Produktdaten Onboarding. Prozesse definieren Qualität optimieren

Transkript

1 Produktdaten Onboarding Prozesse definieren Qualität optimieren 1

2 Inhaltsverzeichnis 1 Data Onboarding mit Priorität 4 2 Definition der Zieldatenstruktur 5 3 Datenstandards & Austauschformate 7 4 Zentrales Stammdatenmanagement für Produktdaten 8 5 Datenerfassung nach dem First-Time-Right-Prinzip 8 6 Schlanke Prozesse und klare Kommunikation 9 7 Flexible Lösungen für die Datenintegration 10 8 Checkliste: Effizientes Produktdaten Onboarding 11 2

3 Kritischer Erfolgsfaktor: Produktdaten-Integration Bei der Digitalisierung interner Prozesse bedenken Handelsunternehmen und Plattformen zunächst vor allem die kritischen Schnittstellen zwischen dem eigenen Unternehmen, den bestehenden Lieferanten, den neuen Anbietern und den gemeinsamen Kunden. Im Zuge der kundenzentrierten Ausrichtung des Unternehmens stehen vor allem kritische Schnittstellen und Handelsprozesse auf dem Prüfstand, die den unmittelbaren Geldfluss oder den physischen Warenfluss zwischen der Plattform, seinen Akteuren und Kunden betreffen. Oft vernachlässigt bleibt der Prozess rund um das Verwalten und Aktualisieren von Produktinformationen und -angeboten der Hersteller und Lieferanten. Das amerikanische Marktforschungsinstitut Gartner fand heraus, dass fehlerhafte Produktinformationen im Handel und in der Industrie jährlich Kosten in Millionenhöhe verursachen. Mangelhafte Datenqualität kostet jedes Top- Unternehmen aus Handel und Industrie durchschnittlich 8,2 Millionen US-Dollar im Jahr. Hinzukommen Zeitverluste bei der Listung von Produkten, Mehraufwände durch zusätzliche Abstimmungsschleifen und manuelles Datenhandling. Eine Auseinandersetzung mit dem Verwalten und Aktualisieren von Produktdaten bleibt unerlässlich. Das vorliegende Paper gibt praktische Tipps speziell für die effiziente Gestaltung des Onboardings von Produktdaten. 1 Vgl. Handelsjournal ( ) 3

4 1 Data Onboarding mit Priorität Bei der Erfassung von Produktdaten sehen Händler sowie Plattformbetreiber sich mit einem permanenten Spannungsfeld zwischen Qualität, Quantität und Geschwindigkeit konfrontiert: Detaillierte Produktinformationen stärken das Vertrauen des Kunden die richtige Kaufentscheidung zu treffen, sie steigern die Interaktion der Nutzer im Shop und letztlich die Conversion Rate. Wer auf Datenqualität verzichtet, muss nicht nur mit Umsatzeinbußen rechnen, sondern steht auch vor dem Risiko hoher Retouren aufgrund von falschen oder fehlenden Produktangaben. Doch die Sicherung der Datenqualität bedeutet Aufwand und somit auch Zeit. In einem hochkompetitiven Handelsumfeld ist allerdings der Faktor Geschwindigkeit ein entscheidender Wettbewerbsfaktor. Erreicht beispielsweise ein neues Trend-Gadget aus Asien den deutschen Markt, geht es darum schnell zu sein, denn wer jetzt zu den Anbietern der ersten Stunde gehört, wird von den Umsätzen, die der Trend mit sich bringt, profitieren. Und wer zu langsam ist, wird am Ende auf seinen Beständen sitzen bleiben. Den dritten Pol des Spannungsfelds stellt der Faktor Quantität : Händler sind heute mit der Situation konfrontiert, dass die Zahl der Produktvarianten kontinuierlich steigt und Produktlebenszyklen immer kürzer werden. Diese Entwicklung lässt sich in sämtlichen Branchen beobachten, beispielsweise dauerte die Entwicklung des ersten iphones 3 Jahre, seither lancierte Apple jährlich ein neues Modell. In der Automobilbranche umfasste die Modellpalette von Mercedes-Benz vor 20 Jahren noch 5 Modelltypen, heute sind es rund 30, die in unterschiedlichen Konfigurationsmöglichkeiten für den Kunden verfügbar sind. Für das Produktdatenmanagement bedeutet dies zunehmende Datenvolumina bei kürzeren Updatezyklen. Und auch Initiativen wie der Ausbau der Sortimente oder die Öffnung in andere Ländermärkte sorgen auf Seite der Händler und Plattformen für stets wachsende Datenmengen. Alle Daten in gleichbleibend hoher Qualität und Geschwindigkeit zu integrieren, bringt Händler und Plattformen oft an die Grenzen der Machbarkeit. Um dieses Spannungsfeld aufzulösen, empfiehlt es sich Prioritäten für einzelne Sortimente und Produkte zu definieren und sich zu fragen: Welche Produkte müssen mit welcher Priorität gelistet werden? Und, für welche Sortimente gilt welches Qualitätslevel? 4

