Saubere Stammdaten – und was dann? Stolpersteine und … · 2019-05-09 · Der Vortrag gibt...
Transcript of Saubere Stammdaten – und was dann? Stolpersteine und … · 2019-05-09 · Der Vortrag gibt...
Thomas Schäffer, Bonn, 30. November 2017
Saubere Stammdaten – und was dann? Stolpersteine und Erfolgsfaktoren beim ProduktstammdatenaustauschInfoZoom Best Practice Day 2017
KurzportraitDie Hochschule Heilbronn feierte im Jahr 2011ihr 50-jähriges Bestehen. Sie ist einemoderne, innovative Bildungseinrichtung miteinem umfassenden Fächerspektrum und istmit rund 8.100 Studierenden die größteHochschule für Angewandte Wissenschaftenin Baden-Württemberg.
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Fakultät Wirtschaft und Verkehr Studiengang Wirtschaftsinformatik Kompetenzzentrum Unternehmenssoftware
Seite 2
123
Der Vortrag gibt Impulse zu folgende Themen
Trends und Entwicklung des Stammdatenmanagements angesichts von Digitalisierung, Industrie 4.0 & Co.Referenzmodelle, Methoden und Werkzeuge
Synchronisierung von Stammdaten in Lieferketten und WertschöpfungsnetzwerkenFormen, Austauschformate und Geschäftspartnerbeziehungen
Herausforderungen und Gestaltungsoptionen für den überbetrieblichen ProduktstammdatenaustauschProzessmodell, Funktionen und Architektur
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 3
Ausblick5
Gestaltungselemente beim überbetrieblichen Produktstammdatenaustausch4
Unternehmensübergreifendes Stammdatenmanagement 3
Unternehmensweites Stammdatenmanagement2
Motivation1
Agenda
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 4
Ausblick5
Gestaltungselemente beim überbetrieblichen Produktstammdatenaustausch4
Unternehmensübergreifendes Stammdatenmanagement 3
Unternehmensweites Stammdatenmanagement2
Motivation1
Agenda
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 5
Personal data is the new oil of the internet and the new currency of the digital world. (Kunewa 2009)
Daten sind die Rohstoffe des 21. Jahrhunderts. (Merkel 2016)
By 2020 –10 percent of organizations will have a highly profitable business unit specifically for productizing and commercializing their information assets. (Gartner 2016)
Data is the asset of our time and should be strategically viewed similar to other company assets driving growth. (SAP 2017)
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 6
„„
„„Daten als Zahlungsmittel, Produktionsfaktor und Umsatztreiber sind ein wertvolles Gut für Unternehmen
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Bild
quel
le: i
hs-g
mbh
.de
(201
6); s
ilicon
.de
(201
6).
Die Anforderungen an Transparenz und Interoperabilität steigen – Wertschöpfung entsteht in Geschäftsökosystemen
Seite 7
Ist mein Management fit für das digitale Zeitalter?
Achten wir bei der Entwicklung von Produkten und Dienstleistungen
genug auf das Kunden-Feedback?
Versteht das Management die Dynamik der digitalen Ökonomie
und kann mit Begriffen wie Netzwerkeffekt, Plattform und
Tipping Point etwas anfangen, um die Entwicklung des Marktes besser
zu verstehen?
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Que
lle: h
ttp://
t3n.
de/n
ews/
digi
tale
-tran
sfor
mat
ion-
bede
utun
g-83
9438
/
Seite 8
Kann mein Unternehmen von mehr Konnektivität profitieren?
Sind Produktionsanlagen vernetzt?
Gibt es eine systematische Auseinandersetzung mit der Frage, welche
IoT-Plattform für den Datenaustauscheingesetzt werden sollte?
Sind meine Produktionsanlagen bereits durch einen digitalen Zwilling abgebildet?
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Que
lle: h
ttp://
t3n.
de/n
ews/
digi
tale
-tran
sfor
mat
ion-
bede
utun
g-83
9438
/
Seite 9
Bietet die Digitalisierung meinem Unternehmen Chancen bei der Internationalisierung?
Gibt es eine mögliche Nachfrage nach meinem Produkt in boomenden Märkten
wie China?
Was ist der richtige Absatzkanal? Kenne ich die Möglichkeiten großer chinesischer
B2B-Plattformen wie Alibaba undB2C-Plattformen wie Wechat?
