Saubere Stammdaten bieten ungeahnte Potenziale. (Foto: Carlos Muza on unsplash)

Das Potenzial ihrer Stammdaten erkennen und visualisieren

Stammdaten sind in Unternehmen ein immer wieder unterschätztes Gut. Sie sind in jedem Unternehmen zu finden, zum Beispiel in Form von Kund/innendaten in einem CRM-Programm oder als Produktdaten, wie Preise, Größe des Produkts, Stückanzahl pro Packung etc. Im KMU 4.0-Webinar „Das Potenzial ihrer Stammdaten erkennen und visualisieren?“ widmeten sich die Experten Markus Lassnig von Salzburg Research und Max Schirl von der FH Salzburg dem Thema.

Fehlerhafte Stammdaten als Risiko

Stammdaten sind die Basis für den Vertrieb und für viele andere Abteilungen im Unternehmen, werden aber als solche oft nicht wertgeschätzt. Erst wenn sie fehlerhaft sind, rückt ihre Wichtigkeit ins Bewusstsein. Fehlerhafte Stammdaten können beispielsweise zu falscher Angebots- oder Rechnungslegung oder zu einer falschen Sendung führen. Aber auch darüber hinaus bergen fehlerhafte Stammdaten Risiken, wie die Verletzung der DSGVO. Auf jeden Fall können sie zu unvorhergesehenen Kosten führen.

Was sind die Hürden zu sauberen Stammdaten? Eine der größten Hürden ist die mangelnde Verantwortungsaufteilung im Unternehmen. Die Zuständigkeiten, wer für die Stammdaten verantwortlich ist, sind nicht klar geregelt. Das Bewusstsein für ihre Relevanz fehlt, dadurch fehlt die Motivation für das Anlegen von validen Stammdaten. Neben fehlender Belohnung mangelt es auch meistens an Kontrolle im Stammdatensystem. Aber auch wenn das alles gegeben ist, können fehlende Kompetenz und Probleme im Umgang mit Softwaretools zu fehlerhaften Stammdaten führen.[1]

Stammdatenmanagement ist mehr als ein IT-Projekt

Um diese Hürden zu meistern, gilt es, ein Stammdatenmanagement zu etablieren. Für ein gutes Stammdatenmanagement gibt es mehrere Kriterien:

  • Eine zentrale Datenquelle bündelt alle Stammdaten an einem Ort.
  • Eine durchgängige Datenvalidierung prüft sie bereits bei der Eingabe.
  • Auch die Datenintegrität (Datensicherheit, die die Korrektheit und Gültigkeit der Daten sicherstellt) muss kontinuierlich geprüft werden.
  • Die Verantwortlichkeiten für Stammdaten im Unternehmen sind klar definiert.

Wie lässt sich so ein Stammdatenmanagement umsetzen? Es reicht nicht, ein IT-System anzuschaffen, in die man seine Daten eingibt und die dort geprüft werden. Im Stammdatenmanagement ist jede Unternehmensebene eingebunden. Die Führungseben definiert Abläufe und Regeln. Fachexpert/innen aus jeder Abteilung sind eingebunden, um Know-how zu transferieren und die Erfassung der Daten sicherzustellen. Das IT-System ist das letzte Glied der Kette, welches für die Genauigkeit, die Vollständigkeit und die Aktualität der Daten sorgt.

Das Stammdatenmanagement ist also kein reines IT-Projekt, obwohl IT-Systeme dafür unabdingbar sind. Wichtig ist vor allem auch eine Unternehmenskultur, die Bewusstsein für die Relevanz von sauberen Stammdaten schafft.[2]

Stammdaten als Enabler für Digitalisierung

In sauberen Stammdaten stecken große Potenziale. Mit einem guten Datensatz können etwa Kund/innenprofile erstellt werden. So erfahren Unternehmen mehr über ihre Kundschaft. Daraus lässt sich eine Zielgruppenanalyse erstellen. Wer ist meine Zielgruppe und wie lässt sie sich erweitern? Wann kauft sie was und wo ein? Mit diesen Daten lassen sich smarte Absatzprognosen erstellen, die sich sogar auf den wöchentlichen Absatz herunterbrechen lassen.

