Hinweis: Dieser Blog ist Teil 2 einer Serie von 3. Wenn Sie möchten, lesen Sie den vorherigen Blog, in dem wir über die Notwendigkeit einer systematischen und zentralisierten Datenverwaltung gesprochen haben.
Der Beweis für die Notwendigkeit einer systematischen und zentralisierten Datendrehscheibe führt uns zum Stammdatenmanagement. Diejenigen von uns, die mit diesem Begriff einigermaßen vertraut sind, wissen, dass Datenqualität und Stammdatenmanagement eng miteinander verbunden sind. Tatsächlich wird die Datenqualität sowohl als Haupttreiber als auch als Nebenprodukt von MDM-Lösungen angesehen.
Aus diesem Grund bieten viele Datenanbieter heute verschiedene Versionen dieser Produktlinien an. Um jedoch zu verstehen, welche davon besser für Ihr Unternehmen geeignet ist, müssen Sie zunächst wissen, was die einzelnen Disziplinen bedeuten.
Wir haben bereits etwas veröffentlicht, das die Fähigkeiten eines Datenqualitätsmanagement-Tools im Detail abdeckt. Sie können es hier nachlesen.
In diesem Blog werden wir die Kernbedeutung, die Komponenten und den Prozess des Stammdatenmanagements behandeln. Im nächsten Blog – dem Finale der Serie – werden wir beide Lösungen/Technologien einzeln vergleichen und Ihnen helfen, die richtige Wahl zu treffen.
Also, fangen wir an!
Was sind Stammdaten?
Die Prozesse oder Transaktionen, die in einem Unternehmen ablaufen, betreffen immer eine bestimmte Gruppe von Einheiten oder Konzepten. Je nach Geschäftsbereich eines Unternehmens können diese Einheiten unterschiedlich sein, aber im Allgemeinen umfassen sie die folgenden Datenbestände:
- Kunde
- Produkt
- Mitarbeiter
- Standort
- Andere
- Anbieter
- Anbieter
- Kontakt
- Buchungsposten/Rechnung
- Politik
Diese Elemente werden in der Regel als Stammdaten bezeichnet. Alle Aufgaben, Prozesse oder Transaktionen, die in einem Unternehmen durchgeführt werden, betreffen eines oder mehrere dieser Stammdatenobjekte.
Beispiel für Stammdatenobjekte
Nehmen wir als Beispiel diese Transaktion:
Kunde A kauft Produkt X am Standort Y.
Damit diese Transaktion korrekt abgewickelt werden kann, muss ein Unternehmen über seine Kunden-, Produkt- und Standortinformationen verfügen, obwohl diese Daten wahrscheinlich in drei verschiedenen Anwendungen oder Datenbanken gespeichert sind.
Was ist Stammdatenmanagement?
Der Begriff Stammdatenmanagement (MDM) lässt sich am besten so beschreiben:
Eine Sammlung bewährter Praktiken zur Verwaltung von Daten, die:
- Unterstützung der Datenerfassung, -integration und -freigabe zwischen unterschiedlichen Datenquellen,
- Sicherstellung der Datenqualität (z. B. Genauigkeit, Konsistenz und Vollständigkeit) und,
- Implementieren Sie Data-Governance-Regeln, um autorisierten Zugriff, Informationsmanagement und andere Verwaltungsabläufe zu ermöglichen.
Aus dieser Definition ergeben sich die drei wesentlichen Elemente von MDM: Data Governance (Zugriff, Richtlinien und Infrastruktur), Datenaktionen (Erfassung, Integration und gemeinsame Nutzung) und Datenqualität (vorzugsweise die zehn Datenqualitätsmetriken).
Wir werden auf jede dieser Möglichkeiten näher eingehen. Doch bevor wir fortfahren, lassen Sie uns zunächst über etwas sprechen, das die Leute normalerweise verwirrt, wenn es um MDM geht.
Prozess der Stammdatenverwaltung
Der Prozess der Implementierung einer MDM-Lösung kann recht komplex sein und erfordert die Einbeziehung aller wichtigen Interessengruppen. Vereinfacht ausgedrückt, besteht es aus den folgenden 7 Schritten:
1. Planung der Stammdatenverwaltung
Bei der Implementierung einer unternehmensweiten Initiative wie MDM ist die Beteiligung wichtiger Interessengruppen erforderlich – insbesondere derjenigen, die in Ihrem Unternehmen direkt mit Daten zu tun haben.
