Auf dem Weg zum Unternehmensdatenfundament und automatisierten Prozessen ist eine gute Datenqualität wichtig. Kostspielige Fehler, manuelle Korrekturen und Compliance-Verstöße sind nur einige der Aspekte über die ich heute mit dem NAVIBIS-Gründer David Julian Hornung spreche. Warum wir eine hohe Datenqualität benötigen und wie wir sie automatisiert mit entsprechenden Tools erreichen können, erfahren Sie in der heutigen Episode des ERP-Podcast.de.
Viel Vergnügen!
Empfehlungen:
Handelscontrolling: Optimale Informationsversorgung mit Kennzahlen
Kontaktinfos:
EXIST-Gründerteam NAVIBIS, David Julian Hornung
NAVIBIS
————————–
Wenn Ihnen unsere Folgen gefallen, dann freuen wir uns über eine 5-Sterne-Bewertung auf Ihrer Wunschplattform, damit auch andere auf diesen Podcast aufmerksam werden und wir das Angebot weiter verbessern können. Zeitaufwand: 1-2 Minuten.
In diesem Sinne: keep connected.
Herzlichst
Ihr
Axel Winkelmann
Transcript:
Herzlich willkommen zum ERP-Podcast, dem Podcast für alle, die sich aktiv mit dem Einsatz und der Gestaltung von Unternehmenssoftware und den daraus entstehenden Veränderungen und Potenzialen in Unternehmen auseinandersetzen wollen. Mit diesem Podcast möchte ich Sie mit eigenen Gedanken und Interviews bei der Gestaltung moderner IT-Konzepte nebenbei, also zum Beispiel beim Spazierengehen oder Autofahren begleiten. Damit möchte ich Ihnen in dieser von technologischen Veränderungen geprägten Zeit Informationen anbieten, die sich in Zeitschriften, Fachbüchern und wissenschaftlichen Artikeln in dieser Form nicht darlegen lassen und für die sich im hektischen Alltag ohnehin nicht die Zeit findet.
Mein Name ist Axel Winkelmann. Ich bin Professor für Betriebswirtschaftslehre und Wirtschaftsinformatik an der Universität Würzburg. Herzlich willkommen zurück zum ERP-Podcast.
Wir sind gerade mitten in einer spannenden Folge über ein Thema, was zunächst mal gar nicht so offensichtlich zu sein scheint, aber eine ungeheure Relevanz hat, nämlich das Thema Datenqualität in ERP-Systemen, insbesondere natürlich Stammdatenqualität. Ich habe mir hier einen wirklichen Experten ins Gespräch geholt, David Julian Hornung. Er ist ehemaliger Mitarbeiter bei mir am Lehrstuhl, hat sich sehr lange mit dem Thema beschäftigt, hat jetzt auch ein Startup gegründet, um genau diesen Themen auf den Grund zu geben, die Firma Navibis.
Und wer er ist und was er macht, das wird er uns gleich selber erzählen. Herzlich willkommen hier zurück in den ERP-Podcast. Hallo und noch von meiner Seite vielen Dank, Herr Professor Winkelmann, dass Sie mich nochmal eingeladen haben, unsere Gedankengänge von letzter Woche hier fortzusetzen.
Ich bin Julian Hornung. Ich bin Wirtschaftsinformatiker durch und durch. Ich bin jetzt aktuell Initiator eines Startups namens Navibis.
Und wie Sie gerade schon angedeutet haben, beschäftigen wir uns sehr stark mit der Fragestellung, wie wir Unternehmen dabei unterstützen können, die Datenqualität in ihrem ERP-System erstmal festzustellen und dann natürlich auch gezielt zu verbessern. Das lohnt sich auf mehrere Wiegen für Unternehmen. Und wie genau, können wir gerne heute nochmal ein bisschen vertiefen.
Wir haben letztes Mal schon darüber gesprochen, Datenqualität heißt die Belastbarkeit der Daten, Fehlerfreiheit der Daten, das Ausgefülltsein der entsprechenden Datenattribute. Warum ist das alles so wichtig? Man könnte doch sagen, keine Ahnung, wenn da Daten fehlen, dann mache ich das schon selber in der Produktion und ergänze die oder vielleicht sind bestimmte Felder auch nicht so wichtig für mich. Tatsächlich ist das ja auch so.
So funktionieren ja aktuell Unternehmen. Wenn irgendwo Daten fehlen, dann werden die halt noch machtrechtlich eingeholt, manuell eingetragen, dann benutzt. Dann weiß man auch nie so genau, ob man wirklich alles erfasst hat und so weiter.
Aber genau so funktionieren Unternehmen ja. Das ist eine Tatsache. Und dieses Vorgehen ist offensichtlich, und ich glaube kaum, dass Sie mir da widersprechen möchten, ein klein wenig ineffizient.
Also es sorgt definitiv für Geschwindigkeitsverluste, für Reibungsverluste, es sorgt für Mehraufwände. Also was tatsächlich Geld, was mir da dann durch die Lappen geht womöglich oder was ich zusätzlich investieren muss. Und deswegen zahlt sich der Datenqualität oder die Berücksichtigung einer guten Datenqualität ganz unmittelbar aus.
