Datenqualität transparent und messbar machen mit dem SAP Information Steward Unterstützen Sie Ihre datengetriebenen Initiativen, wie z. B. ERP-, CRM- oder BI-Projekte, mit den notwendigen Informationen. Wie der SAP Information Steward Ihnen beim Data Profiling und dem kontinuierlichen Überwachen von Datenqualität hilft, die Basis für bessere Entscheidungen und effizientere Prozesse zu legen. 09-06-2016 Atos - For internal use
Datenqualität Warum sollten Sie sich überhaupt damit beschäftigen? Geschäftsentscheidungen basieren auf Daten/Informationen Geschäftsprozesse konsumieren und produzieren diese Schlechte Daten/Informationen führen zu Ungesicherten oder gar falschen Entscheidungen Ineffizienten oder fehleranfälligen Prozessabläufen Veröffentlichung falscher Informationen Gute Datenqualität ermöglicht Höheren Umsatz Geringere Kosten Größere Agilität Weniger Risiken 2 09-06-2016 Lars Lorenz Atos - For internal use
Datenqualität Warum sollten Sie sich überhaupt damit beschäftigen? Probleme werden verursacht durch Menschliche Fehler Ungenügende oder fehlende Standards Schlechte Unterstützung in Programmen und Applikationen Jedes Unternehmen hat Datenqualitätsprobleme! Die wenigsten kennen die Qualität ihrer Daten oder managen sie. 1) 1) The price of light is less than the cost of darkness. Arthur C. Nielsen, Market Researcher & Founder of ACNielsen Die Beschäftigung mit dem Thema Datenqualität hat besonders Relevanz im Kontext von ERP-, CRM- und BI-Initiativen 3 09-06-2016 Lars Lorenz Atos - For internal use
Datenqualität ist ein Schwerpunkt-Thema der SAP Enterprise Information Management Lösungen SAP Data Services SAP Information Steward SAP Sybase Power Designer SAP SAP Master Data Governance SAP NW Information Lifecycle Management SAP Extended ECM by OpenText 4 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Durchführung von Einmal-Maßnahmen Schaffung einer Single Source of Truth für Auswertungszwecke Integration der Datenflüsse über beteiligte Applikationen und Systeme Anreicherung der Daten durch zusätzliche/externe Services Punktuelle Anpassung/Optimierung der Prozesse Definition von (Stamm-)Datenstandards Rules and Guidelines Einführung eines zentralen Stammdatenmanagements Einführung von Governance-Funktionen 5 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Identifikation der geschäftsrelevanten Daten- Objekte und ihrer Systemnutzung Ermittlung des Ist- Zustands der Daten-Objekte mittels Data Profiling Definition und Anwendung von Datenqualitäts- Regeln Fachliche Beurteilung der Datenqualität und ihrer Auswirkung auf Entscheidungen und Prozesse Kundenstammsätze aus den CRM-, ERP- und Service-Applikationen Produktstammdaten aus den PLM-, ERP- und Warehouse-Systemen sowie aus dem Webshop Serviceaufträge, Lieferantenbestellungen, Produktionsaufträge, Kundenrechnungen, Lieferantenstammsätze, Kundenaufträge, Materialstammdaten,... 6 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Identifikation der geschäftsrelevanten Daten- Objekte und ihrer Systemnutzung Ermittlung des Ist- Zustands der Daten-Objekte mittels Data Profiling Definition und Anwendung von Datenqualitäts- Regeln Fachliche Beurteilung der Datenqualität und ihrer Auswirkung auf Entscheidungen und Prozesse Strukturen: Entsprechen die Daten den vorgesehenen Mustern? Beziehungen: Gibt es abgeleitete Relationen über Systemgrenzen hinweg? Inhalte: Sind die Datensätze vollständig, genau und eindeutig? Welche Ausprägungen gibt es? 7 09-06-2016 Lars Lorenz Atos - For internal use
Data Profiling mit dem SAP IS In wenigen Minuten zu ersten Ergebnissen Beispiel: Basic Profiling für einfache Wertanalysen von Datenobjekten 1. Verbindung(en) zu Quellsystem(en) anlegen z. B. die produktive ERP-Instanz 2. Neues Analyse-Projekt anlegen z. B. für die Analyse von Kundendaten 3. Tabelle(n) oder Datei(en) auswählen z. B. KNA1 für Kundenstammdaten 4. Profiling-Optionen festlegen z. B. Umfang der Datenmenge bzgl. Zeilen und Spalten, Detailtiefe der Analyse, direkte Ausführung oder als Job 5. Basic Profiling starten 6. Ergebnis analysieren 8 09-06-2016 Lars Lorenz Atos - For internal use
