Rolf Scheuch, Tom Gansor Organisation des Stammdatenmanagements Business Intelligence benötigt. Ordnungsrahmen für das Datenmanagement

Transkript

1 Heft 13 November Jahrgang ISSN IT-Governance Zeitschrift des ISACA Germany Chapter e.v. Rolf Scheuch, Tom Gansor Organisation des Stammdatenmanagements Business Intelligence benötigt Governance Datenmanagement braucht Ordnung Ordnungsrahmen für das Datenmanagement Die Nutzung eines Ordnungsrahmens erleichtert die Planung und Steuerung des Datenmanagements für Compliance und Datenaufbewahrungsplan rechtssichere Vernichtung COBIT 5 Elektronischer Sonderdruck für OPITZ CONSULTING GmbH dpunkt.verlag

2 Elektronischer Sonderdruck aus: IT-Governance Zeitschrift des ISACA Germany Chapter e.v Jahrgang Heft 13 November 2012 Seiten dpunkt.verlag GmbH ISSN

3 14 Datenmanagement braucht Ordnung Datenmanagement braucht Ordnung Die Nutzung eines Ordnungsrahmens erleichtert die Planung und Steuerung des Datenmanagements Rolf Scheuch, Tom Gansor Die Planung und Implementierung des Datenmanagements erfolgt zumeist in einem unternehmensweiten Kontext. Hierzu müssen Unternehmen die Geschäftsprozesse und IT-Systeme hinsichtlich der veränderten Verwendung der Daten anpassen. Ferner müssen die Initiativen und Projekte des Datenmanagements selbst durch ein Führungssystem überwacht und gesteuert werden. Letztendlich bettet sich die Strategie für das Datenmanagement in die generelle Unternehmensstrategie ein und trägt so mittelbar zu einer Verbesserung der Wertschöpfung bei. Die Einführung eines Datenmanagements und der nachhaltige Betrieb bedingen somit eine Transformation der bisherigen Arbeitsabläufe und meist auch der Zuständigkeiten. Der Beitrag stellt einen Ordnungsrahmen für die Strukturierung des Datenmanagements vor. Dieser Ordnungsrahmen lehnt sich an das»business Engineering«an einen Ansatz, der am Institut für Wirtschaftsinformatik der Universität St. Gallen für die Gestaltung von Geschäftstransformationen, die auf der Nutzung von IT-Systemen basieren, entwickelt wurde. Der Leser erhält im Beitrag eine Methodik zur Ausgestaltung und Vorgehensweise bei der Planung seines Datenmanagements. 1 Einleitung Zunehmender Wettbewerbsdruck erfordert in immer kürzer werdenden Zyklen Anpassungen der Geschäfts modelle und der unterstützenden Geschäftsprozesse. Gleichzeitig wird durch die Globalisierung und digitale Vernetzung der Unternehmen die Interaktion mit externen Geschäftspartnern immer komplexer. Ein verlässlicher Informationsaustauch mit qualitativ hochwertigen Daten wird für den Erfolg entscheidend. Hieraus ergibt sich die zentrale Fragestellung nach der Qualität der Information und somit deren Verlässlichkeit in Transaktionen, Auswertungen und Berichten. IT-Systeme in vielen Unternehmen können heute dem raschen Wandel bei Organisation, Geschäftsmodellen und sogar Technologie nicht folgen, sodass auf der Unternehmensseite ein Flechtwerk an Systemen mit den bekannten Integrationsproblemen besteht und wächst. Diese Heterogenität bedingt eine Vielzahl an Herausforderungen bei der Nutzung von Daten: Unterschiedliche Datenstrukturen und -formate Unterschiedliche Ausprägungen von Daten und divergentes Verständnis über die Bedeutung von Daten in den beteiligten Organisationseinheiten Unterschiedliche Validierungen und Plausibilitäten (Data Quality) Unterschiedliche Prozesse und Zuständigkeit bezüglich der Datenhoheit (Data Governance) Unterschiedliche Anwendungssysteme in den Kernprozessen mit teilweise widersprüchlicher Datennutzung Die Analysten von BARC stellen fest:»mehr als die Hälfte aller IT-Experten sieht in der Datenqualität [ ] die größten Herausforderungen«[BARC 