Bevor Sie MDM-Verfahren und -Tools einsetzen können, müssen Sie einen MDM-Plan erstellen:
- Identifizierung der Personen, die in Ihrem Unternehmen Stammdaten erzeugen und empfangen.
- Koordinierung mit den Beteiligten, um den aktuellen Stand der Daten zu verstehen.
- Erstellen eines Fallbeispiels, das die Auswirkungen der MDM-Initiative auf die Unternehmensziele rechtfertigt.
- Ausarbeitung umfassender Pläne für:
- Modelle für Stammdatenobjekte,
- MDM-Architektur-Stil,
- Datenintegration oder Migrationsplan zu/von beteiligten Datenbanken.
- Genehmigung der vorgeschlagenen Pläne durch die beteiligten Akteure.
2. Koordinierung mit Datenakteuren
In einem Unternehmen gibt es zahlreiche Personen, die als wichtige Interessenvertreter gelten und in dieser Phase einbezogen werden müssen. Zu diesen Personen gehören:
- Führungskräfte in der Geschäftsentwicklung
- Leitende Angestellte
- Informationsarchitekten
- Datenverwalter
- Metadaten-Analysten
- Fachleute für Datenqualität
- Spezialisten für Data Governance
- Systementwickler und Architekten
- Berater für Anwendungsimplementierung und -anpassung
- Personal für die Dateneingabe
3. Modellierung von Stammdatenobjekten
Der wichtigste Schritt bei MDM – nach der Planung und der Einbeziehung der Interessengruppen – ist die Erstellung des MDM-Datenmodells. Bei diesem Schritt geht es um Wissen:
- Welche Datenbestände sind für Ihren Geschäftsbetrieb von zentraler Bedeutung?
- Welche Informationen über diese zentralen Datenbestände müssen Sie wirklich aufbewahren?
- Wie hängen diese zentralen Datenbestände miteinander zusammen?
Ein Datenmodell ist also einfach eine grafische oder logische Darstellung aller Stammdatenobjekte, ihrer wichtigen Attribute und der Beziehungen zwischen ihnen. Die Erstellung solcher Modelle unterstützt die nachfolgenden Schritte der Datenintegration, -qualität, -synchronisation und -verwaltung.
Lassen Sie uns die wichtigsten Schritte der Datenmodellierung durchgehen:
a. Identifizierung von Stammdatenobjekten
Wie bereits erwähnt, besteht einer der wichtigsten Schritte für MDM in der Identifizierung von Stammdatenobjekten – den Dateneinheiten, die Ihre Geschäftsvorgänge und Transaktionen in der Regel betreffen. Dazu gehören normalerweise (aber nicht nur): Kunden, Produkte, Standorte, Mitarbeiter usw.
b. Identifizierung von Attributen für Stammdatenobjekte
Sobald die Stammdatenobjekte identifiziert sind, müssen Sie nun wichtige Attribute für diese Objekte auswählen. Denken Sie bei der Auswahl daran, für jeden Datenbestand ein eindeutiges Identifizierungsattribut anzugeben. Bei Produkten kann es sich beispielsweise um SKUs oder eine eindeutige ID für Kunden usw. handeln.
Wenn es keine eindeutig identifizierenden Attribute gibt, müssen Sie möglicherweise eine Kombination von Attributen aufnehmen, die zusammengenommen eine eindeutige Identität ergeben können.
c. Identifizierung von Beziehungen zwischen Stammdatenobjekten
Nun ist es an der Zeit, die Hierarchie und die Beziehungen zwischen den Stammdatenobjekten zu definieren. Normalerweise können die folgenden Arten von Beziehungen zwischen Datenobjekten erstellt werden, je nachdem, wie die Geschäftsvorgänge in einem Unternehmen ablaufen dürfen:
- Eins zu eins
- Beispiel: Ein Kunde kann immer nur einen Standort haben
- Einer zu vielen
- Beispiel: Ein Kunde kann viele Käufe tätigen
- Viele gegen einen
- Beispiel: Viele Kunden können von einem Standort kommen
- Viele an viele
- Beispiel: Viele Kunden können viele Produkte kaufen.
d. Aufbau des Modells in MDM
Sobald diese Aufgaben erledigt sind, ist es nun an der Zeit, das fertige Modell zu entwerfen oder in MDM zu erstellen. Dadurch wird sichergestellt, dass alle neuen Daten, die in das MDM-Stammdaten-Repository geladen oder hinzugefügt werden, mit dem entworfenen Datenmodell übereinstimmen müssen. Dies bedeutet:
- Eingehende Datensätze müssen zu einem der modellierten Stammdatenobjekte gehören.
