Data Quality White Paper Implementierung eines Datenqualitätsmanagement Systems nach den Regeln der GS1 Ein Kochbuch für FMCG Lieferanten

Transkript

1 Data Quality White Paper Implementierung eines Datenqualitätsmanagement Systems nach den Regeln der GS1 Ein Kochbuch für FMCG Lieferanten Gewinnen Sie die Kontrolle über die Qualität Ihrer Produktstammdatenqualität zurück, indem Sie ein Datenqualitätsmanagement System auf der Basis des GS1 Data Quality Frameworks aufbauen

2 Inhalt 1 Was ist Datenqualität? Grundlegendes Warum wird Datenqualität überhaupt gebraucht? Was passiert, wenn Ihre Datenqualität schlecht ist Aber was ist nun Datenqualität? GDSN Anforderungen an Datenqualität Händler Anforderungen an Datenqualität Die KPI s des GS1 DQF Was sind Ihre eigenen Anforderungen an Ihre Datenqualität? Was müssen Sie tun, um eine hohe Datenqualität zu erreichen? Ein Kochrezept Vision Strategie Metriken Organisation Prozesse IT Was sind Ihre Herausforderungen? Haben Sie nicht alle Produktinformationen in einem zentralen System? Es fehlen einige der benötigten Produktinformationen grundsätzlich? Ihr Kunde hat erweiterte Regeln zu denen Ihre Produktstammdaten passen müssen? Verschiedene Mitarbeiter sind für verschiedene Teile Ihrer Produktinformationen verantwortlich? Implementierungs Checkliste Analyse Phase Definitions Phase Implementierungs Phase Danksagung...24 Datenqualität 2 Implementierung eines Datenqualitätsmanagement Systems nach den Regeln der GS1 Ein Kochbuch für FMCG Lieferanten

3 1 Was ist Datenqualität? 1.1 Grundlegendes Warum wird Datenqualität überhaupt gebraucht? Stammdaten sind der Kern Ihres Unternehmens. Stellen Sie sich einfach mal vor, was passiert, wenn Sie keine Kundenadressen hätten. Sie wären nicht in der Lage, ihnen eine Rechnung zu stellen! Stellen Sie sich vor, was passiert, wenn Ihr Kunde nicht über Ihre richtige Adresse verfügt. Er wird nicht in der Lage sein, eine Bestellung bei Ihnen zu platzieren! Könnten Sie Aufträge verlieren, nur weil Ihre potentiellen Kunden nicht Ihre richtige Kontaktdaten haben? Kunden und Lieferanten Adressdaten sind sehr wichtige Stammdaten und es ist sehr offensichtlich problematisch, wenn diese Art von Daten falsch sind (dann wird Ihre Rechnung einfach zurückgeschickt). Die Handhabung von Artikelstammdaten ist komplizierter. Artikelstammdaten werden für die Bestellung und Fakturierung benötigt, ebenso wie die Adressdaten. Wie oft haben Sie Probleme herauszufinden, welche Produkte Ihr Kunde tatsächlich bestellen möchte, wenn keine GTIN 1 oder keine korrekte Artikelnummer mitgeschickt wird oder die Produktbeschreibung nicht spezifisch genug war, um es selbst herauszufinden? Auf der anderen Seite kämpfen Ihren Kunden die Händler bei der Verwaltung ihrer Logistik, angefangen bei ihren Distributionszentren bis hin zu den Filialen, weil sie nicht über die richtigen Abmessungen Ihrer Produkte verfügen. Die LKW Tourenplanung ist automatisiert und wird auf einer täglichen Basis, nach welcher die Aufträge aus den Filialen kommen, neu berechnet. Wenn das Tourenplanungssystem nicht die korrekten Abmessungen der Produkte erhält, wird es immer falsch berechnen, wie viel Frachtraum auf den LKW benötigt wird, um die Aufträge vollständig abwickeln zu können. Hierbei geht es nicht nur um die Kosten des Frachtraums, sondern auch um Nachhaltigkeit und die Auswirkungen auf die Umwelt. In diesem Whitepaper werden wir uns auf die Techniken zur Verbesserung der Artikelstammdatenqualität konzentrieren. Könnten Sie Aufträge verlieren, nur weil Ihre potentiellen Kunden nicht Ihre richtigen Daten haben? ZUSAMMENFASSUNG Also, um die Frage zu beantworten hochwertige Stammdaten werden von Ihnen und Ihren Kunden benötigt, um Geschäftsprozesse so effizient wie möglich auszuführen. Es gibt spezifische Auswirkungen auf die Supply Chain Prozesse wie die Bestellung, Rechnung oder Lieferavis Prozesse. Aber es existiert auch ein großer Einfluss auf alle Arten von ecommerce Prozessen wie wir später noch sehen werden. 1 GTIN = Global Trade Item Number eine weltweit eindeutige Artikelnummer die von der GS1 stammt 1 Was ist Datenqualität? 3 Datenqualität