2011, S. 28] und weiterhin bemerkt BARC, dass»75 % der Teilnehmer im Datenmanagement (Master Data Management) den wichtigsten Trend für ihr Unternehmen sehen«[barc 2011, S. 35]. In seinem Vortrag auf dem 7. Stuttgarter Softwaretechnik Forum im September 2011 forderte Prof. Dieter Spath sogar, dass Informationen und somit auch die Daten als Asset, ähnlich der Anlagen und Maschinen in einem Unternehmen, aufgefasst werden sollen und somit einem Asset-Management unterliegen müssten [Spath 2011, S. 29]. Ein integriertes Datenmanagement (DM) im Unternehmen verspricht, eine Lösung für diese Herausforderung zu sein. Der Beitrag beantwortet die folgenden Fragen: Wie wird das DM definiert und was ist der Zweck des DM? Wie kann ein Ordnungsrahmen helfen, das DM zu strukturieren? Was sind die grundlegenden Handlungsfelder des DM? Wie geht man bei der Planung eines DM vor? 2 Begriffsbildung Daten werden im gesamten Unternehmen durch unterschiedliche Organisationseinheiten und innerhalb der vielfältigen Geschäftsprozesse verwendet. Das Datenmanagement definiert Abläufe und Verantwortlichkeiten, um nutzbare Daten in den Geschäftsprozessen des Unternehmens sicherzustellen. Demgemäß werden unter Datenmanagement»einerseits alle Prozesse, welche der Planung, Beschaffung, Organisation, Nutzung und Entsorgung der Unternehmensressource Daten dienen, und andererseits die Organisationseinheiten, welche für diese Prozesse gesamthaft verantwortlich sind«verstanden [Dippold et al. 2005, S. 21]. Somit verfolgt das Datenmanagement als ein unterstützender Sekundärprozess im Unternehmen [Schmelzer & Sesselmann

4 Datenmanagement braucht Ordnung , S. 78 ff.] den Zweck, den Wert der Daten zu verbessern. Hierbei erfolgt der Beitrag zur Verbesserung der Wertschöpfung, wie auch aus Abbildung 1 [Otto 2011, S. 236] ersichtlich, implizit aus zwei Richtungen: Das Datenqualitätsmanagement verbessert kontinuierlich die Qualität der Daten und optimiert somit den Wert der Information und dadurch die Nutzbarkeit. Durch die Data Governance erfolgt die verbesserte Nutzung der Daten in allen Management- und Kernprozessen und somit eine verbesserte Wertschöpfung. In Abbildung 1 sind die wesentlichen Prozesse des Datenmanagements (nach [Dippold et al. 2005, S. 14 ff.]) dargestellt. Die Prozesse haben die folgenden grundlegenden Aufgaben (vgl. Tab. 1). Datencontrolling Data Governance Datenplanung Datenbeschaffung Datenorganisation Datennutzung Datenentsorgung Datenqualitätsmanagement Steuerung der Maßnahmen und Controlling der Kennzahlen zum Wert der Daten Planung der Nutzung der Daten in den Geschäftsprozessen»Beschaffung«der Daten aus den relevanten Systemen (intern wie auch extern) Verwaltung von Informationen über Daten und deren Nutzung Verwendung der Daten in den Geschäftsprozessen Steuerung der Terminierung bzw. Entsorgung von Daten Festlegung von Qualitätsanforderungen, um»nutzbare«daten in den Geschäftsprozessen zu erhalten, und Messung der Qualität durch geeignete Kennzahlen Tab. 1: Aufgaben der Prozesse des Datenmanagements Ferner ist bei der Planung und Implementierung des DM das organisatorische Umfeld zu analysieren. Bereits bestehende Initiativen müssen auf einen Abstimmungsbedarf zum DM hin geprüft werden, um Synergien der Initiativen untereinander bezüglich der betrachteten Daten zu forcieren. Typische Initiativen, die das DM beachten wird, sind Stammdatenmanagement, IT-Governance, Enterprise Architecture Management, Business Intelligence Competency Center und das Metadatenmanagement. Bei diesen und möglichen weiteren Initiativen besteht ein Abstimmungsbedarf bezüglich Inhalt, Zuständigkeit, Rollen und Aufgaben, damit