• Save
Stammdatenmanagement
Upcoming SlideShare
Loading in...5
×
 

Stammdatenmanagement

on

  • 472 views

 

Statistics

Views

Total Views
472
Views on SlideShare
464
Embed Views
8

Actions

Likes
0
Downloads
0
Comments
0

1 Embed 8

http://us7.campaign-archive2.com 8

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Stammdatenmanagement Stammdatenmanagement Presentation Transcript

    • Mustergültiges Stammdaten- undDatenqualitätsmanagementProf. Dr. Boris OttoAssistenzprofessorMannheim, 14.05.2013Lehrstuhl Prof. Dr. Hubert Österle
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 2Aktuelle IT-Trends1Tops1. Virtualisierung2. Master Data Management3. Implementierung und Einhaltungvon unternehmensweitenSicherheiten4. Integration von Standard- undIndividualsoftware5. Data Quality ManagementFlops1. Bring Your Own Device2. Corporate App Store3. Context-Aware Computing4. Near-Field Communication(NFC)5. Biometrische ZugriffsverfahrenCAPGEMINI 2013. IT-Trends 2013: Strategisch planen, kurzfristig umsetzen. Capgemini.
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 3 Stammdatenqualität als betriebswirtschaftlicher Erfolgsfaktor Fünf Prinzipien für Stammdatenqualität ZusammenfassungAgenda
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 4Bayer CropScience stellt Pflanzenschutzmittelwie Insektizide her
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 5Bei Bayer CropScience ist Datenqualität eineVoraussetzung für Geschäftsprozesse1Datenobjekt«Produkthierarchie» TeilkonzernGeschäfts-feldGeschäfts-gebietAktiverWirkstoffProdukt-gruppeDatenqualitäts-problemeNicht verfügbare DatenUnvollständige DatenInkonsistente DatenAuswirkung aufGeschäftsprozesse1) V. EBNER, B. BRAUER: Fallstudie zum Führungssystem für Stammdatenqualität bei der Bayer CropScience AG. In: HMD - Praxis der Wirtschaftsinformatik 48 (2011), S. 64-73.09 11 012 242 3938Planung: Wirkstoffbedarfe werden nicht konsolidiertBerichtswesen: Umsätze sind nicht ausweisbarSegmentierung: Risiko fehlerhafter Portfolioplanung
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 6«Starting in January 2010, the Services business unit will additionallypool the global customer service activities of the Group. In doing so,the Services departments at German division and business unitlocations will be organizationally merged with the worldwide Servicescompanies. With this new structure, ZF has established a systematicapproach in the after-sales market.»ZF Friedrichshafen AG: Annual Report 2009, p. 64.ZF Friedrichshafen bündelt das weltweiteServicegeschäft
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 7Dafür benötigt das Unternehmen hochqualitativeStammdaten zu Fahrzeugen, Kunden und ProduktenRealweltGeschäfts-prozesseKonstruktion/EntwicklungProjekteVertrieb,Logistik,ControllingAnwendungs-systemeAxalant SAP cProjects SAP ERPDatenVW-Gruppe Audi AUDI AGB8 AU416 PL48
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 8Der typische Verlauf der Stammdatenqualität über dieZeit folgt einer «Sägezahnkurve»Legende: Stammdaten-qualitätsproblemeStammdatenqualitätZeitProjekt 1 Projekt 2 Projekt 3 Keine Planbarkeit von Ressourcen und Budgets Keine Zielwerte für Stammdatenqualität Keine Nachhaltigkeit wegen hoher wiederkehrender Kosten
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 9Der Fall Bayer CropScience illustriert die viel-fältigen Ursachen für Datenqualitätsprobleme1Datenqualitäts-problemeMitarbeiter DatenpflegeDatenqualitätswesen Standards OrganisationUnzureichendeAusbildung und TrainingMangelnde Integration vonDatenqualität in ZielsystemeVielfältigeSoftwarewerkzeugeStammdaten änderbar inZielsystemenKeine durchgängigeSoftwareunterstützungKeine weltweite Harmonisierungder PflegeprozesseFehlende Datenqualitäts-kennzahlenKeine kontinuierlicheÜberwachung derDatenqualitätKeine weltweitenRegeln, Vorgaben,RichtlinienZu viele lokale Regeln,zu viele AusnahmenKeine «DataGovernance»Fehlende fachlicheVerantwortlichkeiten1) B. BRAUER, Master Data Quality Cockpit at Bayer CropScience, 4. Workshop des Kompetenzzentrums Corporate Data Quality 2 (CC CDQ2), Universität St. Gallen, Luzern, 2009.
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 10 Stammdatenqualität als betriebswirtschaftlicher Erfolgsfaktor Fünf Prinzipien für Stammdatenqualität ZusammenfassungAgenda
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 11Fünf Prinzipien leiten das wirksameStammdatenqualitätsmanagementCapture Data at the SourceFirst Time RightMeasure to ManageData Quality by DesignGovernance
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 121. Prinzip: Die Datenerfassung erfolgt dort, wo dasWissen über die Daten am umfangreichsten ist11) FOHRER, M. 2012. Driving Corporate Data Quality @ Hilti through the use of Consumer Technology. 10. CC CDQ3-Workshop. Bregenz: Universität St. Gallen, Institut fürWirtschaftsinformatik.
