Parameter für Datenqualität
Datengüte im ERP-System messen und verbessern
Ausreichende Genauigkeit
Daten müssen ausreichend in den Systemen gehalten werden. Nicht jeder Geschäftsprozess benötigt Hochpräzisionsdaten bis auf die x-te Kommastelle. Die Frage für die Verantwortlichen lautet: Wie exakt müssen die Daten jeweils sein? Die benötigte Genauigkeit sollte systemseitig durch Regeln und Datenprüfungen eingehalten werden. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Einzigartige Daten
Dubletten blähen nicht nur den Datenbestand auf. Sie sorgen auch für unnötige Rückfragen. Bleiben sie unentdeckt, kommt es schnell zu Fehlinterpretationen, wenn etwa ein Lieferant mehrere Lieferantennummern hat und dadurch Kennzahlen wie das Vertragsvolumen für Rabattverhandlungen nicht aggregiert werden. Redundante Daten aus einem Bestand herauszufiltern, geht bereits mit Bordmitteln eines Tabellenkalkulationsprogramms. Jedoch schleichen sich in der Praxis immer wieder Dubletten ein und die Arbeit beginnt von vorn. Ein automatisierter Data Quality Manager bietet einen nachhaltigeren Weg.
Richtige Daten
Dieses Kriterium verweist neben der Aktualität auf einen weiteren, wesentlichen Aspekt: nämlich die Verlässlichkeit der Daten. Die aktuelle Diskussion um Fake News unterstreicht dies einmal mehr: Eine brandneue Information über ökonomische Schwierigkeiten eines Zulieferers muss nicht zwingend zutreffend sein. Die Quellen, aus denen Unternehmen geschäftsrelevante Informationen beziehen, müssen also nachvollziehbar und glaubwürdig sein. Ein Qualitätsmanagement für Daten bewahrt vor kostspieligen Fehlern, erhöht das Vertrauen in die eigenen Daten und ermöglicht bessere Entscheidungen. Vor allem hilft es, Prozesse zu digitalisieren. Für diese datengetriebene Effizienz braucht es eine profunde und ehrliche Analyse, eine klare Strategie und den individuellen Einsatz für kontinuierliche Verbesserung auf allen Ebenen des Teams. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Wie starten mit Optimierungen
Wollen Firmen ihren Datenbestand gezielt auf ein höheres Niveau heben, sollten sie planvoll vorgehen. Der sinnvolle Start beginnt dort, wo bessere Daten den schnellsten oder höchsten Mehrwert liefern. Das kann im Einkauf sein, weil Lieferantenadressen, Konditionen und Lieferzeiten die operative Beschaffung beschleunigen. Aber auch die Produktion und Logistik kann dafür ein guter Startpunkt sein. Einige Analyseprogramme rund um die Datenqualität kommen heute völlig ohne Programmierung aus. Das Definieren der Regeln ist für einen User, der sich im System etwas auskennt, kein Hexenwerk. Für die laufende Datenprüfung und Bereinigung müssen die Daten auch nicht alle in einem System vorliegen. Prüfsoftware-Lösungen, sogenannte Data Quality Manager, prüfen die zuvor aus verschiedenen Quellen extrahierten Teilestämme, Kundendateien oder andere Daten gegen ein Regelwerk. Auch Prüfungen gegen externe Datenbanken, die etwa Postleitzahl und Straße plausibilisieren, sind möglich. Ein Ausnahmefall kann dabei direkt im Regelwerk vermerkt werden. Bei der Sicherung der Datenqualität helfen auf lange Sicht regelmäßige Checks. Die richtige Frequenz hängt vom Unternehmen, den Abläufen und Datenbeständen ab und wird auf die individuellen Ziele und Leistungsparameter abgestimmt. All das trägt dazu bei, die Position des Unternehmens auch in schwierigen Zeiten zu sichern.
In Wirtschaftskrisen steigt erfahrungsgemäß das Risiko sinkender Zahlungsmoral der eigenen Kunden. Das Mahnwesen einer Firma sollte darauf vorbereitet sein. Ein ins ERP-System integriertes Forderungsmanagement verschafft hier einen Überblick. Ähnliches gilt für die Lagerverwaltung: Produktionsstillstände sind teuer. Umso ärgerlicher, wenn sie entstehen, weil im ERP-System ein falscher Lagerbestand verzeichnet ist. Auch eine umfassende Übersicht der vorhandenen Kosten funktioniert nur mit verlässlichen Daten. Diese ist wichtig, denn in vielen Unternehmen gibt es versteckte oder leicht zu reduzierende Kosten, die es aufzudecken gilt.
