig, Geschäftsprozesse und Organisationsstrukturen zu optimieren und anzupassen. Neue Rollen entstehen, Verantwortlichkeiten ändern sich, neue Skills sind gefordert. Das verunsichert viele Mitarbeiter, was häufig zu einer ablehnenden Haltung gegenüber dem gesamten Projekt führt. Dem gilt es vorzubeugen.

Information Life Cycle

Im Master Data Management wird Information als ein Produkt verstanden, das einem Lebenszyklus unterliegt. Vielfältige Daten erfordern unterschiedliche Prozesse für die Erfassung, Validierung, Anreicherung, Veröffentlichung und das Datenqualitätsmanagement. Die genaue Kenntnis dieser Information Life Cycles über die verschiedenen Anwendungen und Plattformen hinweg bildet die Basis für die Gestaltung der künftigen Stammdatenmanagement-Prozesse.

Wissen Sie, welche Prozesse ablaufen, welche Schritte „Nice to have“ und welche „Must have“ sind? Das tiefgehende Verständnis der bisherigen Stammdatenverwaltung stellt sicher, dass die künftigen Information Life Cycles optimal aufgebaut sind und alle relevanten Anforderungen berücksichtigen.

IT-Infrastruktur

Kaum ein IT-System betrifft dermaßen viele Abteilungen und Datendomänen in einem Unternehmen wie ein Master Data Management System. Die enorme Bedeutung dieser Software innerhalb der gesamten Unternehmens-IT-Infrastruktur begründet eine strategische und sehr kritische Systemauswahl. Die Master Data Management Lösung muss auf die bestehende und die zukünftige Infrastruktur hin abgestimmt sein und ausreichend Integrationsmöglichkeiten bieten.

Kein Master Data Management System wird alle Anforderungen sämtlicher Domänen im Unternehmen erfüllen. Dennoch ist es meist ratsam, auf etablierte Softwarelösungen zurückzugreifen. Ob eine Multi-Domain-Lösung oder der Einsatz mehrerer Systeme die richtige Wahl ist, hängt von den individuellen Anforderungen des Unternehmens ab – etwa in Bezug auf das zugrundeliegende Datenmodell, die nötige Skalierbarkeit oder das Business Process Management.

Wie bekomme ich eine bessere Stammdatenqualität?

Eine gute Datenqualität ist bereits an der Quelle der Entstehung zu etablieren. Es ist wichtig, eine unternehmensweite Strategie für das Erfassen und die Pflege von Stammdaten in ein Programm einzubinden. Es bringt nichts, wenn Unternehmen einmal Ordnung schaffen. Die Stammdatenqualität wird mangels sauberer Prozesse wieder beginnen schlecht zu werden. Ein Vorgehen, das neben der IT- und Datenseite auch organisatorische und prozessuale Aspekte beinhaltet, stellt eine nachhaltige und anhaltende Verbesserung der Stammdatenqualität sicher.

Haben Unternehmen ein zentrales Master Data Management System implementiert, verfügen sie über eine nachhaltige Lösung, in der sie eine hohe Datenqualität herstellen und dauerhaft aufrechterhalten können.

In einem Workshop sollten folgende Fragen geklärt werden: Wie sehen meine Daten aus, wo liegen sie, welche benötige ich für meine Geschäftsprozesse? In welcher Qualität liegen sie vor? Wie definiere ich gute Datenqualität? Was (Daten/Qualität/Umfang/Güte) brauche ich mindestens, um die gewünschte Kundenzufriedenheit zu erreichen bzw. die Wettbewerbsfähigkeit meines Geschäftsmodells zu erhöhen? Welche Abteilungen bzw. wer ist an der Stammdatenpflege beteiligt? Gibt es eine Data Governance zur Anlage und Pflege von Stammdaten?

Erst wenn diese Transparenz im Unternehmen vorhanden ist, kann ein Programm für eine bessere Stammdatenqualität starten.

Wie kann ich meine Stammdaten harmonisieren?

Ein klassischer Ansatz ist, Stammdaten von Anfang an zu zentralisieren. Am Beispiel Produktdaten bedeutet dies, Informationen und Assets in einem zentralen System, anstatt in mehreren Systemen vorzuhalten. Wenn Daten nur an einer Stelle führend gehalten werden, entfällt das Harmonisieren.

Stammdaten zu harmonisieren bedeutet aber auch Integration: In zahlreichen Unternehmen arbeiten verschiedene Teams mit verschiedenen Systemen und leiden darunter, dass die Daten nicht verknüpft sind. Hier schaffen Schnittstellen zwischen den Systemen Abhilfe. So erhalten Mitarbeiter einen Überblick über alle Daten, obwohl diese in verschiedenen Datensilos gespeichert werden.

In einem Workshop sollten folgende Fragen geklärt werden: Welche Daten habe ich wo? Wer ist aktiv involviert (legt Stammdaten an oder pflegt)? Gibt es eine Strategie (global/lokal)? Weshalb möchte das Unternehmen harmonisieren?

Langfristig wird die Datenkomplexität weiter zunehmen. Die Speicherung aller Stammdaten in einem zentralen, führenden System ist ein Muss, um kostspielige Verzögerungen in den Abläufen zu vermeiden. Der Einsatz von redundanten Technologien oder gegenläufigen Prozessen mit einer Harmonisierung von Stammdaten lässt sich so vermeiden.

Wie kann ich die Stammdatenpflege automatisieren?

Unternehmen müssen den gesamten Lebenszyklus von Stammdaten – vom Anlegen über das Ändern bis hin zum Archivieren – optimieren, um die individuellen Anforderungen der Organisation zu erfüllen. Ein kostspieliges und zeitintensives Unterfangen, das zudem fehlerträchtig ist.

Automatisieren beginnt daher bereits bei der Frage, ob Datenpflege komplett vermieden werden kann. Viele Unternehmen optimieren beispielsweise die Pflege von Stammdaten, die sie eigentlich von Geschäftspartnern erhalten könnten, z.B. Materialstämme auf Basis von Daten der Zulieferer. Ein Händler sollte die Integration guter Produktdaten seiner Lieferanten der Anlage, Pflege und Optimierung eigener Stammdaten vorziehen.

Verfahren wie z.B. der Einsatz von KI und Analytics, maschinelles Lernen, Text Mining oder Big Data Processing unterstützen dabei, Inhalte zu erzeugen (Texte zum Beispiel) oder auch Attributwerte aus vorhandenen Langtexten automatisiert zu generieren. Zudem kann die Stammdatenpflege durch geeignete Datenmodelle und Meta Data Management automatisiert werden.

In einem Workshop sollten folgende Fragen geklärt werden: Welche Bedeutung haben die (Stamm-)daten für geschäftskritische Prozesse? Bedürfen sie gesonderter Freigaben? Was gewinne ich durch die Automatisierung? Was riskiere ich?