Stammdaten unterstützen die Firmen dabei, ihre implementierten Prozesse zu optimieren, um eine Verbesserung ihrer Perfomance zu erreichen
Hightech-Komponenten für die Automobilindustrie und den Maschinenbau. Industrielle Anlagen, Handel mit Werk- und Rohstoffen sowie Produktion von Qualitätsflachstahl. Anbieter von Großwälzlagern für Windkraft- und Solaranlagen, aber auch von Marineschiffen und U-Booten. Das alles ist thyssenkrupp. In 48 Ländern mit rund 800 Standorten sind sie stets auf der Suche nach besseren Lösungen. Dafür setzen sie auf die unterschiedlichsten Talente: von Ingenieur:innen und IT Professionals über Prozess- und Produktionsprofis bis hin zu zentralen kaufmännischen Funktionen und Consultants. Und Stammdaten natürlich! Matthias Maas im Interview.
Matthias Maas verantwortet das zentrale Stammdatenmanagement von thyssenkrupp. Er verantwortet die zentrale Stammdaten-Plattform der Gruppe und berät die operativen Unternehmen zu datenbasierten Fragestellungen und Lösungen. Mit Data Products und Services unterstütz das Team die operativen Geschäfte bei der täglichen Stammdaten-Pflege, Analyse und Optimierung und die Gruppe bei der Steuerung der Geschäfte. Dabei hat Herr Maas über 16 Jahre Erfahrung im geschäftlichen Datenmanagement und sowie Arbeitsschwerpunkte in den Bereichen Geschäftsprozessverbesserung und Supply Chain Management. Doch bevor er seine Expertise zum Thema „Master Data as a Service“ auf dem Stammdaten Forum 2023 preisgibt, erfahren wir vorab mehr im Interview.
Haben Sie bereits auf SAP S/4 umgestellt?
Aktuell begleiten mein Team und ich viele Firmen von thyssenkrupp bei deren SAP S/4-Umstellungsprojekten. Auch für die zentrale Stammdaten-Plattform des Konzerns planen wir derzeit die Umstellung. Da eine der markantesten Änderungen bei S/4 die Zusammenführung von Kunde/Lieferant auf einen zentralen Business Partner ist, ist das Thema Stammdaten in den Projekten sehr präsent. Nahezu alle Unternehmen nutzen in diesem Zusammenhang die Chance zur Dubletten Erkennung und zum Verbessern der Stammdaten Qualität. Diese Stammdatenbereinigung unterstützt die Firmen dabei, ihre implementierten Prozesse zu optimieren, um eine Verbesserung ihrer Perfomance zu erreichen.
Welchen Beitrag können Master Data Abteilungen zur Unterstützung der Digitalisierungsstrategie von Unternehmen leisten?
Digitalisierung ist in großem Maße von Stammdaten beeinflusst. Die Verknüpfung von Daten innerhalb von thyssenkrupp sowie auch mit externen Datenprovidern wird durch die Master Data Abteilungen massiv unterstützt – wenn nicht gar erst ermöglicht. Vereinheitlichte grundlegende Daten (z.B. Berichtsdimensionen, Kontenplan, Wechselkurse) und die laufende Verbesserung der Datenqualität schaffen Anknüpfungspunkte für interne und externe Datenquellen. So können wir die Informationen innerhalb von thyssenkrupp verfügbar machen und Mehrwert stiften. Dies zum Beispiel durch die Harmonisierung von Schlüsseln (Ansprechpartnern, Banken, Adressen, Steuernummern, Industry Codes …), Bereinigung von Altdaten, oder die Dubletten-Erkennung für Geschäftspartner im Rahmen einer Migration.
Durch die Globalisierung und des Kostendrucks auf den Weltmärkten wird der Informationsbedarf von Menschen und Maschinen zukünftig weiter steigen…
Korrekte und qualitativ hochwertige Stammdaten ermöglichen erst die Verknüpfung mit externen Datenquellen. Dadurch stehen eine Vielzahl von zusätzlichen Informationen in allen wichtigen Prozessen von Beschaffung über Produktion bis zum Vertrieb zur Verfügung. Diese Daten sind ein wesentlicher Baustein für die Entscheidungsfindung im Unternehmen.
