barc was datenmanagement messbar dazu beitragen kann
DESCRIPTION
Was ist damit gemeint: “Integrierte Kundensicht?” Wie überträgt man diesen Begriff in die Praxis? Welchen (Mehr-) Nutzen bringt eine integrierte Sicht auf den Kunden? Und wie erstellt man hierfür sinnvolle ROI-Kalkulationen? Wichtige Fragen mit noch wichtigeren Antworten…Während dieser interaktiven Session wird Human Inference anhand von praxisorientierten Beispielen demonstrieren, welche Vorteile sich für Ihr gesamtes Unternehmen durch die integrierte Sicht auf den Kunden ergeben.TRANSCRIPT
„Klare Sicht auf Ihre Kunden“
Was Datenmanagement messbar dazu beitragen kann
Dr. Siegmund Priglinger
Seminar Human Inference10. März 2009
Agenda
Begrüßung, Vorstellung, Erwartungen11
Datenmanagement - „Nachweis des Nutzens“33
Ausblick44
BARC – Das Analystenhaus11
Datenmanagement - „Lessons Learned“22
Business Application Research Center
BARC ist ein Software-Marktanalyst spezialisiert auf Business Intelligence, Daten- und Dokumentenmanagement.
Völlig neutrale Unterstützung von Softwareprojekten durch Vergleichsstudien >100 Softwarelösungen im Labor
getestet
Marktforschung Anwenderbefragungen
Marktübersicht BARC-Guide als Anbieterkatalog
Tagungen Direktvergleich von Anbietern und Lösungen
Beratung IT-Strategie, IT-Architektur & Softwareauswahl
Zentrales Thema von Zentrales Thema von BARC BARC ist dasist das
InformationsmanagementInformationsmanagement
BARC liefert Methodenstärke für Business-Intelligence- und Informationsmanagement-Projekte
Strategie Architektur WerkzeugauswahlLebenzyklus-Modelle
Strategie-Frameworks Referenzarchitekturen
Bebauungspläne
Portfolioeinordnung
technisch/funktionale Bewertung
OrganisationOrganisatorische Verankerung strategischer IT-Initiativen
Business Intelligence Competence CenterData Governance
BARC ist fachlicher Mittler fürBARC ist fachlicher Mittler für• FachbereicheFachbereiche• IT-Bereich IT-Bereich • SoftwareanbieterSoftwareanbieter
BARC Angebot
BeratungTagungen, Seminare
Workshops
Marktforschung
Neutrale Unterstützungfür Software-Projekte
Studien und Marktübersichten
Agenda
Begrüßung, Vorstellung, Erwartungen11
Datenmanagement - „Nachweis des Nutzens“33
Ausblick44
BARC – Das Analystenhaus11
Datenmanagement - „Lessons Learned“22
DatenmanagementDie „auslösenden Faktoren“
„von Excel zur Integration“
Business IntelligenceBusiness Intelligence-Initiativen-Initiativen
[M]DM-Lösung
Data Governance & Compliance
Business Process Business Process ManagementManagement• B2B• B2C• B2B2C
MigrationenMigrationen• Applikationswechsel• Merger & Acquisition• Produktmanagement
Mission Critical ApplicationMission Critical Application
Langzeit-InvestitionLangzeit-
Investition
Individual <-> Standard
Individual <-> Standard
Entscheidung <-> RegelnEntscheidung <-> RegelnFach- Experte <-> IT-
ExperteFach- Experte <-> IT-
Experte
Aktuellste Herausforderungen im Umfeld Business Intelligence
Einsatz von Business Intelligence in neuen Anwendungsbereichen wie EinkaufEinkauf, Logistik Logistik oder Competitive IntelligenceCompetitive Intelligence
Operative und dispositive Entscheidungsfindung soll schneller auf mehr, detaillierteren und länger vorgehaltenen Daten geschehen
Dispositive Informationslieferung entlang den operativen Prozessen
Wachsende Zahl von Mitarbeitern mit Informationsbedarf und Informationszugriff
„Gerade in wirtschaftlich turbulenten Zeiten steht das Thema Steuerungsfähigkeit von Unternehmen ganz oben auf der Verbesserungs- und Investitionsliste“ meint Dr. Carsten Bange, Geschäftsführer von BARC.