5 2 Definition der Zieldatenstruktur Die Grundlage zur Sicherung der Datenqualität und die Definition der individuellen Qualitätslevel für einzelne Sortimente muss bereits vor der Erfassung der Produktdaten geschaffen werden. Durch eine Zieldatenstruktur können die Eigenschaften aller Datenobjekte spezifiziert werden. Diese Spezifikation ist ein wichtiges Mittel, um Produktinformationen später zu identifizieren und ihre Vollständigkeit sowie Konsistenz sicherzustellen. Der gesamte Datenbestand lässt sich auf diese Weise einheitlich strukturieren und vor Redundanzen schützen. Die Definition der Zieldatenstruktur im Unternehmen sollte folgende Elemente umfassen: Kategorien Kategorien helfen den Produktkatalog zu strukturieren und unterstützen die Auffindbarkeit konkreter Produktdatensätze. Um die bestmögliche Strukturierung zu sichern, sollten Kategorien überschneidungsfrei definiert werden, so dass die eindeutige Zuweisung der Produkte zu einer Kategorie erfolgen kann. Attribute (auch: Merkmale) Durch definierte Attribute wird ein Produkt in einem Produktkatalog näher beschrieben. Bei einem heterogenen Sortiment ist es hilfreich die Merkmale zur Beschreibung des Produktes auf Kategorie-Ebene möglichst granular zu definieren, um zu einer möglichst genauen Beschreibung des jeweiligen Artikels zu gelangen. Granularität bei der Definition der Attribute sorgt nicht nur für eine vollständige Beschreibung, sondern schafft auch Flexibilität bei der späteren Weiterverarbeitung der Informationen. Ein Beispiel für die Definition von Attributen für das Möbel-Sortiment: 5

6 Attributwerte Konkrete Werte für die Ausprägung der Merkmale zu definieren, schafft zum einen Vergleichbarkeit der Produkte innerhalb eines Produktkatalogs, zum anderen schützt dies das Unternehmen vor fehlerhafter, redundanter Datenerfassung. So definiert beispielsweise ein Händler für die Warengruppe Bekleidung und das zugehörige Attribut Farbe die gültigen Werte rot, lila, blau, grün, gelb, braun, schwarz, weiß. Auch für die Warengruppe Möbel werden für das Attribut Farbe Werte definiert, die Farbangabe braun wäre allerdings zu unspezifisch, sodass er folgende Werte definiert rot, lila, blau, grün, gelb, teak, kiefer, pinie, eiche, mahagoni, schwarz, grau, weiß. Attributeigenschaften Die Attributeigenschaften definieren, ob es sich bei dem jeweiligen Merkmal um ein Pflichtattribut handelt, in welchem Wertebereich ein Attributwert angegeben werden darf oder auch in welcher Einheit dieser angegeben werden soll. Die Definition der Attributeigenschaften ermöglicht einerseits die Feststellung der aktuellen Produktdatenqualität, andererseits kann eine Validierung direkt bei der Datenerfassung erfolgen. Wie restriktiv die Definition der einzelnen Attributeigenschaften erfolgt, richtet sich nach dem zuvor definierten Qualitätslevel. Die Zieldatenstruktur gilt es in regelmäßigen Abständen auf deren Aktualität zu prüfen und nach Bedarf anzupassen. Hierbei sollten Kriterien, wie neue rechtliche Vorgaben, ebenso wie Angaben zu neuen Produkttrends und auch eigene individuelle Sortimentserweiterungen bei der Auszeichnung von Produktinformationen berücksichtigt werden. 6