4 1.1.2 Was passiert, wenn Ihre Datenqualität schlecht ist Bei einer Datenqualitätsanalyse haben wir festgestellt, dass bei 70% der Produkte überhaupt keine logistischen Abmessungen gepflegt waren! Wir haben für diesen Händler ein jährliches Kosteneinsparpotential von bis zu 10 Mio. errechnet! In diesem Abschnitt werden wir erklären, welche Probleme Sie bei Ihren Kunden verursachen können, wenn Sie ihnen schlechten Daten bereitstellen, und wie dies dann Auswirkungen auf Ihre eigenen Finanz-Ergebnisse haben kann. Tourenplanung Wie bereits erwähnt, nutzen die Händler die automatisierte Tourenplanung um die effizienteste Touren zu berechnen, wie ihre LKW die Ware von den Distributionszentren in die Filialen liefern sollen. Wenn die Abmessungen der Produkte fehlen, verwenden die Systeme der Händler häufig Standardwerte. Als Ergebnis werden entweder zu wenig oder zu viele Produkte gepackt, die auf einen LKW geladen werden sollen (je nachdem, ob die Produkte größer oder kleiner als die Standardwerte sind). Stellen Sie sich hier die Größenunterschiede zwischen einer Tafel Schokolade und einer Packung Toilettenpapier vor! Natürlich ist es nicht nur ein Problem der Distribution, auch die Prozesseffizienz in den Distributionszentren und Filialen ist davon ebenso stark betroffen. Zum Beispiel können die Spuren im Distributionszentrum noch nicht wiederverwendet werden, wenn die Ware nicht vollständig auf den LKW passt, auf den sie geplant wurde. Dies kann dann zu Problemen bei der Haltbarkeit im Lager führen, wenn Sie es mit frischen Lebensmitteln zu tun haben. In den Filialen werden Personalressourcen auf Basis der erwarteten Anlieferungen geplant. Ist nur eine Anlieferung geplant, es kommen aber zwei LKW (es war viel Toilettenpapier bestellt), so müssen zusätzliche Ressourcen zur Verfügung gestellt werden. Bei einer Datenqualitätsanalyse bei einem Handelsunternehmen haben wir festgestellt, dass bei 70% seiner Produkte überhaupt keine logistischen Abmessungen gepflegt waren! Wie Sie sich vorstellen können, hatte dieser Händler ein massives Problem mit seiner Tourenplanung und anstatt sich auf die Qualität seiner Artikelstammdaten zu konzentrieren, wurde in die Umsetzung einer neuen Tourenplanung investiert. Das Ergebnis? Sollte keine Überraschung sein: die neue Tourenplanung war genauso schlecht wie die alte! Schließlich waren die Abmessungen der Artikel noch immer genauso wenig gepflegt. Wir haben für dieses Unternehmen ein jährliches Kosteneinsparpotential von bis zu 10 Mio. errechnet, wenn dieses seine Artikelstammdatenqualität verbessern würde und nur seine Tourenplanung effizienter durchführen könnte. Bestellung Was wird passieren, wenn Ihr Kunde versehentlich mit der falschen GTIN bestellt, z. B. mit der Karton-GTIN anstelle der Paletten-GTIN? Ihr Kunde wird sich über die Falschlieferung beschweren, und ihre Produkte werden schnell bei Ihrem Kunden ausverkauft sein. Out-Of-Stock! Ihr Finanzergebnis wird das auf zwei Arten negativ beeinflussen: 1. Sie werden nicht den Umsatz erzielen, den Sie gemacht hätten, wenn Sie die ganze Palette geliefert hätten. 2. Sie erhalten eine schlechte Lieferantenbewertung, weil Ihre Lieferung immer von der Bestellung abweicht. Und am Lieferanten-Scoring hängen doch Rückvergütungen, oder? Klar, Ihr Kunde macht den Fehler aber dass weiss er ja nicht. Aber haben Sie jemals untersucht, warum Ihr Rating bei der Auftragserfüllung immer so schlecht ist? Oder haben Sie immer gedacht, dass das ganz normal ist? Datenqualität 4 1 Was ist Datenqualität?

5 Rechnungsstellung Lassen Sie uns einfach mal annehmen, dass Sie wissen, was Ihre Kunden typischerweise falsch machen. Sie wissen, dass Ihr Kunde mit der falschen GTIN bestellt. Also wählen Sie für die Lieferung doch die Palette anstelle des Kartons, obwohl die Bestellung besagt, dass ein Karton geliefert werden sollte. Aber was passiert dann bei der Rechnungsstellung? Sie schicken eine Rechnung mit der korrekten GTIN - die GTIN der Palette. Ihr Kunde versucht nun die Rechnung automatisch zu verarbeiten und vergleicht sie mit der Bestellung, die er Ihnen zugesandt hat. Stellen Sie sich das mal vor! Die stimmen nicht überein! Nun beginnt die händische Suche nach der Lösung für den Fehler. Dies erfordert Zeit und Ressourcen von beiden Seiten. Der Kunde wird Sie kontaktieren, und Sie müssen nun gemeinsam herausfinden, was an der Rechnung falsch ist. Und nun berücksichtigen Sie bitte, dass Ihre Kunden die Händler - täglich mit Tausenden von Rechnungen zu tun haben. Dieser manuelle Lösungsprozess wird nicht nur Aufwand auf beiden Seiten verursachen, er wirkt sich auch noch finanziell auf Sie aus, da die Verzögerungen für Sie typischerweise bedeuten, dass Ihre Kunden ihre Rechnung nicht pünktlich bezahlen. Und sicher hat doch auch für Sie das Cashflow Management oberste Priorität, oder? e-commerce Die Praxis des e-commerce - also B2C Online Shopping - ist sehr gut etabliert. Die meisten Händler bieten einen Online Shop als zusätzlichen Kanal, um ihre Kunden zu erreichen. Der Schlüssel zum Erfolg im Online Geschäft ist die hohe Qualität der Produktinformationen. Woher kommen diese Produktinformationen? Hoffentlich kommen die Informationen von Ihnen! Dann haben Sie Kontrolle über Ihre Produktinformationen und steuern direkt Ihren Verkaufserfolg. Produktinformationen im Online Shop sind vergleichbar mit den physischen Verpackungen in den Filialen. Wie viel investieren Sie in das Verpackungsdesign um Kunden zu gewinnen und Einfluss auf die Verbraucher zum Kauf Ihres Produktes zu nehmen? Um mit Ihren Online Shops erfolgreich zu sein, müssen Sie Ihren Kunden qualitativ hochwertige Produktinformationen (einschließlich Bilder von hoher Qualität, korrekte und ausführliche Produktbeschreibungen, Ernährungs- und Allergieinformationen etc.) bieten. Stellen Sie Ihren Kunden den Händlern - qualitativ hochwertige Produktinformationen zur Verfügung. Und dann überwachen Sie deren Online-Shops, dass Ihre Produktinformationen auch verwendet werden. So steigern Sie Ihren Umsatz! Haftung Es gibt Vorschriften und gesetzliche Anforderungen in Bezug auf Produktinformationen, z. B. welche Informationen auf der Verpackung oder in einem Online-Shop angezeigt werden müssen. Sie sind verpflichtet, gewisse Produktinformationen Ihren Kunden zur Verfügung zu stellen, unabhängig davon, welchen Vertriebskanal sie nutzen um Ihre Produkte verkaufen zu können. Ihr Kunde und sogar der Konsument kann Sie dafür haftbar machen, wenn die Daten, die Sie bereitstellen, nicht korrekt, aktuell oder vollständig sind. Der Schlüssel zum Erfolg im Online Geschäft ist eine hohe Qualität der Produktinformationen. 1 Was ist Datenqualität? 5 Datenqualität