In welcher Form kann ich die Datenbereitstellen?
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Que
lle: h
ttp://
t3n.
de/n
ews/
digi
tale
-tran
sfor
mat
ion-
bede
utun
g-83
9438
/
Seite 10
Nutze ich meine Daten effektiv?
Gibt es eine umfassende Analyse darüber,welche Daten bereits im Unternehmen anfallen und
wie diese für Entscheidungen genutzt werden könnten?
Gibt es eine Analyse darüber, welche Datenpunkte noch sinnvoll erfasst werden könnten –
und welche Daten ausgetauscht werden?
Ist es sinnvoll, Daten auszuwerten, die aktuell noch nicht ausgewertet werden? Braucht das Unternehmen dazu Big-Data-Analysten und Machine-Learning-Experten?
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Que
lle: h
ttp://
t3n.
de/n
ews/
digi
tale
-tran
sfor
mat
ion-
bede
utun
g-83
9438
/
Seite 11
Data-Driven Company versus Datenchaos in Unternehmen
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Bildquelle: Fotolia
Seite 12
Mangelnde Datenqualität lässt den Unternehmenswert schmelzen
In der USA sind 25% der entscheidungsrelevanten Daten
fehlerhaft.
Mangelhafte Datenqualität kostet die US-Wirtschaft jedes Jahr
600 Milliarden Dollar. Das entspricht 5% des
amerikanischen Bruttoinlandsprodukts.
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 13
Beispiele aus der Praxis in Deutschland –Trendstudie Stammdatenqualität 2013*
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
46%der Unternehmen haben eine geringe bis sehr geringe Datenqualität in den Kundenstammdaten.
Seite 14
Schäffer, Thomas; Beckmann, Helmut (2014): Trendstudie Stammdatenqualität 2013. Erhebung der aktuellen Situation zur Stammdatenqualität in Unternehmen und daraus abgeleitete Trends. 1. Aufl. Stuttgart: Steinbeis-Edition (Schriftenreihe Wirtschaftsinformatik).
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Motivation und Problemstellung
Paradoxon*Das Top-Management sieht deutlich den direkten
Zusammenhang zwischen Datenqualität und Rentabilität für das Unternehmen, jedoch fehlt es an
konkretem Nutzenpotenzial, eine entsprechende Datenqualitäts-Unternehmenskultur aufzubauen und
mit entsprechenden Ressourcen auszustatten.
*Quelle: Schäffer, T., & Beckmann, H. (2014). Trendstudie Stammdatenqualität 2013 : Erhebung der aktuellen Situation zur Stammdatenqualität in Unternehmen und daraus abgeleitete Trends. (H. Beckmann, Ed.) (1. Auflage., p. 86). Stuttgart: Steinbeis-Edition
Seite 15
Status Quo in den Unternehmen: geringesBudget für Datenqualitätsoffensiven
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
11%der Unternehmen geben an, DQ-Budget im ausreichendem Maße zur Verfügung zu haben.
Trendstudie 2013: 20%
Seite 16
Schäffer, Thomas; Beckmann, Helmut (2014): Trendstudie Stammdatenqualität 2013. Erhebung der aktuellen Situation zur Stammdatenqualität in Unternehmen und daraus abgeleitete Trends. 1. Aufl. Stuttgart: Steinbeis-Edition (Schriftenreihe Wirtschaftsinformatik).
Phänomen der Stammdatenqualität
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Oft gleichen
Stammdaten
einem
Kinderzimmer!
Seite 17
Datenpflege und Sicherung der Qualität ist Pflicht, Digitalisierung & Co. die Kür
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Que
lle: h
ttps:
//ww
w.d
atas
cien
cece
ntra
l.com
/pro
files
/blo
gs/b
ig-d
ata-
scie
nce-
expe
ctat
ion-
vs-re
ality
Seite 18
Herausforderung I: Es gibt kein Patenrezept.
Die konkrete Umsetzung der Organisation eines Konzeptes ist von verschiedenen Faktoren abhängig
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Unternehmens-strategie
IT-Landschaft
Prozess-vielfalt
Netzwerke
Unternehmens-kultur
Organisations-struktur Branche
Größe desUnternehmens
Stammdaten-management-
Konzept
Seite 19
Herausforderung II: Wirtschaftliche Gestaltung eines Stammdatenmanagements Das unternehmensspezifische optimale Verhältnis
entscheidend.
