SW Check Logo
Einführung eines Master Data Management-Systems für Stammdatenqualität
Adressierte Fähigkeiten
  • Datenaufkommen/Datenverwaltung
  • Datenstrategie & Data Governance
Voraussetzungen

Data-Governance-Stelle; Cloud Data Hub

Kurzbeschreibung

Fachbereiche, IT und Datenverantwortliche führen ein Master-Data-Management ein, um Stammdaten zu vereinheitlichen. Datenstewards definieren Standards für Kunden-, Lieferanten- und Materialstämme, beschreiben Pflichtfelder, Vergaberegeln und Prüfungen. In einer Bereinigungsphase sichten die Teams vorhandene Quellen, markieren Dubletten, klären Widersprüche und legen je Objekt einen „Golden Record“ fest. Mitarbeitende pflegen Neuanlagen und Änderungen über geführte Formulare ein; strittige Fälle gehen in einen Freigabeworkflow. Die IT betreibt eine MDM-Plattform, richtet Abgleiche mit ERP, CRM und BI ein, protokolliert Änderungen versioniert und dokumentiert Schnittstellen. Ein Rollenmodell regelt Verantwortlichkeiten entlang der Lebenszyklen; Schulungen befähigen Bearbeitende, die Regeln sicher anzuwenden. Fachbereiche überwachen Qualitätskennzahlen wie Vollständigkeit, Eindeutigkeit und Aktualität, berichten monatlich im Data-Governance-Board und korrigieren Abweichungen zeitnah. Vor Produktivsetzung testen Fachbereiche die Replikation end-zu-end und prüfen, ob Berichte konsistent bleiben. Veröffentlichte Stammdaten verteilen die Teams nach dem Publish/Subscribe-Prinzip in nachgelagerte Systeme. So arbeiten alle mit identischen Stammdaten, Medienbrüche sinken, und Auswertungen werden verlässlich. Gleichzeitig verkürzt das Unternehmen Neuanlagen, reduziert Rückfragen und schafft klare Zuständigkeiten.

Aufwand
Personeller Aufwand
hoch
Zeitlicher Rahmen
mittel
Komplexität
hoch
Ressourcen

Personelle Ressourcen:

  • MDM-Architekt
  • Dateningenieure
  • Data Stewards
  • Fachbereichsverantwortliche
  • Projektleitung
  • Lizenz für MDM-Lösung
  • Data-Governance-Beratung

Materielle Ressourcen:

  • MDM-Software-Lizenz (Talend
  • Informatica)
Möglicher Ablauf
  1. Stammdaten-Inventarisierung
  2. MDM-Tool-Auswahl & PoC
  3. Datenmodell & Matching-Regeln definieren
  4. Implementierung & Workflow-Aufbau
  5. Systemanbindung & Replikation
  6. Pilotbetrieb & Review
  7. Unternehmensweiter Rollout
  8. Nachfolgende Maßnahme: Self-Service-BI
  9. Predictive Analytics
Risiken
  • Hoher manueller Bereinigungsaufwand
  • Inkompatible Datenformate
  • Widerstand aus Fachbereichen
Erfahrungen aus der Praxis