26 PROJEKTE  Wie lässt sich die Stammdaten-  qualität in ERP/PLM-Systemen  kontinuierlich steigern?  Ralf Kittel, Karlsruh...
PROJEKTE 27       Bild 1: Varianten von Elektromotordaten, je nach Hersteller                       Bild 2: PDQ mit semati...
28 PROJEKTE                                                                                          und gepflegt werden? ...
PROJEKTE 29Semantische Suche hilft ebenso bei der       Anwendungssystemen dar. Bezogen auf           n    PDM / PLMMigrat...
Upcoming SlideShare
Loading in...5
×

Whitepaper Stammdatenqualitätsmanagement

241

Published on

Stammdaten-Qualitätsmanagement – “Do It Right The First Time”

Eine unternehmensweite IT-Lösung (z.B. ERP, MDM, PLM, SCM) erlaubt die gemeinsame Nutzung von Daten und ermöglicht eine globale Zusammenarbeit über die Firmengrenzen hinaus mit Kunden und Lieferanten. Aber wie stellen Sie sicher, dass die Daten immer konsistent sind und keine Dubletten enthalten?

Standard IT-Tools und -Prozesse ermöglichen die Wiederverwendung von Daten durch einfache Suchfunktionen. Dies gilt aber nur, sofern diese Daten klar strukturiert, konsistent und komplett sind. Ein hohes Niveau der Datenqualität zu erreichen, ist aber in der Realität oft schon innerhalb der eigenen Firma schwierig. Wenn darüber hinaus auch Lieferantendaten mit integriert werden, ist dies mit herkömmlichen Ansätzen fast unmöglich – ganz abgesehen von den Herausforderungen bei Mergers& Acquisitions.

Mit der Oracle Product Data Quality (PDQ) Lösung, stehen Ihnen Werkzeuge (patentierte semantische DataLens™-Technologie) zur Verfügung, um Ihre Daten automatisch zu reinigen, zu extrahieren, zu standardisieren und zu klassifizieren. Dubletten und Referenzen werden erkannt sowie die Übersetzung von nicht standardisierten Daten in mehrere Sprachen sichergestellt. Die offene Architektur ermöglicht die Integrationen in nahezu alle IT-Systeme. Z.B. durch einen automatischen Qualitätscheck schon bei der Stammdatenneuanlage wird der Aufwand für die Neuanlage erheblich reduziert und die Datenqualität deutlich gesteigert - “Do It Right The First Time”.

Dies führt zu erheblichen Kosteneinsparungen und zu einer qualitativen Verbesserung Ihrer Prozesse.

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
241
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
8
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Whitepaper Stammdatenqualitätsmanagement

