B4: Stammdatenanalyse

Effizienz und Transparenz durch Stammdatenanalyse

und -bereinigung

Kirsten Bruns

Head of Evaluation & Portfolio ManagementManagement Center of Excellence

„Wir ertrinken in Informationen und

hungern nach Wissen.“

(John Naisbitt)

23.0

5.2

019

© 2

019 ite

llig

ence

2

Ein paar Beispiele zur täglichen Datenflut ab 2020 (erhoben von intel 2019)

23.0

5.2

019

© 2

019 ite

llig

ence

3

Ein durchschnittlicher Internet User - 1,5 GB

Ein autonomes Fahrzeug - 4 TB

Ein vernetztes Flugzeug - 5 TB

Eine Smart Factory - 1 PB (Petabyte = 1.000 TB)

Ein Cloud Video Provider - 750 PB

Effizienz und Transparenz durch gutes Datenmanagement

Motivation:

Business Intelligence: Bedürfnis nach verlässlichen Informationen/Wissen

Verstärkte Nutzung von Metadaten

Fast 90% der deutschen Unternehmen haben heute noch erhebliche Probleme im Bereich Datenmanagement und dies bezieht sich nur auf die bisherigen „einfachen“ Stammdaten

4

Effizienz und Transparenz durch gutes Datenmanagement

23.0

5.2

019

© 2

019 ite

llig

ence

5

Für 90% aller Unternehmen stellt die Datenqualität zumindest in Teilen eine echte Herausforderung dar. Genau dieses Spannungsfeld steht im Fokus: zwischen der Erkenntnis, den strategischen Wert von Daten nutzen zu wollen einerseits und den bestehenden Hürden und Hindernissen auf dem Weg zu intelligenten Datenmanagement-Strategien andererseits. *

*Experian Marketing Services (Umfrage über 1240 Unternehmen aller Größen und Branchen)

Alter Hut? Digitalisierung und Datenqualität

23.0

5.2

019

© 2

016 ite

llig

ence

6

Die digitale Transformation führt zu massiven prozessualen

Veränderungen in der Geschäftswelt:

Erhöhte Standardisierung beim Austausch von Daten aus unterschiedlichsten Quellen und Systemen

Fast alle Prozesse laufen automatisch ab

Neuartige Produkte und Dienstleistungen bzw. Kombinationen daraus

Die intelligenteste CRM Software, das beste eProcurement

und die smarteste BI-Anwendung – alle entfalten ihr

Potential erst bei hoher Datenqualität. Kein Wunder also,

dass 49% der Digitalisierungsprojekte nicht den gewünschten

Nutzen bringen.

Alter Hut? Oder ganz neues Verständnis von Daten???Datensammeln, Datenanalyse, Datenschutz,…

23.0

5.2

019

© 2

019 ite

llig

ence

7

2020: + menschliche Emotionen

2025: + menschliche Gedanken

Bis 2010: statische Daten

Heute: Echtzeit-Daten (temporär)

Zukunft: Prognose-Daten (schneller als Echtzeit)

Die Welt verändert sich in einem Wahnsinnstempo!!!

26.1

0.2

018

© 2

018 ite

llig

ence

8

Dann kam der Wandel in Spanien:• Steuer von 8% auf

21% hoch

• Besucherzahlen 30% runter

Teatroneu

Geschäftsmodelle & Prozeßdaten

Technologie

Umfeld

-> Schnelle Adaptivität!!!

Ebenen der Datenanalyse

23.0

5.2

019

© 2

016 ite

llig

ence

Stammdatenanalyse – Transparenz? Braucht man das?

23.0

5.2

019

© 2

015 ite

llig

ence

10

Stammdaten sind ausschlaggebend für den Erfolg eines Unternehmens.

Fehler in Stammdaten blockieren Prozesse, erzeugen ein fehlerhaftes Reporting und führen zu schlechteren Planungen und Steuerungsmöglichkeiten

Direkte und indirekte Fehlerkosten verschlechtern Ergebnisse (5-8 % EBIT)

Im Schnitt ist jeder Mitarbeiter täglich 30 min damit beschäftigt, Daten zu prüfen oder zu korrigieren

SAP bietet ein einzigartiges Datenmodell, das Flexibilität und mehrere Unternehmen in einem System erlaubt. Der Stammdatenpflegeprozess ist jedoch sehr komplex und zeitaufwendig.