6 1.1.3 Aber was ist nun Datenqualität? Nach der Diskussion, was passieren könnte, wenn Sie Ihren Kunden falsche Daten bereitstellen, lautet die Frage nun "Was sind schlechte Daten?" oder konkreter "Was ist Datenqualität?" Leider ist der Begriff Datenqualität nicht so einfach zu definieren, wie es auf den ersten Blick scheint, da er verschiedene Aspekte hat: Die Definition der Datenqualität ist absolut abhängig von den Geschäftsprozessen in Ihrem Unternehmen. 1. Vollständigkeit: Ihre Produktdaten sollten vollständig sein. Zum Beispiel muss jeder Artikel über eine GTIN verfügen und jeder Artikel muss Informationen über die Produktabmessungen (Länge, Breite, Höhe) haben. Aber berücksichtigen Sie auch Produkte wie Musik im MP3 Format, die online gekauft und heruntergeladen werden. Diese haben grundsätzlich keine Informationen über Abmessungen. Wie Sie sehen, ist Datenqualität komplexer als Sie vielleicht angenommen haben. Vollständigkeit ist abhängig von der jeweiligen Produktkategorie, die Sie betrachten (z.b. benötigen alle physischen Artikel definitiv die Abmessungen, die nichtphysischen Produkte haben diese in der Regel gar nicht). Das Erreichen einer hohen Datenqualität ist u.a. auch komplex, weil die konkrete Definition der Vollständigkeit absolut abhängig von den Geschäftsprozessen ist, für die Sie die Daten benötigen, ebenso welche Art von Daten Sie hierfür benötigen. Wenn Sie online verkaufen, werden Sie Bilder benötigen. Wenn Ihr Kunde online verkauft, dann benötigt er Produktbilder - und es wäre am besten, wenn Sie ihm selbst diese liefern würden. Also auch ein einfaches Konzept wie Vollständigkeit ist nicht trivial und hängt wirklich davon ab, wie Sie oder Ihre Kunden die Daten verwenden wollen. 2. Konsistenz: Dies ist ein einfacherer Aspekt der Datenqualität, weil es hier nicht darauf ankommt, wie die Daten verwendet werden. Ein Beispiel für die Konsistenz der Daten wird innerhalb der Verpackungshierarchien verwendet. Wenn Sie die Artikel 'Einzelstück', 'Karton' und 'Palette' haben und alle drei Datensätze das Attribut 'Anzahl der nächst kleineren Verpackungseinheit' haben, dann sollte dies mit dem Attribut 'Anzahl der beinhalteten Basiseinheiten' in allen drei Datensätzen übereinstimmen. 3. Genauigkeit: Die Daten sollten so genau wie möglich sein. Dies gilt insbesondere für Messungen wie die Produktabmessungen, aber auch für Allergiker Informationen. Wird ein Produkt als "nut-free" bezeichnet, sollte dies genau sein und das Produkt dürfte keine Spuren von Nüssen beinhalten. 4. Korrektheit: Wenn Sie Daten für ein Attribut haben, möchten Sie, dass die Daten korrekt sind. Wenn das Gewicht "100g" ist, sollten Ihre Daten nicht "200g" sagen. 5. Aktualität: Produkte neigen dazu, sich im Laufe der Zeit zu verändern. Vielleicht ist die Größe leicht verändert oder der Netto Inhalt ändert sich. Was Sie wissen möchten, ist "ist der Datensatz noch gültig?" oder "wann ist eine Änderung geltend geworden?" - Wie aktuell sind die Daten? Datenqualität 6 1 Was ist Datenqualität?

7 Zusammengefasst ist es offensichtlich, dass Datenqualität kein absolutes Maß ist. Sie können nicht ein Produktdatensatz aus dem Zusammenhang nehmen und seine Datenqualität bestimmen. Datenqualität ist immer abhängig von den Anforderungen die an Ihre Produktinformationen gestellt werden. Mit anderen Worten, die Daten, und die Qualität dieser Daten, sollten mit diesen Anforderungen übereinstimmen. Die generischen Datenqualitäts Aspekte (Vollständigkeit, Konsistenz, Genauigkeit, Korrektheit und Aktualität) in Verbindung mit den Anforderungen aus den Geschäftsprozessen und den tatsächlichen Produktinformationen definieren, was Datenqualität in Ihrer Umgebung ist und macht dadurch die Datenqualität auch messbar. WAS KOMMT ALS NÄCHSTES? In den nächsten Kapiteln werden wir untersuchen, welchen Anforderungen wir bezüglich der Datenqualität in der FMCG Branche begegnen. Eine der wichtigsten Anforderungen ist, dass Sie als Lieferant die Produktdaten Ihren Kunden den Händlern bereitstellen. Und aus diesen Anforderungen, Artikeldaten Ihren Kunden bereitzustellen, entstehen weitere Anforderungen für Ihre Produktinformationen und deren Datenqualität. Dies werden wir im Folgenden untersuchen. Datenqualität ist kein absolutes Maß. 1 Was ist Datenqualität? 7 Datenqualität

8 Das GDSN stellt viele Anforderungen an Produktinformationen und Datenqualität. 1.2 GDSN Anforderungen an Datenqualität Das GDSN (Global Data Synchronisation Network, siehe stellt viele Anforderungen an Produktinformationen und Datenqualität. Zunächst erfordert die Teilnahme am GDSN, dass Ihre Daten kompatibel mit den GS1 Standards 2 sind. Dies bedeutet: 1. Ihre Organisation benötigt eine GLN (Global Location Number) - das ist eine weltweit eindeutige Unternehmens-ID, aber für Details besuchen Sie bitte: -> Vollständigkeit 2. Jeder Ihrer Artikel braucht eine GTIN (Global Trade Item Number) - das ist eine global eindeutige Artikelnummer (Details finden Sie auch dazu hier: -> Vollständigkeit 3. Ihre Artikelinformationen müssen so strukturiert sein, dass die Informationen auf die standardisierten GS1 Attribute abgebildet werden können (diese können hier gefunden werden: -> Konsistenz 4. Ihre Artikelinformationen müssen den GDSN Validierungsregeln entsprechen (siehe hier: -> Konsistenz und Genauigkeit 5. Ihr Artikelmodell muss kompatibel mit dem Standard GS1 Artikelmodell sein, z.b. muss Ihr Artikelmodell Verpackungshierarchie, Sortimente usw. darstellen können. -> Konsistenz und Genauigkeit und Aktualität Wenn schließlich Ihre gesamten Daten all diese Regeln erfüllen, legt Ihnen das GDSN eine weitere Bürde auf. Das GDSN hat nicht nur Anforderungen an die Daten selbst, sondern auch darüber, wie Sie die Daten mit Ihren Handelspartnern auszutauschen haben. 2 Die Definition des GDSN, GS1 oder des GSMP sind nicht im Umfang dieses Dokumentes enthalten. Für eine ausführliche Definition dieser Begriffe, deren Zweck und Anwendungsbereich besuchen Sie und Datenqualität 8 1 Was ist Datenqualität?