- Die eingehenden Werte müssen gültig, standardisiert und wie für jedes Attribut definiert formatiert sein.
- Die kommenden Werte müssen mit den Beziehungen übereinstimmen, die im entworfenen Modell vorgegeben sind.
Wenn diese Bedingungen nicht erfüllt sind, gibt MDM einen Fehler aus und lässt die Speicherung von Daten erst zu, wenn sie entsprechend dem modellierten Entwurf korrigiert wurden.
Beispiel für ein Stammdatenobjektmodell
4. Integration der Daten in das Haupt-Repository
Dieser Schritt imitiert den ETL-Prozess (Extrahieren, Transformieren, Laden) zur Verwaltung von Data Warehouses. Im Zusammenhang mit MDM umfasst dies die folgenden Schritte:
a. Verbinden Sie
Dazu muss das MDM-Softwaretool mit allen Quellen verbunden werden, die Stammdaten enthalten (wie in der Anfangsphase geplant). Dies kann eine Verbindung zu einem CRM (für Kundeninformationen), einer Finanzsoftware (für Rechnungen), einem PCM (für Produkte), einem HRM (für Mitarbeiter) und so weiter beinhalten.
b. Extrahieren
Dabei werden vergangene Datensätze aus den angeschlossenen Quellen in MDM extrahiert, aber noch nicht in das Stammdaten-Repository geladen; dieser Schritt erfolgt erst nach der Konsolidierung.
Die Extraktion wird durchgeführt, damit die vergangenen Datensätze bereinigt und zusammengeführt werden können, bevor sie in das Stammdaten-Repository geladen werden. Sie können den Extraktionsprozess auch filtern – nach bestimmten Zeiträumen oder anderen Attributen. Sie möchten zum Beispiel Datensätze extrahieren, die zehn Jahre zurückliegen, oder vielleicht nur die Datensätze, die von einer gültigen Quelle erstellt wurden.
c. Konsolidierung
Nachdem Sie die erforderlichen Datensätze aus allen verbundenen Quellen extrahiert haben, ist es nun an der Zeit, diese zu konsolidieren (bereinigen, standardisieren, abgleichen und zusammenführen). Vergewissern Sie sich, dass die konsolidierten Unterlagen vorliegen:
- eine einzige, einheitliche Ansicht der Stammdaten darstellen
- Halten Sie sich an das in der dritten Phase entworfene MDM-Datenmodell, sonst können Sie sie nicht in das Stammdaten-Repository laden.
Da die meisten siloartigen Datenanwendungen zahlreiche Probleme mit der Datenqualität aufweisen, empfiehlt es sich, für die Konsolidierung von Datensätzen einen geeigneten Datenqualitätsrahmen zu verwenden – wir werden im nächsten Abschnitt näher darauf eingehen.
d. Laden
Wenn die Datensätze extrahiert und konsolidiert sind, können sie nun in das Haupt-Repository geladen werden. Falls die Datensätze nicht mit dem entworfenen Datenmodell übereinstimmen, kann MDM während des Ladevorgangs Fehler auslösen.
5. Einbindung von Datenqualitätskontrollen
Während des Integrations- (Konsolidierungs-) Prozesses wird eine Reihe von Datenqualitätsprozessen implementiert, um die Datensätze gemäß dem entworfenen Modell zu standardisieren. Sobald eine verbundene Datenbank aktualisiert wird, muss diese neue Änderung in das MDM-Daten-Repository migriert werden.
Bevor diese Änderung jedoch migriert werden kann, müssen die aktualisierten Daten einen systematischen Prozess durchlaufen, um ihre Qualität zu gewährleisten. Aus diesem Grund ist ein kontinuierlicher Datenqualitätsprozess oder -rahmen immer Teil der MDM-Architektur.
Dieser Rahmen umfasst in der Regel die folgenden Schritte:
- Datenprofilierung: Bewertung des aktuellen Zustands Ihrer Daten und Ermittlung von Bereinigungsmöglichkeiten.
