Qualitätspflege erfordert die Kooperation der IT mit allen Unternehmensbereichen

Ausgabe 04/2011

Datenqualitätsmanagement: Qualitätspflege erfordert die Kooperation der IT mit allen Unternehmensbereichen

Um ihre Geschäftsprozesse zu optimieren, müssen SAP-Anwender die Daten ihrer Systeme aktiv pflegen. Dezidierte Qualitätsmanagement-Lösungen nutzen Fachabteilungen und IT am besten gemeinsam.

Mit einem

SAP-System wollen Unternehmen ihre Geschäftsprozesse und Verfahren automatisieren. Ohne ein aktives Datenmanagement können Unternehmen den Wert ihres Systems nicht ausschöpfen. Fehlen Richtlinien für den Umgang mit den Unternehmensdaten, verteilen sich ungeprüfte Informationen in allen Fachbereichen. Fehlerbeispiele sind unvollständige Kundeninformationen oder doppelte Lieferantendaten.

Wie eine Studie des Business Application Research Center (BARC) zum Thema Datenqualitätsmanagement belegt, haben deutsche Unternehmen die Relevanz zuverlässiger Daten erkannt. BARC befragte 75 Anwender aus unterschiedlichen Branchen, darunter IT-Leiter, Fachbereichsverantwortliche und Endanwender. Mehr als die Hälfte der Befragten betrachtet Datenqualität als hochkritisches Anliegen. 77 Prozent haben ein Qualitätsprojekt umgesetzt oder wollen dieses in Angriff nehmen. 79 Prozent der Befragten haben die Erfahrung gemacht, dass sich schlechte Datenqualität negativ auf die Zufriedenheit der Mitarbeiter auswirkt, weil sie beispielsweise viel Zeit für unnötige Datenbereinigung aufbringen müssen. 61 Prozent der Befragten berichteten von steigenden Kosten durch schlechte Datenqualität. 47 Prozent stellten sinkende Kundenzufriedenheit fest.

Ein wichtiger Baustein für ein Datenqualitätsprojekt ist Software zur Messung und Bewertung der Informationsgüte. Daten müssen verstanden, qualitativ analysiert und anschließend verbessert werden. Die Datenqualitätslösung sollte die Möglichkeit bieten, Prüf- und Korrekturregeln anhand unternehmensspezifischer Anforderungen zu definieren. Dieses Regelwerk lässt sich in unterschiedlichen Anwendungen einsetzen. Eine Regel für richtige Schreibweise kann beispielsweise nicht nur in der SAP Business Suite, sondern auch im SAP Business Information Warehouse oder anderen Applikationen Anwendung finden. Die Regeln sollten Abgleich und Korrektur mit Referenzdaten wie postalischen Adressen oder Produktklassifizierungssystemen ermöglichen.

Wenn Unternehmen in Architekturen wie SAP NetWeaver investieren, sollten sie ein übergreifendes Datenmanagement einplanen. Dazu gehört eine Datenqualitäts-Firewall, die verhindert, dass fehlerhafte Daten in die Applikationen gelangen und sich dann unbemerkt bis in Planungs- und Business-Intelligence-Komponenten einschleichen. Zum Datenmanagement gehört zudem eine kontinuierliche Überwachung der Datenqualität. Neu hinzugekommene Wertschöpfungsbereiche führen zu neuen Informationen und Datenstandards. Diese müssen kontinuierlich mit den Bestandsdaten im SAP-System abgeglichen werden. Generell empfiehlt sich eine übergreifende Kontrollstrategie für die Daten. Diese sollte auch eine dezidierte Organisationseinheit vorsehen, welche geltende Datenstandards und Datenqualitätsdefinitionen verwaltet, idealerweise ein Kompetenzzentrum oder ein Data-Stewardship-Team.
Einheitliche Softwarelösungen für das Datenmanagement unterstützen solche Kontrollstrategien. Mittels Data Profiling werden die Informationen qualitativ bewertet. Aus diesen Ergebnissen entwickeln IT-Architekten Regeln, nach denen die Daten in der SAP-Systemlandschaft bereinigt werden. Das hierbei entstehende Regelwerk ist die Kernkomponente der Datenqualitätsinitiative.

Die Serverkomponente der Datenqualitätsplattform stellt die Skalierbarkeit sicher und gewährleistet das performante Ausführen der Prüf- und Korrekturroutinen in großen Datenmengen. Gleichzeitig stellt dieser Server die Infrastruktur für ein kontinuierliches und automatisiertes Monitoring der Daten bereit. Datenmanagement in Echtzeit benötigt außerdem eine Realtime-Schnittstelle zur SAP Business Suite. Diese Komponente ermöglicht es, die vom Anwender kommenden Daten zum Zeitpunkt der Eingabe gegen die Qualitätsregeln zu prüfen und gegebenenfalls zu korrigieren.

Autor: Helmut Plinke, Principal Data Management Consultant bei DataFlux