9 Das Protokoll, welches von GDSN zum Austausch von Produktinformationen definiert wird, hilft bei dem eher statischen Ansatz zur Datenqualität, so wie oben beschrieben, nicht, aber es unterstützt Sie dabei, die Datenqualität im dynamischen Prozess bei der Bereitstellung von Produktinformationen gemeinsam mit Ihren Handelspartnern zu verbessern. Zentral ist hier die 'Catalog Item Confirmation' (CIC) Nachricht, die es dem Empfänger der Daten (Ihren Kunden - den Händlern) erlaubt, Ihnen eine Rückmeldung zu Ihren Daten zu geben. Bspw. ob ein Artikel von ihm angenommen wurde, oder ob er den Artikel aus irgendeinem Grund nicht akzeptiert hat. WIE LANSA DABEI UNTERSTÜTZEN KANN: Ok - wir bieten Ihnen nicht all diese Informationen an, ohne den Versuch zu unternehmen, Ihnen etwas zu verkaufen! Unser Software Produkt - LANSA Data Sync Direct - ist eine Product Information Management (PIM) Lösung, die diese Komplexität vollständig out-of-the-box lösen kann! Das GDSN Datenmodell ist vorkonfiguriert, alle GDSN Validierungsregeln sind mit eingebaut und sogar das GDSN Protokoll ist darin enthalten. Sie können sich outof-the-box an allen wichtigen GDSN Datenpools anschließen. Und zusätzlich, ermöglicht Ihnen unser Produkt eine sehr einfache und schnelle Integration in Ihre bestehenden IT Systeme. Die Implementierung von LANSA Data Sync Direct hilft Ihnen dabei, allen Anforderungen des GDSN an Datenqualität zu entsprechen. Das ist doch hilfreich, oder? Die Implementierung von LANSA Data Sync Direct hilft Ihnen dabei, allen Anforderungen des GDSN an Datenqualität zu entsprechen. 1 Was ist Datenqualität? 9 Datenqualität

10 1.3 Händler Anforderungen an Datenqualität Das GDSN folgt dem kleinsten gemeinsamen Nenner. Händler haben aber Anforderungen, welche über die im GDSN definierten Anforderungen hinausgehen. Man könnte erwarten, dass ein Standard wie der GDSN, der global von den großen Akteuren aus Handel und Industrie entwickelt wurde, die wesentlichen Anforderungen der Händler in Bezug auf die Daten, die Sie als Lieferant an diese liefern müssen, abdeckt. Weit gefehlt! Das GDSN folgt dem kleinsten gemeinsamen Nenner. Händler haben in der Regel weitere Anforderungen, welche über die bereits im GDSN definierten Anforderungen hinausgehen. Der Grund hierfür ist, dass unterschiedliche Händler die von Ihnen bereitgestellten Daten für unterschiedliche Geschäftsprozesse verwenden. Abhängig von den Geschäftsprozessen, die mit Ihren Daten versorgt werden sollen, werden die Anforderungen abweichen. Ein sehr typisches Beispiel ist, ob Ihr Kunde seinen Online Shop mit Ihren Daten versorgen will oder nicht. Wenn er dies tun will, müssen Sie die entsprechenden B2C Daten einschließlich Bilder von hoher Qualität liefern. Wenn Ihr Kunde einfach nur den Planogramm Prozess unterstützen will, so brauchen Sie nur ein paar einfache Bilder und die richtigen Abmessungen der Verbrauchereinheiten und der Anbruchkartons. Viele Informationen sind innerhalb des GDSN als optional definiert, aber zwingend für einen Händler um in der Lage zu sein, die Anforderungen seiner Geschäftsprozesse erfüllen zu können. Die gute Sache bei den Anforderungen der Händler und dem GDSN ist, dass sie in der Regel gut zueinander passen: Die GS1 Global Data Dictionary (GDD) definiert mehr als Attribute - Händler benutzen in der Regel nur eine Teilmenge von diesen. Die meisten der Attribute aus dem GDD sind nur optional - aber wenn ein Händler ein Attribut verwendet, ist er tatsächlich auf diese Daten für seine Prozesse angewiesen. Händler haben in der Regel einen 'Leitfaden für Lieferanten für die Datensynchronisation', worin sie beschreiben, welche Attribute sie verwenden, auf welche sie angewiesen sind und welche zusätzlichen Validierungsregeln sie haben fragen Sie einfach danach. WIE LANSA DABEI UNTERSTÜTZEN KANN: LANSA Data Sync Direct ermöglicht Ihnen, alle Händleranforderungen innerhalb des PIM, abhängig von den Händlern mit denen Sie arbeiten, anzupassen (Trading Partner Management). Das PIM System wird dann zum 'Single point of truth', dort werden Ihre Produktinformationen getestet und qualitätsgesichert um die unterschiedlichen Kundenanforderungen erfüllen zu können. Datenqualität 10 1 Was ist Datenqualität?

