Erfolgsfaktor SAP NetWeaver Master Data Management Infotag 2007

Transkript

1 als strategischer Erfolgsfaktor SAP NetWeaver Master Data Management Infotag 2007 Dr. Boris Otto Regensdorf,

2 Agenda Motivation und Status quo Strategisches Gestaltungsfeld Corporate Data Quality Handlungsempfehlungen Zusammenfassung Ansprechpartner 2

3 Innovative Geschäftsmodelle erfordern ein aktives Management der Konzerndatenqualität Heutige und künftige Geschäftsmodelle zeichnen sich aus durch Globalisierung Individualisierung Value Chain Redesign Service- Industrialisierung Globale Kunden- ansprache Weltweite Standortoptimierung Kundeindividuelle Leistungserstellung Ereignisgesteuerte Angebote Segment of One im Eco-System Überbetriebliche Vernetzung Systeme Wandel vom Produkt zur Lösung und sind nur realisierbar bei hoher Datenqualität und -integration Granularität Aktualität Lifecycle Management Semantik Hoher Detaillierungsgrad (von der Klasse zur Instanz) Verfügbarkeit in Echtzeit Abbildung von Informationen und Daten von der Entstehung bis zur Ausphasierung Harmonisierte Begrifflichkeiten Selbstbeschreibungsfähigkeit 3

4 Betriebswirtschaftliche Probleme infolge mangelnder Datenqualität finden sich übergreifend in allen Unternehmensfunktionen* * Alle Angaben in Prozent. Gefragt wurden Unternehmen, welche Probleme durch schlechte Datenqualität auftraten. Quelle: Russom, P.: Master Data Management - Consensus-Driven Data Definitions for Cross-Application Consistency. The Data Warehousing Institute,

5 Treibende Faktoren für Corporate Data Quality sind geschäftskritisch Unternehmenssteuerung/ Business Intelligence Mangelhafte Datenqualität beeinträchtigt die Unternehmenssteuerung. Aussagekraft von Berichten oder BI-Auswertungen Aufwändige Zeitverzögerungen und Nachbearbeitungen b Compliance Gesetzliche, aufsichts- und vertragsrechtliche Risiken durch fehlerhafte Konzerndaten Vertragsverletzungen und Haftungsschäden als Konsequenz Prozessintegration entlang der Value Chain Kundenorientierte Geschäftsmodelle Abgestimmte Produkt- und Partnerdaten als Voraussetzung für effiziente Order-to-Cash und Procure-to-Pay Pay Prozesse Notwendigkeit einheitlicher Methoden der Datenintegration Einheitliche Kundenansprache durch konsequentes Management von Kundendaten und Produktdaten Integration von Regionen, Vertriebskanälen und Produkteinheiten Elektronische Produktinformationen Forderung nach elektronischer Produktinformationen durch Geschäftspartner und Kunden Produktinformationsmanagement über den gesamten Datenlebenszyklus 5

6 Agenda Motivation und Status quo Strategisches Gestaltungsfeld Corporate Data Quality Handlungsempfehlungen Zusammenfassung Ansprechpartner 6

7 Stammdaten unterscheiden sich von anderen Datenobjekten über die Änderungshäufigkeit und ihre grundlegende Zweckorientierung Änderungsdaten Bewegungsdaten Zweckorientierung Referenzdaten abwicklungs- orientiert zustands- orientiert t Stammdaten Bestandsdaten gering Änderungshäufigkeit hoch 7

8 Das Management der Konzerndatenqualität erfolgt mit strategischer, organisatorischer und informationstechnischer Perspektive Umsetzung Strategie Geschäftsmodell & Datenqualität Geschäftspartner Prozesse Führungssysteme Reifegrade & Transition IS Organisation & Standards Desktop-Integration Workflow-Integration - Prozesse System- unterstützung Überbetriebliche Vernetzung Daten-Services Legende: IS: Informationssysteme Datenarchitektur 8

9 Das Kompetenzzentrum Corporate Data Quality entwickelt konkrete Lösungen für sämtliche Handlungsfelder Umsetzung Strategie Geschäftsmodell & Datenqualität Geschäftspartner Prozesse Führungssysteme Reifegrade & Transition IS Organisation & Standards Desktop-Integration Workflow-Integration - Prozesse System- unterstützung Überbetriebliche Vernetzung Daten-Services Legende: IS: Informationssysteme Datenarchitektur 9

10 Agenda Motivation und Status quo Strategisches Gestaltungsfeld Corporate Data Quality Handlungsempfehlungen Zusammenfassung Ansprechpartner 10

11 Reifegrad und Transition: Initiales Baseline Assessment zur Bewertung der Ausgangssituation Entwicklung einer DQ-Strategie Bereitstellung von Systemunterstützung für DQ 2 1 Messung und Steuerung von DQ Projektpartner A Projektpartner B Projektpartner C Projektpartner D 1 Initial 2 Managed 3 Defined 4 Quantitatively Managed 5 Optimizing Ausführung der - Prozesse Organisation der DQ und Setzen von Standards ds 11

12 Führungssysteme: Hohe Datenqualität ist die Voraussetzung für eine schärfere schärfere Sicht auf die betriebliche Wirklichkeit You can only manage what you can measure. Strukturelle und qualitative Mängel verursachen operative Aufwendungen und Risiken (z.b. Compliance). Hohe Datenqualität bedeutet bessere Planung, schnellere Anpassungen im Geschäftsmodell und integrierte Prozesse entlang der Value Chain. 12