  1. 1. 26 PROJEKTE Wie lässt sich die Stammdaten- qualität in ERP/PLM-Systemen kontinuierlich steigern? Ralf Kittel, Karlsruhe Eine unternehmensweite ERP/PLM-Lösung erlaubt die gemeinsame Nutzung von Daten und ermöglicht eine globale Zusammenarbeit über die Firmengrenzen hinaus mit Kunden und Lieferanten. Aber wie stellen Sie sicher, dass die Daten immer konsistent sind und keine Dubletten enthalten? Standard IT-Tools und -Prozesse ermögli- n Tippfehler Dreck auf der Windschutzscheibe. Man chen die Wiederverwendung von Daten n Kontinuierliche Integration von Liefe- kann damit lange Zeit weiterfahren. Der durch einfache Suchfunktionen. Dies gilt rantendaten (verschiedene Anbieter Dreck nimmt aber immer mehr zu und nur, sofern diese Daten klar strukturiert, mit unterschiedlichen Produkt-Codes) irgendwann wird ein Punkt erreicht, an konsistent und komplett sind. Ein hohes n Lieferanten, die Produktinformationen dem es lebensgefährlich wird, weiterzu- Niveau der Datenqualität zu erreichen, ist nicht im geforderten Format liefern fahren. in der Realität oft schon innerhalb der können eigenen Firma schwierig. Wenn darüber n Mergers & Acquisitions. Fusionen und Qualität der Produktdaten muss zum hinaus auch Lieferantendaten mit inte- Übernahme von Firmen Bestandteil der umfassenden Qualitäts- griert werden, ist dies mit herkömm- n Verschiedene Systeme verwenden ver- strategie des Unternehmens werden lichen Ansätzen fast unmöglich – ganz schiedene Codes / Werte für dieselbe (TQM – Total Quality Management und abgesehen von den Herausforderungen Sache TDQM – Total Data Quality Management). bei Mergers & Acquisitions. Mit der Oracle n Unzureichende Recherche-Tools, kom- Product Data Quality (PDQ) Lösung, biniert mit Zeitdruck, zwingen Benutzer Wie stellen sich Istsituation und stehen jetzt Werkzeuge (patentierte dazu, doppelte Datensätzen anzulegen Anforderungen dar? semantische DataLens™-Technologie) zur n keine Einschränkungen, da keine Verfügung, um die Daten automatisch zu Kontrolle vorhanden ist Aktuelle Analysen in den Unternehmen reinigen, extrahieren, standardisieren n mehrere ERP-System im Firmenverbund zeigen, dass bis zu 80% der befragten und klassifizieren. Dubletten und Refe- im Einsatz Unternehmen unzufrieden mit ihrer renzen werden erkannt sowie die Über- n Fehlende Systemharmonisierung/ Datenqualität sind. Über 70% scheuen setzung von nicht standardisierten Daten -Konsolidierung die Bereinigung und Standardisierung von in mehrere Sprachen sichergestellt. Die n ….. Produktdaten, weil das Durchführen von offene Architektur ermöglicht die Integra- Maßnahmen zur Verbesserung der Pro- tionen in nahezu alle ERP/PLM-Systeme. Stammdatenqualität in duktdatenqualität zu schwierig, zu zeit- Dies führt zu erheblichen Kosteneinspa- integrierten IT Applikationen aufwendig, zu kostenintensiv und somit rungen und zu einer qualitativen Verbes- durch Semantik-Technologie fast undurchführbar ist. serung von Business Intelligence Analysen. Die Informationsflut im Unternehmen Heterogene inkonsistente Datenbestände Wie gelangen schlechte Stamm- wächst täglich. Viele datenführende entstehen durch jahrelang mangelnde daten in eine IT-Applikation? Systeme wie ERP, PLM, MDM aber auch Datenpflege, durch Fusion und Übernah- webbasierende Kataloge enthalten Tau- men, durch mehrere Altsysteme, durch n Verschiedene Mitarbeiter an verteilten sende von Produktdaten, die dieselbe verschiedene Applikationen, die jede für internationalen Standorten haben un- Bedeutung haben, aber unterschiedlich- sich eigene Metadaten führen. Darin gibt terschiedliche Gewohnheiten im Um- ste Formate und Inhalte führen. Dies es unterschiedliche Typen und viele Kate- gang mit IT-Systemen macht dem Anwender das Suchen und gorien der Metadaten, die in strukturierter n Verschiedene Muttersprachen Verarbeiten wichtiger Informationen oder auch unstrukturierter Form vorliegen n Verschiedene Mitarbeiter benutzen schwer, kostet Zeit und führt zu Fehlern. mit unterschiedlichen Schreibweisen, verschiedenen Abkürzungen für die Bedeutungen, Synonymen und Gültig- gleiche Sache Schlechte Produktdatenqualität ist wie keiten sowie daraus einstehende Folge- ProduktDatenJournal Nr. 2 I 2011
