Stammdatenqualität: Erfolgsfaktor moderner Unternehmen · Institut für Wirtschaftsinformatik Lehrstuhl Prof. Dr. Hubert Österle Stammdatenqualität: Erfolgsfaktor moderner Unternehmen

Institut für WirtschaftsinformatikLehrstuhl Prof. Dr. Hubert Österle

Stammdatenqualität:Erfolgsfaktor moderner Unternehmen

Dr.-Ing. Boris OttoWürzburg, 7.10.2009

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 2

Agenda

1. Was sind Geschäftstreiber für Stammdatenqualität?

2. Was sind Probleme mit der Stammdatenqualität?

3. Was sind Prinzipien für das Management der Stammdatenqualität?

4. Welchen Beitrag leistet das Kompetenzzentrum Corporate Data Quality?

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 3

1.1 Beispiel Detailhandel: Migipedia von Migros

Quelle: migipedia.ch, Abruf am 12.9.2010.

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 4

1.2 Beispiel DB Netz AG: Infrastrukturkataster

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 5

1.2 Beispiel DB Netz AG: Infrastrukturkataster (fortgesetzt)

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 6

1.3 Beispiel ZF Friedrichshafen AG: Neue Serviceorganisation

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 7

1.4 Strategische Anforderungen an die Stammdatenqualität

Gesetzliche und behördliche AuflagenKonventionalstrafen, Umsatzausfälle

Risiko-Management

„Single Point of Truth“Standardisierung von Berichten und Kennzahlen

Berichtswesen

„Mergers &Acquisitions“„End-to-end“-Prozesse

Geschäfts-prozessintegratio

n

360°-Blick auf den KundenServicegeschäft

Kundenzentrierte Geschäftsmodelle

Weltweite Spend-AnalysenEffektive Lieferanten-entwicklung

Strategischer Einkauf

IT- und Prozess-konsolidierungFlexibilität

Komplexitäts-management

1 2

3 4

5 6

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 8

Agenda

1. Was sind Geschäftstreiber für Stammdatenqualität?

2. Was sind Probleme mit der Stammdatenqualität?

3. Was sind Prinzipien für das Management der Stammdatenqualität?

4. Welchen Beitrag leistet das Kompetenzzentrum Corporate Data Quality?

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 9

2.1 Komplexitätstreiber für Stammdatenqualität

Daten-qualität

DatenvoluminaRFID, Kundenbindungsprogramme etc.

Globale ProzesseMehrsprachigkeit, “Follow the sun“-Prinzip etc.

„Taylorismus”Trennung von Datenerfassung und -nutzung

Ständiger WandelM&A, „Divestments“, Change

Management

„Totale Vernetzung“Neue, externe Datenquellen,

Daten-Supply-chains etc.

UnternehmensgrösseUmsatz Nestlé 2008: 110 Mrd. CHF

Bundeshaushalt CH 2008: 57 Mrd. CHF

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 10

2.2 Datenqualität im Zeitverlauf

Legende: „U-Boote der Datenqualität“ (z. B. Migrationen, Prozessfehler, Unstimmigkeiten im Management-Reporting).

Datenqualität

ZeitProjekt 1 Projekt 2 Projekt 3

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 11

2.3 Eine typische Situation im Unternehmen im Umgang mit Daten

Delegation in die Informatik

Kein Verständnis für Langfristigkeit der Massnahme

Vogelstrauss-Syndrom

Bedarf an Fach- und Informatikexpertise wird unterschätzt oder verdrängt

Zentralbereich handelt - aber lokale Geschäftsbereiche müssen zahlen

Abhängigkeit vom Engagement Einzelner

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 12

Agenda

1. Was sind Geschäftstreiber für Stammdatenqualität?

2. Was sind Probleme mit der Stammdatenqualität?

3. Was sind Prinzipien für das Management der Stammdatenqualität?

4. Welchen Beitrag leistet das Kompetenzzentrum Corporate Data Quality?

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 13

3.1 Daten als Anlagegüter im Unternehmen

Produktionsanlagen

Mitarbeiter

Patente

AnlagenwirtschaftInstandhaltung

PersonalwirtschaftPersonalentwicklung, „Talent Management“

Schutzmassnahmen für geistiges EigentumLebenszyklusmanagement

Unternehmensdaten Kosten? Zeit? Qualität?