13 Organisation & Standards: In der Regel sind vier Rollen und ein Gremium für das Datenqualitätsmanagement verantwortlich* Förderung, strategische Ausrichtung, Finanzierung und doberaufsicht htdes Data Governance Programms Koordiniert und leitet Data Governance Strategien und Prozesse im gesamten Unternehmen Executive Sponsor Data Governance Council Chief Steward Stellt unternehmensweite Datenstrategie auf und stimmt sie mit den Anforderungen der Business Units ab * Die tatsächliche Anzahl Rollen ist untenehmensspezifisch. Business Data Steward Setzt die Data Governance Vorgaben im Tagesgeschäft um, besitzt umfangreiches Wissen über GeschäftsdDaten prozesse und Technical Data Steward Experte für die technische Repräsentation der Daten in Anwendungssystemen, zuständig für Metadaten Repository 13

14 Organisation & Standards: Die Ausprägung der Data Governance ist von verschiedenen Einflussfaktoren abhängig Grösse des Unternehmens Data Governance Prozessvielfalt Unternehmensstrategie Organisations- struktur Branche 14

15 Datenarchitektur: Eine uneindeutige Definition von Datenobjekten behindert die effiziente Ausführung von Geschäftsprozessen Händler Auftrag Material Type Order No. Best. Produktion Confirmed order Verf.-Prfg. Production order Auftragsbest. Auftragsbest. Prod.- Auftrag Beschaffung Bestellung Material Class Bestellung Wareneingang Waren- eingang Mat.-Type Delivery note Lieferant Order ID Auftrag Order Number 15

16 Datenarchitektur: Inkonsistenzen entstehen durch mangelhafte Koordination zwischen den Fachbereichen System 1 System 2 Material Type Mat.-Type System n Material Class Order No. Order ID Order Number Manufacturing Procurement Goods Receipt Bedarf zur Harmonisierung und ggfs. Konsolidierung der Informationsobjekte Entwurf einer Übersetzungsschicht 16

17 Datenarchitektur: Das Informationsobjektmodell entsteht aus Analyse von Geschäfts- und Datenobjekten 1 Ereignisgesteuerte Prozessketten (EPK) Aktivitätsdiagramme Interviews Prozesssicht Geschäftsobjektsicht Identifikation und Beschreibung der Geschäftsobjekte in den Fachbereichen Geschäftsobjekte 3 Consolidation BDD Informationsobjekte Informationsobjektsicht Modelling CDM BDD Business Data Dictionary CDM Core Data Model 2 Anwendungssicht Analyse der Systemarchitektur Datenobjekte Analyse der Anwendungslandschaft Datenobjekt 17

18 Datenarchitektur/Systemunterstützung: Unterschiedliche Nutzungsgruppen erfordern unterschiedliche Werkzeuge Glossar Business Data Dictionary Datenmodell Begriffsliste mit Definitionen für ein bestimmtes Wissensgebiet Erklärung von Konzepten eines bestimmten Untersuchungsbereichs Voraussetzung für gemeinsames Verständnis Keine Abhängigkeiten zu anderen Begriffen (strukturelle Information) Satz an Metadaten mit semantisch präzisen Definitionen und Repräsentationen von Informationsobjekten Abstrakte, formale Darstellung (grafisch) von Informationsobjekten (Entitäten), ihrer Beziehungen und Merkmale Vornehmlich strukturelle, weniger semantische Information Notwendig für Implementierungszwecke Ontologie Datenmodell zur Repräsentation ausgewählter Konzepte innerhalb eines bestimmten Untersuchungsbereichs sowie der Beziehungen dieser Konzepte untereinander Ein Satz von Definitionen eines formalen Vokabulars, explizite formale Spezifikation einer (gemeinsamen) Konzeptionalisierung Zur Erläuterung logischer Zusammenhänge verwendet 18

19 Agenda Motivation und Status quo Strategisches Gestaltungsfeld Corporate Data Quality Handlungsempfehlungen Zusammenfassung Ansprechpartner 19

20 Zusammenfassung Strategisches zielt auf das aktive Management der Konzerndatenqualität ab - zur Unterstützung der Anforderungen innovativer Geschäftsmodelle Das Management von Konzerndatenqualität muss sowohl betriebswirtschaftlich-organisatorische als auch informationstechnische Fragestellungen aufgreifen Im Competence Center Corporate Data Quality werden gemeinsam mit Partnerunternehmen* Lösungsansätze für wirksames Datenqualitätsmanagement t erarbeitet t * Bayer CropScience, DaimlerChrysler, Deutsche Telekom, ETA, IBM. 20

21 Agenda Motivation und Status quo Strategisches Gestaltungsfeld Corporate Data Quality Handlungsempfehlungen Zusammenfassung Ansprechpartner 21

22 Ansprechpartner Dr. Boris Otto Universität St. Gallen Institut für Wirtschaftsinformatik Tel.:

23 Anhang 23

24 Das Competence Center Corporate Data Quality behandelt acht Forschungsschwerpunkte 1 Geschäftsmodell & Datenqualität 2 Führungssysteme 3 Organisation & Standards Corporate Data Governance 4 -Prozesse 5 Systemunterstützung 6 Datenarchitektur Corporate Data Architecture t 7 Überbetriebliche Vernetzung 8 Reifegrade & Transition 24