  2. 2. PROJEKTE 27 Bild 1: Varianten von Elektromotordaten, je nach Hersteller Bild 2: PDQ mit sematischer Suchfunktionrungen und Zusammenhänge (bspw. n E-commerce, Vertrieb chende Beschreibungen usw. erscheintSkt-Schraube, Ring, Leiter). n Product Design aufwendig. Sie setzt voraus, dass Abfrage- n Lager & Logistik tools und Auswertungen flexibel formu-Ein leicht nachvollziehbares Beispiel der n Kundendienst liert werden können. Darüber hinausVielfalt von Produktdaten und Katego- n Business Intelligence müssen die Daten nicht nur in ihrenrien sind Varianten von Elektromotoren Strukturen, sondern auch in unstruktu-als Kaufteil, die von vielen Firmen welt- Warum sollte man Produktdaten riertem Kontext analysiert werden. Dasweit angeboten werden. Die Produkte harmonisieren? setzt lernfähige, leicht definierbare undsind teilweise austauschbar. Es sind semantische Suchwerkzeuge voraus,die gleichen Kennwerte. Dennoch sind Selbst das beste Informationssystem ähnlich wie man sie von der Internet-Vollständigkeit, Formatierungen und wird durch schlechte Datenqualität aus- suche her kennt. Die Qualität der Such-Produktbezeichnungen sehr unter- gehebelt. Das zieht sich durch alle ergebnisse selbst sollte bei der seman-schiedlich. Anwendungssysteme hindurch. Schlechte tischen Suche in den Produktdaten aber Produktdatenqualität führt zu hohem wesentlich besser sein als im Internet.Informationen und Produktdaten sind Suchaufwand, unscharfen Trefferquoten,lebensnotwendig im Unternehmen. Der geringer Transparenz und Fehlern im Welche Lösungsstrategie fürInformationsfluss läuft in der Regel dem Prozess. Unzureichende Qualität der bessere Produktdatenqualität istMaterialfluss voraus. Er ist global. Neben Produktdaten beeinflusst somit Produkt- praktikabel?strukturierten Daten begleiten ebenso qualität und Kundenzufriedenheit.viele unstrukturierte und sogar grafische Produktdaten sind etwas Besonderes imDaten die Geschäftsprozesse hin zu den Durch Homogenisierung und hohe Trans- Unternehmen und unterscheiden sichvielen Lieferanten, zu den Standorten, zu parenz in den Produktdaten kann die deutlich von anderen Datenbeständen.Kunden und das in den verschiedensten Komplexität von Produkten, Varianten, Personal-, Kontakt- und AdressdatenSprachen. Produktdaten sollten daher Kategorien und Regelwerken reduziert bspw. sind einigermaßen systematisiert.unternehmensweit eine genaue, eindeu- werden. Aber trotz STEP und ISO 10303 gibt estige und gültige Sicht auf die Produkte, für die umfassende Beschreibung vonihre Technologien, Regeln und Prozesse Die Pflege von Prdukt- /Stammdaten ist Produktdaten keinen hinreichendenabbilden. Dennoch hat jeder Anwender- die Grundlage für wichtige Geschäfts- Standard. Anwender von Produktdatenbereich andere Sichten auf Daten, Infor- prozesse und -entscheidungen. haben jeweils unterschiedliche Sichtenmationen und Abläufe. auf diese Daten – sei es im Bereich Schwierig ist die Antwort auf die Frage, e-Commerce, Produktentwicklung, Ein-Produktdaten haben häufig eine hohe wie der Grad der Produktdatenqualität kauf, Logistik, Produktion oder Kunden-Dynamik, zwar völlig anders als die gemessen und monetär bewertet werden dienst. Auch die Zusammenhänge in denBewegungsdaten, jedoch ändern sich kann? Es fehlen Methoden, um die Vor- Anwendersichten auf die ProduktdatenKategorien, Strukturen, Bezeichnungen teile konsistenter Daten und durchgängi- sind unterschiedlich, ebenso Bezeichnun-usw. durch die eng vernetzten globalen ger Informationsflüsse bei unterschied- gen, Gültigkeit und Regeln.Informationsflüsse in den vielfältigen lichen Anwendungen zu quantifizieren.Anwendungssystemen ständig wie Eine Analyse des Bestands an Produktda- Produktdaten haben einen sehr hohen,bspw. in: ten auf Dubletten, ähnliche Teile, abwei- zentralen, häufig unterschätzten, mate-Nr. 2 I 2011 ProduktDatenJournal