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Que
lle: E
pple
r, H
elfe
rt: A
Fra
mew
ork
fort
he C
lass
ifica
tion
of D
ata
Qua
lity
Cos
ts a
nd a
n An
alys
is o
f the
irPr
ogre
ssio
n
Seite 20
Herausforderung III: strukturiertes Stammdaten-management für langfristigen Erfolg Kurzsichtige Einzelmaßnahmen bringen keinen
nachhaltigen Effekt
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Que
lle: i
n An
lehn
ung
an B
. Otto
, “St
amm
date
n al
s Er
folg
sfak
tore
n m
oder
ner
Unt
erne
hmen
“, 20
13.
Seite 21
Herausforderung IV: Hohe Datenqualität ist die Voraussetzung für eine „schärfere“ Sicht auf die betriebliche Wirklichkeit
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
„You can only manage what you can measure.“
*Quelle: B. Otto, “Datenmanagement als strategischer Erfolgsfaktor,” IWI-HSG / CC CDQ, 2007.
Strukturelle und qualitative (Daten-) Mängelverursachen operative Aufwendungen und Risiken (z.B. ineffiziente Beschaffung, doppelte Versendung oder gesetzliche, aufsichts- und vertragsrechtliche Risiken durch fehlerhafte Unternehmensdaten).
Hohe Datenqualität bedeutet bessere Planung, schnellere Anpassung im Geschäftsmodell und integrierte Prozesse der Wertschöpfungskette.
Seite 22
Herausforderung V: Everyone Agrees and Nobody Agrees: "What Is Information (Data)?"
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 23
Quelle: Laney, Douglas B. (2017): Infonomics. Monetizing, Managing and Measuring Information as an Asset. MIT ICIQ 2017. Little Rock, 07.10.2017. Online verfügbar unter http://ualr.edu/informationquality/iciq-proceedings/mit-iciq-2017/, zuletzt geprüft am 29.11.2017.
Ausblick5
Gestaltungselemente beim überbetrieblichen Produktstammdatenaustausch4
Unternehmensübergreifendes Stammdatenmanagement 3
Unternehmensweites Stammdatenmanagement2
Motivation1
Agenda
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 24
Referenzmodell für das Stammdatenmanagement
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Otto
, Bor
is; L
egne
r, C
hris
tine
(201
6): M
aste
r Dat
a er
folg
reic
h m
anag
en. I
n:
Con
trollin
g &
Man
agem
ent (
3), z
ulet
zt g
eprü
ft am
23.
02.2
017.
Seite 25
Unterscheidung zwischen Governance und Management
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Quelle: FIR Aachen (2017) 24. Aachener ERP-Tage
Seite 26
Inhalte einer Data-Goverance
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Quelle: FIR Aachen (2017) 24. Aachener ERP-Tage
Seite 27
Begriffsdefinition Datenqualität
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Datenqualität (DQ) bezeichnet den Erfüllungsgrad der Gesamtheit der Anforderungen an die für einen bestimmten Zweck benötigten Daten.
Que
lle: H
ildeb
rand
, Knu
t; G
ebau
er, M
arcu
s; H
inric
hs, H
olge
r; M
ielk
e,
Mic
hael
(Hg.
) (20
15):
Dat
en-u
nd In
form
atio
nsqu
alitä
t. Au
f dem
Weg
zur
In
form
atio
n Ex
celle
nce.
3. A
ufla
ge. W
iesb
aden
: Spr
inge
r Fac
hmed
ien
Wie
sbad
en.
Seite 28
Existierende Ansätze zur Beschreibung von Datenqualität (DQ) Wissenschaft: DQ-Merkmale (DQ-Dimensionen)
Die Identifikation und Klassifikation von DQ-Dimensionen wird in einer Vielzahl von wissenschaftlichen und praxisorientierten Veröffentlichungen thematisiert.
Das Massachusetts Institute of Technology (MIT) zählte im Rahmen einer Studie 179 verschiedene Dimensionen (vgl. Wang/ Strong 1996).
