26

ProduktDatenJournal Nr. 2 I 2011

PROJEKTE

Wie lässt sich die Stammdaten -qualität in ERP/PLM-Systemen kontinuierlich steigern?Ralf Kittel, Karlsruhe

Eine unternehmensweite ERP/PLM-Lösung erlaubt die gemeinsame

Nutzung von Daten und ermöglicht eine globale Zusammenarbeit

über die Firmengrenzen hinaus mit Kunden und Lieferanten. Aber

wie stellen Sie sicher, dass die Daten immer konsistent sind und

keine Dubletten enthalten?

Standard IT-Tools und -Prozesse ermögli-chen die Wiederverwendung von Datendurch einfache Suchfunktionen. Dies giltnur, sofern diese Daten klar strukturiert,konsistent und komplett sind. Ein hohesNiveau der Datenqualität zu erreichen, istin der Realität oft schon innerhalb dereigenen Firma schwierig. Wenn darüberhinaus auch Lieferantendaten mit inte-griert werden, ist dies mit herkömm -lichen Ansätzen fast unmöglich – ganzabgesehen von den Herausforderungenbei Mergers & Acquisitions. Mit der OracleProduct Data Quality (PDQ) Lösung, stehen jetzt Werkzeuge (patentiertesemantische DataLens™-Technologie) zurVerfügung, um die Daten automatisch zureinigen, extrahieren, standardisierenund klassifizieren. Dubletten und Refe-renzen werden erkannt sowie die Über-setzung von nicht standardisierten Datenin mehrere Sprachen sichergestellt. Dieoffene Architektur ermöglicht die Integra-tionen in nahezu alle ERP/PLM-Systeme.Dies führt zu erheblichen Kosteneinspa-rungen und zu einer qualitativen Verbes-serung von Business Intelligence Analysen.

Wie gelangen schlechte Stamm-daten in eine IT-Applikation?

n Verschiedene Mitarbeiter an verteilteninternationalen Standorten haben un-terschiedliche Gewohnheiten im Um -gang mit IT-Systemen

n Verschiedene Muttersprachenn Verschiedene Mitarbeiter benutzen

verschiedenen Abkürzungen für diegleiche Sache

n Tippfehlern Kontinuierliche Integration von Liefe-

rantendaten (verschiedene Anbietermit unterschiedlichen Produkt-Codes)

n Lieferanten, die Produktinformationennicht im geforderten Format liefernkönnen

n Mergers & Acquisitions. Fusionen undÜbernahme von Firmen

n Verschiedene Systeme verwenden ver-schiedene Codes / Werte für dieselbeSache

n Unzureichende Recherche-Tools, kom-biniert mit Zeitdruck, zwingen Benutzerdazu, doppelte Datensätzen anzulegen

n keine Einschränkungen, da keineKontrolle vorhanden ist

n mehrere ERP-System im Firmenverbundim Einsatz

n Fehlende Systemharmonisierung/-Konsolidierung

n …..

Stammdatenqualität in integrierten IT Applikationendurch Semantik-Technologie

Die Informationsflut im Unternehmenwächst täglich. Viele datenführendeSysteme wie ERP, PLM, MDM aber auchwebbasierende Kataloge enthalten Tau-sende von Produktdaten, die dieselbeBedeutung haben, aber unterschiedlich-ste Formate und Inhalte führen. Diesmacht dem Anwender das Suchen undVerarbeiten wichtiger Informationenschwer, kostet Zeit und führt zu Fehlern.

Schlechte Produktdatenqualität ist wie

Dreck auf der Windschutzscheibe. Mankann damit lange Zeit weiterfahren. DerDreck nimmt aber immer mehr zu undirgendwann wird ein Punkt erreicht, andem es lebensgefährlich wird, weiterzu-fahren.

Qualität der Produktdaten muss zumBestandteil der umfassenden Qualitäts-strategie des Unternehmens werden(TQM – Total Quality Management undTDQM – Total Data Quality Management).

Wie stellen sich Istsituation undAnforderungen dar?