- Datenbereinigung und -standardisierung : Durchführung einer Vielzahl von Datenbereinigungsoperationen und Erreichen einer standardisierten Ansicht über alle importierten Datenquellen.
- Konfiguration des Datenabgleichs: Konfiguration und Ausführung proprietärer oder branchenführender Datenabgleichsalgorithmen und deren Feinabstimmung entsprechend Ihren Datenanforderungen, um optimale Ergebnisse zu erzielen.
- Analyse der Datenübereinstimmungsergebnisse : Bewertung der Abgleichsergebnisse und ihres Konfidenzniveaus, um falsche Treffer zu erkennen und den Stammsatz zu bestimmen. Dies kann die Einbeziehung von Datenverwaltern oder Administratoren erfordern, um die endgültige Entscheidung zu treffen.
- Zusammenführen und Überleben von Daten : Entwurf von Zusammenführungs- und Überlebensregeln, um alle Datenfelder mit schlechter Qualität automatisch zu überschreiben und den goldenen Datensatz abzurufen.
6. Ermöglichung der linearen Datensynchronisation
Die Anforderungen an die Datensynchronisation hängen ausschließlich vom gewählten Architekturstil des MDM ab. MDM-Hub-Stile wie die Koexistenz erfordern in der Regel komplexe Synchronisierungstechniken, um sicherzustellen, dass die Daten sowohl im MDM als auch in allen angeschlossenen Quellanwendungen auf dem neuesten Stand sind.
Um die Synchronisierung in vollem Umfang zu verstehen, werden wir uns in diesem Abschnitt hauptsächlich auf den Stil des Koexistenz-Hubs konzentrieren.
Ein wesentlicher Bestandteil von MDM ist seine Fähigkeit, als aktiver und intelligenter Knotenpunkt zu fungieren:
- Bedient eingehende Datenanforderungen von angeschlossenen Quellen.
- Bietet Zugang zum Stammdaten-Repository.
- Überwacht Änderungen, die an einem beliebigen Datensatz an der angeschlossenen Quelle vorgenommen werden.
- Führt neue Änderungen in die Stammdatensätze ein und gewährleistet dabei die Datenqualität.
- Liefert die aktualisierten Stammdatensätze an die Quelle oder andere Anwendungen zurück.
Um eine reibungslose Datensynchronisation zu gewährleisten, muss eine MDM-Lösung mit der richtigen Logik und den richtigen Verarbeitungsregeln ausgestattet sein, wie z. B:
- Rechtzeitigkeit: Dies bezieht sich auf die rechtzeitige Weitergabe von Änderungen und Aktualisierungen, so dass das MDM-System als immer eingeschaltetes/bereites System betrachtet werden kann.
- Latenzzeit: Dies bezieht sich auf die Minimierung der Zeitspanne zwischen der Anforderung von Informationen bei einer angeschlossenen Quelle und dem Zeitpunkt, zu dem sie schließlich zur Verfügung gestellt werden.
- Konsistenz: Dies bezieht sich auf die Replikation aller Änderungen über verbundene Quellen hinweg. Dies kann von der Art Ihrer MDM-Architektur abhängen (ob Sie alle verbundenen Quellen oder nur das MDM auf dem neuesten Stand halten).
- Kohärenz: Dies bezieht sich auf die Durchführung von Transaktionen in der Reihenfolge ihres Auftretens, z. B. Lese-/Schreibanforderungen an und von verschiedenen verbundenen Quellen.
- Determinismus: Dies bedeutet, dass dieselbe Abfrage bei mehrmaliger Ausführung dieselben Ergebnisse liefert.
7. Festlegung von Data-Governance-Regeln
Ein letzter – aber ebenso wichtiger – Teil von MDM ist die Data Governance. Der Begriff Data Governance bezieht sich in der Regel auf eine Sammlung von Rollen, Richtlinien, Arbeitsabläufen, Standards und Metriken, die eine effiziente Informationsnutzung und -sicherheit gewährleisten und es einem Unternehmen ermöglichen, seine Geschäftsziele zu erreichen.
Unter Data Governance im MDM versteht man normalerweise die Fähigkeit,:
- Erstellen Sie Datenrollen und weisen Sie Berechtigungen zu.
- Gestaltung von Arbeitsabläufen zur Überprüfung von Informationsaktualisierungen.
- Begrenzen Sie die Datennutzung und -freigabe.