Data Profiling mit dem SAP IS Basic Profiling - Ergebnisanalyse Profiling- Zusammenfassung + Statistik (Werte, Textlängen, Vollständigkeit, Verteilung Aufriss nach Werten Aufriss der Quelldaten 9 09-06-2016 Lars Lorenz Atos - For internal use
Data Profiling mit dem SAP IS Basic Profiling - Ergebnisanalyse Vorschlag zum Typ der Spalte Aufriss der Häufigkeit von vorgeschlagenen Datentypen Semantisches, wissensbasiertes Erkennen von Datentypen und Bedeutungen 10 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Identifikation der geschäftsrelevanten Daten- Objekte und ihrer Systemnutzung Ermittlung des Ist- Zustands der Daten-Objekte mittels Data Profiling Definition und Anwendung von Datenqualitäts- Regeln Fachliche Beurteilung der Datenqualität und ihrer Auswirkung auf Entscheidungen und Prozesse In allen Kundenstammsätzen müssen Pflicht-Adressfelder (abhängig vom Land) gefüllt sein Kundenstammsätze mit identischem Namen und Adressen sind Dubletten Bei der Angabe von Mengen-, Gewichts- und Maßeinheiten für bestimmte Materialien- oder Produkt- Gruppen sollen nur definierte Werte verwendet werden 11 09-06-2016 Lars Lorenz Atos - For internal use
Daten-Validierung mit dem SAP IS Zentrale Definition der Regeln Definition durch Fachabteilungsoder IT-Anwender Im Regel-Editor Direkt aus der Profiling- Analyse heraus Aus einem Vorschlag des Data Validation Advisor Bei komplexeren Anforderungen steht auch ein Scripting-Editor mit umfangreichen Funktionen zur Verfügung 12 09-06-2016 Lars Lorenz Atos - For internal use
Daten-Validierung mit dem SAP IS Übersicht und Auswertung Berechnung eines Qualitätsindexes über alle verknüpften Tabellen, inkl. Anzeige der fehlerhaften Datensätze Selektion einer Regel einer spezifischen Qualitäts- Dimension generische Definition der Regeln Verknüpfung der Regeln mit unterschiedlichen Tabellen oder Dateien (Wiederverwendung + individuelle Bewertung der Ergebnisse) Strukturierung von Regeln in Gruppen und Hierarchien Integration von Genehmigungs- Workflows 13 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Identifikation der geschäftsrelevanten Daten- Objekte und ihrer Systemnutzung Ermittlung des Ist- Zustands der Daten-Objekte mittels Data Profiling Definition und Anwendung von Datenqualitäts- Regeln Fachliche Beurteilung der Datenqualität und ihrer Auswirkung auf Entscheidungen und Prozesse Zu welchen Problemen in der Kommunikation mit den eigenen Kunden führt es dass 30% der Kundenstammsätze im CRM und ERP mit unterschiedlichen Adressen gepflegt sind? Wieviel Einkaufsvolumen kann nicht oder nur unter sehr hohem Aufwand optimiert werden weil 40% der Bestellungen ohne Materialstamm (Freitextbestellungen) ausgelöst werden? 14 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Durchführung von Einmal-Maßnahmen Schaffung einer Single Source of Truth für Auswertungszwecke Integration der Datenflüsse über beteiligte Applikationen und Systeme Anreicherung der Daten durch zusätzliche/externe Services Punktuelle Anpassung/Optimierung der Prozesse Definition von (Stamm-)Datenstandards Rules and Guidelines Einführung eines zentralen Stammdatenmanagements Einführung von Governance-Funktionen 15 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Schaffung der Voraussetzungen für ein kontinuierliches Datenqualitätsmanagement Katalogisierung der Meta-Informationen der Daten-Objekte Kontinuierliche Anwendung und Monitoring der Datenqualitäts- Regeln Schaffung eines Problembewusstseins Definition und Kommunikation von Verantwortlichkeiten Schaffung von (Stamm-)Datenstandards 16 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Schaffung der Voraussetzungen für ein kontinuierliches Datenqualitätsmanagement Katalogisierung der Meta-Informationen der Daten-Objekte Kontinuierliche Anwendung und Monitoring der Datenqualitäts- Regeln Nutzung in späteren Profiling-Analysen u. Auswertungen(z. B. für Impact Analysen oder Data Lineage) Verwaltung von Metadaten in komplexeren Systemlandschaften Aufbau eines Glossars für Geschäftsbegriffe (Business Terms) 17 09-06-2016 Lars Lorenz Atos - For internal use