Aktuelle Analysen in den Unternehmenzeigen, dass bis zu 80% der befragtenUnternehmen unzufrieden mit ihrerDatenqualität sind. Über 70% scheuendie Bereinigung und Standardisierung vonProduktdaten, weil das Durchführen vonMaßnahmen zur Verbesserung der Pro-duktdatenqualität zu schwierig, zu zeit-aufwendig, zu kostenintensiv und somitfast undurchführbar ist.

Heterogene inkonsistente Datenbeständeentstehen durch jahrelang mangelndeDatenpflege, durch Fusion und Übernah-men, durch mehrere Altsysteme, durchverschiedene Applikationen, die jede fürsich eigene Metadaten führen. Darin gibtes unterschiedliche Typen und viele Kate-gorien der Metadaten, die in strukturierteroder auch unstrukturierter Form vorliegenmit unterschiedlichen Schreibweisen,Bedeutungen, Synonymen und Gültig-keiten sowie daraus einstehende Folge-

27

ProduktDatenJournalNr. 2 I 2011

PROJEKTE

rungen und Zusammenhänge (bspw.Skt-Schraube, Ring, Leiter).

Ein leicht nachvollziehbares Beispiel derVielfalt von Produktdaten und Katego-rien sind Varianten von Elektromotorenals Kaufteil, die von vielen Firmen welt-weit angeboten werden. Die Produktesind teilweise austauschbar. Es sind die gleichen Kennwerte. Dennoch sind Vollständigkeit, Formatierungen und Produktbezeichnungen sehr unter-schiedlich.

Informationen und Produktdaten sindlebensnotwendig im Unternehmen. DerInformationsfluss läuft in der Regel demMaterialfluss voraus. Er ist global. Nebenstrukturierten Daten begleiten ebensoviele unstrukturierte und sogar grafischeDaten die Geschäftsprozesse hin zu denvielen Lieferanten, zu den Standorten, zuKunden und das in den verschiedenstenSprachen. Produktdaten sollten daherunternehmensweit eine genaue, eindeu-tige und gültige Sicht auf die Produkte,ihre Technologien, Regeln und Prozesseabbilden. Dennoch hat jeder Anwender-bereich andere Sichten auf Daten, Infor-mationen und Abläufe.

Produktdaten haben häufig eine hoheDynamik, zwar völlig anders als dieBewegungsdaten, jedoch ändern sichKategorien, Strukturen, Bezeichnungenusw. durch die eng vernetzten globalenInformationsflüsse in den vielfältigenAnwendungssystemen ständig wiebspw. in:

n E-commerce, Vertriebn Product Designn Lager & Logistikn Kundendienstn Business Intelligence

Warum sollte man Produktdatenharmonisieren?

Selbst das beste Informationssystem wird durch schlechte Datenqualität aus-gehebelt. Das zieht sich durch alleAnwendungssysteme hindurch. SchlechteProduktdatenqualität führt zu hohemSuchaufwand, unscharfen Trefferquoten,geringer Transparenz und Fehlern im Prozess. Unzureichende Qualität der Produktdaten beeinflusst somit Produkt-qualität und Kundenzufriedenheit.

Durch Homogenisierung und hohe Trans-parenz in den Produktdaten kann dieKomplexität von Produkten, Varianten,Kategorien und Regelwerken reduziertwerden.

Die Pflege von Prdukt- /Stammdaten istdie Grundlage für wichtige Geschäfts-prozesse und -entscheidungen.

Schwierig ist die Antwort auf die Frage,wie der Grad der Produktdatenqualitätgemessen und monetär bewertet werdenkann? Es fehlen Methoden, um die Vor-teile konsistenter Daten und durchgängi-ger Informationsflüsse bei unterschied -lichen Anwendungen zu quantifizieren.Eine Analyse des Bestands an Produktda-ten auf Dubletten, ähnliche Teile, abwei-

chende Beschreibungen usw. erscheintaufwendig. Sie setzt voraus, dass Abfrage-tools und Auswertungen flexibel formu-liert werden können. Darüber hinausmüssen die Daten nicht nur in ihrenStrukturen, sondern auch in unstruktu-riertem Kontext analysiert werden. Dassetzt lernfähige, leicht definierbare undsemantische Suchwerkzeuge voraus,ähnlich wie man sie von der Internet -suche her kennt. Die Qualität der Such -ergebnisse selbst sollte bei der seman -tischen Suche in den Produktdaten aberwesentlich besser sein als im Internet.