die Grenzen und Verantwortlichkeiten der Initiativen geklärt sind. 3 Ordnungsrahmen Gemäß der Definition erfolgt die Implementierung des Datenmanagements (DM) in einem unternehmensweiten und fachbereichsübergreifenden Kontext [Dippold et al. 2005, S. 235]. Unternehmen werden ihre Geschäftsprozesse und operativen sowie dispositiven Anwendungssysteme hinsichtlich der verbesserten Nutzung der Daten permanent überprüfen, überdenken und als Folge auch verändern. Das DM selbst basiert auf einer Strategie für die Datennutzung und implementiert ein Führungssystem, um sich selbst zu steuern und zu überwachen. In der Regel sollte das DM kein Projekt sein, das die IT initiiert und durchführt, sondern ein übergreifendes Vorhaben der Fachbereiche. Der Begriff Vorhaben versteht sich in diesem Zusammenhang als Generalisierung der möglichen organisatorischen Vorgehensweisen beim DM. Je nach Größe und Komplexität kann das DM als Projekt, Programm oder nur durch organisatorische Richtlinien umgesetzt werden. Die IT liefert Infrastruktur und Anwendungen und wirkt am Vorhaben mit, wobei die Steuerung und Initiierung durch eine abteilungsübergreifende Organisationseinheit übernommen wird. Data Governance unterstützt Ziel: Datenwert maximieren Nutzung zu verbessern Datencontrolling und Data Governance Ist ein Unterziel von Datenqualitätsmanagement Datenqualitätsmanagement unterstützt Ziel: Datenqualität maximieren Nutzbarkeit zu verbessern Abb. 1:Beitrag des Datenmanagements zur Verbesserung der Wertschöpfung

5 16 Datenmanagement braucht Ordnung Generell dienen Ordnungsrahmen zur Strukturierung und Kommunikation von komplexen Zusammenhängen. Der in Abbildung 2 dargestellte und auf das DM spezialisierte Ordnungsrahmen strukturiert die wesentlichen Handlungsfelder des DM und dient in der Folge als Rahmen für die Vorgehensweise. Die folgenden Ausführungen basieren auf dem Konzept des»business Engineering«, einem am Institut für Wirtschaftsinformatik der Universität St. Gallen entwickelten Ansatz (vgl. [Otto 2011, S. 14], [Österle & Winter 2003, S. 3-18]). Die Ausgestaltung dieser Bereiche ist für die erfolgreiche Durchführung einer Geschäftstransformation im Allgemeinen und somit auch im Rahmen der Planung und Durchführung des DM notwendig. Aus den Zielen des DM erfolgt das Operationalisieren auf einer abstrakten Ebene durch die Formulierung der Strategie mit Initiativen für das DM. Die Strategie legt die Aktivitätsfelder fest und spiegelt die Wünsche sowie Wertvorstellungen der bestimmten Entscheidungsträger wider. In der Verbindung mit der Vision und den Zielen beschreibt die Strategie den Weg zu einem möglichen zukünftigen Zustand. Letztlich entwickelt das verantwortliche Team im Rahmen der Strategie eine Roadmap inklusive der Einführungsstrategie und der notwendigen Meilensteine. Um alle Stakeholder und Beteiligte im Veränderungsprozess zu begleiten, wird ein Veränderungsmanagement initiiert. Die in Tabelle 2 zusammengefassten Ergebnisse der Ebene Strategie werden an das Führungssystem für das DM übergeben. Dieser Managementprozess steuert und überwacht das DM bezüglich der Verfolgung der Strategie und somit der gesetzten Ziele. Strategie Vision und Ziele Strategie und Initiativen Organisation Führungssystem und Data Governance Aufbauorganisation Funktionsarchitektur Systemarchitektur Anwendungsarchitektur Ablauforganisation Ergebnis Vision und Leitlinien Strategie und Initiativen Ziele und KPIs Veränderungsmanagement Roadmap Aufgabe Formulierung einer gemeinsam im Unternehmen abgestimmten und durch die Stakeholder getragenen Vision und der Leitlinien für das DM Ausarbeitung einer durch Initiativen formulierten