7 3 Datenstandards & Austauschformate Bislang hat sich noch kein weltweiter Standard für das Produktdatenmanagement und den Austausch von Produktinformationen für alle Industrien durchgesetzt, dennoch finden isoliert in einzelnen Branchen Standards Anwendung, die entweder vom jeweiligen Branchenprimus etabliert oder sogar gemeinsam mit Vertretern der Industrie entwickelt wurden. Sie verfolgen das Ziel eines vereinfachten Informationsaustausches zwischen den Akteuren. Mit Blick auf die Klassifikation von Produkten sind dies im deutschsprachigen Raum beispielsweise der branchenübergreifende Standard im Bau- und Werkzeugbereich oder auch FEDAS für die Sportartikelbranche. Ihr Umfang umfasst in erster Linie eine eindeutige Definition von Klassen bzw. Warengruppen, vielfach auch Schlagworte, Merkmale, Merkmalswerte, Einheiten und Datentypen. Neben den Standards zur Klassifikation von Produkten haben sich auch verschiedene Austauschformate für Artikelstammdaten etabliert. So existieren neben gängigen Formaten wie CSV, XML oder JSON auch Austauschformate wie BMEcat oder PRICAT, die den Informationsaustausch vereinfachen sollen. Wer die angewandten Standards seiner Partner kennt, kann sich dieses Wissen beim Aufbau der eigenen Daten- strukturen gezielt zu Nutze machen: Klassifikationsstandards können die Basis für die eigene Kategorisierung bilden. Eingesetzte Datenformate zeigen welche Schnittstellen geschaffen werden müssen. Angaben zu Sortiments- & Programmwechsel geben Auskunft über Aktualisierungszyklen und Anforderung an die Datenverarbeitung. 7

8 4 Zentrales Stammdatenmanagement für Produktdaten In zahlreichen Unternehmen sind im Laufe der Zeit Produktdatensilos entstanden, die sich aufgrund existierender System- & Prozessabhängigkeiten nicht kurzfristig zusammenführen lassen. Vielfach werden Produktdaten parallel in PIM-, ERP- und Shop-Systemen erfasst und vorgehalten. Eng verbunden mit den verschiedenen Systemen sind unterschiedliche Anforderungen an Inhalte, Datenformate und -strukturen. Wer nun beim Onboarding der Produktdaten alle Silos zeitgleich mit den passenden Daten bedienen will, wird aufgrund der Vielzahl an Schnittstellen mit hoher Komplexität konfrontiert, die nicht nur neue Fehlerquellen birgt, sondern vielfach mit hohen Kosten verbunden ist. Folglich muss zunächst entschieden werden, welches System künftig das führende System für die Erfassung und Haltung der Produktdaten ist. In diesem System laufen alle Produktdaten an zentraler Stelle zusammen und bilden eine zentrale, konsistente Datenbasis. Ausgehend vom führenden System können Produktdaten an alle weiteren Systeme im Unternehmen verteilt werden. 5 Datenerfassung nach dem First-Time-Right-Prinzip Die falsche, ungenaue oder unvollständige Datenerfassung ist eine Fehlerquelle, die sich schnell potenziert und deren Behebung sehr mühsam und aufwändig ist. Als plakatives Beispiel kann hier der Marktplatz Ebay herangezogen werden: Anfang des Jahres 2017 verkündete die Plattform nun 55 Prozent seines historisch wild gewachsenen Produktkatalogs strukturiert zu haben. Ein halbes Jahr zuvor waren es noch 42 Prozent. 2 Das Beispiel belegt zwar einerseits die Brisanz, mit der Ebay an der Strukturierung von rund 60 Millionen Artikelstammdaten arbeitet, um seinen Nutzern Produktangebote besser zugänglich zu machen, zugleich zeigt das Beispiel jedoch auch den Aufwand, der hinter einer nachträglichen Überarbeitung von Produktdaten steht. Anstatt im Nachhinein Daten auf Korrektheit zu prüfen, ist es ratsam diese direkt bei der Erfassung zu validieren. Diese Maßnahme nennt sich auch First-Time-Right-Prinzip und betrifft nicht nur manuell erfasste Produktdaten, sondern auch die automatische Integration von Produktdaten. Um das Prinzip bestmöglich zu wahren, empfiehlt es sich sämtliche Systeme zur Datenerfassung so zu kalibrieren, dass die Definition der Zieldatenstruktur und damit verbundene Richtlinien vollständig abgebildet werden und die Aktualität, die Vollständigkeit und der Informationsumfang der Produktdaten sichergestellt sind. 2 Vgl. Onlinehändler-News.de (13. März 2017); 8