Nur saubere Daten führen zu optimalen Prozessen und sicheren Entscheidungen

Ebenen der Datenanalyse

23.0

5.2

019

© 2

016 ite

llig

ence

11

Analyse der Stammdaten aus Sicht Revision, DSGVO, gesetzl. Vorgaben,…

Analyse der Anforderungen aus operativen Prozessen

Analyse der Stammdaten-organisation & -verantwortlichkeiten

Analyse der Felder einzelnerDatensätze

Dubletten und Analyse der weiteren funktionalen Möglichkeiten nach Cleansing

1. Stammdatenanalyse: Ergebnisauszug einer Debitorenanalyse

23.0

5.2

019

© 2

016 ite

llig

ence

12

2. Stammdatenpotentialanalysen (Beispiele)

Nur die Analyse und Korrektur der Stammdaten erlaubt eine effektive Nutzung weiterer, oft systemübergreifender, Funktionalitäten.

E-Commerce-Plattform:

Kunden- und Artikelstammdaten müssen korrekt und zwischen der E-Commerce-System und dem Backendsystem abgestimmt sein

Kreditmanagement:

Nur ohne viele Dubletten und mit abgestimmten Stammdaten zwischen SAP und CRM möglich

360 Grad-Kundensicht:

Unternehmensweite Sicht auf den Kunden kann nur ohne Dubletten und mit harmonisierten Stammdaten erfolgen

IBAN und SEPA (heute Standard und Pflicht):

Automatisierter Zahlungsverkehr auch ins Ausland geht nur mit korrekten und standardisierten Daten

23.0

5.2

019

© 2

016 ite

llig

ence

13

3. Datenmanagementanalyse, z.B. mit it.excellence Datenmanagement

23.0

5.2

019

© 2

016 ite

llig

ence

14

Zur Datenanalyse gehört auch die Betrachtung im Unternehmen, wie die Stammdatenprozesse etabliert wurden, d.h.

welche Datenqualitätsziele will man erreichen

wer trägt die Stammdatenverantwortung

wer sorgt für Complianceregeln

welche Software unterstützt und prüft

welche Mitarbeiter sind wie involviert

Strategie

Strategie

Organisation

Systeme

Führungssystem

Prozesse & MethodenOrganisation & Mitarbeiter

Applikationen

Datenarchitektur

lokal global

4. Prozessdatenanalyse

In der Prozeßdatenanalyse werden die Datenbereiche analysiert, die zur Durchführung eines Prozesses unabdingbar sind.

Gleichzeitig werden die Datenbereiche analysiert, die zur Standardisierung oder Harmonisierung dienen und eine Automatisierung oder ein Outsourcing von Prozessen erlauben.

Prüfung von Datenstandards für unternehmens-übergreifende Collaborationen

Beispiele:

DUNS-Nr. für Dublettenprüfung, Bonitätsprüfung oder Kreditmanagement

eCl@ss: Der eCl@ss-Standard ermöglicht den grenzenlosen, digitalen Austausch von Produktstammdaten über Branchen, Länder, Sprachen oder Organisationen hinweg, z.B. für den Einkauf oder die Konstruktion

EAN/GTIN-Nummern von GS1 für eindeutige internationale Artikelnummern (für Einkauf, Rückverfolgbarkeit oder Mobile Commerce)

…

23.0

5.2

019

© 2

016 ite

llig

ence

15

5. Complianceanalysen (Beispiele)

Zolltarifnummern (Dubletten, Aktualität, Korrektheit):

Als Folge davon können z.B. Zölle zu niedrig festgesetzt werden, verbotene Waren ohne Genehmigung ein- oder ausgeführt, der Entzug von Vereinfachungen oder Bewilligungen sowie die Versagung von Im-oder Exporten erfolgen.

Boykottlistenprüfung/Sanktionslistenprüfung (Ausfuhrsperrkennzeichen, Aktualität):

Denn nach aktueller Rechtslage muss jedes Unternehmen durch geeignete Maßnahmen sicherstellen, dass keinerlei wirtschaftliche Kontakte mit Organisationen oder Personen eingegangen werden, die auf offiziellen Sanktionslisten stehen. Die Prüfpflicht betrifft nicht nur Kunden, sondern auch Lieferanten und Personal.

DSGVO

Analyse personenbezogener Daten über alle Systeme hinweg. Was ist gespeichert, wo und wie lange, warum und wer hat Zugriff darauf?

Diese Analysen müssen nicht nur durchgeführt werden, sondern sind auch regelmäßig zu dokumentieren.