Das Ganze hat auch noch einen anderen Hintergrund. Und zwar, letzte Woche hatte ich Ihnen erzählt, dass ich mich persönlich insbesondere damit auseinandergesetzt habe, wie ich eigentlich eine Entscheidungsunterstützung im ERP-System realisieren kann. Also auf Basis der vorhandenen Daten, wie die vielleicht mithilfe von Algorithmen, Tools, Metriken ausgewertet werden können, um aktiv Nutzern Hilfestellung bei dem Treffen ihrer tagtäglichen Entscheidung im Unternehmen behilflich zu sein.
Zum Beispiel auf operativer Ebene, wie hoch eine Bestellmenge sein sollte, wann bestellt werden sollte, also Bestellzeitpunkt, um da entsprechend auch betriebswirtschaftlich gut aufgestellt zu sein. Und jetzt ist es natürlich so, dass die Qualität von solchen Empfehlungen auch massiv davon abhängt, wie gut die Qualität der Daten ist, auf denen sie schlichtweg beruhen. Also wenn ich entsprechende Metriken ansetze, dann müssen da natürlich die Informationen, die im System sind, reinlaufen.
Und wenn die schon nicht zuverlässig sind, dann sind die Empfehlungen, die daraus abgeleitet werden können, selbstverständlich auch nicht zuverlässig, sondern entweder im besten Fall noch relativ nah an der Realität oder im schlimmsten Fall schlichtweg irreführend. Und das Problem habe nicht nur ich, wenn ich dann Daten automatisiert auswerte, um da eine Entscheidungsunterstützung anzubieten, sondern das Problem hat natürlich jeder Anwender des ERP-Systems selbst auch, der die Daten dann gewissermaßen manuell in seinem Kopf oder in Excel auswertet. Wenn die Grundlage nicht da ist, wenn natürlich die Zuverlässigkeit der Daten nicht da ist, dann sind alle Entscheidungen, die auf den Daten und Informationen basieren, auch fehlerhaft.
Jetzt könnte ich ja sagen, naja gut, das wird schon alles korrigiert während der Abläufe. Kostet mich mehr Geld, aber die Pflege von Daten kostet mich letztendlich auch Geld. Ich sehe eine wesentliche Herausforderung in der Integration.
Also beispielsweise, wenn wir die Daten direkt freigeben für die Nutzer, für die Kunden vielleicht auch, beispielsweise über einen E-Commerce-Shop. Also man stelle sich vor, die Daten des Artikels 4711 sind falsch gepflegt und es gibt zum Beispiel keinen Verkaufspreis, weil der Verkaufspreis auf Basis des Einkaufspreises automatisch in der Aufschlagskalkulation berechnet wird. Und wenn der Einkaufspreis nicht gepflegt ist, also 0 Euro, dann ist der Verkaufspreis auch 0 Euro und dann wird plötzlich im Webshop das Produkt für 0 Euro verkauft.
Ein Beispiel. Oder ein anderes Beispiel, klar, heute gehen wir noch hin und sagen vom Angebot über den Auftrag in die Produktion, gerade im Mittelstand, da sind ganz viele händische Eingriffe in den betriebswirtschaftlichen Prozessen. Haben wir die in Zukunft überhaupt noch? Können wir überhaupt noch in diese Prozesse eingreifen, weil wir auch die Zeit noch dafür haben? Oder läuft der Auftrag direkt in die Produktionseinplanung, in die Gruppe, in die Feindterminierung und wenn die Daten dann eben fehlerhaft sind, also die Länge des Stahlteils nicht korrekt angegeben ist, die Währungseinheit nicht korrekt angegeben ist, die Maßeinheit in der falschen Nationalität, also in Inch statt in Zentimeter angegeben ist etc.
bb. Haben wir dann überhaupt noch die Möglichkeit, diese Daten zu korrigieren? Oder laufen wir da eigentlich in Fiasko rein, wenn wir nicht heute hingehen und diese Datenqualität versuchen, auf ein vernünftiges Niveau zu heben? Also ich möchte mal so anfangen. Sie haben vollkommen recht mit Ihren Beispielen, also über die Sie gerade vielleicht selbst kannten oder zumindest spekuliert haben.
Genau solche Fälle sind mir jetzt in der Praxis, also in der Zusammenarbeit mit Unternehmen tatsächlich auch begegnet. Also ich denke jetzt gerade an ein Unternehmen, wo zum Beispiel ganz punktuell nur einzelne Umrechnungsfaktoren falsch waren, also Mengenumrechnungsfaktoren. In der Masse der Artikel ist das ein bisschen untergegangen.
Das Unternehmen hat das selbst nicht bemerkt, hatte aber tatsächlich massive Probleme darin, in der Umrechnung von Gebindelgrößen, die dann im Einkauf auch dazu geführt haben, dass da Fehlbestellungen ausgelöst wurden, dass da viel zu hohe Mengen beschafft wurden, die jetzt doch auch das Unternehmen immer noch belasten. Also das ist jetzt glaube ich anderthalb Jahre später gewesen, seitdem dieser Fehler aufgetreten war. Und das ist natürlich eine Problematik, die eine ganze Entwicklung eines ganzen Unternehmens massiv hemmen kann.
Und auch verkaufsseitig ist mir ein Beispiel begegnet, dass zum Beispiel in der Exportabwicklung von eben dann Fertigprodukten, das waren Maschinenbauhersteller, Schwierigkeiten aufgetreten sind, die auch nur mit der Datenqualität zu tun hatten, nicht mit den Produkten, nicht mit den Kunden oder sonst irgendwas. Und zwar waren da einfach bestimmte Exportmerkmale nicht richtig gepflegt in dem Fall, was dazu geführt hat, dass dann erstens der Zoll bestimmte Lieferungen beanstandet hat. Das musste dann mit großem sowohl personellen als auch finanziellen Aufwand alles wieder glatt gebügelt werden.