11 1.4 Die KPI s des GS1 DQF Jetzt fangen wir an, uns einem wirklich interessantes Thema zu nähern - das GS1 Data Quality Framework. GS1 und einigen ihrer sehr aktiven Datensynchronisations Mitgliedern wurde bewusst, dass Datenqualität maßgeblich ist, wenn Sie Daten synchronisieren wollen und darauf vertrauen wollen, was die Datenlieferanten Ihnen zusenden. Als Folge haben GS1 und ihre Mitglieder ein Framework entwickelt, welches Ihnen konkrete Tipps gibt, wie man ein Datenqualitätsmanagement System implementieren sollte, um die Artikeldatenqualität speziell in der FMCG Branche sicherzustellen. Wir empfehlen das Lesen der Originaldokumente hier: Die wichtigsten Komponenten des GS1 DQF sind die KPIs 3, die von GS1 definiert wurden. Diejenigen KPI s geben Ihnen genaue Hinweise, wie Sie die Datenqualität Ihrer Produktinformationen, die Sie über das GDSN austauschen wollen, messen können. Die GS1 DQF KPI s sind in vier Bereiche gegliedert: 1. Generic attribute accuracy: dieser Bereich umfasst generische Attribute wie GlobalTradeItemNumber, ClassificationCategoryCode, Artikelbeschreibung und Nettogewicht. 2. Dimension and weight accuracy: enthält die Attribute Tiefe, Breite, Höhe und Bruttogewicht. 3. Hierarchy accuracy: deckt die gesamte Verpackungshierarchie und die dazugehörigen Attribute ab - Gesamtmenge der nächst kleineren Verpackungseinheit, Anzahl der Verpackungseinheiten pro Lage und Anzahl der Lagen pro Palette. 4. Active / Orderable: zeigt an, ob ein Artikel noch aktiv ist und bestellt werden kann. Was ist die Intention von diesen KPI s? Das GS1 DQF empfiehlt auf der Basis dieser KPI s Massnahmen zu definieren, um die Qualität der Artikelstammdaten festzustellen bzw. zu messen. Wie würden Sie das tun? Im Idealfall würden Sie physisch in Ihr Lager gehen und zufällige Stichproben von Artikeln nehmen. Sie würden alle KPI s für diese Stichproben- Artikel messen, indem Sie tatsächlich jeden einzelnen Artikel vermessen und wiegen. Anschliessend würden Sie die so erhobenen Daten, mit den Daten aus Ihrem zentralen Stammdatenmanagement System vergleichen. Damit haben Sie dann für die erhobenen Artikel die Artikelqualität tatsächlich bestimmt. Die Datenqualität ist maßgeblich, wenn Sie Daten synchronisieren wollen und darauf vertrauen wollen, was die Datenlieferanten Ihnen zusenden. 3 KPI = Key Performance Indicator 1 Was ist Datenqualität? 11 Datenqualität

12 Mit Blick auf die KPI s können Sie sehen, dass das GS1 DQF hauptsächlich darauf ausgerichtet ist, die Datenqualität für die Supply Chain Prozesse, Logistik und EDI Prozesse zu gewährleisten. Es beinhaltet keine Datenqualitäts - KPI s für andere Geschäftsprozesse wie Planogramm oder e-commerce. Mit Blick auf die KPI s können Sie sehen, dass das GS1 DQF hauptsächlich darauf ausgerichtet ist, die Datenqualität für die Supply Chain Prozesse, Logistik und EDI Prozesse zu gewährleisten. WIE LANSA DABEI UNTERSTÜTZEN KANN: Wäre es nicht toll, wenn Sie eine mobile Anwendung zur Kontrolle (zum Beispiel auf einem Apple ipad) für Ihren Data Steward hätten? Der Data Steward könnte damit ins Lager gehen, problemlos alle GS1 DQF KPI relevanten Informationen erfassen und Sie erhalten einen automatisierten Bericht über die tatsächliche Datenqualität der Artikel, welche in Ihrem zentralen Stammdatenmanagement System gespeichert sind. Datenqualität 12 1 Was ist Datenqualität?

13 1.5 Was sind Ihre eigenen Anforderungen an Ihre Datenqualität? Bis jetzt haben wir die Anforderungen an die Datenqualität, die Ihnen von Ihren Kunden auferlegt wird, diskutiert. Aber was ist mit Ihren eigenen Anforderungen die Ihre eigene Organisation an die Datenqualität Ihrer Artikelstammdaten stellt? Wir gehen davon aus, dass Sie die gleichen Artikeldaten für Ihre Geschäftsprozesse und Ihre internen Systeme nutzen, wie die, die Sie mit Ihren Kunden zur Verfügung stellen. Deshalb sollten Sie sich jetzt die folgenden Fragen stellen: Welche Ihrer Geschäftsprozesse benötigen Artikelstammdaten? Welche Systeme nutzen Artikelstammdaten? Was sind deren Anforderungen hinsichtlich Datenqualität? Was sind Ihre eigenen Anforderungen an Datenqualität? 1 Was ist Datenqualität? 13 Datenqualität

14 2 Was müssen Sie tun, um eine hohe Datenqualität zu erreichen? Ein Kochrezept Schauen Sie, wer Ihre Kunden sind und wer Ihre Artikeldaten elektronisch empfangen wird. Wie sehen deren Artikeldaten aus? Dieses Kapitel soll Ihnen dabei helfen, ein Datenqualitäts Programm zu erstellen. Wir schlagen Ihnen ein Kochrezept mit sechs Zutaten vor, die Sie in Ihrem Programm berücksichtigen sollten: 1. Vision: Sie müssen eine Vision, ein Ziel haben, um zu wissen, warum Sie hohe Datenqualität für Ihre Artikelstammdaten benötigen und warum Sie dieses Programm überhaupt implementieren wollen. Was wollen Sie letztendlich erreichen? 2. Strategie: Wie wollen Sie Ihre Vision erreichen? Welche strategischen Massnahmen wollen Sie ergreifen? 3. Metriken: Sie müssen Ihre Leistungen und insbesondere die erreichte Datenqualität auf einer regelmäßigen Basis messen können. 4. Organisation: Wie wollen Sie sich organisieren um eine hohe Datenqualität zu erreichen? 5. Prozesse: Wie müssen Sie Ihre Prozesse für das Artikelstammdaten Management anpassen, um die Datenqualität zu verbessern? 6. Technologie: Welche Veränderungen sind in Ihrer IT-Landschaft notwendig, um Ihr Artikelstammdaten Management und Ihre Datenqualitäts Programm optimal zu unterstützen? In den folgenden Abschnitten finden Sie ganz konkrete Vorschläge für die Ausgestaltung eines Datenqualitäts Programms. Diese Vorschläge sollen Ihnen eine Grundlage geben, auf der Sie Ihr eigenes Datenqualitäts Programm erstellen können. 2.1 Vision "Die Qualität unserer Produktinformationen entspricht den Erwartungen unserer Kunden" Diese Vision sieht auf den ersten Blick sehr generisch aus. Aber wenn Sie genauer hinschauen, gibt sie Ihnen eine sehr gute Orientierung. Sie müssen schauen, wer Ihre Kunden sind und wer Ihre Artikeldaten elektronisch empfangen wird. Wie sehen deren Erwartungen und Anforderungen aus? 2.2 Strategie "Wir implementieren ein Datenqualitätsmanagement System" So wollen Sie Ihre Vision erreichen. Der Aufbau eines Datenqualitätsmanagement Systems bedeutet, dass Sie ein System - bestehend aus Organisation, Prozessen und IT implementieren wollen, um Ihre Datenqualität effizient und vor allem kontrolliert managen zu können. An dieser Stelle könnten wir uns fragen, was eigentlich der Unterschied zwischen einem "Datenqualitätsmanagement System für Stammdaten" und "Master Data Management als Geschäftsprozess" ist. In beiden Fällen möchte man ein dokumentiertes System von Metriken, Organisation, Prozessen und IT etablieren um die Qualität der Stammdaten zu erhöhen. So wäre die folgende Strategie entsprechend: "Wir führen Master Data Management als Geschäftsprozess ein Datenqualität 14 2 Was müssen Sie tun, um eine hohe Datenqualität zu erreichen? Ein Kochrezept

