Datenqualitätsmanagement in ERP-Systemen

Transkript

1 Datenqualitätsmanagement in ERP-Systemen Michael Röthlin Berner Fachhochschule, Technik und Informatik Fachbereich Informatik SAQ Zug um Zug / Michael Röthlin / Slide 1

2 Zur Person: Michael Röthlin Dipl. El.-Ing. ETH, MBA, Dr. rer. oec. Berufseinstieg in der Softwareentwicklung Tätigkeit als Controller in der Industrie Heute Professor für Wirtschaftsinformatik an der Berner Fachhochschule, Technik und Informatik BSc Informatik Themen BWL, ERP, CMS, Mobile Apps MSc Engineering Themen BWL, ICT Services Management. SAQ Zug um Zug / Michael Röthlin / Slide 2

3 Schlussfolgerungen Kurt Häusermann (Referat vom 2. März 2011) "Mangelnde Datenqualität kostet Geld, hat Ineffizienz zur Folge, schadet dem Image (...)" "Datenqualität ist ein Business und kein IT Thema. Die Steuerung von DQ Initiativen und Massnahmen muss vom Business erfolgen." Datenqualität kann durch Software nicht gelöst werden" "Die Definition einer DQ-Strategie, der davon abzuleitenden Organisation und Prozesse und ein methodisches Vorgehen sind die Basis für eine erfolgreiche DQ-Initiative." Datenqualitätsstrategien müssen sowohl die Unternehmensebene als auch die Arbeitsplatz-/ Abteilungsebene adressieren!... und wie sieht erfolgreiches Datenqualitätsmanagement im Umfeld von ERP- Systemen aus? SAQ Zug um Zug / Michael Röthlin / Slide 3

4 Ziele des Vortrags wir werden diskutiert haben... welche besonderen Eigenschaften ERP- Systeme auszeichnen, welche Datenqualitätsprobleme aufgrund der Eigenschaften und der Rahmenbedingungen des Einsatzes von ERP-Systemen entstehen können, wie Unternehmen Datenqualitätsprobleme mit Ansätzen und Werkzeugen des Qualitätsmanagements verhindern oder reduzieren können. SAQ Zug um Zug / Michael Röthlin / Slide 4

5 1. ERP-Systeme à Rolle à Funktionsweise à Einführung SAQ Zug um Zug / Michael Röthlin / Slide 5

6 Was sind ERP-Systeme? Wer benutzt sie? Wer steht dahinter? ERP = E nterprise R esource P lanning Definition und Abgrenzung "Buchhaltungsorientierte Systeme zur umfassenden Planung und Steuerung der Unternehmensressourcen im Hinblick auf die Erfassung, Ausführung und Abrechnung von Kundenaufträgen " (APICS, 1995) Typischer Einsatz: Finanz, HR, Materialwesen Standardisierte Business-Software Keine "Office"-, keine "Design -Funktionen Benutzt werden sie von Angestellten in (grösseren) Organisationen und Verwaltungen Führend in der Schweiz sind Produkte von Abacus, Microsoft und SAP (ISYCON 2010). SAQ Zug um Zug / Michael Röthlin / Slide 6

7 Ziel von ERP-Systemen Informationslogistik für Unternehmen Zentrale Datenhaltung Daten (nur) einmal erfassen, zentral speichern, dann mehrfach verwenden Zentral gesteuerter Informationstransport Informationslogistik: Geschäftsinformationen zur richtigen Zeit, an den richtigen Ort, in der richtigen Genauigkeit, und zu tiefen Kosten zustellen "Informierte Entscheidungen" auf jeder Stufe "Single view of the business" Standardisierte Applikationen Standardisieren und Optimieren von Geschäftsprozessen und weiteren Vorgängen. SAQ Zug um Zug / Michael Röthlin / Slide 8

8 ERP-Systeme ein grobes Datenbearbeitungs- und Rollenmodell SAP AG SAQ Zug um Zug / Michael Röthlin / Slide 9

9 Datentypen in einem ERP-Umfeld Konfigurationsdaten Konfiguration/"Customizing" des Systems Festlegung von obligatorischen und fakultativen Feldern Abbildung von organisatorischen Strukturen Metadaten Strukturbeschreibungen, Datentypen Prüftabellen, Hilfetexte, etc. Stammdaten ("master data") Referenzdaten (Materialstämme, Personalstämme, etc.) Mehrfachverwendung Ableitung von Transaktionsdaten Transaktionsdaten Bilden Ereignisse der realen Geschäftswelt ab Werden durch Transaktionen (Business und IT) erzeugt. SAQ Zug um Zug / Michael Röthlin / Slide 10