Die Bestellungen wurden dann natürlich um einiges verspätet, auch ausgeliefert. Das wiederum hat natürlich die Kunden verärgert. Das ganze Standing oder das ganze Ansehen des Unternehmens ist runtergegangen, nur durch die Tatsache, dass da in Anführungszeichen ein paar Häkchen falsch gesetzt waren.
Und das ist natürlich schon eine dramatische Auswirkung. Das mögen jetzt Einzelfälle sein, aber ich vermute, dass da doch viele Unternehmen solche Fälle haben. Und das hängt auch damit zusammen, dass natürlich Daten nicht nur von einer einzigen Person gepflegt werden in einem großen Unternehmen, sondern dass da viele Personen ihren Beitrag leisten müssen.
Zum Teil auch zu Daten, für die sie selbst gar nicht benötigen, was natürlich dann auch dazu führen kann, dass da gewisse Daten nicht oder nicht so sorgfältig gepflegt werden. Und dann entstehen wieder beim Nachtragen Fehler oder in der parallel geführten Excel-Liste entsteht ein Fehler. Und so wirkt sich dann mangelhafte Datenqualität auch heute schon ganz massiv in Unternehmen aus, was den wirtschaftlichen Erfolg eines Unternehmens deutlich gefährden kann.
Und Sie haben völlig recht mit Ihrer Darstellung, dass das Thema in Zukunft noch umso bedeutsamer werden wird. Also in dem Moment, wo wir noch stärker in Automatisierung von Prozessen reingehen möchten, darin investieren möchten oder auch weitere Auswertungsmöglichkeiten von Daten nutzen möchten, jetzt mal das Stichwort künstliche Intelligenz, da ist natürlich eine Zuverlässigkeit der Daten auch imminent wichtig. Also eine Automatisierung der Prozesse ist schlichtweg nur dann möglich, wenn die Daten zuverlässig sind, weil dann natürlich das IT-System entsprechend die Entscheidungen oder die richtigen Weichen stellen muss, um mit gewissen Vorfällen, mit gewissen Aufträgen entsprechend umzugehen, so wie ich das mir vorher überlegt habe.
Und wenn dann zum Beispiel, da muss gar kein menschliches Eingreifen verantwortlich sein, wenn da eine Schließstelle falsch gepflegt ist und entsprechend hier Inkonsistenzen in der Verarbeitung von Daten auftreten, klappt die ganze Automatisierung nicht und es kommt natürlich da auch dann zu Fehlschlüssen. Und auch bei Datenauswertung, KI-Auswertung, Prognosen, Tendenzen auszuwerten, viele Unternehmen beschäftigen sich momentan mit solchen Themen und das hat natürlich auch seine gute Berechtigung, weil sie damit im besten Fall ihre Wettbewerbsfähigkeit gegenüber den Konkurrenten auch deutlich steigern können, wenn sie viel stärker Trends im Markt erkennen können oder frühzeitig erkennen können, wenn vielleicht die Kauflust von einem Teil ihrer Produkte ein bisschen zurückgeht und sie dann frühzeitig sich damit auseinandersetzen können, neue Produkte zu entwerfen oder die beliebteren Produktlinien weiterzuentwickeln, dann haben diese Unternehmen da einen deutlichen Vorteil. Das können sie aber auch nur, wenn ihre Daten entsprechend zuverlässig sind.
Wenn sie keine Daten haben oder entsprechend nur unbrauchbare Daten, die nicht entsprechend auf die Art ausgewertet werden können, dann sind solche Schlussfolgerungen schlichtweg nicht möglich. Und auch deswegen sage ich, gebe ich Ihnen ganz recht, die Datenqualität wird in Zukunft noch umso bedeutsamer als heute sein. Und ganz akut in der derzeitigen Corona-Pandemie ist es auch ein Thema, was die Unternehmen bewegt.
Das habe ich so ein bisschen hinter vorgehaltener Hand mitbekommen. Schlagartig mussten ja viele Unternehmensmitarbeiter dann im Homeoffice arbeiten. Und das hat natürlich dafür, darauf waren viele Unternehmen nicht vorbereitet, muss man ehrlicherweise zugeben.
Und das hatte dann noch folgende Konsequenzen nach sich gezogen. Bislang waren ja die Prozesse stark darauf geprägt, dass Informationen, die nicht im IT-System vorhanden waren oder die vielleicht nicht ganz korrekt waren, wie man ein bisschen angezweifelt hat, konnten dann noch irgendwo anders mal eben schnell nachgeschlagen werden. In einem Ordner, in einem Katalog, der vielleicht auf dem Schreibtisch liegt.
Oder ich bin mal nebenan ins Büro von meinem Kollegen gegangen und habe den mal kurz gefragt, was der richtige Wert ist oder wie das anzustellen ist. Und genau diese ad hoc Vorgehensweisen, also dass auf dem kleinen Dienstweg Probleme gelöst wurden, bevor sie entstanden sind, das war jetzt schlagartig natürlich nicht mehr möglich. Also ein Kollege, den ich eben mal noch über den Schreibtisch hinweg gefragt habe, der war jetzt auch in seinem Homeoffice und den dann jedes Mal anzurufen, wenn ich irgendwie eine Eingabe tätigen wollte im IT-System, war natürlich auch unrealistisch.