Ein konkretes Beispiel: Im Einkauf sind bereits heute eine Vielzahl von externen Informationen durch die Kommunikation mit Lieferanten verfügbar: vom Lieferanten bereitgestellte Kataloge, Auftragsbestätigungen, Rechnungen usw. Diese Daten müssen selektiv in den eigenen Datenbestand übernommen werden können; dadurch kann die Datenqualität verbessert und Prozesse signifikant beschleunigt werden.
Aufgrund der aktuellen geopolitischen Krisen überlegen Unternehmen, wie sie ihre Widerstands- und Anpassungsfähigkeit gegenüber unkontrollierbaren Veränderungen stärken können. Hierzu werden Strategien zur Optimierung der Supply Chain- und Produktionsresilienz erarbeitet. Brauchen wir auch eine Strategie für eine „Stammdatenresilienz“?
Ich denke nicht, dass eine spezifische Strategie für Stammdatenresilienz nötig ist. Wir benötigen aber eine verbesserte Sicht auf Stammdaten und eine klare Definition, welche Informationen relevant sind. Und natürlich muss eine korrekte und konstant gute Pflege der Daten sichergestellt werden. Wenn Lieferketten aufgrund externer Schocks plötzlich verändert werden müssen, helfen gute Daten, schneller Alternativen für z.B. Zukaufteile zu finden und international zu sourcen.
Glauben Sie, dass die direkte Integration von Data Analytics Spezialisten in eine Master Data Abteilung diese eher sinnvoll ergänzen oder den Arbeitsfokus verzerrt?
Diese Frage diskutiere ich aktuell auch mit meinem Team. Grundsätzlich sehen wir in bei der Zusammenarbeit von Data Analytics und Master Data neue Impulse für das Thema Stammdaten. Ein Quality Cockpit als Dashboard für Stammdaten hilft, die eigene Performance und Qualität im Stammdatenumfeld für das eigene Team und die Nutzer innerhalb von thyssenkrupp sichtbar zu machen. Der Ansatz, Zusammenhänge zu erkennen und Verbesserungspotentiale abzuleiten, benötigt aber deutlich ausgeprägtere Analysefähigkeiten. Regelbasierte Ableitungen von Stammdaten-Feldern sind ein konkretes Beispiel dafür, wie Data Analysten helfen können, Stammdatenprozesse zu optimieren. Ob man dazu aber Data Analysten als Teil des Stammdatenteams aufbauen sollte, hängt sicher von der Größe des Unternehmens und dem Datenumfang ab. Ich persönlich halte für meinen Bereich eher einen projektbasierten Austausch für angebracht. Zumal diese Data Spezialisten bei vielen andere Projekten ebenfalls mit Stammdaten in Berührung kommen – als Teil der Lösung oder als Teil des Problems.
Ist Data Governance nur eine Angelegenheit? Beispiele für die Notwendigkeit von Data Governance…
Data Governance schreckt zunächst einmal ab. Sie entsteht aber implizit in jedem Fall – auch wenn man sie nicht bewusst einführt. Es ist aus meiner Sicht notwendig, die Verantwortlichkeit für Daten und Datenflüsse in der Organisation zu klären. Gute Beispiele sind zum einen inhaltliche Vorgaben zu Vollständigkeit oder Korrektheit (z.B. durch Prüfung gegen externe Referenzen) oder die Nutzung externer Standards (z.B. ISO-Standards) oder zur Vereinheitlichung von Schreibweisen, z.B. bei Geschäftspartnern (Str = Straße, GmbH = Gesellschaft mit beschränkter Haftung).
Darüber hinaus empfiehlt es sich, Rollen wie Data Engineer, Data Steward, Data Analyst, Data Owner unternehmensweit zu definieren und einzuführen. Sie bieten die Chance, den Austausch der Bereiche untereinander zu fördern. Gerade in modernen Zusammenarbeitsmodellen zwischen Fachbereich, Service-Teams und der IT ist Data Governance die Basis, um verteilte Datenpflege zu ermöglichen und gleichzeitig Doppelpflege zu vermeiden.
Weitere Infos zum Stammdaten Forum >>>