15 2.3 Metriken Wenn Sie ein Datenqualitätsmanagement System implementieren wollen, ist es von grundlegender Bedeutung, Metriken zu haben, die Sie auf einer regelmäßigen Basis messen können, um so festzustellen, wie sich Ihre Datenqualität entwickelt. Wir würden vorschlagen, diese Metriken monatlich zu reporten, um daraus ggfs. Korrekturmassnahmen abzuleiten. Die folgenden externen Metriken oder KPI s geben Ihnen einen Hinweis darauf, wie gut Sie mit Ihren Kunden über Ihre Artikeldaten kommunizieren. Die internen Metriken sollten die eigentliche Datenqualität Ihrer Produktinformationen abdecken. Externe KPIs 1. Anzahl der Händler, mit denen Sie elektronisch kommunizieren (bitte erweitern oder ändern Sie diese Liste um Ihre relevanten B2B Prozesse) a. GDSN b. EDI Orders c. EDI Invoice d. EDI Despatch Advice Schauen wir uns gemeinsam die internen und externen Metriken an Anzahl der Händler, die immer noch nach manuellen Papierdaten fragen, Excel Tabellen, Word Dokumenten, , etc. 3. Anzahl der Händler, für die Sie die Eingabe Ihrer Artikeldaten manuell in einem Händlerportal durchführen 4. Anzahl der im GDSN veröffentlichten Artikel 5. Anzahl der erhaltenen CIC s 4 (getrennt nach synchronisiert / akzeptiert / abgelehnt) 6. Anzahl der manuellen Eskalationen, wo Sie Daten mit Ihren Kunden synchronisiert haben, aber Rückmeldungen erhalten haben und manuelle Maßnahmen ergreifen müssen, um die Fehler zu korrigieren. 4 CIC = Catalog Item Confirmation Diese GDSN Standardnachricht wird vom Datenempfänger zur Datenquelle versendet und beschreibt die Beschaffung der Artikeldaten. Eine ausführliche Definition der CIC Nachricht finden Sie hier: Guidelines/CatalogueItemSynchronisation/docs/CatItemSynch_Glossary.html 2 Was müssen Sie tun, um eine hohe Datenqualität zu erreichen? Ein Kochrezept 15 Datenqualität

16 Data Issue Tickets werden von Ihrem Data Steward versendet. Interne KPIs B2B / GDSN getrieben: Hinsichtlich der Datenqualität für die B2B Prozesse und GDSN macht das GS1 DQF und die dort vorgeschlagenen KPIs sehr viel Sinn. Deshalb sollten Sie diese KPIs in Ihrem Datenqualitätsmanagement System integrieren und auch die Regeln für die Messung der KPI s berücksichtigen. Um Ihnen eine vollständige Vorlage für die Implementierung an die Hand geben zu können, listen wir hier die KPI s einmal auf: 1. Generic attribute accuracy: dieser Bereich umfasst generische Attribute wie GlobalTradeItemNumber, ClassificationCategoryCode, Artikelbeschreibung und Nettogewicht. 2. Dimension and weight accuracy: enthält die Attribute Tiefe, Breite, Höhe und Bruttogewicht. 3. Hierarchy accuracy: deckt die gesamte Verpackungshierarchie und die dazugehörigen Attribute ab - Gesamtmenge der nächst kleineren Verbrauchereinheit, Anzahl der Verbrauchereinheiten pro Lage und Menge der Lagen pro Palette. 4. Active / Orderable: zeigt an, ob ein Artikel noch aktiv ist und bestellt werden kann. B2C getrieben: Die folgenden Attribute sind maßgeblich, wenn Sie oder Ihre Kunden e-commerce betreiben und deshalb B2C spezifische Produktinformationen benötigen. Hier sollten Sie die Füllrate dieser Attribute und die Verfügbarkeit des entsprechenden Inhaltes messen: 1. Bilder 2. Verpackungsinformationen a. Nährstoffangaben b. Informationen für Allergiker c. Zutaten d. Produktbeschreibung e. Marketingtext f. Verarbeitungshinweise g. Hinweise zur Lagerung 3. Weitere Attribute, die genau für Ihre Artikelgruppen und den Konsumenten wichtig sind, wie z. B. technische Features Anzahl der Data Issue Tickets: Data Issue Tickets werden von Ihrem internen Data Steward versendet. Siehe Erläuterung des Data Stewards im Unterpunkt 'Organisation' und 'Ticketsystem' im Unterpunkt 'IT'. Datenqualität 16 2 Was müssen Sie tun, um eine hohe Datenqualität zu erreichen? Ein Kochrezept