Und deswegen haben plötzlich Unternehmen bemerkt, dass sie eine ganz schön schlechte Datenqualität haben und eine schlechte Datenausprägung in ihren IT-Systemen, weil sie auf einmal keinen anderen Informationszugang mehr hatten und mit dem arbeiten mussten, was eben vorlag. Und da haben dann doch jetzt einige erkannt, dass sie da nicht so gut aufgestellt sind, wie sie aber aufgestellt sein müssten. Okay, mir fällt noch ein Punkt ein, über den wir nicht gesprochen haben.
Ich will den jetzt auch nur toxieren. Also wir haben jetzt viel über Kosten gesprochen. Wir haben über Informationstransparenz in Bezug auf Datenqualität gesprochen.
Nicht gesprochen haben wir jetzt über Compliance, über Datenschutz, also Daten, die zu lange im System gelagert werden, die von Leuten im Zugriff sind, die das eigentlich nicht dürfen. Auch das sind natürlich Fragestellungen, die sich rund um Datenqualität ergeben an der Stelle. Ich würde gerne auf einen anderen Punkt.
Also jetzt haben wir aus welchen dieser Gründen auch immer erkannt als Unternehmen, unsere Datenqualität ist nicht so gut. So, wir haben massiv Nachteile, an welcher Stelle auch immer. Und jetzt wird jemand beauftragt, die Datenqualität zu beheben.
Der schaut jetzt in das System rein und stellt fest, dass alleine von den Artikelstammwarten, und das ist jetzt die Frage an Sie, ja wie viele eigentlich? Also was muss das Unternehmen anfassen sozusagen an Datenvolumen, um hier die Datenqualität zu verbessern? Ist das überhaupt händisch machbar? Und wenn nein, wie unterstützen Sie dabei, dass das Unternehmen trotzdem eine bessere Datenqualität bekommt? Also das ist leider zu meiner Erfahrung nach nur sehr schwer händisch machbar. Also ich kenne einige Unternehmen, auch größere Mittelständler, die selbst die Problematik erkannt haben. Und jetzt versuchen eben durch vor allem personelles Engagement, die Datenqualität quantitativ zu verbessern.
Es gibt ja verschiedene Ansätze, die man auch organisatorisch treffen kann. Das zahlt sich nach und nach auch aus. Das will ich gar nicht in Frage stellen.
Aber das ist natürlich erstens super aufwendig und zweitens auch ziemlich teuer. Also ich denke jetzt gerade an ein Unternehmen, das hat eine Stammdateneinheit gebildet. Da arbeiten, soweit ich informiert bin, vier Mitarbeiter pausenlos daran, die Datenqualität zu verbessern, Daten anzulegen, Daten zu pflegen.
Und das ist jetzt kein Großunternehmen. Wir reden nicht von einem großen Händler oder so, wo das vielleicht noch üblicher ist, sondern das ist ein Produktionsunternehmen, das Projektgeschäft hat. Das ist jetzt nicht das kleinste Unternehmen, aber da steht also die Thematik doch sehr stark im Vordergrund.
Und Sie können sich selbst ausrechnen, dass das doch enorme Kosten hier auch in der manuellen Datenbearbeitung verursacht. Das sind Mitarbeiter, die sind nicht operativ irgendwie wertschöpfend tätig, sondern die unterstützen in dem Sinne ihre Kollegen nur darin, dass sie halt kontinuierlich dafür sorgen, die Datenqualität und Datenzuverlässigkeit auf einem Mindestniveau zu halten. Und selbst das, das funktioniert ganz gut.
Aber tatsächlich haben wir mit unseren Methoden herausgefunden, dass also das Unternehmen da doch noch eine ganze Reihe von Baustellen hat, die durch manuelle Möglichkeiten doch nur eingegrenzt beworben werden konnten oder können. Und ich habe auch den einen Mitarbeiter dann ganz offen mal persönlich gefragt, ja, sag mal, wie machst du es denn jetzt hier zum Beispiel in der Pflege deinen Artikeldaten? Also wie kannst du denn selbst sicherstellen, dass die Daten hier aktuell und zuverlässig sind? Und dann hat er geantwortet, ich kann das gar nicht mit meinen manuellen Möglichkeiten umsetzen. Wenn ich heute anfange, all unsere Artikeldatensätze durchzugehen, man händisch, um zu prüfen, okay, sind die noch aktuell? Wann wurden die zum letzten Mal aktualisiert? Sind hier die Werte korrekt? Sind da irgendwelche Inkonsistenzen, die sich aus anderen Daten, die auch im System vorhanden sind, erschließen? Fange ich heute an, bin im einen Jahr noch nicht fertig.
Und in der Zwischenzeit hat sich sowieso wieder die Hälfte geändert. Deswegen mache ich es erst gar nicht. Also es gibt in dem Unternehmen, das viel in dem Bereich unternimmt, trotzdem keine Pflegesystematik, sondern da werden Daten dann auch nur durch Zuruf mal gepflegt.