9 6 Schlanke Prozesse und klare Kommunikation Vielfach wird ein effizientes Data Onboarding auch durch mangelhafte Kommunikation der Anforderungen an die Produktdaten gegenüber externen Datenlieferanten erschwert, aber auch die Kommunikationswege sind nicht immer effizient gestaltet. Die Abstimmung verläuft vielfach über lange Kommunikationswege zwischen dem Lieferanten, dem Mitarbeiter auf Seite der Plattform bzw. Händler und den jeweiligen IT-Abteilungen beider Parteien. Ein wichtiger Aspekt des effizienten Datenqualitätsmanagements ist, dass der Zugang zu allen relevanten Daten und Informationen für alle Beteiligten permanent sichergestellt ist. Gelingen kann dies durch die Vergabe von dedizierten Zugriffsrechten zu den produktdatenhaltenden Systemen. Ein Hersteller kann dann den aktuellen Datenbestand für seine Produkte beim Händler einsehen und Mängel an den Stammdaten erkennen und gegebenenfalls direkt beheben. Um die Abstimmung mit dem Geschäftspartner weiter zu vereinfachen und die erforderliche Datenqualität zu erreichen, sollten Unternehmen eine Produktdatenrichtlinie etablieren, welche die Anforderungen an die Datenqualität präzise beschreibt. Im Speziellen gilt es die folgenden Punkte zu definieren: Welche Produktinformationen müssen bzw. können angeliefert werden? Welche Datenformate, Codierungen etc. sind erlaubt? Wie müssen Produktdaten strukturiert sein? In welchem Austauschformat müssen Produktdaten bereitgestellt werden? In welcher Frequenz müssen Produktinformationen bereitgestellt werden? Durch Kommunikation und Bereitstellung einer Produktdatenrichtlinie können Abstimmungsaufwände bereits im Vorfeld eingegrenzt werden. 9

10 7 Flexible Lösungen für die Datenintegration Was, wenn der Lieferant oder Verkäufer Ihre Anforderungen an die Produktdaten nicht erfüllen kann? Oder auch gar nicht will? Als Händler wie auch Betreiber einer Plattform müssen Sie auch für diesen Fall vorbereitet sein, wenn Sie Angebote schnell an den Markt bringen und den First Mover Advantage nutzen wollen. Dabei sollten Sie tunlichst darauf verzichten individuelle Skripte oder Makros zu schreiben, welche die Produktdaten Ihrer Anbieter in Form bringen. Diese verursachen nicht nur initiale Kosten, sondern auch langfristige Maintenance-Aufwände, sobald Sie oder der Lieferant Änderungen an der Datenstruktur vornehmen. Erschwerend kommt hinzu, dass individuelle Lösungen nicht skalieren: In der Regel können diese kein weiteres Mal verwendet werden und darüber hinaus schaffen Sie neue Abhängigkeiten von den Entwicklern solcher Individuallösungen. Aus diesem Grund empfiehlt es sich bei der Gestaltung der Infrastruktur bereits darauf zu achten Prozesse und generische Lösungen für das Data Onboarding zu finden. Sie sollten darauf achten, dass verschiedene Möglichkeiten der Datenübertragung bestehen unterschiedliche Dateiformate empfangen werden können Datenstrukturen flexibel integriert werden können Tools für die Kategorisierung und Normierung von Produktdaten bereitstehen Produktdaten bei der Erfassung validiert werden 10

11 8 Checkliste: Effizientes Produktdaten Onboarding Fehlerhafte Produktdaten sorgen jährlich für Verluste bei den Unternehmen, zugleich entgehen den Unternehmen Gewinne aufgrund von mangelnder technischer Infrastruktur oder fehlenden Prozessen und Verantwortlichkeiten. Die nachfolgenden Tipps helfen bei der Optimierung der Geschäftsprozesse: Tipp 1: Setzen Sie je nach Produkttyp und Warengruppe Prioritäten für das Data Onboarding, um dem Spannungsfeld zwischen Qualität, Geschwindigkeit und Quantität zu begegnen. Tipp 2: Definieren Sie eine Zieldatenstruktur, um eine solide Basis für die Erfassung von Produktdaten zu schaffen und diese einheitlich zu strukturieren. Beachten Sie von Beginn an vorherrschende Datenstandards und Austauschformate. Tipp 3: Definieren Sie ein zentrales System für die Erfassung Ihrer Produktdaten, um Redundanzen zu vermeiden und Schnittstellenkosten zu senken. Tipp 4: Validieren Sie Produktdaten bereits bei der Erfassung die nachträgliche Überarbeitung ist aufwändig und teuer. Tipp 5: Gestalten Sie die Kommunikationswege zwischen sich und dem Lieferanten effizient: Sorgen Sie dafür, dass er Zugang zu allen relevanten Informationen bekommt, die er benötigt, um Mängel an seinen Stammdaten zu erkennen und zu beheben. Tipp 6: Stellen Sie sich auf das Vermögen der Geschäftspartner ein und sorgen Sie für flexible Möglichkeiten der Datenintegration, um das Onboarding der Produktdaten zu beschleunigen. 11

12 Perfekte Produktdaten. Überall. Zu jeder Zeit. Jetzt entdecken auf Feed Dynamix GmbH Ludwigstraße Frankfurt T: F: E: 2018 Feed Dynamix GmbH. All rights reserved. All other trademarks are the property of their respective owners.