- Zusammenarbeit und Koordinierung bei der Zusammenführung mehrerer Datenbestände.
- Schutz der Daten und Einhaltung von Compliance-Standards wie HIPAA, GDPR usw.
- Gewährleistung des Schutzes der Daten vor Sicherheitsrisiken.
Strategie der Stammdatenverwaltung
Nach der Implementierung des MDM-Prozesses haben viele Unternehmen immer noch Schwierigkeiten, ihre Daten-KPIs zu erfüllen. Eine fehlende MDM-Strategie ist oft die Ursache für solche Probleme.
Die Implementierung eines vollwertigen MDM kann recht komplex sein, da sie viel Planung und Koordinierung zwischen Teams und Interessengruppen erfordert. Um Ihre MDM-Ziele erfolgreich zu erreichen, muss Ihr Plan mit einer starken Strategie untermauert werden, sonst wird es im Laufe der Zeit immer schwieriger, ihn aufrechtzuerhalten.
Im Folgenden wird erörtert, was eine MDM-Strategie ist, warum sie wichtig ist und welche Schlüsselbereiche Sie vor Beginn des MDM-Prozesses strategisch planen müssen.
Was ist eine Strategie für das Stammdatenmanagement?
Eine Strategie für das Stammdatenmanagement kann wie folgt definiert werden:
Eine Sammlung von Best Practices, die in den MDM-Prozess integriert werden müssen, um den gewünschten Datenzustand zu erreichen und diesen im Laufe der Zeit aufrechtzuerhalten, um langfristige Datenziele zu erreichen.
Während sich der Prozess auf die Implementierung von MDM-Funktionen (z. B. Datenmodellierung und Data-Governance-Regeln) konzentriert, ist eine MDM-Strategie eher geschäftsorientiert und zeigt den Aufwand auf, der erforderlich ist, um die Lücke zwischen dem aktuellen Datenzustand und dem, was in naher Zukunft erreicht werden soll, zu schließen.
Fast jedes Unternehmen führt eine MDM-Lösung ein, in der Hoffnung, dass seine Unternehmensdaten genau, konsistent und vollständig sind. Sie müssen jedoch messen, wie gut die Datenergebnisse den festgelegten KPIs entsprechen und welche strategischen Praktiken Ihnen helfen können, dieses Ziel schneller zu erreichen.
Warum ist eine MDM-Strategie wichtig?
Die Entwicklung einer MDM-Strategie ist ebenso wichtig wie die Implementierung des Prozesses. Andernfalls haben Sie vielleicht das Gefühl, dass Ihr Unternehmen mit seinen MDM-Bemühungen etwas erreicht, wissen aber nicht unbedingt, wo. Eine MDM-Strategie hilft Ihnen, ganzheitlich zu verstehen, wie die verschiedenen MDM-Komponenten zusammenarbeiten, um das gewünschte Ergebnis zu erzielen. Dies wiederum gibt Ihnen eine langfristige Richtung vor und ermöglicht es Ihnen, zu entscheiden, wie Sie Ihre zukünftigen Datenziele erreichen können.
Eine MDM-Strategie ermöglicht es Ihnen also, Ihre MDM-Funktionen nicht nur zu implementieren, sondern auch konsequent zu überwachen und neu auszurichten, wenn die erwarteten Ergebnisse nicht den Anforderungen entsprechen.
Wie planen Sie Ihre MDM-Strategie?
All dies ist leichter gesagt als getan. Vielleicht fragen Sie sich immer noch, wie genau eine MDM-Strategie aussieht und was einige Beispiele für eine MDM-Strategie sind. Im Folgenden werden wir uns die gängigsten Disziplinen ansehen, die in jeder MDM-Strategie enthalten sein müssen, um einen maximalen ROI aus den MDM-Maßnahmen zu erzielen.
1. Konzentration auf langfristige Fragen der Datenqualität
Unternehmensdaten sind anfällig für verschiedene Arten von Datenqualitätsproblemen, z. B. ungültige Felder, ungenaue Informationen, doppelte Datensätze und inkonsistente Ansichten. Es ist wichtig, dass sich Ihre Datenbereinigungs- und Standardisierungsstrategie nicht nur auf aktuelle Probleme konzentriert, sondern einen strategischen, vorausschauenden Ansatz verfolgt, bei dem auch Datenprobleme berücksichtigt werden, die möglicherweise in naher Zukunft auftreten können.