Je nach Kontext werden unterschiedliche Datenqualitätsdimensionen verwendet. Die in der Praxis häufig verwendeten DQ-Merkmale sind: Vollständigkeit, Konsistenz, Aktualität,
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Die DGIQ legt eine anwenderbezogene Definition für 15 IQ-Dimensionen vor
Seite 29
Datenqualität (DQ) ist ein stetiger Prozess unter Berücksichtigung von Kosten-Nutzen-Aspekten
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 30
Ausblick5
Gestaltungselemente beim überbetrieblichen Produktstammdatenaustausch4
Unternehmensübergreifendes Stammdatenmanagement 3
Unternehmensweites Stammdatenmanagement2
Motivation1
Agenda
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 31
Datenaustausch im Ökosystem von Beiersdorf
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 32
Quelle: Hüner KM, Schierning A, Otto B, Österle H (2011) Product data quality in supply chains: The case of Beiersdorf. Electron Markets 21(2):141–154. doi: 10.1007/s12525-011-0059-x
In welcher Form werden Produktstammdaten überbetrieblich synchronisiert?1. traditionell / nicht digital
(gedruckte) Produktkataloge Ergänzungen und Korrekturen: telefonisch, persönliche Gespräche
2. digital / elektronisch Produktkataloge als pdf-Dateien Webseiten / Extranet des Produzenten (z. B. CSV-/Excel-Dateien, BMEcat) CSV-Dateien Excel-Dateien Digitaler Produktkatalog in proprietärem Format Digitaler Produktkatalog in standardisiertem Format (z. B. BMEcat)
3. über einen Datenpool eines Drittanbieters
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Thomas Schäffer, Dirk Stelzer: Assessing Tools for Coordinating Quality of Master Data in Inter-organizational Product Information Sharing. In: Jan Marco Leimeister, Walter Brenner (Hrsg.): Proceedings der 13. Internationalen Tagung Wirtschaftsinformatik (WI 2017), St. Gallen 2017, S. 61-75
Seite 33
Bewertung von Katalogaustauschformaten
CSV/EDIFACT Datanorm Eldanorm PRICAT
XML BMEcat cXML RosettaNet xCBL
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Que
lle: H
olge
r Ais
ch, J
ohan
nes
Hen
trich
(Ins
titut
der
deu
tsch
en W
irtsc
haft
Köln
Con
sult
Gm
bH u
nd G
S1
Ger
man
y G
mbH
): K
atal
ogau
stau
schf
orm
ate.
PR
OZE
US
–eB
usin
ess-
Prax
is fü
r den
Mitt
elst
and.
Ka
talo
gaus
taus
chfo
rmat
e au
swäh
len
und
eins
etze
n. H
andl
ungs
empf
ehlu
ng z
um E
insa
tz v
on e
Busi
ness
-St
anda
rds.
Köl
n 20
09;
http
://w
ww
.pro
zeus
.de/
impe
ria/m
d/co
nten
t/pro
zeus
/bro
schu
eren
/pro
_bro
chur
e_ka
talo
gaus
taus
ch.p
df; A
bruf
: 20
17-0
4-26
Seite 34
Formen des überbetrieblichen digitalen Stammdatenaustauschs
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 35
Quelle: Schemm, Jan W.; Legner, Christine; Österle, Hubert (2008): Global Data Synchronization - Lösungsansatz für das überbetriebliche Produktstammdatenmanagement zwischen Konsumgüterindustrie und Handel? In: Jörg Becker, Ralf Knackstedt und Daniel Pfeiffer (Hg.): Wertschöpfungsnetzwerke. Konzepte für das Netzwerkmanagement und Potenziale aktueller Informationstechnologien. Heidelberg: Physica-Verlag HD (SpringerLink : Bücher), S. 173–192.
Data Pool
Begriffserläuterung Ein Datenpool ist ein standardisierter digitaler Datenbestand, der gegen Entgelt von
einem Dienstleister zur Verfügung gestellt wird, und Datenlieferanten und Datennutzernzum zwischenbetrieblichen Austausch und Abgleich von Produktstammdaten dient.
Quelle: Nakatani, Kazuo; Chuang, Ta-Tao; Zhou, Duanning (2006): Data Synchronization Technology: Standards, Business Values and Implications. In: Communications of theAssociation for Information Systems 17 (44). Online verfügbar unter http://aisel.aisnet.org/cgi/viewcontent.cgi?article=3009&context=cais, zuletzt geprüft am 22.10.2016.