17 2.4 Organisation Bei der Implementierung eines Datenqualitätsmanagement Systems wären die ersten beiden Fragen, die Sie sich aus der organisatorischen Perspektive stellen und beantworten sollten: 1. Wer verwaltet die Produktinformationen und wem gehören sie? 2. Wer ist verantwortlich für die Datenqualität der Produktinformationen? Unser Vorschlag dazu ist (was so auch von Gartner empfohlen wird), dass das Unternehmen eine Master Data Management Organisation einführt, die im Allgemeinen wie folgt aussehen sollte: Das Unternehmen führt eine Master Data Management Organisation ein. 2 Was müssen Sie tun, um eine hohe Datenqualität zu erreichen? Ein Kochrezept 17 Datenqualität

18 Schauen wir uns Rollen und Verantwortlichkeiten an... Eine kurze Beschreibung der verschiedenen Rollen und Verantwortlichkeiten: 1. Das Information Governance Board sollte aus Sponsoren für das Datenqualitäts Programm aus der Führungsebene bestehen. Diese sollten Information Management Richtlinien festlegen und durchsetzen und damit die strategische Richtung vorgeben. In diesem Board sollten sich Vertreter aus dem Business befinden - das ist entscheidend - aber Sie sollten hier auch einen Repräsentaten aus Ihrer IT-Führung haben. 2. Das MDM Team ist verantwortlich für das operative Management des MDM Programms. Sie entscheiden über die konkreten Massnahmen, wie die Artikelstammdaten Qualität zu verbessern ist. Sie sind die Eigentümer der Stammdaten. Die eigentliche Datenpflege kann zentral in diesem Team erfolgen, sie kann aber auch dezentral erfolgen, muss dann aber zentral aus diesem Team heraus gesteuert sein. Dieses Team kommuniziert mit den Data Stewards über die Datenqualität, und an welchen Stellen es notwendig ist, diese zu verbessern. Ebenso kommunizieren sie auch mit den Kunden, an die sie die Daten veröffentlichen. 3. Data Stewards sind in den Business Units verankert und verantwortlich für die Überwachung der Datenqualität, Verbesserung und Problemlösung. Sie pflegen die Daten nicht selbst, sondern arbeiten eng mit dem MDM Team zusammen, um die Stammdatenqualität zu erreichen, welche für die jeweilige Business Unit, für den jeweiligen Geschäftsprozess benötigt wird. 4. Das MDM Infrastructure Team ist ein virtuelles Team innerhalb der IT, welches verantwortlich für alle Aspekte der IT Implementierung ist, welche für den MDM Geschäftsprozess bzw. das Datenqualitätsmanagement System benötigt werden. 5. Im Rahmen des GDSN wollen wir hier noch die Bedeutung der Rollen Data Modelling und Information Architecture hervorheben. Wenn Sie am GDSN teilnehmen, sind diese Rollen entscheidend, weil sie die Verbindung zum GSMP 5 Prozess sind, Change Requests definieren und auch die Änderungen annehmen, die vom GSMP / GDSN kommen. Betrachten Sie diesen Organisations-Vorschlag bitte nur als grobe Orientierungshilfe! In der Praxis müssen Sie schauen, wie Sie die verschiedenen Rollen und Verantwortlichkeiten innerhalb Ihrer Organisation abbilden können. Veränderungen von Organisation und Prozessen sind typischerweise sehr herausfordernde Aufgaben und bedürfen eines kontinuierlichen Change-Managements damit sie erfolgreich sind. Haben Sie die Antworten auf die Fragen, die wir Ihnen zu Beginn des Kapitels gestellt haben parat? Wer verwaltet die Produktinformationen und wem gehören sie? Antwort: Das MDM Team Wer ist verantwortlich für die Datenqualität der Produktinformationen? Antwort: Die Data Stewards 2.5 Prozesse In diesem Kapitel ist es schwierig, ein Standard Kochrezept vorzuschlagen, weil es eine signifikante Abhängigkeit von der Art Ihrer Organisation und den Prozessen gibt, die Sie in Ihrem Unternehmen bereits implementiert haben. Aber wir möchten an dieser Stelle die Prozesse hervorheben, die Sie sich genauer ansehen und definieren sollten. 1. Der Artikelpflegeprozess sollte ausschließlich zentral vom MDM Team gesteuert werden. Innerhalb dieses Prozesses sollten Sie sich überlegen, wie Sie höchste Datenqualität garantieren können. Zum Beispiel könnten Sie einen Freigabeprozess einführen, der ein "Vier-Augen-Prinzip" beinhaltet. 2. Der Prozess der Verwaltung Ihres Kundenfeedbacks hinsichtlich Ihrer Daten ist entscheidend, um diese verbessern zu können. Daher sollte das Kundenfeedback erfasst werden und das MDM Team dies in einem strukturierten Prozess bearbeiten. 5 GSMP Global Standards Management Process, dies ist der Prozess wie der dem GDSN zugrundeliegende Standard durch GS1 und die Nutzer-Community weiter entwickelt wird. Datenqualität 18 2 Was müssen Sie tun, um eine hohe Datenqualität zu erreichen? Ein Kochrezept