Viele Führungskräfte wollen einfach nur MDM-Projekte abschließen, die sich zu lange hingezogen haben. Am Ende werden die Probleme ad hoc behoben, ohne wirklich zu verstehen, was der Kern dieser Probleme ist, was sie in das System gebracht hat und welche anderen Probleme sich langfristig daraus ergeben könnten. Eine umfassende Strategie befasst sich nicht nur mit dem, was gerade ist, sondern plant auch, was in Zukunft geschehen könnte.
2. Unterschätzen Sie nicht die Akzeptanz der Führung
Ein MDM-Implementierungsplan ist unvollständig ohne die Einbeziehung der Interessengruppen und der Führungskräfte. Einer der Gründe, warum MDM-Projekte als langwierig gelten, ist, dass der Vorstand oder die Geschäftsführung nicht wirklich vom Wert des Projekts überzeugt ist. Es kann sein, dass Sie mit Verzögerungen oder Klärungsbedarf konfrontiert werden, wenn Sie versuchen, Genehmigungen für bestimmte Angelegenheiten zu erhalten.
Eine mangelnde Beteiligung der Führungsebene kann auch zu Rückschlägen in verschiedenen Geschäftsbereichen führen, was die Ausführung und Wartung von MDM im Laufe der Zeit unmöglich macht.
3. MDM als mehr als nur Technologie behandeln
Normalerweise wird MDM als eine Technologie oder ein Software-Tool betrachtet. Es sollte jedoch als ein technisches Konzept behandelt werden, das von Fachleuten mit Hilfe von Softwaretools kontrolliert und strategisch ausgerichtet wird.
Das Software-Tool muss MDM-Vorgänge wie Datenmodellierung, Integration, Profiling, Datenqualitätsmanagement, Data Governance usw. unterstützen. Es liegt jedoch in der Verantwortung der Fachleute in einem Unternehmen, die richtige Datenlösung zu entwickeln – nicht nur technisch, sondern auch strategisch -, die die Ziele des Unternehmens unterstützt.
Aus diesem Grund müssen Sie, wenn Sie die Dateninfrastruktur Ihres Unternehmens um ein MDM erweitern möchten, dieses als eine Disziplin und nicht nur als eine Technologie betrachten. Das bedeutet, dass Sie zusätzlich zu einer vollständigen MDM-Installation auch die bestehenden Prozesse, die Daten in Ihrem Unternehmen verarbeiten und kontrollieren, neu bewerten und umstrukturieren müssen. Eine solche Initiative kann eine Menge Planung, Koordination und ein Hin und Her zwischen mehreren Teams erfordern. Aber wenn Sie es erst einmal richtig gemacht haben, kann Ihr Unternehmen jahrelang von den Vorteilen profitieren.
4. Menschen verantwortlich und rechenschaftspflichtig machen
Da der MDM-Prozess die Beteiligung vieler Personen erfordert, die in verschiedenen Rollen in einer Organisation eingesetzt werden, kann er ziemlich überwältigend werden. Wenn mehrere Rollen an der Erreichung eines gemeinsamen Ergebnisses beteiligt sind, ist es immer wichtig, den Beitrag jeder Rolle zu ermitteln. Viele Manager ziehen es vor, Datenverwaltungsteams aufzubauen, die sich um die Ausführung von MDM kümmern.
In diesem Fall kann ein RACI-Modell sehr nützlich sein. Ein RACI-Modell oder eine RACI-Matrix gibt an, ob eine Rolle für die Aufgaben, die für die erfolgreiche Erreichung eines Ziels erforderlich sind, verantwortlich, verantwortlich, beratend oder informierend ist. Wenn es um die Verwaltung der Datenqualität geht, müssen Sie die entsprechenden Rollen ermitteln:
- Verantwortlich für die Erledigung der Aufgabe.
- Verantwortlich für das Erreichen der Ergebnisse der Aufgabe.
- Konsultiert , um Meinungen zur Aufgabenerfüllung einzuholen.
- Informiert über den Fortschritt der Aufgabe.
5. Auswahl des richtigen MDM-Architekturstils
Je nach dem Zweck, den ein MDM für eine Organisation erfüllt, kann eine MDM-Lösung in verschiedenen Architektur- oder Hub-Stilen implementiert werden. Die häufigsten sind im Folgenden aufgeführt:
- Registry-Stil: Bei dieser Variante werden die Daten nicht kopiert oder in einen zentralen Hub verschoben, sondern das MDM verwaltet einen Index (oder eine Registry), der auf die in den verteilten Systemen gespeicherten Stammdatensätze verweist.