Also sprich, wenn ein anderer Mitarbeiter zufälligerweise ein Problem festgestellt hat, dann wird das natürlich behoben. Aber das ist dann ein ziemlich ineffizientes Vorgehen, auch hier in der manuellen Datenpflege. Und unser Ansatz ist in dem Gegenzug dazu, dass die Daten natürlich auch erst mal algorithmisch, systematisch ausgewertet werden können, um gewissermaßen die Nadel im Heuhaufen zu finden.
Also ich muss mich gar nicht mehr mit allen Daten dank unserem Ansatz auseinandersetzen und mir alle Datensätze anschauen, ob die vielleicht ein Problem haben könnten, sondern ich lasse mir mithilfe von Algorithmen genau diejenigen Datensätze rausfiltern, die ein Problem haben oder ein Problem haben könnten und muss mich zumindest nur noch mit diesen dann gezielt auseinandersetzen. Und das ist mitunter ein deutlich geringerer Bruchteil im Vergleich zu allen Daten. Also wie gesagt, fehlerfrei ist wahrscheinlich gar kein Datensatz, aber das ist auch nicht der Anspruch.
Sondern es geht vor allem darum, Fehler aufzudecken, Duplikate zu erkennen oder sich auch gravierende Anomalien hier ausgeben zu lassen. Und das ist häufig nur ein, zwei, fünf Prozent der Datensätze oder noch weniger im besten Fall. Aber auch diese seltenen Fälle können gravierende Auswirkungen haben.
Aber genau die zu finden, ist mit manuellen Methoden schlichtweg nicht möglich oder unvorstellbar teuer. Jetzt entwickeln Sie ja damit quasi so ein Data Cleansing Tool, eine Algorithmik, um letztendlich die Datenqualität größtmöglich automatisiert verbessern zu können in den Unternehmen. Das ist ja jetzt nicht ganz neu, also auch in der Wissenschaft, aber auch in der Praxis.
Was unterscheidet denn Ihre Herangehensweise von anderen Herangehensweisen oder anderen Tools, die es schon früher auf dem Markt gab? Sie haben vollkommen Recht. Also die Auseinandersetzung mit Datenqualität auch in Unternehmensdaten, die erfolgt jetzt schon seit einigen Jahren. Ich würde sogar sagen, die hatte schon einen ersten Peak, so Anfang der 2000er.
Da waren sehr viele sowohl Forschungsvorhaben als auch Produkte oder Methoden am Markt, die dann sich so nach und nach etabliert haben. Dann ist das Thema wieder ein bisschen eingeschlafen, weil es einfach im Tag der Geschäftsunternehmen nicht die Relevanz, nicht diese Auswirkungen hatte. Ich meine, wir sind uns einig darin, Unternehmen funktionieren ja auch heute damit, auch auf Basis ihrer Daten, aber die Herausforderungen werden einfach immer größer.
Also wie wir es gerade schon thematisiert haben, in dem Moment, wo eine Stärke Digitalisierung und Automatisierung um sich greift, wird natürlich auch die Datenthematik immer präsenter. Gleichzeitig haben sich aber auch in den letzten Jahren die technischen Möglichkeiten erheblich weiterentwickelt und die Computing Performance oder Technologien auch bis hin zu KI, die wir zum Teil ansetzen, um Datenqualität zu beurteilen und die Problemfelder rauszufiltern, die gab es natürlich eine ganze Zeit lang nicht oder nicht in der Form. Und da ist auch unser Handwerkszeug natürlich immer größer geworden.
Ein zweiter Punkt, den wir ein bisschen anders angehen als viele andere IT-Unternehmen mit ihren Datenqualitätsmanagementlösungen, ihren Data Cleansing Tools, ist, dass wir uns nicht nur rein auf die sogenannte syntaktische Ebene Daten konzentrieren, also nicht nur auf deren formale Ausprägung spricht. Irgendwie eine Nummer hat eine bestimmte Anzahl von Zeichen oder hier müssen bestimmte Felder gesetzt sein, damit hier wiederum Eingaben tätig sind. Also wirklich nur rein die Struktur der Daten anzuschauen, sondern wir beschäftigen uns auch mit der semantischen Ebene der Daten.
Ich habe letzte Woche schon erzählt, dass ich mich sehr intensiv mit ERP-Systemen und vor allem in dem Zuge auch Datenmodellen von ERP-Systemen auseinandergesetzt habe. Und es ist nun mal so, dass ein Datum in einem ERP-System, ein Datenobjekt, ja nicht allein auf weiter Flur steht, sondern es ist so, dass es irgendwie in einem Zusammenhang von anderen Daten steht. Und auch in der Querauswertung, wenn man so will, also über eine größere Menge Daten hinweg, finde ich natürlich dann auch die einzelnen Probleme.
Oder ich kann mir ableiten, okay, in einem semantischen, also betriebswirtschaftlichen Kontext hängt natürlich eine Bestellung mit einer Bestellposition zusammen und eine Bestellposition hat wiederum einen Zeitstempel und einen Preis und ein Bewegungsdatum referenziert ein Stammdatum und so weiter und so fort. Also die Daten haben Zusammenhänge und wenn ich die noch in die Analyse der Datenqualität mit einbeziehe, bekomme ich auf einen Schlag viel, viel mehr Möglichkeiten, als wenn ich mich lediglich auf die Struktur, also auf die Syntax der Daten konzentriere. Und deswegen haben wir also Methoden entwickelt, die da noch viel weitreichendere Analysen durchführen können, die bislang vielen anderen IT-Tools noch nicht zur Verfügung stehen.