Welche Lösungsstrategie für bessere Produktdatenqualität istpraktikabel?

Produktdaten sind etwas Besonderes imUnternehmen und unterscheiden sichdeutlich von anderen Datenbeständen.Personal-, Kontakt- und Adressdatenbspw. sind einigermaßen systematisiert.Aber trotz STEP und ISO 10303 gibt esfür die umfassende Beschreibung vonProduktdaten keinen hinreichendenStandard. Anwender von Produktdatenhaben jeweils unterschiedliche Sichtenauf diese Daten – sei es im Bereich e-Commerce, Produktentwicklung, Ein-kauf, Logistik, Produktion oder Kunden-dienst. Auch die Zusammenhänge in denAnwendersichten auf die Produktdatensind unterschiedlich, ebenso Bezeichnun-gen, Gültigkeit und Regeln.

Produktdaten haben einen sehr hohen,zentralen, häufig unterschätzten, mate-

Bild 1: Varianten von Elektromotordaten, je nach Hersteller Bild 2: PDQ mit sematischer Suchfunktion

28

ProduktDatenJournal Nr. 2 I 2011

PROJEKTE

riellen Wert für das Unternehmen. Des-wegen ist es zwingend, dass Produkt -daten und die Informationsflüsse imUnternehmen in gleicher Weise effizientbehandelt werden wie die Materialienund deren physikalischen Materialflüsse.Wie beim Materialfluss wird der gesamteGeschäftsprozess gestört, sobald derInformationsfluss unterbrochen ist. Eskommt sehr auf effiziente und konsistenteInformations-Prozesse an:n Zwischen Anwendern und Abteilun-

gen,n Zwischen Unternehmen undn Zwischen Anwendungssystemen

Daten und Information haben als„Immaterielles Produkt“ denselbenAnspruch an Produkt-Qualität wie die

materiellen Erzeugnisse des Unterneh-mens. Produktdatenqualität muss Teil derTQM-Strategie des Unternehmens werden(TQM – Total Quality Management) alsVision für TDQM (Total Data QualityManagement).

Die sogenannten Masterdaten oder Pro-duktdaten sollten möglichst zentral ge-pflegt und verwaltet werden. Hierfür gibtes bekannte Lösungsansätze in Form vonMaster-Daten-Management (MDM) oderbezogen auf Produktdaten das Produkt-Information-Management (PIM).

Die Frage bleibt, wie erreicht man einebessere Qualität in den vorhandenen Produktdaten, die noch dazu oft in meh-reren Anwendungssystemen entstehen

und gepflegt werden? Bereits der Aus-tausch von strukturierten Produktdatenzwischen verschiedenen Anwendungs -systemen stellt sich oft schwierig dar.Noch aufwendiger ist die Sicherstellungder Synchronisation und der Konsistenzvon unstrukturierten Daten, Dateninhaltenoder Datenkategorien in den unter-schiedlichen Anwendungssystemen. Hierkommen die Vorteile des PDQ-Manage-ment mit semantischer Suche gegenüberbisherigen Methoden klar zum Vor-schein:

Manuelle Arbeitsweise zum Bereini-gen von Produktdaten istn zu zeitintensiv,n zu langsam undn zu teuer.

Programmierte Tools sindn wenig flexibel wegen der Program-

mierung,n aufwendig für die vielen Ausnahme -

regeln, selten skalierbar, kaum selbst -lernend,

n dediziert und beschränkt auf wenigeAnwendungskategorien, bzw. Anwen -dungssysteme.