Was die Unternehmen dringenddringend brauchen:• Transparenz• Planbarkeit• Szenarienbildung („Was wäre wenn“)
OperativeProzesse
ProzessergebnisseProzesskennziffernProzessvorgaben
DatenanalyseReporting
Ziel
eKe
nnza
hlen
Maß
nahm
en
Vorg
aben
„Wie sollen wir gegen-über unseren Kunden auftreten, um unsere Vision zu verwirklichen?“
Kunde
Ziel
eKe
nnza
hlen
Maß
nahm
en
Vorg
aben
„In welchen Geschäfts-prozessen müssenwir die besten sein,um unsere Teilhaber und Kunden zu be-friedigen?“
Geschäftsprozesse
Ziel
eKe
nnza
hlen
Maß
nahm
en
Vorg
aben
„Wie können wir unsere Veränderungs-und Wachstums-potentiale fördern, um unsere Vision zu verwirklichen?“
Lernen und Entwicklung
Visionund
Strategie
Finanzen
Ziel
eKe
nnza
hlen
Maß
nahm
en
Vorg
aben
„Wie sollen wirgegenüber Teil-habern auftreten,um finanziellenErfolg zu haben?“
Ziel
eKe
nnza
hlen
Maß
nahm
en
Vorg
aben
„Wie sollen wir gegen-über unseren Kunden auftreten, um unsere Vision zu verwirklichen?“
Kunde
Ziel
eKe
nnza
hlen
Maß
nahm
en
Vorg
aben
„In welchen Geschäfts-prozessen müssenwir die besten sein,um unsere Teilhaber und Kunden zu be-friedigen?“
Geschäftsprozesse
Ziel
eKe
nnza
hlen
Maß
nahm
en
Vorg
aben
„Wie können wir unsere Veränderungs-und Wachstums-potentiale fördern, um unsere Vision zu verwirklichen?“
Lernen und Entwicklung
Visionund
Strategie
Finanzen
Ziel
eKe
nnza
hlen
Maß
nahm
en
Vorg
aben
„Wie sollen wirgegenüber Teil-habern auftreten,um finanziellenErfolg zu haben?“
Ziele
Vision
DispositiveProzesse
Steuerung
Planung Kontrolle
MonitoringProzessablauf
ProzessstrukturSimulationZiele
DatenmanagementPerformance Management & Prozessorientierung
Die Performance der Geschäftsprozesse muss rasch und nachhaltig verbessert werden.
Geschäftsprozesse… und Datenmanagement
Der Prozess triggert die Daten.Der Prozess triggert die Daten.
Die Daten triggern den Prozess.Die Daten triggern den Prozess.
Prozesse
Daten-Services
Methoden-Services
Daten-Silos
Datenmanagement… und Reaktionszeiten
In A
nleh
nung
an
C. W
hite
Unterschiedliche Reaktionszeiten bei operativ orientierter BI und „klassischer“ BI
Abstimmung der technische Architektur auf die besonderen Anforderungen
Angepasste Informationslieferung für eine Vielzahl von Anwendern
DatenmanagementProbleme bei Business-Intelligence-Projekten
Que
lle: O
LAP
Surv
ey 2
006
Datenmanagement Ein Blick auf die Architektur
Security
System & Process Monitoring
Collaboration
Meta Data Mgt.
Data Modeling
ManagementServices
Automation
Analytical Data Provisioning
Services
Relational Data Storage
DimensionalData Storage
CachingFederation/
Virtual Data Stores
Reporting
Bu
sin
ess
Inte
llig
ence
Ser
vice
s
Monitoring
Advanced Analysis
VisualizationPlanni
ng
Ad-hoc Analysis
Legal Con-
solidation
Operational Applications
Services
Operational Data
Provisioning Services
Operational Data Application A
Operational Data Application B
Operational Data Application C
Data
Integration & Quality Services
Enrichment Master Data
Data Quality
EnterpriseService
Bus
Data Integration
Semantic LayerSemantic Layer
Business Process Services
Agenda
Begrüßung, Vorstellung, Erwartungen11
Datenmanagement - „Nachweis des Nutzens“33
Ausblick44
BARC – Das Analystenhaus11
Datenmanagement – „Lessons Learned“22
Datenmanagement Wie stellt man den Nutzen von DM fest