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 132. Prinzip: Wo wird Qualität produziert? Eine Analogie1„When we visited the high-quality but lowproductivity European plant […] we didn‘t haveto go far to find the basic problem […]. At theend of the assembly line was an enormousrework and rectification area where armies oftechnicians in white laboratory jackets laboredto bring the finished vehicles up to thecompany‘s fabled quality standard.“„Our findings were eye-opening. The Japaneseplant requires (less effort the American andEuropean plants). At the same time, theJapanese plant greatly exceeds the qualitylevel of all plants execpt one in Europe - andthis plant requires four times the effort […]“1) WOMACK, J. P., JONES, D. T. & ROOS, D. 1991. The Machine That Changed the World: The Story of Lean Production, New York, Harper Perennial.
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 14Anfrage für neuenMaterialstammPrüfung aufQualitätVervollständigungder DatenAnlage desDatensatzes2. Prinzip: Datenqualitätsqualitätskontrolle fängt vorTransaktion MM01 an…
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 153. Prinzip: Was nicht gemessen werden kann, lässtsich nicht managenEntwicklung der Materialstammdatenqualität bei Bayer CropScience11) V. EBNER, B. BRAUER: Fallstudie zum Führungssystem für Stammdatenqualität bei der Bayer CropScience AG. In: HMD - Praxis der Wirtschaftsinformatik 48 (2011), S. 64-73.
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 164. Prinzip: Datenqualität muss bereits beim Entwurf vonGeschäftsprozessen berücksichtigt werdenBusinessProcessTaskDataObjectBusinessPolicyAttributeStructuralBusinessRuleBusinessRuleOperativeBusinessRule«On-boarding of newsuppliers must bedone in compliancewith (global, nationalor regional) legalprovisions andregulations, and itmust be done in averifiable manner.»«It is necessary thateach supplier has asupply chainsecurity indicatorand its value is Yesor No»«Supplier»«It is obligatory thatthe supply chainsecurity indicator of asupplier is set to"Yes" if the supplierships products out ofthe U.S. »«Supplier On-Boarding» «Create supplier»«Supply Chain Security Indiator»consists ofcreates/consumesconsistsofMakes“actionable”decribeshow tosetvaluesdecribesstructurallimitations ofapplied ingovernsNB: Projektoriginalsprache beibehalten.
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 17SponsorData OwnerCorporate DataStewardFachlicherDatenstewardTechnischerDatenstewardDG-KomiteeDaten-steward-TeamLegende: Disziplinarische Berichtslinie; Fachliche Berichtslinien; ist Teil von.Fachbereich IT Stammdatenqualitätsmanagement-Team.Einzelrolle Gremium.5. Prinzip: Data Governance definiertVerantwortlichkeiten im Umgang mit Stammdaten
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 18 Stammdatenqualität als betriebswirtschaftlicher Erfolgsfaktor Fünf Prinzipien für Stammdatenqualität ZusammenfassungAgenda
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 19Fünf Prinzipien leiten das wirksameStammdatenqualitätsmanagementStrategieOrganisationSystemeFührungssystemApplikationen für SDQMStammdatenarchitekturOrganisation desSDQMProzesse undMethoden des SDQMStrategie für SDQMlokal globalLegende: SDQM –Stammdatenqualitätsmanagement.
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 20Das CC CDQ bündelt das Wissen zahlreicherPartnerunternehmen* Aktuelle und frühere PartnerunternehmenAO FOUNDATION ASTRAZENECA PLC BAYER AG BEIERSDORF AGCORNING CABLE SYSTEMSGMBHDAIMLER AG DB NETZ AGDRÄGERWERK AG & Co.KGaAE.ON AG ERICSSON ABETA SA FESTO AG & CO. KG HEWLETT-PACKARD GMBH IBM DEUTSCHLAND GMBHKION INFORMATIONMANAGEMENT SERVICEGMBHMIGROS-GENOSSENSCHAFTS-BUNDNESTLÉ SA NOVARTIS PHARMA AG OSRAM GMBH ROBERT BOSCH GMBHSAP AGSCHWEIZERISCHEBUNDESBAHNEN SBBSIEMENS ENTERPRISECOMMUNICATIONS GMBH &CO. KGSWISSCOM ITSERVICES AGSYNGENTA CROPPROTECTION AGTELEKOM DEUTSCHLANDGMBHZF FRIEDRICHSHAFEN AG
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 21SAP und das CC CDQ geben ein gemeinsames WhitePaper heraus
    • © IWI-HSG, BEI St. Gallen – 14.05.2013, Boris Otto - 22Ihr ReferentProf. Dr. Boris OttoAssistenzprofessorUniversität St. GallenInstitut für Wirtschaftsinformatikboris.otto@unisg.chTel.: +41 71 224 3220 http://www.iwi.unisg.chInstitute of Information Management at the University of St. Gallenhttp://www.bei-sg.chBusiness Engineering Institute St. Gallenhttp://cdq.iwi.unisg.chCompetence Center Corporate Data Qualityhttps://benchmarking.iwi.unisg.ch/CC CDQ Benchmarking Platformhttp://www.xing.com/net/cdqmCC CDQ Community at XING