Vorteile eines semantisch arbeitendenData-Quality-Tools (Semantic BasedData Lensing, Data Cleansing) sind:n Semantik benutzt die Bedeutung von

natürlichen Worten, Synonymen undderen Kontext.

n Datenrepository, Kombinatorik undAblaufregeln werden grafisch inter-aktiv definiert.

Bei der Suche im Web beispielsweisewird semantisch gesucht. Je nach Zusam-menhang in der Fragestellung könnensich dabei andere Antworten ergeben.

Beispiel:n Wann kam der erste Mensch auf den

Mond? = 21. Juli 1969 02:56:20 (UTC)n Wer war der erste Mensch auf dem

Mond? = Neil Alden Armstrong

Auf Produktdaten bezogen können mitsemantischer Suchtechnik relativ schnellAnalysen von Datenbeständen durchge-führt werden. Mit dem PDQ-Tool werdenRegeln und Filter zur Bereinigung undZusammenführung von Datenbeständengrafisch interaktiv erstellt und könnenleicht erweitert werden. In Verbindungmit dem PDQ-Tool kann PIM im laufen-den Betrieb die Produktdatenqualitätinnerhalb der Informationsflüsse sicher-stellen. Das Einrichten der Rolle einesProduktdaten-Qualitätsmanagers ist sehrhilfreich, eigentlich unumgänglich.

Bild 4: Product Data Quality Server

Bild 3

29

ProduktDatenJournalNr. 2 I 2011

Kontakt

Ralf KittelOracle Deutschland B.V. & Co. KGKarlsruhe

Tel.: +49 721 6291 532E-Mail: ralf.kittel@oracle.com

PROJEKTE

Semantische Suche hilft ebenso bei derMigration von Daten aus verschiedenenAnwendungssystemen. Das PDQ-Toolkann für die Transformation der Produkt-daten aus einem ins andere Anwen-dungssystem genutzt werden.

Für den unternehmensspezifischen Einsatzvon semantischer Suche kommt es imwesentlichen darauf an, die technischenDictionaries aufzubauen und mit denBegrifflichkeiten auszustatten, die dieAnwender täglich benutzen. Oracle hatim Januar 2010 die Firma Silver Creek,die #1 für PDQ-Lösungen, übernommen.Diese Data-Lensing /Cleansing-Funktionist als Oracle PDQ – Product Data QualityServer verfügbar. Definitionen der unter-nehmensspezifischen, semantischenModelle können mit PDQ in kurzer Zeiterstellt werden und passen sich an (self-tuning).

Der Einsatzbereich von PDQ geht überSuchen, Standardisieren, Zusammenfüh-ren, Übersetzen bis hin zu Umformatieren.Dialoge, Regelwerke und Abläufe für dieDatenkonsolidierung erstellt der PDQ-Manager ohne Programmierung mit Hilfeder grafischen Technik zusammen. Eingrafisches Dashboard bringt Übersicht,zeigt die Statistik über den Prozess derDatenbereinigung und unterstützt beider Regelung von Ausnahmen.

Wie wird PDQ in eine bestehen-de IT-Infrastruktur integriert?

7.1 Extrahieren von Daten:Oracle PDQ kann Daten aus vielen ver-schiedenen Datenquellen extrahieren,z.B. Texte, Microsoft Excel-Tabellen, WebServices, XML und Datenbanken. Dabeikann PDQ sogar auf implementierte DB-Funktionen/Prozeduren zugreifen.

7.2 Publizieren/Speichern von Daten:Oracle PDQ kann die bearbeiteten Datenin verschiedenen Zielsysteme speichern –auch gleichzeitig in mehrere Zielsystemez.B. im XML-, Excel- oder Text-Format.Die Daten können auch automatische aneinen FTP-Server versendet werden.

Wie fügt sich PDQ in eine beste-hende MDM/PLM-Architektur?