Strategie Festschreiben von Zielen des DM und Aufbau eines Kennzahlensystems: 1. Zur Steuerung der Effizienz des DM (Innensicht des DM) 2. Zur Steuerung der Effektivität des DM (Außensicht zum Unternehmen) Erstellung eines Vorgehens zur Kommunikation der Ziele und Maßnahmen des DM und der begleitenden Change-Management- Maßnahmen Erstellung der grundlegenden Roadmap für das DM mit der Einführungsstrategie und den wesentlichen Meilensteinen Informationsarchitektur Tab. 2: Ergebnisse der Strategie Abb. 2:Ordnungsrahmen und Handlungsfelder für das Datenmanagement 3.1 Strategie Bei der Kommunikation und Steuerung von zumeist mitteloder langfristigen Vorhaben mit organisatorischen Veränderungen werden die Instrumente der Visions- und Strategieformulierung eingesetzt. Die Interessenträger des DM entwerfen für die Organisation und das Management ein Leitbild (Vision) für das DM. Dieses Leitbild vermittelt den Zweck des DM, motiviert die Veränderung, skizziert die Ziele und beschreibt Leitlinien für Handlungen. Hierbei verhindert das Leitbild des DM einen Widerspruch zu den etablierten Unternehmenszielen und deren Initiativen. 3.2 Organisation Das DM ist ein Querschnittsthema im Unternehmen und daher sind Tätigkeiten, Prozesse, Funktionalität und Strukturen des DM über die unterschiedlichen Geschäftsbereiche eines Unternehmens hinweg zu koordinieren. Um dies zu erreichen, benötigt das DM ein eigenes Führungssystem sowie eine spezifische Ablauf- und Aufbauorganisation, um nachhaltig den Erfolg zu sichern. Ferner werden durch die Verfolgung der Ziele auch Anpassungen an der Ablauf- und Aufbauorganisation der operativen Unternehmenseinheiten nötig werden. Grundlage der Gestaltung der Ablauf- und Aufbauorganisation, sowohl für das DM selbst als auch für die operativen Unternehmenseinheiten, sind die Anforderungen, die in der Funktionsarchitektur festgehalten werden. Das Führungssystem des DM operationalisiert die Vorgaben der Strategie. Neben den Aufgaben der Steuerung und Kontrolle bestimmt das Führungssystem die Ausgangssituation vor der Etablierung des DM als Benchmark der KPIs und legt die Prozesse und Organisation fest. Grundlage der Prozesse ist eine adäquate Aufbauorganisation. Die Mitarbeiter

6 Datenmanagement braucht Ordnung 17 werden entsprechend ihren Rollen in den Prozessen disziplinarisch in die Aufbauorganisation eingebunden. Dies kann in ihrer ursprüngl ichen Linienfunktion oder in einer fachlichen Berichtslinie, etwa in Form einer Matrixorganisation, erfolgen. Ein wesentlicher Teil des Führungssystems von DM ist die Data Governance selbst. Wie in Abbildung 1 dargestellt, ist der Zweck der Data Governance die Verbesserung des Datenwerts für das Unternehmen durch eine verbesserte Nutzung in den Prozessen und Systemen. Die Data Governance ist somit neben dem Datenqualitätsmanagement ein wesentlicher Kernprozess des DM. Die Funktionsarchitektur strukturiert die fachlichen Anforderungen an das DM und dient als Grundlage für Architekturentscheidungen und Planung der benötigten Prozesse und IT-Komponenten. Tabelle 3 fasst die Ergebnisse der Organisation zusammen: Ergebnis Baseline Führungssystem Data Governance Organisation Prozesse Anforderungen Aufgabe Tab. 3: Ergebnisse der Organisation 3.3 Systemarchitektur Als Grundlage der Messung des Erfolgs und zur Planung der Maßnahmen (Soll-Ist- Vergleich) wird eine Baseline für das DM formuliert. Die Baseline beschreibt die Ausgangslage und bildet die Grundlage zur Messung des Fortschritts (initiale Kennzahlen). Ferner dient sie als Basis von Impact-Analysen zur Planung von Maßnahmen. Definition und Implementierung der Organisation, Rollen und