AnalysierenAnalysieren
VerbessernVerbessern
3. DM-Prozesse, DM-Architektur (Technik,
Semantik, Funktionen) und Tools zur Verbesserung
festlegen
2. DM Business Requirements und
Kenngrößen definieren
1. DM-Projekt definieren, [Status, Vision und Ziele]
5. DM-Monitoring gegen Zielvorgaben/Kenngrößen
4. DM-Prozesse und -Architektur
implementieren und ausführen
Balanced-Score-Card des Unternehmens• aus Sicht „Business“• aus Sicht „Data Management“
Key-Benefits erkennen
Projektmanagement
Qualitätsmanagement
Geschäftsprozesse… liefern den Nutzen
Projektdefinieren
Business Requirements definieren
Prozesse & Architekturimplementieren
Lösungnutzen& monitoren
Projekt-Vorphase
Bereitstellung: Prozess, Organisation, Technik
Prozesse,Architektur & Werkzeuge festlegen
Business Requirements definierenGeschäftliche Anforderungen definieren a.Interviews der Business Bereiche [für alle Aspekte der DM-Lösung bzgl. Teilnehmer/Rollen, Inhalte und Prozesse] b.Kennzahlen von und Zusammenhänge zwischen Business-Prozessen, Stammdaten-Prozessen und deren Qualitätsanforderungen festlegenc.Kerninhalte definierenAnalyse der Daten- und der Datenmodell-Qualität [ aus Sicht Business, aus Sicht IT]Zuordnung von Verantwortung für die DM-Prozesse und für die den Prozessen zugrundeliegenden Daten Abstimmung durch iterative VorgangsweiseNachweis des Nutzens erbringen
Geschäftsprozesse… und die verschiedenen Datentypen
Operative Prozesse: „Relationale Sicht“ Strukturierte Stammdaten: 1:n, n:m
Dispositive Prozesse: „Multidimensionale Sicht“ Aggregierte Stammdaten: n:1
Kollaborative Prozesse: „Globale <-> Lokale Sicht“ Vernetzte Stammdaten: n „in“ m („Komposition der
Attribute“)
Im Fokus:• Finanzdaten• Organisationsdaten• Produktdaten• Partnerdaten
17
• Version• Komposition• Klasse• Variante
Bewegungsdaten… der „Klebstoff“ zwischen den Stammdaten
Globale und lokale Attribute in den Stammdaten-Objekten
Massive Redundanz der Stammdaten-Objekte
• Kunden• Lieferanten• Mitarbeiter
Prozesse und KennzahlenUnternehmens- und Datenperspektiven
Finanz-perspektive
Datenqualitäts-
perspektive
Datenprozess-
perspektive
Innovations-perspektive
Interne Prozess-perspektive
Kunden-perspektive
(1) Zu welchen finanziellen Ergebnissen führt die Strategie?
(2) Wie muss dazu unsere Stellung bei den Kunden sein?
(3) Wie müssen dafür unsere internen Prozesse gestaltet werden ?(5) Welche Kenngrößen
für Datenqualität sind zu wählen?
(6) Welche Prozesse sind im Datenmanagement zur Verbesserung der Datenqualität aufzusetzen?
(4) Wie müssen wir dafür lernen und uns organisieren?
Prozesse und KennzahlenMarketing- & Datenperspektiven
Marketingergebnis-perspektive
Datenqualitäts-
perspektive
Datenprozess-
perspektive
Informations- und
Innovations-perspektive
Marketingmassnahmen-perspektive
Kunden-perspektive
(1) Zu welchen Finanz- und Marktergebnissen führt die Strategie?
(2) Welche Leistungen für den und Beziehung zum Kunden müssen wir dafür erbringen?
(3) Wie muss dafür unser Marketing geplant und ausgeführt werden?(5) Welche Kenngrößen für
Datenqualität sind zu wählen?
(6) Welche Prozesse sind im Datenmanagement zur Verbesserung der Datenqualität aufzusetzen?
(4) Welche Informations- und Organisationsstrukturen sind dafür erforderlich?
