Die Bedeutung einer unternehmensweiten Master Data Governance für SAP-Anwender

Unternehmen verarbeiteten immer größere Mengen an Daten aus den unterschiedlichsten Quellen (Stichwort: Internet der Dinge). Die Wichtigsten sind dabei die Stammdaten, welche grundlegende Informationen über Kunden, Lieferanten, Mitarbeiter und Produkte enthalten. Sie bilden die Grundlage für die Digitalisierung und Automatisierung von Geschäftsprozessen. Richtig genutzt, können Firmen mit Hilfe von Daten besser auf Kundenanforderungen und Marktveränderungen reagieren.

Sind Daten allerdings fehlerhaft, können sie zu falschen Entscheidungen führen und erheblichen Schaden anrichten. Wenn personenbezogene Daten nicht rechtskonform gehandhabt werden, kann dies Unternehmen sogar in rechtliche Schwierigkeiten bringen.

Deshalb brauchen Organisationen heute eine Strategie für das richtige Verwalten und Verarbeiten von Stammdaten. Data Governance sorgt für die nötigen Rahmenbedingungen. In diesem Beitrag erhalten Sie einen Einstieg in das Thema und erfahren, warum jetzt kein Unternehmen mehr darauf verzichten kann.

Die Digitalisierung der industriellen Produktion ist eines der bedeutendsten Zukunftsprojekte. Investieren Sie heute in Materialmanagement und Materialstammdaten und schaffen Sie die Voraussetzung für die digitalisierte Produktion.

Was ist Data Governance?

Unter Data Governance versteht man die ganzheitliche Handhabung und Steuerung aller Daten, die in einem Unternehmen verarbeitet werden. Die Data Governance besteht aus Richtlinien und Vorgehensweisen, die die Qualität, den Schutz und die Sicherheit der Daten gewährleisten. Des Weiteren soll dadurch garantiert werden, dass rechtliche Vorgaben stets eingehalten werden.

Data Governance ist kein einmaliges Projekt, was implementiert und abgehakt werden kann. Es ist vielmehr ein kontinuierlicher Prozess, mit dem abhängig von der Unternehmensgröße einzelne Personen (oft Data Governance Officer oder Chief Data Officer genannt) oder sogar komplette Abteilungen beschäftigt sind.

Was sind die Ziele von Data Governance im Unternehmen?

Das oberste Ziel der Data Governance ist, firmeninternes Wissen zu erhalten und weiter anzureichern. Darüber hinaus soll damit folgendes erreicht werden:

• Datenqualität: Alle Daten sollten stets aktuell und vollständig vorliegen sowie immer verfügbar sein.
• Datenpflege: Daten müssen, wenn nötig, angereichert und korrigiert werden.
• Datenschutz: Vertrauliche und personenbezogene Daten müssen vor unrechtmäßiger Nutzung geschützt werden.
• Datensicherheit: Unbefugtes Zugreifen, Lesen oder Löschen von Daten muss ausgeschlossen werden.
• Data Compliance: Unternehmen müssen gesetzliche Vorgaben sowie firmen- und brancheninterne Standards einhalten.

Viele Firmen arbeiten mit ERP-Anwendungen, die ein Teil dieser Ziele bereits abdecken. Beispielsweise kann in SAP ganz klar geregelt werden, wer Zugriff auf welche Stammdaten hat. Unbefugter Zugriff wird somit ausgeschlossen. Allerdings bietet SAP im Standard keine vollständige Lösung für die Data Governance an.

Warum Sie nicht auf Data Governance verzichten können

In Zeiten digitaler Transformation sind korrekte Stammdaten entscheidend für die Handlungsfähigkeit und Agilität von Unternehmen. Diese vier Gründe sprechen für die Bedeutung von Data Governance.

1. Fehler und Folgekosten vermeiden

Welchen Schaden unsaubere Daten anrichten können, möchten wir am Beispiel von Materialstammdaten erklären. Diese bilden die Grundlage für viele essenzielle Prozesse in der Fertigung und Logistik.

Um Materialstamm-Datensätze in SAP korrekt anzulegen, müssen bis zu 600 Felder ausgefüllt werden. Die Anlage und Pflege dieser Datensätze involviert zahlreiche Abteilungen und sogar externe Stakeholder wie Kunden und Lieferanten. Die Abstimmung aller Beteiligten wird zu einer echten Herausforderung.

Ohne einen transparenten Prozess zur Stammdatenanlage und -pflege bleiben die meisten Fehler unentdeckt, was gravierende Folgen haben kann. Wird beispielsweise ein falsches Material bestellt, können sich Fertigstellungstermine verzögern. Das kann erheblichen wirtschaftlichen Schaden für Unternehmen bedeuten.