19 3. Interne Datenkontrolle und Stichproben sollte durch die Data Stewards in regelmäßigen Abständen durchgeführt werden. Diese Ergebnisse sollten ebenfalls erfasst und an das MDM Team kommuniziert werden. Das MDM Team sollte dann an der Verbesserung der Daten arbeiten. 2.6 IT Haben wir eigentlich schon erwähnt, dass 'Datenqualität' und 'Master Data Management' KEINE IT Projekte sind? Nein? Ok, dann werden es jetzt tun! 'Datenqualität' und 'Master Data Management' sind KEINE IT-Projekte! Es ist kein IT Projekt! Sie können sich sicherlich die perfekte IT-Umgebung vorstellen, die Datenqualitätsmanagement und Master Data Management unterstützt, aber dann muss man in ein zentrales Master Data Management System investieren, einschließlich Middleware oder einem Integrations-Hub. Sie werden dann alle Ihre Geschäftsanwendungen über diese Middleware in Ihr zentrales Master Data Management System integrieren müssen. Wenn Sie bereits geplant haben, Ihre gesamte IT Infrastruktur neu aufzubauen, dann wäre dies der richtige Weg, den Sie gehen sollten. Aber wenn Sie ein Datenqualitätsmanagement System und Master Data Management als Geschäftsprozess etablieren möchten, können Sie einen viel pragmatischeren Ansatz wählen. Es gibt zwei Dinge, die Sie haben sollten: 1. Eine 'Single source of truth' für die Produktinformationen, die Sie an Ihre Kunden veröffentlichen. Es ist nicht unbedingt notwendig, diese auch zu Ihrer internen 'Single source of truth' zu machen. In vielen Fällen ist bereits ein ERP System etabliert (wie z.b. SAP), das der Master für Artikeldaten ist. Das Problem dabei ist, dass das ERP System in der Regel nicht alle Daten bereitstellt, die Ihre Kunden anfordern und es ziemlich aufwendig ist, das ERP System mit einem GDSN Datenpool zu verbinden. Die Lösung ist, ein leichtgewichtiges PIM mit eingebauter GDSN Konnektivität (wie das LANSA Data Sync Direct von dem wir ja bereits berichtet haben) zu implementieren, welches mit Ihrem ERP System integriert wird. So können Sie dieses PIM ganz leicht mit den wesentlichen Artikelinformationen aus dem ERP System versorgen und führen dann die notwendige Datenanreicherung durch und veröffentlichen Ihren Handelspartnern die Artikelinformationen letztendlich aus dem PIM. Der Rest Ihrer IT Infrastruktur bleibt dabei völlig unberührt. Das wäre ein sehr pragmatischer Ansatz. Wenn Sie diesen Ansatz implementiert haben, können Sie diesen natürlich auch weiterentwickeln und das PIM über die Zeit immer stärker auch als interne Single source of truth für Ihre Produktinformationen nutzen und Ihre weiteren internen Geschäftsanwendungen damit zu verbinden. 2. Sie benötigen ein Ticketsystem, das Ihre Data Stewards Data nutzen um Issue Tickets zu erstellen, die Ihr MDM Team lösen kann. Ein Ticketsystem ist das ideale Kommunikationswerkzeug zwischen Data Stewards und MDM Team. Es bietet Ihnen Werkzeuge um Tickets nachverfolgen zu können, aber auch um jederzeit den Überblick zu haben, wie viele Vorfälle gerade vorhanden sind und was die durchschnittliche Lösungsdauer ist. 2 Was müssen Sie tun, um eine hohe Datenqualität zu erreichen? Ein Kochrezept 19 Datenqualität

20 3 Was sind Ihre Herausforderungen? In diesem Kapitel listen wir die häufigsten Herausforderungen auf, die auf Sie zukommen können. Denken Sie nicht, dass Sie der Einzige mit diesen Fragen sind. Viele Unternehmen haben heutzutage diese Herausforderungen, aber es gibt auch eine Menge von Unternehmen, die sie bereits gelöst haben. Die Lösung ist, ein leichtgewichtiges PIM mit eingebauter GDSN Konnektivität zu implementieren, welches mit Ihrem ERP System integriert wird. Wir werden versuchen, Ihnen mögliche Lösungen für diese Herausforderungen an die Hand zu geben, aber auch aufzeigen, wie Sie diese lösen könnten, wenn Sie ein PIM Produkt wie das LANSA Data Sync Direct nutzen würden. 3.1 Haben Sie nicht alle Produktinformationen in einem zentralen System? Es ist nichts Neues, dass Sie nicht alle produktbezogenen Informationen an einem einzigen Ort haben. Typischerweise verfügt Ihr ERP System über alle wesentlichen Artikelstammdaten, die benötigt werden um Ihr Produkt verkaufen zu können. Nährstoffe und Informationen für Allergiker sind sehr häufig nur in einigen Word oder Excel Dateien vorhanden. B2C Informationen (Marketingtext, Funktionsbeschreibungen, etc.) stehen oft überhaupt nicht in strukturierter Weise zur Verfügung. Manchmal sind diese nur auf Ihrer Website und auf der Verpackung angegeben. Wie kann man diese Herausforderung lösen? Im Prinzip wäre es der beste Ansatz, ein zentrales PIM aufzubauen in welchem Sie Ihre gesamten Produktinformationen bereitstellen können. Das PIM wäre idealerweise die 'Single source' von Produktinformationen für alle anderen IT Systeme. Aber dieser Ansatz ist in der Regel eine sehr drastische Veränderung und erfordert daher immer ein ziemlich großes Projekt. Der pragmatischere Ansatz wäre, ein leichtgewichtiges PIM zu implementieren wie das LANSA Data Sync Direct - mit dem Fokus, alle Produktinformationen aus Ihren bestehenden Systemen zu empfangen und die Daten zu konsolidieren. Die Hauptaufgabe besteht dann darin, die konsolidierten Daten an Ihre Kunden zu veröffentlichen. 3.2 Es fehlen einige der benötigten Produktinformationen grundsätzlich? Manchmal hat man die erforderlichen Informationen überhaupt nicht in seinen Systemen verfügbar. Ein Beispiel hierfür könnte die Karton-GTIN sein (diese ist im GDSN übrigens obligatorisch). Wenn Sie keine GTIN für die Verpackungseinheit 'Karton' zugewiesen haben, müssen Sie hierfür neue GTIN s erzeugen und bereitstellen. Diese Informationen müssen natürlich auch in einem Ihrer Systeme erfasst werden. Es könnte eine Option sein, diese GTIN s in einem leichtgewichtigen PIM, wie dem LANSA Data Sync Direct, zu verwalten. Ein ähnliches Problem besteht häufig bei der Paletten-GTIN und den Paletteninformationen im Allgemeinen. Paletten- GTIN s sind im GDSN nicht obligatorisch, aber gewisse Paletteninformationen sind für andere Verpackungshierarchien auch im GDSN zwingend erforderlich. Abhängig von Ihrem Geschäft haben Sie möglicherweise diese Informationen nicht in Ihrem ERP System verfügbar. Nach wie vor könnte die manuelle Datenanreicherung problemlos in einem leichtgewichtigen PIM, wie dem LANSA Data Sync Direct, durchgeführt werden. Wie sieht es mit Abmessungen aus? Und mit Bildern? Und dem Martketingtext? Ich denke, Sie haben bereits eine Idee. Wenn Sie ein leichtgewichtiges PIM als 'Single source' für die Veröffentlichung von Produktinformationen an Ihre Kunden implementiert haben, wäre dies auch für die manuelle Datenanreicherung eine sehr gute Entscheidung. Datenqualität 20 3 Was sind Ihre Herausforderungen?