  3. 3. 28 PROJEKTE und gepflegt werden? Bereits der Aus- tausch von strukturierten Produktdaten zwischen verschiedenen Anwendungs- systemen stellt sich oft schwierig dar. Noch aufwendiger ist die Sicherstellung der Synchronisation und der Konsistenz von unstrukturierten Daten, Dateninhalten oder Datenkategorien in den unter- schiedlichen Anwendungssystemen. Hier kommen die Vorteile des PDQ-Manage- ment mit semantischer Suche gegenüber bisherigen Methoden klar zum Vor- schein: Bild 3 Manuelle Arbeitsweise zum Bereini- gen von Produktdaten ist n zu zeitintensiv, n zu langsam und n zu teuer. Programmierte Tools sind n wenig flexibel wegen der Program- mierung, n aufwendig für die vielen Ausnahme- regeln, selten skalierbar, kaum selbst- lernend, n dediziert und beschränkt auf wenige Anwendungskategorien, bzw. Anwen- dungssysteme. Vorteile eines semantisch arbeitenden Data-Quality-Tools (Semantic Based Data Lensing, Data Cleansing) sind: n Semantik benutzt die Bedeutung von natürlichen Worten, Synonymen und deren Kontext. n Datenrepository, Kombinatorik und Ablaufregeln werden grafisch inter- aktiv definiert. Bild 4: Product Data Quality Server Bei der Suche im Web beispielsweise wird semantisch gesucht. Je nach Zusam- menhang in der Fragestellung können sich dabei andere Antworten ergeben. Beispiel: riellen Wert für das Unternehmen. Des- materiellen Erzeugnisse des Unterneh- n Wann kam der erste Mensch auf den wegen ist es zwingend, dass Produkt- mens. Produktdatenqualität muss Teil der Mond? = 21. Juli 1969 02:56:20 (UTC) daten und die Informationsflüsse im TQM-Strategie des Unternehmens werden n Wer war der erste Mensch auf dem Unternehmen in gleicher Weise effizient (TQM – Total Quality Management) als Mond? = Neil Alden Armstrong behandelt werden wie die Materialien Vision für TDQM (Total Data Quality und deren physikalischen Materialflüsse. Management). Auf Produktdaten bezogen können mit Wie beim Materialfluss wird der gesamte semantischer Suchtechnik relativ schnell Geschäftsprozess gestört, sobald der Die sogenannten Masterdaten oder Pro- Analysen von Datenbeständen durchge- Informationsfluss unterbrochen ist. Es duktdaten sollten möglichst zentral ge- führt werden. Mit dem PDQ-Tool werden kommt sehr auf effiziente und konsistente pflegt und verwaltet werden. Hierfür gibt Regeln und Filter zur Bereinigung und Informations-Prozesse an: es bekannte Lösungsansätze in Form von Zusammenführung von Datenbeständen n Zwischen Anwendern und Abteilun- Master-Daten-Management (MDM) oder grafisch interaktiv erstellt und können gen, bezogen auf Produktdaten das Produkt- leicht erweitert werden. In Verbindung n Zwischen Unternehmen und Information-Management (PIM). mit dem PDQ-Tool kann PIM im laufen- n Zwischen Anwendungssystemen den Betrieb die Produktdatenqualität Die Frage bleibt, wie erreicht man eine innerhalb der Informationsflüsse sicher- Daten und Information haben als bessere Qualität in den vorhandenen stellen. Das Einrichten der Rolle eines „Immaterielles Produkt“ denselben Produktdaten, die noch dazu oft in meh- Produktdaten-Qualitätsmanagers ist sehr Anspruch an Produkt-Qualität wie die reren Anwendungssystemen entstehen hilfreich, eigentlich unumgänglich. ProduktDatenJournal Nr. 2 I 2011
  4. 4. PROJEKTE 29Semantische Suche hilft ebenso bei der Anwendungssystemen dar. Bezogen auf n PDM / PLMMigration von Daten aus verschiedenen das Produktdaten Management spricht n E-commerce, Web-KatalogeAnwendungssystemen. Das PDQ-Tool man auch von PIM Product Informationkann für die Transformation der Produkt- Management. Dadurch wird erreicht, Durch hochwertige, geprüfte und konsi-daten aus einem ins andere Anwen- dass das MDM / PIM entkoppelt wird stente Daten und Informationen wirddungssystem genutzt werden. und in den jeweiligen Anwendungen Datenbruch vermieden. Das führt zur spezifische Sichten auf die Daten, Daten- Verringerung von Mehraufwänden derFür den unternehmensspezifischen Einsatz strukturen und Datenformate bestehen Mitarbeiter durch schlechte Datenqualitätvon semantischer Suche kommt es im bleiben können, wie bspw. in CRM, ERP, und verbessert die Effizienz in allenwesentlichen darauf an, die technischen PLM, LVS, e-Commerce usw.. Unternehmensbereichen, bei ZulieferernDictionaries aufzubauen und mit den und bei Kunden.Begrifflichkeiten auszustatten, die die Dieser Ansatz bildet die Basis für ein kon-Anwender täglich benutzen. Oracle hat sistentes, unternehmensweites Daten- Wesentlich geringere Kosten und Zeit-im Januar 2010 die Firma Silver Creek, management und befreit Abteilungen, aufwände entstehen sowohl für einmaligedie #1 für