Beispiele GS1-kompatible Data Pools
Global Data Synchronization Network (GDSN): a global network of specialized data pools Zentraler Artikelstamm (ZAS) von MARKANT TecDoc-Datenbank der TecAlliance für Auto-Ersatzteile IFA-Datenbank: Pharmazentralnummer (PZN) der Informationsstelle für
Arzneispezialitäten (IFA) ARGE Neue Medien (SHK-Branche) …
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 36
Probleme bei der Nutzung von Data Pools
Analyse von 23 wiss. Publikationen zu Erfahrungen mit Data Pools seit 2005
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Informationsqualität Systemqualität Preise
unzureichende Erfahrungen und Kenntnisse der Mitarbeiter
mangelnde Management-unterstützung
interne Kosten der Anpassung
fehlende kritische Masse relevanter Partner
Unzureichendes Commitment und Vertrauen
mit vielen Partnern zusätzlich bilateraler Datenaustausch nötig
Probleme aufgrund der Eigenschaften von
Datenpools
Innerbetriebliche Probleme der Datennutzer
Zwischenbetriebliche Probleme
Thomas Schäffer, Dirk Stelzer: Barriers to Adopting Data Pools for Product Information Sharing –A Literature Review. Paper submitted for publication. 2017
Seite 37
Überprüfung der identifizierten Probleme mittels Expertengespräche und Umfrage https://limesurvey.wv.hs-heilbronn.de/index.php/113697?lang=de
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Wir bitten um Ihre Teilnahme!
Seite 38
Ausblick5
Gestaltungselemente beim überbetrieblichen Produktstammdatenaustausch4
Unternehmensübergreifendes Stammdatenmanagement 3
Unternehmensweites Stammdatenmanagement2
Motivation1
Agenda
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 39
Zielsetzung eines Produktstammdatenaustauschs in der Supply Chain Allen in der Supply Chain beteiligten Institutionen
Produktinformation in angemessener Qualität und zu angemessenen Kosten bereitzustellen.
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Que
lle: C
hris
tine
Legn
er, J
an S
chem
m: T
owar
d th
e In
ter-o
rgan
izat
iona
l Pr
oduc
t Inf
orm
atio
n Su
pply
Cha
in –
Evid
ence
from
the
Ret
ail a
nd
Con
sum
er G
oods
Indu
strie
s. In
: Jou
rnal
of t
he A
IS, V
olum
e 9,
Issu
e 3/
4,
2008
, pp.
119
-150
Seite 40
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Praktische Erfahrungen mittels Fallstudien
Durchführung von insgesamt 18 Fallstudien (1/2) Zielsetzung: Problemidentifikation mangelhafter Stammdatenqualität im
unternehmensübergreifenden Kontext zwischen Datennutzer und -lieferant.
Seite 41
Typische Beispiele für unternehmens-übergreifende Stammdatenprobleme
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 42
Beispiel:
Lindt Schokolade
100 g oder 100 kg?
Bei einer Bestellmenge 10 Stück:
1,0 kg oder 1.000kg?
Abmaße und Gewichte Zolltarifnummer Technische Beschreibungen Konditionen, Preise und
Warengruppen Etc.
Folge: Umsatzverluste, Kostensteigerung und Imageschäden
Folgen mangelhafter Stammdatenqualität
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 43
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Thomas Schäffer, Dirk Stelzer: Assessing Tools for Coordinating Quality of Master Data in Inter-organizational Product Information Sharing. In: Jan Marco Leimeister, Walter Brenner (Hrsg.): Proceedings der 13. Internationalen Tagung Wirtschaftsinformatik (WI 2017), St. Gallen 2017, S. 61-75
Coordination Tools Strengths WeaknessesFramework contract + provides legal basis for data exchange
including confidentiality agreements- does not specify requirements for master data
qualityMS Excel file + ease of use
+ high adoption rate + simple editing+ no IT expertise required+ low set up cost
- most suppliers do not document modifications in files
- complex rework required- automated validation of master data sets not
feasible- files are not self-descriptive
EDI message + standardized, tested and reliable technology
+ reliable data sets
- low adoption rate - EDI messages cannot easily be tailored to
specific requirements- high implementation cost
Customer portal + automatic syntax check + documentation of all operations in log
files
- specific "look and feel" of each portal- insufficient ease of use- data sets are not tailored to specific needs of
trading partnersOnline product catalog + all products can be mapped and made
available- trading partners must be persuaded to use
product catalogsIdentification and Classification standard
+ high data quality+ full documentation and good support
- cannot be tailored to specific requirements - low adoption rate- high maintenance expenses
Data pool + covers a wide range of products+ focus on specific industries+ high data quality+ unified communication platform+ communication processes are logged
- limited number of attributes- specific "look and feel" of each data pool- high access and usage fees- not all business partners have access
Mutual adjustment (e-mail messages, telephone calls, personal meetings)
+ ease of use+ flexibility
- error prone- labor-intensive- costly
Seite 44
Mangelhafte Governance der Produktstammdaten