Metadaten-Mgmt. mit dem SAP IS Definition von Geschäftsbegriffen Vereinfachung von Suche und Navigation durch Definition von Synonymen und verwandten Begriffen Begriffsdefinition durch einen Data Steward verwandte Begriffe verwandte Informationen (z. B. Validierungs-Regeln) 18 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Schaffung der Voraussetzungen für ein kontinuierliches Datenqualitätsmanagement Katalogisierung der Meta-Informationen der Daten-Objekte Kontinuierliche Anwendung und Monitoring der Datenqualitäts- Regeln Bündelung der Ergebnisse von Validierungsergebnissen in Qualitäts-Scorecards Visualisierung der Scorecards in Fachabteilungs-tauglichen Dashboards 19 09-06-2016 Lars Lorenz Atos - For internal use
Qualitäts-Monitoring mit dem SAP IS Als Ad-hoc Analyse Beobachtung des berechneten Qualitätsindexes über den Zeitverlauf hinweg Drill down über System und Tabelle hin zum Feld 20 09-06-2016 Lars Lorenz Atos - For internal use
Qualitäts-Monitoring mit dem SAP IS Als Dashboard mit Scorecards aktueller Qualitätsindex Skala für den Qualitäts -index Entwicklung des Qualitätsindex Kennzahlen der einzelnen Qualitätsdimensionen 21 09-06-2016 Lars Lorenz Atos - For internal use
Qualitäts-Monitoring mit dem SAP IS Als Dashboard mit Scorecards Absprung bis hin zu den fehlerhaften Daten einer einzelnen Regel 22 09-06-2016 Lars Lorenz Atos - For internal use
3 Phasen auf dem Weg zu besserer Datenqualität Erkennen und verstehen der Datenqualität sowie der damit verbundenen Auswirkungen Definieren und Durchführen von Maßnahmen zur Verbesserung der Datenqualität Dauerhafte Anwendung und Überprüfung Daten Profiling Messung von Datenqualität via Integrations- Szenarien Metadaten- Management Monitoring von Datenqualität 23 09-06-2016 Lars Lorenz Atos - For internal use
Mögliche Integrations-Szenarien Mit SAP BW, Data Services und MDG SAP Information Steward Data Profiling, Validation and Monitoring Option 3 Manual Adjustment Business Reporting Option 1 Cleansing Package Option 2 Change Requests SAP BW Transform (Master) Data SAP MDG Change Request Processing SAP Data Services Cleansing Package Execution ERP 3 ERP 1 ERP 2 24 09-06-2016 Lars Lorenz Atos - For internal use
Schnelle Schritte zur ersten Umsetzung mit Rapid Deployment Solutions Verfügbar für folgende Datenobjekte aus SAP ERP- oder MDG-Systemen: Kundenstammdaten Lieferantenstammdaten Materialstammdaten RDS-Pakete enthalten vorkonfigurierte Datensichten und Metadaten-Beschreibungen Validierungs-Regeln Kennzahlen und Dashboards Einführungsmethodik, inkl. Anleitungen und Dokumentationen 25 09-06-2016 Lars Lorenz Atos - For internal use
Fragen und Antworten 26 09-06-2016 Lars Lorenz Atos - For internal use
Thanks For more information please contact: T+ 49 211 39929320 M+ 49 159 04078658 lars.lorenz@atos.net Atos, the Atos logo, Atos Consulting, Atos Worldgrid, Worldline, BlueKiwi, Bull, Canopy the Open Cloud Company, Yunano, Zero Email, Zero Email Certified and The Zero Email Company are registered trademarks of the Atos group. May 2015. 2015 Atos. Confidential information owned by Atos, to be used by the recipient only. This document, or any part of it, may not be reproduced, copied, circulated and/or distributed nor quoted without prior written approval from Atos. 09-06-2016 Atos - For internal use