„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 4795009spriglinger@barc.de

www.barc.de

28