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Thomas Schäffer, Dirk Stelzer: Assessing Tools for Coordinating Quality of Master Data in Inter-organizational Product Information Sharing. In: Jan Marco Leimeister, Walter Brenner (Hrsg.): Proceedings der 13. Internationalen Tagung Wirtschaftsinformatik (WI 2017), St. Gallen 2017, S. 61-75
Seite 45
Probleme des überbetrieblichen Produktstammdatenaustausches einfache, aber personalintensive und fehlerträchtige Mechanismen verbreitet komplexere Mechanismen (z. B. EDI, Datenpools) eher selten Stammdatenteams (von Datenlieferanten und –nutzern) kommunizieren in der Regel
nicht miteinander keine klaren Anforderungen an die Datenqualität keine klaren Richtlinien, die auch eingehalten werden keine automatischen Verfahren zur Kontrolle der Datenqualität keine Rückmeldung über die Datenqualität nicht ausreichendes Bewusstsein für Bedeutung der Stammdatenqualität
bei Fach-und Führungskräften nicht ausreichende Zusammenarbeit zwischen Einkauf/Verkauf, Stammdatenteams
und IT enorme Diskrepanz zwischen der Vision der Digitalisierung und den praktischen
Problemen des überbetrieblichen Produktstammdatenaustauschs
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Thomas Schäffer, Dirk Stelzer: Assessing Tools for Coordinating Quality of Master Data in Inter-organizational Product Information Sharing. In: Jan Marco Leimeister, Walter Brenner (Hrsg.): Proceedings der 13. Internationalen Tagung Wirtschaftsinformatik (WI 2017), St. Gallen 2017, S. 61-75
Seite 46
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Dimension Characteristic Description
Type of inter-organizational relationship
dyadic network involves product information sharing between two organizations (1:1)multiple dyadic network involves product information sharing of one organization with several others (1:n or m:1)many-to-many network several organizations share product information with several other organizations (m:n)
Inter-organizational coordination structure
centralized a centralized unit is responsible for coordination and uses global information for decision-makingdecentralized decentralized units are responsible for coordination and use local information for decision-makinghybrid combination of centralized and decentralized inter-organizational coordination structures
Intra-organizational coordination structure
centralized a single role or organizational unit coordinates product information sharingdecentralized several roles or organizational units coordinates product information sharinghybrid combination of centralized and decentralized intra-organizational coordination structures
Inter-organizational actors data supplier entity which produces and sends datadata consumer entity which receives and consumes dataintermediaries providers of data pools or data services
Intra-organizational actorssales/procurement dpt. unit responsible for selling products/ services (sales) or obtaining goods/services (procurement)MDM team unit responsible for MDM, either for the entire company or for local or functional departmentsIT department unit that establishes, maintains and provides IT services and the IT infrastructure
Activities
initiating agreement to share product data and creation of necessary prerequisitesrequirements definition definition of quality criteria for product master datanegotiating technical details of master data transfer negotiating technical details of master data transfer from data supplier to data consumer (networks, services, formats, data structures, etc.)
data exchange exchange, transfer, or synchronization of product data between data supplier and data receiverdata validation evaluating and ensuring that product data provided by data suppliers meet specified quality criteria
continuous improvement involves creating an evaluation report stating the results of data validation. This report is provided to the data supplier in order to help him improve product data quality
Goalssocial objectives relating to the social relationship of data supplier and data receivertechnical objectives relating to technical readiness for product information sharinglegal objectives relating to compliance with legal obligationseconomic objectives relating to economic values
Perspective on actorscorporate assumes that product information sharing is managed by a single decision makerteam emphasizes the existence of several units who take on different roles in product information sharingindividual assumes self-interested individuals, each maximizing his or her personal objective
Data synchronization problems
missing data some data were not transferred from the data supplier to the data receiverincorrect data some data are not correct and do not meet specified requirementsinadequate format data format does not meet specified requirementsdelayed data delivery data were transferred but not in time
Causes for data synchronization problems
intra-organizational issues resulting from problems within an organizationinter-organizational issues resulting from problems between organizationspersonnel lack of technical and social skillstechnical deficiencies relating to interoperability, data quality requirements, tools, etc.