23.0

5.2

019

© 2

016 ite

llig

ence

16

6. IoT-Datenanalyse

Die Analyse von IoT-Daten (Maschinendaten, Sensorikdaten, etc.) erlaubt die Gestaltung neuer Geschäftsmodelle und erweiterter Services

Hierzu müssen in der Regel über ein Netzwerk große Datenmengen aufgenommen, umformatiert, analysiert und bewertet werden, um dann automatische Aktionen im ERP-System auszulösen (z.B. mit AIN Asset Intelligence Network)

Beispiele:

Maschinendaten über Auslastung und Zustand zur Ermittlung der nächsten Wartung

Miet- statt Kaufmodelle für Spülmaschinen über Nutzungsdaten

Automatischer Nachlieferungsprozess für Tankanlagen durch Befüllungssensoren

Automatisierter Update- und Wartungsservice für Boschrasenmäher

23.0

5.2

019

© 2

016 ite

llig

ence

17

7. BigData Analysen

Dies ist die systematische Analyse großer Datenmengen mit Hilfe neu entwickelter Software zur Nutzung neuer Potentiale (auch Smart Data).

Für die meisten Unternehmen allein zu komplex, aber zunehmend mehr als Service oder Dienstleistung kaufbar.

Beispiele dafür sind:

- Uber (Infos für Städteplaner zu Bebauungsregionen)

- SAP: SAP Data Services

- Negativbeispiel: Analyse & Beeinflussung von Wahlverhalten über Facebookdaten (Cambridge Analytica)

23.0

5.2

019

© 2

016 ite

llig

ence

18

Predictive Analysis

23.0

5.2

019

© 2

016 ite

llig

ence

19

PredictivePolicing

Was bringt die Datenanalyse bzw. mehr Datenqualität?

23.0

5.2

019

© 2

016 ite

llig

ence

20

Bis zu 25% mehr operativen Gewinn

Neues Portfolio und neue Geschäftsmodelle

Mehr Collaborationsmöglichkeiten

Mehr Compliancesicherheit

Effektivere Prozeßabläufe

Weniger Verluste durch Prävention und Aufdeckung von

Wirtschaftskriminalität

Von allem mehr:

mehr Transparenz

mehr Effizienz

mehr Gewinn

mehr Zufriedenheit

mehr Sicherheit

mehr Chancen

…

Problem erkannt – und nun?

23.0

5.2

019

© 2

016 ite

llig

ence

3 Schritte zum goldenen Datenbestand

23.0

5.2

019

© 2

016 ite

llig

ence

22

• Toolgestützte Analyse des Datenbestandes

• Ermittlung der Haupthandlungsfelder & Gründe

analysiert

• Welche Fehler sollen wie, wann und von wem behoben werden?

• Toolgestützte Korrektur und manuelle Arbeitspakete

bereinigt

• Toolgestützte Datenanlage und Datenvalidierung

• Reports als internes Kontrollsystemvalidiert

Produktbeispiele für Datenanalyse und -bereinigung

23.0

5.2

019

© 2

016 ite

llig

ence

24

it.Interface Scanner

Analyse bestehender Schnittstellen

it.transformReorganisation von

Daten und Belegen auf DB-Ebene

http://www.itelligence.addstore.de.

Dubletten-prüfung

Online -/Massenprüfung

it.x-check.it

Sanktionslistenprüfung

it.excellence Datenmanagement

WorkshopIn 8 Schritten zu mehr

Datenqualität

it.DGM-Suite

Gefahrstoffdaten& Versandunterstützung

Produktbeispiele für Validierungs- und Anreicherungsprodukte

23.0

5.2

019

© 2

016 ite

llig

ence

25

it.mds

Regelgeführte Stammdatenpflege

Class CockpitKlassifikation der Stammdaten nach

eCl@ss

http://www.itelligence.addstore.de.

USt-IdNr. Prüfung

Massenprüfung von UID-Nr

SNP DragomanSAP Übersetzungen

einfach gemacht

Geodaten-versorger

Geocodierung von SAP Adressen

Materialkurztextgenerierer

Dynamische Materialkurztext-

generierung

it.DGM-Suite

Gefahrstoffdaten& Versandunterstützung

it.DPM

Datenanonymisierung

Die Herausforderung der Zukunft für Unternehmen…

26.1

0.2

018

© 2

018 ite

llig

ence

26

Fazit: Also sollten Sie Ihre „einfachen“ Daten schnellstens in den Griff bekommen!!

Ein paar Beispiele zur täglichen Datenflut ab 2020 (erhoben von intel 2019)

23.0

5.2

019

© 2

019 ite

llig

ence

27

Ein durchschnittlicher Internet User - 1,5 GB

Ein autonomes Fahrzeug - 4 TB

Ein vernetztes Flugzeug - 5 TB

Eine Smart Factory - 1 PB (Petabyte = 1.000 TB)

Ein Cloud Video Provider - 750 PB

Kirsten BrunsAm Kaiserhain 19 44179 DortmundE-Mail: kirsten.Bruns@itelligence.de

Wir machen mehr aus SAP®-Lösungen!