10 Besonderheiten in ERP-Einführungs- oder Upgradeprojekten ERP-Technologien weisen durch die Verknüpfung mit der Unternehmensorganisation grosse Ein- und Austrittshürden auf ERP-Projekte benötigen meist enorme Ressourcen personeller und finanzieller Art Oft stellt ein ERP-Projekt die grösste Investition im Leben eines Unternehmen dar Projektkosten reichen von einem niederen 5-stelligen bis zu einem mittleren 8-stelligen CHF-Betrag Ein typisches ERP-Projekt kann von einigen Monaten bis zu mehreren Jahren dauern Im Hinblick auf den üblichen "Performance-Knick" nach dem Produktivstart sind ERP-Einführungen oft eine absolut geschäftskritische Herausforderung. SAQ Zug um Zug / Michael Röthlin / Slide 11

11 2. ERP-Systeme und Datenqualität à Wert von Daten à Stand der Datenqualität in ERP-Systemen à Auswirkungen mangelnder Datenqualität SAQ Zug um Zug / Michael Röthlin / Slide 12

12 Exkurs: Das Information System Success Model und die Datenqualität DeLone and McLean (1992) IS Success Model: 1. Die Nutzung eines Informationssystems wird durch die Qualität von System und Daten gleichermassen bestimmt 2. Nur wenn es zweckmässig verwendet werden kann, ist ein IS erfolgreich! Ohne Datenqualität Keine Informationsqualität und damit keine IS-Qualität! Information Quality IS Success Usage of IS Information System Quality SAQ Zug um Zug / Michael Röthlin / Slide 13

13 Datenqualitätsprobleme sind in ERP- Einsatzbereichen wohlbekannt Manufacturing Resource Planning (MRP II) Accounting Information Systems (AIS) Supply Chain Management (SCM) Customer Relationship Management (CRM) Data Warehousing und Business Intelligence (DWH/BI) Internal audit/governance, Risk, Compliance (GRC) basieren sehr oft auf ERP-Systemen! SAQ Zug um Zug / Michael Röthlin / Slide 14

14 ERP Bedienungs- und Datenflussmodell in der Realität Tippfehler Fehlinterpretation Unterlassung "Altern" von Datenbeständen Daten nicht auffindbar Falsche Daten- Selektion Verfälschte Daten Fehler bei Datenimporten Schnittstellen- Probleme SAQ Zug um Zug / Michael Röthlin / Slide 15

15 Herausforderungen für ERP-Benutzer: Arbeitsoberfläche Arbeitsoberflächen von ERP-Systemen sind oft überladen, mit zu vielen (auch unnötigen) Feldern Sobald Daten eingegeben sind, können diese von sehr vielen Benutzern verwendet werden à die Kontrolle über den Datenfluss geht verloren Die Eingabeprüfung der ERP-Systeme kann nur die Gültigkeit von eingegebenen Daten prüfen, nicht die Korrektheit oder Aktualität! SAQ Zug um Zug / Michael Röthlin / Slide 16

16 Unterschiedliche Qualitätsniveaus verschiedener Datentypen "hervorragend" "sehr schlecht" SAQ Zug um Zug / Michael Röthlin / Slide 17

17 Wieso Probleme bei der Datenqualität? Übersicht der Einflussfaktoren Faktor N Mean Std. Dev. 1. Ungenügende Benutzerschulung Fehlende Verantwortlichkeiten für Daten Schlecht geführtes ERP-Einführungsprojekt Fehlen einer übergeordneten Qualitätsstrategie Ungenügende Anpassung des ERP-System Mangelnde Erfahrung der ERP-Benutzer Mangelndes Interesse der ERP-Benutzer SAQ Zug um Zug / Michael Röthlin / Slide 18

18 Operative Auswirkungen von Datenqualitätsproblemen Fehler Hohe ausstehende Kundenzahlungen Unterbrochene automatisierte Lieferungen Fehlkontierung FI/ CO Ursache Falsche oder unvollständige Rechnungsadresse Fehlerhafte Verrechnung mit Kundenanzahlungen (Physischer) Lagerbestand wird vom ERP-System falsch ausgewiesen System verweigert Auslieferung/Faktura "Ship-it-anyway syndrome" Kontennummern werden nicht organisationsbezogen validiert Falsche Teile bestellt Daten werden durch textliches Überschreiben "wiederverwendet" Fehler in Stückliste, Kunden- oder Fertigungsauftrag. SAQ Zug um Zug / Michael Röthlin / Slide 19

19 3. Datenqualität in ERP-Systemen managen à Schwierigkeiten wirtschaftlich/technisch à Anwendung DMADV / DMAIC à Lebenszyklus-Orientierung SAQ Zug um Zug / Michael Röthlin / Slide 20