Coordination mechanisms and tools
inter-organizational systems involves IT resources shared between two or more organizations standardization consists of pre-definition and codification of inputs and outputs of master data transferbilateral agreement mutual arrangements of partners documented in framework contracts or data quality guidelinesmutual adjustment on-going adjustments to manage interdependencies using E-Mail, fax, telephone, etc.
Cost of product information sharing
personnel cost cost for staff members supporting product information sharinglicense fees for software fees for software tools supporting product information sharinghardware costs cost of hardware, infrastructure, and data storage supporting product information sharingcost of data fees for data supplied by external providers, e.g., address datafees for external services fees for external services, e.g., monthly fees for data pools or data service providers
Schäffer, Thomas; Stelzer, Dirk (2017): Towards a Taxonomy for Coordinating Quality of Master Data in Product Information Sharing. In: ICIQ 2017 Proceedings. Little Rock.
Seite 47
Innovation: Entwicklung eines Kollaborations-plattfom zur Vereinbarung eines Qualitätsvertrags
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
Vereinbarung eines QUALITÄTSVERTRAGfür Stammdaten
Überprüfung der übermittelten STAMMDATEN
ToolboxToolbox
Datenlieferant
unternehmensweitesStammdaten- und Datenqualitätsmanagement
Unternehmensstrategie
Geschäftsprozesse
AIN OUT
Vereinbarungskomponente
Data Quality Gate
Datennutzer
unternehmensweitesStammdaten- und Datenqualitätsmanagement
Unternehmensstrategie
Geschäftsprozesse
AIN OUT
Vereinbarungskomponente
Data Quality Gate
Schäffer, Thomas; Leyh, Christian (2017): Master Data Quality in the Era of Digitization - Toward Inter-organizational Master Data Quality in Value Networks: A Problem Identification. In: F Piazolo, V Geist, L Brehm und R Schmidt (Hg.): Innovations in Enterprise Information Systems Management and Engineering. ERP Future 2016. Lecture Notes in Business Information Processing. 285. Aufl.: Springer, Cham, S. 99–113.
Seite 48
Ausblick5
Gestaltungselemente beim überbetrieblichen Produktstammdatenaustausch4
Unternehmensübergreifendes Stammdatenmanagement 3
Unternehmensweites Stammdatenmanagement2
Motivation1
Agenda
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 49
Industrial Data Space – Souveränität über Daten: eine Referenz-Architektur für Data Supply Chains
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 50
Quelle: Fraunhofer-Gesellschaft (Hg.) (2016): Industrial Data Space - Digitale Souveränität über Daten. München, http://www.industrialdataspace.org/industrial-data-space/
SAP Data Network
“The SAP Data Network is the most comprehensive cloud offering that instantly enables customers to leverage the full potential of data and execute on their data monetization strategy.”
„new ecosystems around data are the foundations for new value creation … at the heart is the new data network that connects providers and consumers of data services …”
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 51
Quelle: SAP: The Data Driven Enterprise. Business Data. Monetize Your Data Assets. White Paper. May 2017; http://www.sapdatanetwork.com/
The 3-Dimensional Challenges and Opportunities of Infonomics
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 52
Quelle: www.gartner.com/infonomics
Zusammenfassung
Ein angemessenes Stammdatenmanagement ist eine notwendige Voraussetzung für Digitalisierung.
Überbetriebliches Management von Produktstammdaten stellt die meisten Unternehmen vor große Herausforderungen (Kosten, Qualität, Zeit).
Die meisten Unternehmen nutzen einfache, aber kostenintensive und fehlerträchtige Mechanismen zur überbetriebliche Synchronisierung von Daten.
Datenpools werden nur von einigen Unternehmen intensiv genutzt. Zurzeit entstehen interessante Innovationen für den überbetrieblichen
Stammdatenaustausch … eine effiziente Nutzung setzt aber ein angemessenes unternehmensinternes Stammdatenmanagement voraus.
