Schlechte Stammdaten rein – perfekte Stammdaten raus?
Man hört es mittlerweile an jeder Ecke. Daten sind GOLD wert! Die sind das neue Erdöl … alles schon richtig. Wir haben an dieser Stelle schon genügend vom «Wert der Unternehmensdaten» berichtet. Was uns aktuell viel mehr beschäftigt: Lohnt es sich eigentlich, die Stammdaten im ERP zu bereinigen? Und wenn die Daten bereinigt wurden … wie kann die Datenqualität erhalten bleiben?
Wieder mal die Algorithmen
Stammdatenqualität hat viele Gesichter. Es beginnt aber meist schon im Kleinen. Umlaute beschäftigen uns sogar noch im Jahr 2019. Je nach Datenformatierung werden Umlaute falsch interpretiert. Für Algorithmen sind Umlaute natürlich keine Herausforderung. Im Übrigen können Umlaute auch in EXCEL ersetzt werden. Doch sind bei dem Tabellenprogramm die Grenzen relativ schnell erreicht … das zeigt sich sehr schön bei der Erfassung von Werkstoffen:
Messing, CuZn39Pb3 oder nur CuZn. Werkstoffe werden in allen erdenklichen Varianten erfasst. Dies zeigt sich auch in der seitlichen Grafik mit den Werkstoffangaben «Automatenstahl» oder «Alu». Viele Lieferanten scheinen freie Wahl zu haben, welches Aluminium oder welchen Stahl sie für die herzustellenden Artikel verwenden dürfen.
Stammdaten manuell bereinigen war gestern.
Es herrscht noch verbreitet die Meinung, dass einem solchen «Chaos» nur mit Handarbeit begegnet werden kann. Entsprechend werden die Stammdaten - wenn überhaupt - manuell bereinigt. Dabei lehrt uns doch die aktuelle Datenlage eher, dass von Menschen erfasste Daten, schlecht nutzbare Daten sind. EXCEL bietet zur Bereinigung dieser Tabelle nur begrenzte Möglichkeiten. Die sogenannte «Blitzvorschau» macht in diesem Fall am meisten Sinn. Doch das ist weit weg von «vollautomatisch». Es braucht viel manuellen Input um diese Liste zu korrigieren.
Zum guten Glück gibt es Programme, die uns bei der Bereinigung der Daten substanziell unterstützen oder die Bereinigung vollautomatisch vornehmen. Neben klassischen Verfahren wie «anomaly detection» hilft vor allem Machine Learning. Machine Learning lernt bei jeder manuellen Datenkorrektur. Vorteilhaft ist es, dass dieses «Lernen» nicht bei der eigenen, manuellen Datenkorrektur stattfinden muss. Wo Machine Learning «lernt», ist standortunabhängig und kann für Ihren Einsatzfall schon angelernt sein. Entsprechend kann Machine Learning – angewendet bei der Bereinigung von Millionen von Stammdatensätzen in ähnlich gelagerten Unternehmen – auf komplett neue Stammdaten angewendet werden. Die Wahrscheinlichkeit, dass die Bereinigung dann zu einem sehr hohen Prozentsatz vollautomatisch stattfinden kann ist hoch.
Schlechte Daten rein – saubere Daten raus.
Das ist, dank Machine Learning, kein Märchen mehr. Der data integrity checker (DIC) der shouldcosting GmbH hilft Unternehmen, die Stammdaten im Eilzugstempo zu bereinigen. Hunderttausende verschiedene Datensätze können mit dem DIC innert weniger Stunden bereinigt und ergänzt werden. Der DIC hält sich dabei an den ISO 8000 Standard. Und wenn die Daten bereinigt sind? Dann muss sichergestellt werden, dass neue Daten in Zukunft den gestellten Qualitätsanforderungen entsprechen – ansonsten war ja die ganze Mühe umsonst. Auch hier kann der DIC unterstützen. Als Zwischenglied zwischen Dateninput und ERP System kann der DIC sicherstellen, dass neu erfasste Stammdaten in der geforderten Qualität und Vollständigkeit abgespeichert werden.
Die Wettbewerbsfähigkeit von Unternehmen korreliert mit der Datenqualität in den Unternehmen.
Die Konsistenz und Integrität der Unternehmensdaten muss über den gesamten Lebenszyklus der Produkte sichergestellt werden. Es braucht Möglichkeiten die Qualitätsanforderungen, welche die Unternehmen an Daten haben, in operative Regeln zu übersetzen. Der DIC - data integrity checker hilft Unternehmen, die Qualität, Konsistenz und Verwertbarkeit der Daten, welche täglich erfasst werden, sicher zu stellen. Ihre Unternehmensdaten sind GOLD wert! Mit dem DIC - data integrity checker stellen Sie sicher, dass der Wert des Goldes für alle Zeiten erhalten bleibt.
Vorgehen zur schrittweisen Qualitätsverbesserung von Stammdaten
- Identifizieren Sie Ihren kompletten Datenbedarf pro Unternehmenseinheit und Abteilung.
- Messen Sie die aktuelle Qualität Ihrer Daten.
- Überlegen Sie, welche Datenausprägungen Sie benötigen und legen Sie Standardwerte fest.
- Verbessern Sie die Gesamtqualität der Daten - basierend auf den festgelegten Datenanforderungen (z.B. mit dem DIC).
- Stellen Sie sicher, dass die Qualität und Vollständigkeit der zukünftigen Daten sichergestellt sind (z.B. mit dem DIC).
Wer mehr wissen will zum Data Integrity Checker (DIC) oder zum Vorgehen bei der Stammdatenbereinigung, der kann sich unter dicnothing@shouldcosting.com oder dicnothing@durchdenkenvorne.de melden.
