Datenqualitätsanalyse als Einstieg in das Stammdatenmanagement

Nicht wenige Unternehmen haben mit ihren Stammdaten ein Problem. Nur wissen sie es nicht, oder sie haben eher nur ein Gefühl, dass es mit der Datenqualität nicht zum Besten bestellt ist, können dies aber nicht an harten Fakten festmachen. Dass beispielsweise Dubletten vorhanden sind, ist vielen Unternehmen bewusst, allerdings fehlen Zahlen dazu, wie viele es sind und wo genau sie stecken. Manche wissen nicht einmal, welche Felder eines Stammdatensatzes vollständig gefüllt sind. Um diese Erkenntnislücken zu beseitigen wäre es hilfreich, in den SAP-Systemen inkonsistente, doppelte, unvollständige und veraltete Datensätze aufspüren zu können.

Möglich macht dies der Data Quality Analyzer (DQA) von zetVisions. Mit dem DQA können Unternehmen auswerten, wie gut oder schlecht es um die Datenqualität in ihren SAP-Systemen bestellt ist. Nach der Installation des DQA auf dem SAP-System kann in die einzelnen Stammdatendomänen – Kunden/Lieferanten beziehungsweise Debitoren/Kreditoren, Produkt- und Materialstammdaten – Einblick genommen werden. Über die Validierungsregeln können Datenqualitätsregeln erstellt werden, die wiederum zu beliebig vielen Regelsätzen zur Prüfung der Daten auf Konsistenz, Vollständigkeit, Aktualität und Eindeutigkeit zusammengefasst werden. Die Regelsätze dienen dazu, einen Stammdatensatz mit einem Qualitäts-Score zu versehen. Für jeden Stammdatensatz lässt sich so evaluieren, ob er als Ganzes gut, ausreichend oder mangelhaft gepflegt ist. Für jede Regel eines Regelsatzes kann eine Gewichtung in Prozent frei definiert werden.


So könnte beispielsweise bei einem Materialstammdatensatz der Regelsatz zur Vollständigkeit so aussehen:

•             Regel 1: „Externe Warengruppe“ und „Sparte“ müssen gefüllt sein > Gewichtung 10

•             Regel 2: „Produkthierarchie“ und „Warengruppe“ müssen gefüllt sein > Gewichtung 30

•             Regel 3: „Bruttogewicht“ und „Nettogewicht“ müssen gefüllt sein > Gewichtung 60

Zusätzlich lassen sich KPI definieren, also Schwellen, ab wann Datensätze als gut, ausreichend oder mangelhaft gelten. Dies erlaubt eine grafische Auswertung über alle geprüften Objekte, die zeigt, wie hoch der Anteil der Objekte mit mangelhafter, ausreichender und guter Datenqualität ist. Die Regelsätze werden turnusgemäß angewandt, so dass Trends über einen längeren Zeitraum dargestellt werden können. Korrekturaufgaben lassen sich automatisch anstoßen, in dem bei Auftreten eines Fehlers eine Information gesandt wird. Die Korrekturen sind bequem aus dem DQA durch „Absprung” in den SAP-Datensatz oder per Massenupload möglich. Die Entwicklung der Datenqualität kann über das Data Quality Dashboard analysiert werden.

Der Data Quality Analyzer, der zu einer vollständigen Stammdatenmanagement-Lösung (zetVisions SPoT) ausgebaut werden kann, ist der Einstiegspunkt, um die Datenqualität in den Griff zu bekommen. Das Endziel heißt Master Data Excellence. Dabei handelt es sich nicht allein um eine Softwarelösung, sondern um ein erweitertes Dienstleistungsangebot rund um das Management von Stammdaten. Ausgehend von der Analyse, Definition und Implementierung der Prozesse über die Einrichtung des Software-Tools bis hin zum folgenden Change Management sowie zu den Richtlinien für die Planung, Kontrolle und Bereitstellung von Daten (Data Governance) liefert zetVisions gemeinsam KPMG einen lückenlosen End-to-End-Service für das Stammdatenmanagement.

Ausführliche Informationen dazu gibt es in der Coverstory der September-Ausgabe vom E-3 Magazin.

Autorin

Monika Pürsing ist Geschäftsführerin der auf die Softwareentwicklung für Stammdaten- und Beteiligungsmanagement spezialisierten ZetVisions in Heidelberg. Sie hat zahlreiche internationale Projekte zu Stammdatenmanagement-Lösungen geleitet und Kunden bei der Prozessgestaltung beraten.

monika.puersing@zetvisions.com