PDQ-Lösungen, übernommen. Standorte oder Zulieferer davon, das Datenbereinigung, als auch für laufendeDiese Data-Lensing /Cleansing-Funktion gleiche System oder einheitliche Daten- Prüfung und Datenkonsolidierung.ist als Oracle PDQ – Product Data Quality formate nutzen zu müssen. Ergebnis einer gleichbleibend gutenServer verfügbar. Definitionen der unter- Produktdatenqualität ist eine schnellerenehmensspezifischen, semantischen Mit PDQ bietet Oracle eine äußerst wert- und bessere Auskunftsfähigkeit durchModelle können mit PDQ in kurzer Zeit volle Applikation an, um die MDM / PIM- höhere Transparenz der Produktdaten.erstellt werden und passen sich an (self- Datenqualität im täglichen Informations-tuning). fluss eines Unternehmens umfassend Reduktion von Teilebeständen durch Ver- gewährleisten zu können. Für die Inte- meiden von Dubletten erzielen nachweis-Der Einsatzbereich von PDQ geht über grationen stehen die Techniken der SOA lich eine spürbare monetäre VerbesserungSuchen, Standardisieren, Zusammenfüh- Middleware und WebServices zur Verfü- der Bevorratung und Lieferbereitschaftren, Übersetzen bis hin zu Umformatieren. gung. und dadurch eine deutliche ReduktionDialoge, Regelwerke und Abläufe für die von Gemeinkosten.Datenkonsolidierung erstellt der PDQ- Welches Nutzenpotenzial kannManager ohne Programmierung mit Hilfe erschlossen werden? Die Pflege von Stammdaten ist dieder grafischen Technik zusammen. Ein Grundlage für wichtige Geschäftsprozessegrafisches Dashboard bringt Übersicht, Eine Analyse der Datenbestände mit und -entscheidungen. PDQ trägt maß-zeigt die Statistik über den Prozess der der semantischen Abfragetechnik (Data- geblich zur Verbesserung von BusinessDatenbereinigung und unterstützt bei Cleansing) von Oracle PDQ zeigt oft Intelligence Lösungen bei.der Regelung von Ausnahmen. überraschend hohe Trefferquoten und legt somit den Handlungsbedarf bei der Ungenauigkeit und schlechte QualitätWie wird PDQ in eine bestehen- Verbesserung der Produktdatenqualität der Produktdaten im Informationsflussde IT-Infrastruktur integriert? offen. Es ist zu empfehlen, über ein Ana- sind eine stille, meist unentdeckte lyseprojekt, lohnende Kategorien für Wachstumsbremse. Mit Oracle PDQ und7.1 Extrahieren von Daten: Data Cleansing und bspw. Dubletten- dem PIM / MDM Lösungsansatz kannOracle PDQ kann Daten aus vielen ver- bereinigung zu finden. diese Bremse gelöst werden und bringtschiedenen Datenquellen extrahieren, neuen Schwung in das wertvollste Gutz. B. Texte, Microsoft Excel-Tabellen, Web Geeignet für Prüfung, Konsolidierung des Unternehmens – die Produktinfor-Services, XML und Datenbanken. Dabei und Transformierung von Produktdaten mationen und den Informationsfluss.kann PDQ sogar auf implementierte sind große Warengruppen und Produkt- Qualität der Produktdaten muss Bestand-DB-Funktionen /Prozeduren zugreifen. kategorien unterschiedlicher Lieferanten teil der Qualitätsstrategie des Unterneh- und Hersteller aus den verschiedensten mens sein. n7.2 Publizieren/Speichern von Daten: Industrien wie z. B.:Oracle PDQ kann die bearbeiteten Daten n Handelin verschiedenen Zielsysteme speichern – n Nahrungsmittelindustrieauch gleichzeitig in mehrere Zielsysteme n Konsumgüterz. B. im XML-, Excel- oder Text-Format. n Elektronik & High IndustrieDie Daten können auch automatische an n Medizintechnikeinen FTP-Server versendet werden. n Maschinen und Anlagen n Automotive und Aerospace (OEM undWie fügt sich PDQ in eine beste- Zulieferer)hende MDM/PLM-Architektur? Ebenso lässt die Verwaltung von Pro-Die Strategie des Master Data Manage- duktdaten in mehreren Anwendungs-ment (MDM) trennt die Verwaltung der systemen an unterschiedlichen Standorten KontaktProduktdaten von der Nutzung dieser mit verschiedenen Anforderungen an dieMasterdaten in den Anwendungssyste- Sichten auf Daten, Beschreibungen und Ralf Kittelmen. Das Master Data Management Sprachen eine hohe Trefferrate vermuten, Oracle Deutschland B.V. & Co. KGstellt die Zusammenfassung der Stamm- wie sie typischerweise anzufinden sind in: Karlsruhedaten, der Strukturen, der Verfahren und n ERP Tel.: +49 721 6291 532Data Repositories unabhängig von den n Master Data Management E-Mail: ralf.kittel@oracle.comNr. 2 I 2011 ProduktDatenJournal

×