Sie adressieren mit Ihren Algorithmen, mit Ihren Tools im Startup Navibis ja nicht nur ausschließlich mittelständische Unternehmen, sondern Sie arbeiten ja auch ganz eng mit ERP-Herstellern, mit Beratungsunternehmen zusammen. Wie kann man sich das vorstellen? Wie genau funktioniert so eine Zusammenarbeit? Das hat folgenden Hintergrund, den ich vielleicht mal zuerst erklären möchte. Ein Unternehmen profitiert auf zwei Arten von, also ein Anwendungsunternehmen, ich als Produzierendes oder Handler, Mittelständler kann auf zwei Arten von verbesserer Datenqualität profitieren oder Datenanalysen.
Auf der einen Seite ganz unmittelbar, also sprich, wenn ich da meine Datenprobleme behebe, spare ich dafür an anderer Stelle und zwar zum Teil ziemlich deutlich Aufwände, also kann Kosten einsparen, kann meine Geschwindigkeit erhöhen, kann auch zum Beispiel Risiken senken, auch juristische Risiken mit den Compliance-Themen, die Sie vorher angesprochen haben. Also das ist der ganz unmittelbare Nutzen. In dem Moment, wo ich die Datenqualität analysiere, Datenproblemfelder identifiziere und die Datenprobleme dann behebe, lohnt sich das operativ in den Prozessen.
Also sprich, da ist die Investition in das Datenmanagement, zahlt sich wahnsinnig schnell aus. Das ist aber auch nur der direkte, der unmittelbare Vorteil. Unser Ansatz ist es nicht, quasi, ich sag mal bildlich gesprochen, dem Unternehmen ein Pflaster zu reichen, um die Blutung zu stoppen.
Also sprich, die Probleme einmalig zu beheben, dann sind sie behoben und ab dem Zeitpunkt treten neue Probleme auf. Dann wird es also wieder schlechter. Sondern unser Ansatz ist, direkt auch zu verhindern, dass sich das Unternehmen, jetzt wieder im gleichen Bild bleibend, überhaupt erst schneidet oder dass es gar keinen Pflaster braucht.
Also haben die Datenanalysen auch einen mittelbaren Vorteil für die Unternehmen. Ich kann nämlich mir die Konstellation der Fehler, der Anomalien, die ich durch die Datenanalysen herausgefunden habe, auch interpretieren. Sprich, ich kann darauf Rückschlüsse ziehen, welche technischen oder auch sanatorischen Schwachstellen überhaupt dazu geführt haben, dass diese Datenprobleme überhaupt aufgetreten sind.
Also wie gesagt, das gibt die unterschiedlichsten Ursachen. Es kann sein, dass es technische Ursachen hat. Sprich, das Customizing des ERP-Systems war vielleicht fehlerhaft oder hat nicht mehr auf die jetzige Unternehmenssituation gepasst, sodass Mitarbeiter gezwungen waren, Datenprobleme zu verursachen durch ihre Eingaben, weil sie technisch gar keine anderen Möglichkeiten hatten.
Beispiel, ich denke, ein Einunternehmen, das hat in einen neuen Markt expandiert. Dann mussten also die Verkaufsartikel in fremden Währungen gepflegt werden. In der jetzigen Konfiguration des ERP-Systems war aber eine bestimmte Währung nicht verfügbar.
Dann hat halt das Unternehmen angefangen, also die Mitarbeiter, die davon betroffen waren, angefangen, die Währungsinformation in ein anderes Feld reinzuschreiben, nämlich in die Artikelnummer. Solange man das weiß, ist das noch nicht ein Problem. Aber das wurde sehr schnell zum Problem, wo ich natürlich dann über Artikel auswerten wollte oder mir Durchschnittspreise anzeigen wollte oder neue Mitarbeiter mit diesen Daten arbeiten sollten, die dieses Know-how nicht hatten und die waren natürlich heillos überfordert.
Warum steht denn jetzt hier der Preis in der ausländischen Währung in dem Artikelfeld? Oder die haben es überhaupt nicht gesehen. Das hatte also eine ganze Reihe von organisatorischen Auswirkungen. Nur aufgrund der Tatsache, dass hier das Customizing nicht gepasst hat.
Und mit unseren Datenanalysen konnten wir natürlich sehr schnell nachweisen, ja hier, da muss einfach was nachgezogen werden in der Ausgestaltung, in der Konfiguration des ERP-Systems. Also da haben die Mitarbeiter nicht den Fehler begangen, sondern sie hatten keine andere Möglichkeit. Außerdem kann es natürlich auch sein, dass vielleicht irgendwelche Schnittstellen falsch konfiguriert sind, sprich die Datenübergabe klappt nicht.
Wenn also Daten eingelesen werden, zum Beispiel durch elektronische Rechnungen oder durch Kataloge, die ich in das System überführe und da dann die Zuordnung von Daten auf bestimmte ERP-Felder nicht korrekt ist, entstehen dadurch natürlich auch Datenqualitätsprobleme oder Datenanomalien. Und auch das kann ich dann mit der entsprechenden Interpretation der Fehler auch aufdecken. Oder ich kann zum Teil auch organisatorische Schwächen erkennen.