2. Grundlage für die erfolgreiche Digitalisierung von Geschäftsprozessen

In unserer langjährigen Erfahrung sind schlecht gepflegte Daten eine der Hauptursachen für das Scheitern von Digitalisierungsprojekten. Viele Unternehmen haben in ERP-Systeme, wie SAP, investiert, um die Digitalisierung ihrer Prozesse voranzutreiben. Aber SAP kann seine Wirkungskraft nur dann voll entfalten, wenn saubere Stammdaten vorhanden sind.

Der nächste Schritt in der Digitalisierung ist der Einsatz von Analytics und künstlicher Intelligenz. Auch diese Tools brauchen saubere Stammdaten, um richtige Vorhersagen treffen zu können. Im schlimmsten Fall werden fehlerhafte Daten zur Grundlage von falschen Entscheidungen.

3. Rechtskonform und sicher arbeiten

Ein besonderes Augenmerk gilt den personenbezogenen Daten, wie den Kunden- und Mitarbeiterstammdaten. Hier greift beispielsweise innerhalb der Europäischen Union die Datenschutz-Grundverordnung (DSGVO), die Grundsätze zur Verarbeitung von personenbezogenen Daten festlegt. Unternehmen müssen die Einhaltung dieser nachweisen. Werden diese Grundsätze nicht rechtskonform umgesetzt, müssen Firmen mit Strafen von bis zu 4 % des gesamten weltweit erzielten Jahresumsatzes rechnen.

4. Datenmengen und Komplexität nehmen weiter zu

Die wachsende Vernetzung von Geräten im Internet der Dinge liefert einen kontinuierlichen Datenstrom, der in kürzester Zeit verarbeitet werden muss. Bis 2025 sollen ganze 175 Zettabytes an Daten weltweit vorhanden sein, was die Komplexität des Datenmanagements immer weiter erhöhen wird.

Eine größere Vernetzung und Komplexität bedeutet auch, dass schon kleine Fehler in Stammdaten ungeahnte Kettenreaktionen auslösen können. Falschen Daten werden daher zu einem immer größeren Risiko für Unternehmen.

Die ersten Schritte zur Data Governance im Unternehmen

Die erste Herausforderung besteht darin, Data Governance in der Unternehmensorganisation richtig zu verankern. Es muss klar sein, dass Stammdatenmanagement keine reine IT-Aufgabe ist. Alle Abteilungen, die mit Daten arbeiten sind daran beteiligt. Dann können diese drei Schritte folgen.

1. Mit einem Bereich beginnen

Ein firmenweites Data Governance-Projekt ist je nach Unternehmensgröße eine Mammutaufgabe, denn es gibt unzählige Arten von Daten und Stakeholdern, die mit einbezogen werden müssen. Wo also sollten Sie beginnen?

Wir empfehlen, mit einem Bereich zu starten, bei dem eine Optimierung eine große Wirkung erzielen kann. Dies sind für viele Unternehmen die Materialstammdaten. Haben Sie erste Erfahrungen gesammelt, wird es einfacher die Data Governance-Standards auf andere Bereiche zu transferieren.

2. Ist-Zustand feststellen

Zunächst muss die Realität des Datenmanagements im Unternehmen abgebildet werden. Dabei helfen Fragen wie: Wer ist Eigentümer der Stammdaten? Wer verwaltet die Stammdaten? Und wer hat welche Zugriffsrechte? Bei den Materialstammdaten muss besonders der Prozess zur Anlage und Pflege der Datensätze unter die Lupe genommen werden.

3. Data Governance-Prozesse festlegen

Im nächsten Schritt werden Prozesse definiert, die beschreiben, wie Ihre Daten gesichert, geschützt, gespeichert und archiviert werden sollen. Dazu gehören auch Vorgaben, wie bestimmte Daten verwendet werden dürfen und welche Personen oder Abteilungen für welche Aktionen autorisiert sind. Des Weiteren sind Kontrollprozesse erforderlich, die für eine kontinuierliche Überwachung der Compliance und die Einhaltung rechtlicher Vorgaben sorgen.

Digitale Lösungen erleichtern die Data Governance

Stammdatenmanagement ist besonders in SAP-Umgebungen sehr komplex und überfordert nicht nur Gelegenheitsnutzer. Bisher bietet SAP keinen einfachen, standardisierten Data Governance-Prozess. Aber es gibt spezialisierte Software-Lösungen, wie das Stammdatenmanagement für SAP, die diese Rolle übernehmen können.

Sie sorgen für transparente Prozesse und bessere Datenqualität. Mit einer einfach zu bedienenden Oberfläche reduzieren sie den Administrationsaufwand und automatisierte Abläufen nehmen Mitarbeitern viel Arbeit bei der Datenpflege ab.