27.03.2012
Stammdatenqualität ist wichtig!
Stammdaten sind das Herz des Informationssystems
Wo gibt es ein Unternehmen, das über eine perfekte Datenqualität verfügt? Stimmen alle Belege, Auswertungen, Berichte und Kennzahlen? Laufen alle Geschäftsprozesse ordnungsgemäß ab? Wohl eher nicht! Einer der Gründe liegt in der mangelhaften Qualität der Stammdaten.
Stammdaten (Kunden, Lieferanten oder Material) sind der Datenbestand, auf dem die Geschäftsprozesse aufbauen, und der über einen längeren Zeitraum erhalten bleib. Stammdaten ändern sich nicht während einer betrieblichen Transaktion – der Buchung eines Geschäftsvorfalls –, aber sie steuern ihn und fließen in die Belege (Bewegungsdaten) ein, die diesen Prozessschritt dokumentieren. Stammdaten ändern sich jedoch sehr wohl im Laufe ihres Lebens, da sich die einzelnen Datenfelder weiterentwickeln können. Beispielsweise die Anschrift oder Rechtsform eines Lieferanten oder die Dispositions-Parameter eines Materials.
Stammdaten sind folglich die Daten, die Informationsobjekte beschreiben, die über einen längeren Zeitraum gelten und die in andere Objekte eingehen. Solche Objekte sind etwa andere Stammdaten (Bsp.: Konditionen, Einkaufsinfosätze), Formulare/Dokumente, Belege (Auftrag, Rechnung usw.) und Funktionen, Datenbanken und Excel-Tabellen, Schnittstellen (EDI, XML), Berichte/Auswertungen, Bildschirmmasken oder Merkmale in einem Data Warehouse. So gesehen sind Stammdaten der wichtigste Teil, das Herz eines Informationssystems, sie sind die Datenquellen, deren Attribute an anderen Stellen benutzt werden, z.B. um Funktionen zu parametrisieren oder um Prozesse zu steuern. Daher ist ihre Datenqualität sehr wichtig!
Stammdatenqualität führt zu Prozessqualität
Eine fehlerfreie Informationsverarbeitung verlangt mindestens folgende Qualitätseigenschaften: Daten müssen korrekt, aktuell, relevant, konsistent, vollständig sowie redundanzfrei sein. Ferner sind gerade in heterogenen, unternehmensübergreifenden Informationssystem-Architekturen weitere Eigenschaften wichtig:
- Verfügbarkeit,
- Zuverlässigkeit des Datenzugriffs,
- Update-Frequenz,
- Antwortzeit und
- Genauigkeit.
Dies betrifft Stammdaten, Bewegungsdaten, Bestandsdaten und Daten-Aggregationen (z.B. im Data Warehouse). Im Wesentlichen tauchen Datenqualitätsprobleme bei den Stammdaten und den durch sie erzeugten Belegen auf. Bestandsdaten, Statistiken und Kennzahlen sind letztlich daraus resultierende Daten, die nicht besser sein können als die zugrunde liegenden Stammdaten. Konkret: Wenn 20% der Stammdaten Fehler enthalten, dann kann es dazu führen, dass man Kennzahlensystemen nur zu ca. 80% vertrauen kann!
Da die Stammdaten – Artikel, Kunden, Lieferanten, Preise usw. – in allen Geschäftsprozessen, Auswertungen, administrativen und dispositiven Anwendungen vorkommen, beeinflusst ihre Qualität unmittelbar alle Abläufe, Bestände, Erlöse und Kosten bis hinein in die Unternehmensberichterstattung, man denke nur an Compliance/Sarbanes-Oxley Act (SOX). Qualitativ hochwertige Stammdaten sind damit der zentrale Erfolgsfaktor für alle Anwendungen.
Fehlerhafte Daten erzeugen Probleme. Dies soll ein Beispiel aus der Logistik verdeutlichen; typische Datenfehler sind etwa: falsche Dispo-Parameter, Losgrößen, Wiederbeschaffungszeiten, Adressen, Anlieferzeiten usw. Die Folgen können sein:
- Bestände: zu hoch/zu gering (ebenso die Bestandswerte in der Bilanz, Inventurdifferenzen)
- MRP-Lauf: zu viele/frühe/späte Bedarfe, Bestellungen, Aufträge
- Falsche Aussagen der Verfügbarkeitsprüfung (ATP) bzgl. Menge und Termin
- Kunden und Lieferanten: Unzufriedenheit durch schlechte Informationen
- Kennzahlen: falsche Aussagen, z.B. im Bestandscontrolling
- Supply Chain: falsche Einstellungen werden global weitergereicht
Datenqualität ist ein strategischer Erfolgsfaktor!
Eine hohe Datenqualität hat nicht nur bessere Prozesse und Kennzahlen zur Folge, sondern senkt die Kosten und erzeugt Wettbewerbsvorteile. Maßnahmen zur Qualitätsverbesserung können an zwei Stellen ansetzen: ex ante (vorzugsweise) und ex post. Ferner kann zwischen automatischen Prozeduren, semiautomatischen und manuellen Verfahren differenziert werden, um die Güte der Daten zu sichern und zu ermitteln. Für die Datenqualität ist ein entsprechendes Management im Unternehmen organisatorisch zu implementieren.
Auf dieser Basis ergeben sich drei Ansatzpunkte für die Verbesserung der Datenqualität:
- Bei der Dateneingabe (Ersterfassung)
- Bei der Datenübernahme (Migration aus Fremdsystem)
- Im bestehenden System (Datenpflege)