Wir hatten mit einem Unternehmen zu tun, das hat eine Kreditlimitprüfung für Kunden. Das ist, glaube ich, keine Seltenheit. In dem Unternehmen war das allerdings organisatorisch so ausgestaltet, dass bestimmte Kredite nur genau von zwei Personen im ganzen Unternehmen freigegeben werden durften.
Und jetzt kann sich jeder recht ausrechnen. Die Arbeitszeit dieser beiden Personen hat gar nicht ausgereicht, um überhaupt die gesamten Geschäftskalten abzudecken. Das heißt, es gab jede Woche ein gewisses Zeitfenster, wo niemand Kreditlimitprüfungen freigeben konnte.
Und dann haben natürlich die Vertriebsmitarbeiter, die für ihre Kunden hier da sein wollten, angefangen, quasi so kleine Workarounds zu bauen mit einer doppelten Datenhaltung, mit Eingaben, die dieses Problem umgeben, indem sie zum Beispiel Kredite gesplittet haben unter einer Höhe, die sie selbst noch freigeben durften, also sprich unterhalb des Schwellenwerts. Das hat aber natürlich an einer anderen Stelle wieder Probleme verursacht, auch wieder in der Auswertung, aber auch in der Abwicklung und Abrechnung dieser Vorgänge, dieser Kaufvorgänge. Und durch die Analyse dieser Datenanomalien konnte man das wirklich sehr einfach feststellen, wo da der Hase im Pfeffer liegt, also wodurch dieses Problem tatsächlich hervorgerufen wurde.
So, und jetzt zurück zu Ihrer Frage. Da kommen nämlich jetzt andere Softwareunternehmen und Beratungshäuser ins Spiel. Die reinen Datenanalysen machen wir als Startup bislang zumindest weitgehend selbst.
Also da haben wir die entsprechende Expertise und da haben wir auch die entsprechende Manpower. Also die unmittelbare Datenqualitätsverbesserung, die können wir mithilfe unserer Algorithmen selbst vornehmen. Jetzt die mittelbare Datenqualitätsverbesserung, die ich gerade angesprochen habe, also quasi die Interpretation dieser Datenprobleme, dieser Datenanomalien, um zu schauen, wodurch sind die denn jetzt zustande gekommen, um diese Schwachstellen abzustellen und die Prozesse oder die technische Ausgestaltung zu optimieren.
Das können wir mit unseren eigenen Mitteln nur in ganz begrenztem Umfang machen, weil wir einfach ein kleines Team sind. Und das doch eine relativ aufwendige Aufgabe werden kann, die auch eine gewisse Auseinandersetzung mit dem Unternehmen, also mit dem Kunden, das diese Datenprobleme hat, erfordert. Und deswegen arbeiten wir hier mit anderen Softwareunternehmen, mit Beratungshäusern zusammen, die mit ihrer Beratungsexpertise hier dazu beisteuern und ihre Beratungsroutine auch natürlich einbringen können. Beratungsexpertise, die wir in der Form gar nicht haben, gar als junges Unternehmen und dann mit den Unternehmen zusammen, also zu organisatorisch und technisch besseren Lösungen kommen.
Und in dem Folge also folgen halt diese Kooperationen, die Sie angesprochen hatten. Wenn ich da jetzt mehr drüber wissen will, wie kann ich sie am besten erreichen? Ganz gerne einfach durch eine direkte Kontaktaufnahme, entweder telefonisch per Mail über unsere Homepage www.navibiz.de. Da sind sämtliche Kontaktdaten hinterlegt und ich freue mich über jede Interessensbekundung, über jedes Gespräch. Ich bin wahnsinnig offen, sowohl seitens Softwareunternehmen als auch seitens Anwendungsunternehmen.
Auch wenn da keine direkte Geschäftsbeziehung zustande kommt, lerne ich doch jedes Mal was dazu, lerne auch neue Facetten in diesem Markt kennen und da bin ich über jeden Kontakt, über jeden Erfahrungsaustausch dankbar. Wunderbar. Ganz, ganz herzlichen Dank dafür.
Ich glaube, das ist ein Thema, was uns noch sehr lange auf dem Markt für ERP im Unternehmensdatenfundament begleiten wird. Insofern freue ich mich, dass wir hier so versierte Mitstreiter in der Branche gefunden haben. Vielleicht nochmal auf Sie bezogen.
Man muss sich ja permanent weiterbilden, auch an dem Markt. Jetzt kommen Sie aus der Wissenschaft. Sie haben viel gearbeitet, natürlich mit Standing on the Shoulders of Giants, also mit dem Wissen, was andere schon vorher entwickelt haben.
Aber vielleicht haben Sie eine Buchempfehlung. Vielleicht haben Sie irgendeine Quelle, die es hilft, gerade im Kontext von dem, was Sie tun, anderen ja auch Wissen zu vermitteln, was Sie vielleicht schon haben. Eine Buchempfehlung.
Also es gibt im Bereich Datenmanagement, Stammdatenverbesserung gibt es eine ganze Reihe von Werken, die sind häufig englischsprachig und ich muss ehrlicherweise sagen, da gibt es bislang noch gar keins, was mich so restlos überzeugt hat. Genau das ist ja das Problem. Also man muss, wenn man auch mit diesen Werken arbeiten möchte, braucht man schon wahnsinnig viel Knowhow.
Man muss sich sehr gut auskennen. Man muss eigentlich auch schon ein ziemlich guter, versierter Programmierer sein, um die für sich nutzen zu können. Deswegen würde ich gerne für Ihre Zuhörerschaft da jetzt gar kein Werk in den Vordergrund rücken, weil ich da schlichtweg keins restlos empfehlen kann.