20 ERP-Datenqualität: Schwierige wirtschaftliche Fundierung von Massnahmen Grosse Mengen von Daten unterschiedlicher Art Quantifizierung des Nutzens hoher Datenqualität nur für einfache Fälle Beispiel CRM: Verbesserung der Adressdatenqualität führt zu höherem Kampagnenerfolg [Heinrich et al. 2007] Die guten Daten von heute sind die schlechten von morgen ("Zerfall") Organisatorische Aspekte sind sehr wichtig Grossunternehmen besitzen viele organisatorische Schnittstellen und (ERP-)Softwareprodukte Kosten fallen oft in der einen, der Nutzen in einer anderen Abteilung an [Galway/Hanks 1996]. SAQ Zug um Zug / Michael Röthlin / Slide 21

21 ERP-Datenqualität: Schwierige technische Fundierung von Massnahmen Empfehlung "Kontrolliere den von dir angestossenen oder beeinflussten Datenfluss" "Begrenze die Datenmenge auf das Minimum" "Benütze die Integritätsprüfung des Datenbank- Managementsystems" "Plane und führe über Informationsbearbeitungsprozesse" Realität in ERP-Systemen Systementwickler und Anwender haben keine Kontrolle über den Datenfluss; die (Standard-) Applikationen können nicht verändert werden Standardsysteme geben oft nicht benötigte Strukturen und Daten vor, während andere dringend benötigte Datenfelder fehlen Auch wenn ERP-Systeme relationale Datenbanksysteme verwenden, sind Mechanismen zur Integritätsprüfung abgeschaltet Geschäftsprozessmodelle/Blueprints behandeln Geschäftsaktivitäten, nicht Informationsbearbeitungsprozesse. SAQ Zug um Zug / Michael Röthlin / Slide 22

22 Vorgehensweise beim Datenqualitätsmanagement: Analogie zu DMADV und DMAIC DMADV und DMAIC sind erprobte, in vielen Unternehmen bekannte und angewandte "Six Sigma" Qualitätsmethoden DMADV Hilft bei der Bereitstellung neuer Prozesse oder Produkte hoher Qualität DMAIC Zielt auf "durchschlagende" Verbesserungen existierender Prozesse. Pyzdek (2003) SAQ Zug um Zug / Michael Röthlin / Slide 23

23 V Build a prototype of the in- Measurement, observation Statistical methods Berner Fachhochschule Haute école spécialisée bernoise Anwendung DMADV für die Sicherung der CHAPTER 2. QUALITY CONCEPTS FOR BUSINESS DATA 85 Datenqualität bei der ERP-Einführung Phase DQM Activities DQM Methods DQM Tools D Collect data user quality requirements Classify data Set objectives for data quality Establish business case for data quality Information product modeling Project management SIPOC, IP-MAP FMEA Fishbone diagram M CTQ factor analysis, measure importance of data quality dimensions Consider factors for data quality: data model, values, formats, etc. Quality measurement of existing data Estimation of quality costs (COQ) QFD FMEA A Identify CTP factors Analyze and select design options, aiming at CTQ as found above Optimize life cycle cost Creativity methods Process modeling Ontologies (e.g., Zachman framework) SIPOC, IP-MAP QFD FMEA Fishbone diagram D Design the detailed CTP, IT architecture planning and Ontologies the details of the information implementation SIPOC, IP-MAP system support, includ- Organizational design QFD ing software settings and User education and training FMEA usage processes User documentation SAQ Zug um Zug / Michael Röthlin / Simulation Slide 24

24 Datenqualitäts-Aktivitäten in der ERP- Einführungsphase "People" Verantwortlichkeiten für Datenqualität festlegen Datenqualität in unternehmerischen und persönlichen Zielsetzungen integrieren "Process" Datenkunden und -lieferanten identifizieren Datenerfassungsprozesse formalisieren (und nicht nur Business-Prozesse!) ERP-Vokabular übernehmen und verbreiten DQ-Messungen und Feedback-System etablieren "Technology" "Schutzzäune" z. B. spez. Regeln für Daten - einsetzen Anwendungen und Reports für das DQ-Management DQ-Komponenten (z. B. zur Adressprüfung) oder Master Data Management-Lösungen evaluieren und einführen. SAQ Zug um Zug / Michael Röthlin / Slide 25