Prozesse für die Steuerung des DM Implementierung einer Governance für die Datennutzung und Abstimmung/Abgrenzung mit bestehenden Ansätzen der Corporate bzw. IT- Governance Beschreibung der notwendigen Rollen, Strukturen und Verantwortlichkeiten im Rahmen des DM bezüglich der Auswirkung sowohl auf die operativen Prozesse als auch auf die spezifischen Prozesse des DM Erarbeitung einer Prozessarchitektur mit Aufgaben, Zuständigkeiten und Rollen für das DM selbst Spezifikation der fachlichen Anforderungen an das DM in einer Funktionsarchitektur Um die Implementierung des DM zu vertretbaren operativen Kosten und die Verwaltung der komplexen Zusammenhänge der Daten zu ermöglichen, ist die Unterstützung der Prozesse des DM mittels IT nötig. Diese bezieht sich zum einen auf die Prozesse des DM selbst (insbesondere die Arbeit der sogenannten Datenstewards bei der Sicherung der Datenqualität), zum anderen auch auf die Prozesse der Datenaufbereitung und verteilung bei der Datennutzung. Die Systemarchitektur für das DM beschreibt sowohl die Istsituation als auch die geplante Sollarchitektur. Folgt man den Enterprise-Architecture-Ansätzen [Stähler et al. 2009], so sind folgende Ergebnisse für das DM notwendig: Ein IT-Bebauungsplan mit Schwerpunkt auf den Datenmodellen und Verwendungsnachweisen Eine Landkarte der Daten mit Datenmodellen und Datenhaltung Eine Übersicht der Datenflüsse mit den benötigten Transformationen (Data Lineage) Eine Prozesslandkarte der operativen Prozesse, die das DM berühren Tabelle 4 fasst die Ergebnisse der Systemarchitektur zusammen. 4 Nutzung des Ordnungsrahmens Der Ordnungsrahmen stellt mit den Handlungsfeldern und deren Kernaufgaben ein rein statisches Modell dar. Für die Planung der notwendigen Aktivitäten eines DM benötigt man jedoch ein spezialisiertes, ablauforientiertes Vorgehensmodell. Das im Folgenden näher beschriebene und in Abbildung 3 dargelegte Vorgehensmodell fokussiert auf den Planungsprozess und endet mit der Ausarbeitung der Roadmap als Entscheidungsvorlage und Leitlinie bei der Implementierung [Scheuch et al. 2012, S. 301 ff.]. Es eignet sich als Referenzprozess für die Planung des DM und muss im Einzelfall an die individuellen Rahmenbedingungen angepasst werden. Für die erfolgreiche Umsetzung ist es notwendig, dass Prozesse, Fachbereiche und IT in enger Abstimmung agieren und dass die beteiligten Menschen von der Vision und dem Nutzen des Datenmanagements überzeugt sind, dieses aktiv unterstützen und nicht durch zu engagierte Pläne frühzeitig ausgebrannt werden. Nach einer mehrjährigen Laufzeit und anschließend im Tagesbetrieb durch entsprechende Organisationseinheiten verantwortet, muss das Datenmanagement seinen Mehrwert und Nutzen für die Organisation darstellen und auch nachweisen. Entscheider und Budgetgeber benötigen für die Mittelfreigabe und den Start des Programms für ein DM eine aussagefähige Entscheidungsvorlage. In Analogie zum klassischen Programmmanagement besteht die Roadmap im Wesentlichen aus der Planung der Programmorganisation, einer Einführungsstrategie, dem Programmplan mit Meilensteinen und Rollout-Planung, der Kalkulation sowie einem Risiko- und Nutzenmanagement [PMI 2006]. Die Phase»Ziele festlegen«beschreibt die Entwicklung der Vision und der Ziele des DM sowie den Weg zur Erreichung einer Zustimmung in der Organisation. Frühzeitig erfolgt die Implementierung eines Stakeholder-Managements, um Abstimmung und Unterstützung über alle betroffenen Organisationseinheiten und Entscheidungsträger zu erlangen. Grundlage der Ziele des DM sind abgestimmte Handlungsfelder, die sich aus Unternehmenszielen und analysierten Schwachstellen ergeben. Bereits in der frühen Phase empfiehlt es sich, das Vorhaben als ein Programm aufzusetzen und den Fokus auf die typischen