23.0

5.2

019

© 2

016 ite

llig

ence

Haben Sie noch Fragen?

Copyright itelligence AG - All rights reserved

23.0

5.2

019

© 2

016 ite

llig

ence

29

Die Weitergabe und Vervielfältigung dieser Publikation oder von Teilen daraus sind, zu welchem Zweck und in welcher Form auch immer, ohne die ausdrückliche schriftliche Genehmigung durch itelligence AG nicht gestattet. In dieser Publikation enthaltene Informationen können ohne vorherige Ankündigung geändert werden.

Einige von der itelligence AG und deren Vertriebspartnern vertriebene Softwareprodukte können Softwarekomponenten umfassen, die Eigentum anderer Softwarehersteller sind. Die in diesem Dokument erwähnten Namen von Produkten und Services sowie die damit verbundenen Firmenlogos sind Marken der jeweiligen Unternehmen. Die Angaben im Text sind unverbindlich und dienen lediglich zu Informationszwecken. Produkte können länderspezifische Unterschiede aufweisen.

Die in diesem Dokument enthaltenen Informationen sind Eigentum von itelligence. Dieses Dokument ist eine Vorabversion und unterliegt nicht Ihrer Lizenzvereinbarung oder einer anderen Vereinbarung mit itelligence. Dieses Dokument enthält nur vorgesehene Strategien, Entwicklungen und Produktfunktionen und ist für itelligence nicht bindend, einen bestimmten Geschäftsweg, eine Produktstrategie bzw. -entwicklung einzuschlagen. itelligence übernimmt keine Verantwortung für Fehler oder Auslassungen in diesen Materialien. itelligence garantiert nicht die Richtigkeit oder Vollständigkeit der Informationen, Texte, Grafiken, Links oder anderer in diesen Materialien enthaltenen Elemente. Diese Publikation wird ohne jegliche Gewähr, weder ausdrücklich noch stillschweigend, bereitgestellt. Dies gilt u. a., aber nicht ausschließlich, hinsichtlich der Gewährleistung der Marktgängigkeit und der Eignung für einen bestimmten Zweck sowie für die Gewährleistung der Nichtverletzung geltenden Rechts.

itelligence übernimmt keine Haftung für Schäden jeglicher Art, einschließlich und ohne Einschränkung für direkte, spezielle, indirekte oder Folgeschäden im Zusammenhang mit der Verwendung dieser Unterlagen. Diese Einschränkung gilt nicht bei Vorsatz oder grober Fahrlässigkeit.

Die gesetzliche Haftung bei Personenschäden oder die Produkthaftung bleibt unberührt. Die Informationen, auf die Sie möglicherweise über die in diesem Material enthaltenen Hotlinks zugreifen, unterliegen nicht dem Einfluss von itelligence, und itelligence unterstützt nicht die Nutzung von Internetseiten Dritter durch Sie und gibt keinerlei Gewährleistungen oder Zusagen über Internetseiten Dritter ab.

No part of this publication may be reproduced or transmitted in any form or for any purpose without the express permission of itelligence AG. The information contained herein may be changed without prior notice.

Some software products marketed by itelligence AG and its distributors contain proprietary software components of other software vendors. All product and service names mentioned and associated logos displayed are the trademarks of their respective companies. Data contained in this document serves informational purposes only. National product specifications may vary.

The information in this document is proprietary to itelligence. This document is a preliminary version and not subject to your license agreement or any other agreement with itelligence. This document contains only intended strategies, developments and product functionalities and is not intended to be binding upon itelligence to any particular course of business, product strategy, and/or development. itelligence assumes no responsibility for errors or omissions in this document. itelligence does not warrant the accuracy or completeness of the information, text, graphics, links, or other items contained within this material. This document is provided without a warranty of any kind, either express or implied, including but not limited to the implied warranties of merchantability, fitness for a particular purpose, or non-infringement.

itelligence shall have no liability for damages of any kind including without limitation direct, special, indirect, or consequential damages that may result from the use of these materials. This limitation shall not apply in cases of intent or gross negligence.

The statutory liability for personal injury and defective products is not affected. itelligence has no control over the information that you may access through the use of hot links contained in these materials and does not endorse your use of third-party Web pages nor provide any warranty whatsoever relating to third-party Web pages.