Anlagegüter eines Spezialchemieherstellers und Management-Ansätze dafür

Wenn Daten ein Anlagegut darstellen, müssen sie auch so bewirtschaftet werden

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 14

3.2 Daten als „Anlagegut“? Ein Blick zurück zum Qualitätsmanagement

„When we visited the high-quality but low productivity European plant […] we didn‘t haveto go far to find the basic problem […]. At theend of the assembly line was an enormous rework and rectification area where armies oftechnicians in white laboratory jackets laboredto bring the finished vehicles up to the company‘s fabled quality standard.“

„Our findings were eye-opening. The Japaneseplant requires (less effort the American and European plants). At the same time, the Japanese plant greatly exceeds the quality level of all plants execpt one in Europe - andthis plant requires four times the effort […]“

Quelle: Womack, J. P.; Jones, D. T.; Roos, D.: The Machine That Changed The World: The Story of Lean Production. Harper Perennial, 1991.

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 15

3.3 „Lean MDM“: Bestandteile des Toyota-Produktionssystems

„Pull“-PrinzipJust-in-Time, Just-in-Sequence

Vermeidung von VerschwendungÜberproduktionBewegungenLeerzeitenTransporte„Over Engineering“BestandspufferAusschuss

KanbanProzessstandardisierungTotal Quality ManagementTrainingKaizen

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 16

Agenda

1. Was sind Geschäftstreiber für Stammdatenqualität?

2. Was sind Probleme mit der Stammdatenqualität?

3. Was sind Prinzipien für das Management der Stammdatenqualität?

4. Welchen Beitrag leistet das Kompetenzzentrum Corporate Data Quality?

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 17

4.1 Partnerunternehmen des CC CDQ

Bayer CropScience AG Beiersdorf AG Corning Cable Systems GmbH & Co. Daimler AG

DB Netz AG Telekom Deutschland GmbH E.ON AG ETA SA

Hewlett-Packard GmbH IBM Deutschland GmbH Migros-Genossenschafts-Bund Nestlé SA

Novartis Pharma AG Siemens Enterprise Communications GmbH & Co. KG

Syngenta AG ZF Friedrichshafen AG

Legende: CC CDQ - Kompetenzzentrum Corporate Data Quality.

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 18

4.2 CDQ-Bezugsrahmen

Strategie

Organisation

Systeme

Führungssystem

Applikationen für CDQ

Integrationsarchitektur für CDQ

CDQ-Organisation

CDQ-Prozesse und -methoden

CDQ-Strategie

lokal global

Mandat

Leitbild

Wertmanagement

Roadmap

Kennzahlensystem

Messverfahren

Datenqualitäts-dimensionen

Data Governance

Rollenmodell

Change Management

Standards & Richtlinien

Datenlebenszyklus-Management

Metadaten-Management

Methoden und Prozesse

Integrationsobjekt-modell

Architekturszenarien

Verteilungsarchitektur

Datenhaltungs-architektur

Software für Stammdaten-management

Business Data Dictionarys

Integrationswerkzeuge

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 19

4.3 Ausgewählte Arbeitsergebnisse

Funktionsreferenz für Stammdatenqualität

Methode zur Identifikation und Beschreibung von Informationsobjekten

Methode zur Identifikation und Beschreibung geschäftsorientierter Datenqualitätskennzahlen

Gestaltungskriterien für die Datenarchitektur

Prototyp für fachliches Metadatenmanagement mit semantischen Wikis

Referenzmodell für Data Governance

Referenzmodell für Stammdatenmanagement zwischen Industrie und Handel

Reifegradmodell für Qualitätsmanagement für Stammdaten

© CC CDQ2 – Würzburg, 7.10.2009, Dr. B. Otto / 20

Kontaktdaten