7 18 Datenmanagement braucht Ordnung Ergebnis Anwendungsarchitektur Datenarchitektur Aufgabe Übersicht über benötigte Anwendungssysteme für das DM (Verwaltung von Metadaten, Terminologiemanagement, Repositories, Data Dictionaries etc.) Übersicht über Datenquellen und deren Infrastruktur sowie die notwendige Architektur der Datenhaltung Informationsmodell Glossar Metadatenmodell Datenqualität Datenmodelle Aufbau eines ebenenübergreifenden Informationsmodells Definition der verwendeten Geschäftsobjekte und deren betriebswirtschaftliche Bedeutung inklusive ihres Zusammenhangs mit den Daten Modellierung der im Datenmanagementkontext verwendeten Metadaten und deren Bedeutung für das Datenmanagement Festhalten des Regelwerks zur Sicherung der Datenqualität bei Validierung und Prüfung der Ausprägung der Datenwerte Festhalten logischer und physischen Datenmodelle inklusive der Assoziationen der Attribute untereinander (als Grundlage für die Zusammenführung, Dublettenprüfung und Harmonisierung der Daten) Infrastruktur Übersicht über benötigte IT-Infrastrukturen Tab. 4: Ergebnisse der Systemarchitektur Erfolgsfaktoren nach PMI, also auf Stakeholder, Veränderungsmanagement, Risiken und Benefits-Management, zu legen [PMI 2006]. In der Phase»Strategie ausarbeiten«erfolgt die detaillierte Ausarbeitung der Strategie durch die Formulierung von Initiativen und Maßnahmen inklusive deren Ziele. Hierzu gehören die Istanalyse der aktuellen Situation und die Formulierung der Sollarchitektur bezüglich der Ablauf- und Aufbauorganisation und der IT-Bebauung. Eine Gap-Analyse dient als Grundlage für die Bestimmung der Handlungsfelder der Strategie und die Formulierung von Initiativen und Maßnahmen zur Erreichung der Zielvorstellung. Der Planungsabschluss erfolgt in der Phase»Roadmap entwickeln«. Basis sind die Vorarbeiten sowie die Initiativen und Maßnahmen. Jedoch benötigt das Unternehmen nun eine Roadmap für das meist mehrere Jahre andauernde Programm. Das zuständige Team prüft Implikationen auf die Organisation, bespricht das erstellte Lastenheft mit Herstellern und Lieferanten und plant den Rollout und die Einführungsstrategie, während die Buchhalter aus dem Finanzbereich eine Investitionsrechnung für das Vorhaben durchführen. Das Ergebnis bildet eine Entscheidungsgrundlage für die Freigabe zur Einführung eines DM. Phasen der Planung Aktivität Artefakte Idee zum Datenmanagement Phase»Ziele festlegen«anmerkungen Nacharbeit Anmerkungen Nacharbeit Phase»Strategie ausarbeiten«entwicklung der Ziele Entscheidung über Entwicklung einer Strategie Entwicklung der Strategie Entscheidung über detaillierte Programmplanung Vision/Ziele Stakeholder Einflussfaktoren Handlungsfelder Budgetschätzung Benefits/Risiken Initiativen Maßnahmen Istarchitektur Sollarchitektur Baseline/Metrik Budgetschätzung Benefits/Risiken Anmerkungen Nacharbeit Phase»Roadmap entwickeln«entwicklung der Roadmap Entscheidung über Programminitialisierung Organisation Rollout-Plan Timeline Programmplanung Kalkulation Benefits/Risiken Abb. 3: Vorgehensmodell für die Planung des Datenmanagements