25 Anwendung DMAIC für die Verbesserung CHAPTER der Datenqualität 2. QUALITY CONCEPTS FORim BUSINESS ERP-Betrieb DATA 89 Phase DQM Activities DQM Methods DQM Tools D Collect requirements for data quality improvement, at management and data user levels Set and agree on objectives for the improvement project Information product modeling Project management SIPOC, IP-MAP M Define metrics for monitoring achievement of improvement goals Measure the existing data processing system and the quality of data with regard to objectives Data profiling Data adapters for extracting data Result databases A Establish business case for data quality Analyze and select options for improvements, aiming at CTQ Optimize life cycle cost Statistical analyses COQ SIPOC, IP-MAP FMEA Pareto chart analysis Fishbone diagram I Improve current capturing Organizational design Metadata management and processing methods User education/training Data tagging Improve data management User documentation Fishbone diagram and assign responsibility Simulation People: directives, incentives, education/training, support Process: specific information system processes, pay-for-data SAQ Zug um Zug / Michael Röthlin / Technology: adaptation of GUI, rule-based data edits, Slide 26 database bashing, data cleansing

26 100% Aktionen zur Verbesserung der Datenqualität "eingeführt" Proportion % 0% "nicht eingeführt" SAQ Zug um Zug / Michael Röthlin / Slide 27

27 Wer soll für Datenqualität im ERP-Betrieb zuständig sein? Organisatorische Rollen, die Verantwortung für die Qualität von Daten übernehmen sollen (Umfrageergebnisse, in absteigender Wichtigkeit): 1. ERP-Systembenutzer 2. Prozessverantwortliche 3. Linienverantwortliche 4. Stabsstelle für Datenqualität (z. B. "Data Steward") "Data Stewards"/"Gatekeepers"/"Custodians" sind in der ERP-Praxis selten Für grössere Unternehmen oder ERP-Projekte drängt sich ein "Data Care Team" auf. SAQ Zug um Zug / Michael Röthlin / Slide 28

28 4. Zusammenfassung SAQ Zug um Zug / Michael Röthlin / Slide 29

29 Datenqualität ist ein Problem (gerade) auch für die ERP-Welt ERP-Systeme sind enorm weit verbreitet Empfehlungen für die Sicherung der Datenqualität aus dem Bereich der Entwicklung von Individualsoftware können nicht direkt auf ("halbfertige") ERP-Systeme angewendet werden Datenstrukturen und Standardapplikationen sind meist "tabu" Der Datenverarbeitungsvorgang bleibt den Benutzern von ERP-Systemen verborgen Verantwortlichkeiten für Daten in einer hochintegrierten ERP- Umgebung sind schwierig abzugrenzen Datenintegration erweist sich als zweischneidiges Schwert: Einerseits verbessert die verminderte Redundanz die Datenintegrität; Andererseits verbreiten sich einmal vom System akzeptierte Fehler schnell über verschiedenste ERP-Applikationsbereiche hinweg. SAQ Zug um Zug / Michael Röthlin / Slide 30

30 ERP-Benutzer sind meist zufrieden mit ihren Systemen und den Daten... trotz gelegentlicher Bedenken Toleranz gegenüber Fehlern in Transaktionssystemen "unseren eigenen Daten vertrauen wir eher" Auch wenn ERP-Systeme die Qualität der Daten nicht garantieren können, lösen sie viele Probleme früherer, funktionsorientierter Applikationen 100%-ige Datenqualität in allen Bereichen der ERP- Daten anzustreben ist technisch und wirtschaftlich unmöglich Eine Datenbereinigung direkt im ERP-System ist der bevorzugte Ansatz, die alleinige Reinigung für BI- Anwendungen erscheint wenig akzeptabel Formale Datenqualitätsprogramme bleiben in der betrieblichen ERP-Praxis die Ausnahme. SAQ Zug um Zug / Michael Röthlin / Slide 31

31 Referenzen DeLone, W. and McLean, E. (1992). Information Systems Success: The Quest for the Dependent Variable. Information Systems Research, 3(1), Galway, L. A. and Hanks, C. H. (1996). Data Quality Problems in Army Logistics: Classification, Examples, and Solutions. Santa Monica: RAND. Heinrich, B., Kaiser, M., und Klier, M., Metrics for measuring data quality Foundations for an economic data quality management, 2nd International Conference on Software and Data Technologies (ICSOFT), Barcelona, (Spain), July ISYCON (2010). ERP Schweiz 3 Jahre ERP-Übersicht im Vergleich. URL: files/veroeffentlichungen/ld36.pdf [Abruf ]. Pyzdek, T. (2003). DMAIC and DMADV. URL: [Abruf ]. Röthlin, M. (2010). Management of Data Quality in Enterprise Resource Planning Systems, Lohmar-Köln: Josef Eul. SAQ Zug um Zug / Michael Röthlin / Slide 32