Durch ein gutes Stammdatenmanagement lässt sich das bestehende Geschäftsmodell evaluieren oder sogar neue, datenbasierte Geschäftsmodelle entwickeln. Es ermöglicht auch weitere Digitalisierung, wie zum Beispiel die Digitalisierung der Wertschöpfungskette, mit der die Produktion effizienter geplant und die Termintreue verbessert werden kann. Die Daten lassen sich auch für eine intelligente Instandhaltung, der Instandhaltung 4.0. nutzen, indem man beispielsweise die Funktionsdauer und Ausfälle von Produktionsmaschinen analysiert und genaue Vorhersagen treffen kann (Predictive Maintenance).

Aus Data Mining Wissen generieren

Bevor Unternehmen solche nachgelagerten Digitalisierungsprojekte angehen, müssen sie sich um die Datenanalyse kümmern. Hier gibt es verschiedene Methoden. Eine davon ist das CRISP DM Modell (Cross Industry Standard Process for Data Mining), ein Data Mining Modell, das hilft, aus Daten Wissen zu generieren. Dieses unterteilt sich in sechs Phasen:

  • Business Understanding: Festlegung der Ziele, Anforderungen und der Vorgehensweise
  • Data Understanding: Datensammlung: Welche Daten stehen mir zur Verfügung?
  • Data Preparation: Vorbereitung der Daten für die Modellierung
  • Modeling: Auswahl geeigneter Data Mining Verfahren, Erstellung eines Modells
  • Evaluation: Evaluierung des Modells: Ist es geeignet, dass die Ziele erreicht werden können? Eventuell muss ein Schritt zurück unternommen werden, um die Daten neu aufzubereiten und ein neues Modell zu entwickeln.
  • Deployment: Aufbereitung und Präsentation der Ergebnisse

Das CRISP Modell ist nicht linear. Es kann vorkommen, dass Phasen wiederholt werden müssen. Die meiste Zeit verschlingen die ersten drei Phasen, denn auch hier sind saubere Daten essenziell. [3]

Unternehmen sind gut beraten, die Relevanz von Stammdaten nicht zu unterschätzen. Das Stammdatenmanagement betrifft jede Unternehmensebene. Wenn Sie ein gutes Stammdatenmanagement umsetzen wollen, können Ihnen kompetente Partner helfen – Das ITG – Innovationsservice für Salzburg steht Ihnen für Fragen zu Daten- und Digitalisierungsprojekten zur Verfügung.

————————————————————————————————————————————————–

[1] Haug, A., & Arlbjørn, J. S. (2011). Barriers to master data quality. Journal of Enterprise Information Management.

[2] Loshin, D. (2010).Master datamanagement. Morgan Kaufmann.

[3] Shearer, C. (2000). The CRISP-DM model: the new blueprint for data mining. Journal of data warehousing,5(4), 13-22.

 

Gepostet am 26.06.2020

Die Expert/innen vom ITG – Innovationsservice für Salzburg beraten Sie gerne zu Digitalisierungsförderungen. Kontaktieren Sie uns!

Ähnliche Beiträge

Bike Quality
Bike Quality: Fahrrad-Infrastruktur unter der Lupe

Für Umweltschutz und Nachhaltigkeit ist das Fahrrad das beste Transportmittel für kurze bis mittellange Strecken. Mit der App „Bike Quality“ von Salzburg Research werden Bereiche mit dem größten Handlungsbedarf im Radwegnetz identifiziert.

Das Ticketing von heute ist digital

mtms Solutions aus Eugendorf zeigt, wie zeitgemäßes Ticketing und Akkreditierungsmanagement heute funktioniert. Wo man früher noch Hand anlegen musste und dabei viel Müll produziert hat, steht heute „mobile first“ an der Tagesordnung. Der Schlüssel dafür ist die Digitalisierung.

Mit künstlicher Intelligenz will ITS-Masterstudent Georg Schäfer Sortieranlagen effizienter machen. Anhand eines »Digitalen Zwillings« entwickelt er Methoden des Machine Learning weiter. (Foto: FH Salzburg)
Die lernende Fabrik

Den Sortiervorgang einer Industrieanlage intelligent zu machen war das Ziel von Masterstudenten und Junior Researcher Georg Schäfer. Mit Methoden des Machine Learning will der gebürtige Salzburger die Industrie revolutionieren.