- Konsolidierter Stil: Bei dieser Variante werden die Datensätze in MDM konsolidiert, aber nicht synchronisiert oder an die Quellanwendungen zurückgegeben. Stattdessen werden sie an nachgelagerte Anwendungen gesendet, die die Daten für Berichte oder andere BI-Zwecke verwenden.
- Koexistenz/Hybrid-Stil: Bei dieser Variante bleiben die Stamm- oder konsolidierten Datensätze im MDM erhalten, werden aber auch an die Quellanwendungen zurückgegeben.
- Zentralisierter Stil: Bei dieser Variante werden die Stamm- oder konsolidierten Datensätze nur im MDM zentral gehalten und können von den Quellanwendungen bei Bedarf abgerufen werden.
6. Denken Sie an Skalierbarkeit
Versuchen Sie nicht, ein MDM-Modell zu entwerfen, das nur mit den aktuellen Datenquellen, -typen und -formaten sowie den Stammdatenbeständen funktioniert. Skalierbarkeit sollte bei der Implementierung von MDM-Lösungen ein zentrales Anliegen sein, denn Sie wollen etwas, das nicht nur heute funktioniert, sondern auch in den kommenden Jahren sicher funktionieren wird. Unternehmen, die sich Gedanken über die Skalierbarkeit von MDM-Design und -Architektur machen, haben eine größere Chance, ihre Ziele im Laufe der Zeit konsequent zu erreichen.
7. Data Governance als Kernstück von MDM beibehalten
Wir haben die Einführung von Data-Governance-Regeln im MDM-Prozess besprochen, aber es ist wichtig, hier zu erwähnen, dass Data-Governance der Klebstoff ist, der MDM zusammenhält. Data Governance definiert, wie verschiedene Datenbestände kontrolliert und autorisiert werden sollen. Ihr Unternehmen sollte über Data-Governance-Richtlinien und -Standards verfügen, unabhängig davon, ob es bereits über ein MDM verfügt oder nicht. Ihre Bedeutung wird aus der Tatsache ersichtlich, dass alle MDM-Komponenten für eine optimale Ausführung Data Governance benötigen.
8. Definition und Messung von Metriken für die Wirksamkeit
Ein weiterer wichtiger Aspekt der MDM-Strategie ist die Messung der Effektivität des Prozesses. Dies hilft Ihnen zu verstehen, wie gut der entworfene Prozess und seine Komponenten funktionieren. Eine Möglichkeit, die Effektivität des Prozesses zu messen, besteht darin, die bereinigten und konsolidierten Daten auf Fehler zu überprüfen. Je nachdem, was Datenqualität für Ihr Unternehmen bedeutet, können Sie die Datenmerkmale messen, die ein akzeptables Datenqualitätsniveau anzeigen.
Nachfolgend finden Sie eine Liste der gängigen Datendimensionen:
- Genauigkeit: Sind die Datenwerte in MDM genau?
- Abstammung: Wurden die Datenwerte von autorisierten Quellen aktualisiert?
- Semantisch: Entsprechen die Datenwerte ihrer Bedeutung?
- Struktur: Sind die Datenwerte im richtigen Muster und/oder Format vorhanden?
- Unvollständigkeit: Fehlt ein wichtiges Datenattribut?
- Konsistenz: Liefert das MDM für dieselbe Abfrage stets die gleichen Ergebnisse?
- Währung: Erzeugt das MDM Daten, die in akzeptabler Weise auf dem neuesten Stand sind?
- Pünktlichkeit: Wie schnell stellt das MDM die angeforderten Daten bereit?
- Angemessenheit: Haben die Datenwerte den richtigen Datentyp und die richtige Größe?
- Identifizierbarkeit: Stellt jeder Datensatz eine eindeutige Identität dar und ist kein Duplikat?
Damit schließen wir den zweiten Teil unserer Blogserie ab. Lesen Sie unseren nächsten und letzten Blog in dieser Reihe, in dem wir DQM und MDM vergleichen und Ihnen bei der Entscheidung helfen, welche Lösung Sie für Ihr Unternehmen wählen sollten.