Die Strategie des Master Data Manage-ment (MDM) trennt die Verwaltung derProduktdaten von der Nutzung dieserMasterdaten in den Anwendungssyste-men. Das Master Data Managementstellt die Zusammenfassung der Stamm-daten, der Strukturen, der Verfahren undData Repositories unabhängig von den

Anwendungssystemen dar. Bezogen aufdas Produktdaten Management sprichtman auch von PIM Product InformationManagement. Dadurch wird erreicht,dass das MDM/PIM entkoppelt wird und in den jeweiligen Anwendungenspezifische Sichten auf die Daten, Daten-strukturen und Datenformate bestehenbleiben können, wie bspw. in CRM, ERP,PLM, LVS, e-Commerce usw..

Dieser Ansatz bildet die Basis für ein kon-sistentes, unternehmensweites Daten-management und befreit Abteilungen,Standorte oder Zulieferer davon, dasgleiche System oder einheitliche Daten-formate nutzen zu müssen.

Mit PDQ bietet Oracle eine äußerst wert-volle Applikation an, um die MDM/PIM-Datenqualität im täglichen Informations-fluss eines Unternehmens umfassendgewährleisten zu können. Für die Inte-grationen stehen die Techniken der SOAMiddleware und WebServices zur Verfü-gung.

Welches Nutzenpotenzial kannerschlossen werden?

Eine Analyse der Datenbestände mit der semantischen Abfragetechnik (Data-Cleansing) von Oracle PDQ zeigt oftüberraschend hohe Trefferquoten undlegt somit den Handlungsbedarf bei derVerbesserung der Produktdatenqualitätoffen. Es ist zu empfehlen, über ein Ana-lyseprojekt, lohnende Kategorien fürData Cleansing und bspw. Dubletten -bereinigung zu finden.

Geeignet für Prüfung, Konsolidierungund Transformierung von Produktdatensind große Warengruppen und Produkt-kategorien unterschiedlicher Lieferantenund Hersteller aus den verschiedenstenIndustrien wie z.B.:n Handeln Nahrungsmittelindustrien Konsumgütern Elektronik & High Industrien Medizintechnikn Maschinen und Anlagenn Automotive und Aerospace (OEM und

Zulieferer)

Ebenso lässt die Verwaltung von Pro-duktdaten in mehreren Anwendungs -systemen an unterschiedlichen Standortenmit verschiedenen Anforderungen an dieSichten auf Daten, Beschreibungen undSprachen eine hohe Trefferrate vermuten,wie sie typischerweise anzufinden sind in:n ERPn Master Data Management

n PDM/PLMn E-commerce, Web-Kataloge

Durch hochwertige, geprüfte und konsi-stente Daten und Informationen wirdDatenbruch vermieden. Das führt zurVerringerung von Mehraufwänden derMitarbeiter durch schlechte Datenqualitätund verbessert die Effizienz in allenUnternehmensbereichen, bei Zulieferernund bei Kunden.

Wesentlich geringere Kosten und Zeit-aufwände entstehen sowohl für einmaligeDatenbereinigung, als auch für laufendePrüfung und Datenkonsolidierung.Ergebnis einer gleichbleibend guten Produktdatenqualität ist eine schnellereund bessere Auskunftsfähigkeit durchhöhere Transparenz der Produktdaten.

Reduktion von Teilebeständen durch Ver-meiden von Dubletten erzielen nachweis -lich eine spürbare monetäre Verbesserungder Bevorratung und Lieferbereitschaftund dadurch eine deutliche Reduktionvon Gemeinkosten.

Die Pflege von Stammdaten ist dieGrundlage für wichtige Geschäftsprozesseund -entscheidungen. PDQ trägt maß-geblich zur Verbesserung von BusinessIntelligence Lösungen bei.

Ungenauigkeit und schlechte Qualitätder Produktdaten im Informationsflusssind eine stille, meist unentdeckteWachstumsbremse. Mit Oracle PDQ unddem PIM/MDM Lösungsansatz kanndiese Bremse gelöst werden und bringtneuen Schwung in das wertvollste Gutdes Unternehmens – die Produktinfor-mationen und den Informationsfluss.Qualität der Produktdaten muss Bestand-teil der Qualitätsstrategie des Unterneh-mens sein. n