8 Datenmanagement braucht Ordnung 19 Jede Phase nutzt die Ergebnisse der vorherigen Phase als Input und liefert als Ergebnis die Grundlage für eine Entscheidung. Die Entscheidung über die Freigabe der nächsten Verfeinerungsstufe erfolgt durch ein definiertes Gremium (beispielsweise einen Lenkungsausschuss für das DM) bzw. letztlich durch die Geschäftsleitung. Die Phasen sind»re-entrant«, sodass auf Anmerkungen oder notwendige Nachbesserungen reagiert werden kann. Mit der Freigabe (»Go«) beginnt der nächste Schritt der Verfeinerung, eine Ablehnung (»No Go«) beendet das jeweilige Datenmanagementvorhaben. 5 Fazit und Take-away Die Implementierung des DM ist ein meist mehrjähriges Programm, das durch die Fachbereiche getrieben werden sollte und nach der Beendigung des Programms durch definierte Organisationseinheiten (etwa in der Organisationsform eines Competency Center [Gansor et al. 2010]) fortgeführt wird. Das DM bewirkt in vielen Fällen eine Transformation der Nutzung der Daten in den operativen Geschäftsprozessen. Ferner benötigt ein effizientes DM einen hohen Anteil an IT- Unterstützung, um Komplexität und Volumen zu bewältigen. Der Beitrag beschrieb einen für das DM adaptierten Ordnungsrahmen und zeigte die notwendigen Handlungsfelder auf. Da diese statische Sicht für eine sinnvolle Anwendung noch ein Vorgehensmodell benötigt, stellte der Beitrag ein phasen-orientiertes Vorgehensmodell vor, das die Planung des Datenmanagements erleichtert. Datenmanagement benötigt Ordnung, damit es erfolgreich geplant und nachhaltig implementiert werden kann. 6 Literatur [BARC 2011] BARC: Data Warehousing 2011 Status quo, Herausforderungen und Nutzen. White Paper, BARC Institut, Würzburg, Juli [Dippold et al. 2005] Dippold, R.; Meier, A.; Schnider, W.; Schwinn, K.: Unternehmensweites Datenmanagement. 4. Auflage, Vieweg Verlag, Wiesbaden, [Gansor et al. 2010] Gansor, T.; Totok, A.; Stock, S.: Von der Strategie zum Business Intelligence Competency Center (BICC). Hanser Verlag, München, [Österle & Winter 2003] Österle, H.; Winter, R.: Business Engineering. Springer-Verlag, Berlin, Heidelberg, [Otto 2011] Otto, B.: Data Governance, DOI / , WI-Schlagwort. Wirtschaftsinformatik 53 (2011), 4. [PMI 2006] PMI: The Standard for Program Management. Project Management Institute, Inc., Pennsylvania, USA, [Scheuch et al. 2012] Scheuch, R.; Gansor, T.; Ziller, C.: Master Data Management Strategie, Organisation, Architektur. dpunkt.verlag, Heidelberg, [Schmelzer & Sesselmann 2010] Schmelzer, H.; Sesselmann, W.: Geschäftsprozessmanagement in der Praxis. 7., überarbeitete und erweiterte Auflage, Hanser Verlag, München, [Spath 2011] Spath, D.: Unternehmensgut: Daten. Tagungsband des Stuttgarter Softwaretechnik Forums Frauenhofer Verlag, Stuttgart, [Stähler et al. 2009] Stähler, D.; Meier, I.; Scheuch, R.; Schmülling, C.; Somssich, D.: Enterprise Architecture, BPM und SOA für Business- Analysten. Hanser Verlag, München, Rolf Scheuch ist geschäftsführender Gesellschafter der OPITZ CONSULTING GmbH und als Management-Coach aktiv mit Schwerpunkten bei der Entwicklung einer geschäftszielorientierten IT-Strategie und der organisatorischen Implementierung von IT-intensiven Geschäftstransformationen tätig. Hierbei liegt der momentane Schwerpunkt auf der Begleitung von Initiativen zum Stammdatenmanagement. Ferner engagiert er sich im Rahmen von Fachkonferenzen, Fachpublikationen und ist im Fachbeirat der IM Information Management & Consulting. Tom Gansor ist in der Geschäftsleitung bei der OPITZ CONSULTING GmbH für die Weiterentwicklung des Dienstleistungsportfolios verantwortlich. Darüber hinaus berät er Klienten bei der strategischen Umsetzung innovativer IT-Lösungen im Bereich der Business-Intelligence-Organisation und -Strategie. Dazu engagiert er sich in der BI-Community im Rahmen von Fachkonferenzen und Fachpublikationen. Ferner ist Tom Gansor Mitglied des Fachbeirats des BI-Spektrums und ein TDWI Europe Fellow. Dipl.-Math. Rolf Scheuch Dipl.-Wirtsch.-Inform. (FH) Tom Gansor OPITZ CONSULTING GmbH Kirchstr Gummersbach {rolf.scheuch, tom.gansor}@opitzconsulting.com