Prozesse und KennzahlenKausalzusammenhänge im Marketing (Beispiel)
Marketingergebnis-
perspektive
Datenqualitäts-
perspektive
Datenprozess-
perspektive
Informations- und
Innovations-perspektive
Marketingmassnahmen-perspektive
Kunden-perspektive
Umsatz- und Kapitalrendite
Produkt-qualität
Stückzahlen
Kunden-zufriedenheit
Liefer-bereitschaft
Nutzung von Kunden- und Marktdaten
Genauigkeit Konsistenz
Vollständigkeit
y x
Determinismus
Übereinstimmung
Latenzzeit
GültigkeitVerfügbarkeit
Prozesse und KennzahlenKennzahlen für Stammdatensynchronisation
• Verfügbarkeit (Timeliness): ist ein Zeitmaß für die Fähigkeit des SDM, abgestimmte Stammdaten in einem bestimmten Zeitraum unternehmensweit zur Verfügung zustellen. Das hat auch Auswirkungen darauf, wie schnell Stammdaten wieder inkonsistent sein können.• Gültigkeit (Currency): wie prompt die Stammdaten wieder am neuesten Stand sind.• Stetigkeit (Consistency): wie gut stimmen die Sichten der verschiedenen Applikationen auf die Stammdaten überein.• Latenzzeit (Latency): beschreibt die Zeit, die zwischen Anforderung der Daten und deren Lieferung vergeht.• Übereinstimmung (Coherence): wie gut vorhersagbar können Kopien von Stammdaten über Applikationen hinweg abgestimmt bleiben.• Determinismus (Determinism): in welchem Zeitraum liefert eine Stammdatenabfrage immer dasselbe Ergebnis.
Prozesse und KennzahlenKategorien von Kennzahlen
•DQ-Kennzahlen, aber nicht SDM-Kennzahlen Genauigkeit Vollständigkeit
•DQ- und SDM-Kennzahlen Verfügbarkeit Gültigkeit Stetigkeit/Konsistenz
•Nur SDM-Kennzahlen Latenzzeit Übereinstimmung Determinismus
Die sechs Kennzahlen stellen ein Hilfsmittel dar, die Anforderungen aus Geschäftssicht an ein Stammdatenmanagement (SDM) mit der dafür notwendigen Architektur abzustimmen.
Prozesse und KennzahlenHinweise auf Architektur und Werkzeuge
• Die Zielwerte der Kennzahlen und deren jeweilige spezielle Bedeutung ergeben sich aus den Anforderungen an die SDM-Prozesse, die zur Erhaltung der Stammdatenkonsistenz als notwendig erachtet werden.• Aus den Kennzahlen lassen sich in einem Architektur- und Werkzeugauswahlverfahren genaue Hinweise auf folgende Komponenten eines Stammdatenmanagement ableiten:
• die Architektur• die dazu notwendigen Services• die Strategie zur Veränderung und Anpassung
(Migration) der Applikationen• die einzusetzenden Software-Werkzeuge
Prozesse und KennzahlenKausalzusammenhänge Logistik (Ausschnitt)
Fin
anz-
per
sp
ekti
ve
Kosten
Pro
zes
s-p
ers
pek
tiv
e
Preis-nachlässe
Sta
mm
dat
en-
qu
alit
äts-
per
sp
ekti
ve
Genauigkeit
Sta
mm
dat
en-
pro
zess
-p
ers
pek
tiv
e
Automation Wareneingang
Genaue Wareneingangs-
buchung
KonsistenzVollständigkeit
ProzessvariantenProzesskosten
Mitarbeiterproduktivität =Anzahl Prozessdurchläufe / Personalstunden
Prozessvarianten =Anzahl Prozessvarianten/ Anzahl Prozesskunden
Prozessdurchlauf-zeit
Prozessqualität
Agenda
Begrüßung, Vorstellung, Erwartungen11
Datenmanagement - „Nachweis des Nutzens“33
Ausblick44
BARC – Das Analystenhaus11
Datenmanagement - „Lessons Learned“22
Prozesse und KennzahlenNachweis des Nutzens von Datenmanagement
• Kenngrößen von Geschäftsprozessen lassen sich in kausale Verbindung zu Kenngrößen von Maßnahmen zur Verbesserung der Datenqualität und des Stammdatenmanagement bringen• Der Nutzen dieser Maßnahmen lässt sich daher rechnerisch nachweisen.• Welche IT-Architektur zur Verbesserung gewählt werden soll, dazu liefern die untersuchten Kausalzusammenhänge ebenfalls konkrete Hinweise.
„Standards“
27
DatenmanagementDimensionen für eine Implementierung
Einsatzszenarien
Architektur
Werkzeugklassen
Datenmanagement ist eine multidimensionale Herausforderung
Trend zu durchdachten und erprobten Standardlösungen
„Best Practice Templates“
Besten Dank für Ihre Aufmerksamkeit !
Dr. Siegmund Priglinger
Senior Analyst
Dr. Siegmund Priglinger
Senior Analyst
BARC GmbHSteinbachtal 2bD-97082 Würzburg
Repräsentanz in Österreichdr.priglinger consulting GmbHWähringer Str. 20/12, A-1090 Wien
Tel. +43 676 [email protected]
www.barc.de
28