Mangelnde Kenntnisse über das Stammdatenmanagement oder das Datenqualitätsmanagement unter den Mitarbeitern
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 53
Zitat
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017,
„Datenqualität ist niemals Zufall: sie ist immer das Ergebnis hoher Ziele,
aufrichtiger Bemühungen, intelligenter Vorgehensweise
und geschickter Ausführung.“
Will A. Foster
Seite 54
Vielen Dank.Ihr Ansprechpartner für weitere Informationen
ImpressumDie in dieser Präsentation erarbeitetenGedanken und Vorschläge sind geistigesEigentum der Hochschule Heilbronn undunterliegen den geltenden Urhebergesetzen.
Die Vervielfältigung sowie Weitergabe anDritte ist nicht gestattet.
Hochschule HeilbronnFakultät Wirtschaft und VerkehrStudiengang WirtschaftsinformatikKompetenzzentrum Unternehmenssoftware (CCIS)
Postanschrift:Max-Planck-Straße 39, 74081 HeilbronnBesucheranschrift:Robert-Bosch-Straße 32, 74081 Heilbronn
Dipl.-Inf. Thomas SchäfferWissenschaftlicher Mitarbeiter
Telefon +49 (0)7131 504-6699E-Mail [email protected] www.hs-heilbronn.de/ccis
© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 55
Unternehmensübergreifende Stammdatenqualität
LiteraturauswahlSchäffer, Thomas; Stelzer, Dirk (2017): Towards a Taxonomy for Coordinating Quality of Master Data in Product Information Sharing. In: ICIQ
2017 Proceedings. Little Rock.
Schäffer, Thomas; Stelzer, Dirk (2017): Assessing Tools for Coordinating Quality of Master Data in Inter-organizational Product Information Sharing. In: Jan Marco Leimeister und Walter Brenner (Hg.): Proceedings der 13. Internationalen Tagung Wirtschaftsinformatik (WI 2017). St. Gallen, 12.-15. Februar 2017. St. Gallen, S. 61–75.
Schäffer, Thomas; Beckmann, Helmut (2017): Industrie 4.0 als Herausforderung für das Stammdatenmanagement in Unternehmen. In:Trovarit AG (Hg.): IT-Matchmaker.Guide. Industrie 4.0-Lösungen 2017.
Schäffer, Thomas (2017): Unternehmensübergreifende Stammdatenqualität – Entwicklung eines Hilfsmittels zur Vereinbarung der Qualität für Stammdaten zwischen Unternehmen. In: Barbara Dinter, Lisa Frenzel und Peter Gluchowski (Hg.): Tagungsband zum 20. Interuniversitären Doktorandenseminar Wirtschaftsinformatik. Chemnitz: Universitätsverlag der Technischen Universität Chemnitz, S. 49–59.
Schäffer, Thomas; Leyh, Christian (2017): Master Data Quality in the Era of Digitization - Toward Inter-organizational Master Data Quality in Value Networks: A Problem Identification. In: F Piazolo, V Geist, L Brehm und R Schmidt (Hg.): Innovations in Enterprise Information Systems Management and Engineering. ERP Future 2016. Lecture Notes in Business Information Processing. 285. Aufl.: Springer, Cham, S. 99–113.
Beckmann, Helmut; Schäffer, Thomas (2016): Trends und Erfolgsfaktoren im Zuge der Digitalisierung. Ergebnisse einer Studie zum Stammdatenmanagement. In: ERP Management 12 (4), S. 36–37.
Schäffer, Thomas; Beckmann, Helmut (2016): Trendstudie Stammdatenqualität 2016. Empirische Forschung zur aktuellen Situation derStammdatenqualität in Unternehmen und daraus abgeleitete Trends zur digitalen Transformation. Stuttgart: Steinbeis-Edition (Schriftenreihe Wirtschaftsinformatik).
Schäffer, Thomas; Beckmann, Helmut (2014): Trendstudie Stammdatenqualität 2013. Erhebung der aktuellen Situation zur Stammdatenqualität in Unternehmen und daraus abgeleitete Trends. 1. Aufl. Stuttgart: Steinbeis-Edition (Schriftenreihe Wirtschaftsinformatik).
© HHN CCIS, 16. November 2017, Dipl.-Inf. Thomas Schäffer, 4. Heilbronner MDM-Roundtable, Seite 56© HHN CCIS, 30. November 2017, Dipl.-Inf. Thomas Schäffer, InfoZoom Best Practice Day 2017, Seite 56