Das ist genau das Problem. Wir reden ja über den Mittelstand und da arbeiten meistens leider nicht die IT-Fachleute, die dann mit ihren eigenen Mitteln und Methoden, auch nicht durch Unterstützung eines solchen spezialisierten Buches, da selbst große Fortschritte in der Datenqualität erzielen könnten. Aus dem Grund gibt es ja Spezialisten wie uns, die da versuchen, für mittelständische Unternehmen ein Angebot zu schaffen.
Was ich aber gerne empfehlen möchte, ist ein Buch, das so ein bisschen das Thema von letzter Woche aufgreift, nämlich wie ich mit Hilfe von Kennzahlen, BWL-metriken, Methoden zu guten Entscheidungen kommen kann oder meine Prozesse vielleicht verbessern kann, einzelne Aufgabenbereiche verbessern kann. Und das ist gleichzeitig das Buch, was ich in meiner Dissertation am häufigsten zitiert habe. Ich war davon selbst ein bisschen überrascht, aber ich habe es extra noch mal nachgeschaut.
Und das ist das Buch Handelscontrolling, unter Titel Optimale Informationsversorgung mit Kennzahlen, nämlich von und ihrem Zweitautor Professor Jörg Beckner von der Universität Münster. Und das ist ein wahnsinnig tolles Buch. Das Einzige, was mir daran gar nicht gefällt, ist der Titel Handelscontrolling, weil ich Ihnen gerne entgegenrufen möchte, dass es auf keinen Fall nur für Handelsunternehmen gedacht, also da steckt so viel drin, da kann auch jedes andere Unternehmen was für sich rausziehen.
Und es ist auch nicht nur Controlling, sondern es ist, es behandelt eigentlich Themen, die sind universell in dem Unternehmen, nämlich wie ich bestimmte Prozesse gut ausgestalten kann, wie ich bestimmte Aufgabenstellungen sinnvoll lösen kann, wie ich bestimmte Auswertungen plausibel treffen kann, wie ich gute Entscheidungen treffen kann. Also da findet man wirklich zu fast jedem Themenbereich in diesem Buch einen Absatz. Das ist kein Buch, was ich so von A bis Z durchlesen würde, sondern was im Regal stehen sollte, um mal ganz punktuell was nachzuschauen, wenn ich jetzt im Vertrieb vielleicht Neugänge gehen möchte oder im Einkauf da was optimieren will oder in der Logistik.
Da kann man wirklich wahnsinnig viel rausholen und deswegen für Sie, Herr Winkelmann, als Autor auch Kompliment für dieses Werk. Vielen Dank an der Stelle. Also es ist schon ein Riesenwerk mit sehr deutlich über 500 Kennzahlen und Erklärungen und Herleitungen, wie man bestimmte Dinge im Unternehmen, in Unternehmensbereichen vielleicht ein bisschen besser ausgestalten kann.
Insofern herzlichen Dank für die Blumen. Gehen wir abschließend doch mal zurück auf ERP. Ist Datenqualität unsere ganz große Herausforderung heute und in der Zukunft? Oder sehen Sie vielleicht auch andere Herausforderungen, die ERP auch in der Zukunft besonders challengen werden? Also ich würde sagen, dass Datenqualität ganz wichtig ist für die Basis der ERP-Systeme und damit auch der Unternehmen der Zukunft.
Das ist kein Thema, was uns hoffentlich in zehn Jahren auch beschäftigen wird. Also dann gibt es hoffentlich entsprechend gute Lösungen durch uns, durch vielleicht andere IT-Unternehmen, die hier entsprechend viel von dieser Problematik für die Unternehmen lösen und da komfortabel das Datenqualitätsmanagement wieder quasi in den Hintergrund rückt, wo es auch meiner Meinung nach hingehört. Wie gesagt, ich hatte es ja erzählt, wir haben angefangen, uns mit Datenqualität zu beschäftigen, weil die eigentlich das viel liebere Thema, wie ich jetzt aktiv Unternehmen dabei unterstützen kann, bessere Entscheidungen zu treffen, auf Basis der Daten in der Praxis so noch nicht umsetzbar ist.
Und das Problem zeigt sich natürlich in ganz vielen Bereichen. Immer dann, wenn ich also quasi die Daten so als notwendigen, aber doch ein bisschen unwünschenden Faktor berücksichtigen will, um Prozesse zu gestalten, Prozesse zu steuern, Entscheidungen zu treffen, dann müssen die Daten halt ausreichend gut sein. Aber das ist kein Thema, wo ich mich so richtig gern beschäftigen möchte als Unternehmen.
Das sollte einfach funktionieren. Und deswegen, ich glaube, das ERP-System der Zukunft sollte da oder wird die Herausforderung haben, sehr viel stärker aktiv einen Nutzer unterstützen zu können. Und zwar einerseits, glaube ich, nach wie vor im Rahmen der Entscheidungsfindung, aber auch in der Prozesssteuerung oder in der Automatisierung von Vorgehen, um hier noch effizienter, kosteneffizienter, zeiteffizienter zu werden.
Und ERP-Systeme, wie sie heute ausgestaltet sind, doch noch relativ komplex, relativ unintuitiv. Ich glaube, dass da die Anbieter gefordert sein werden, zu besseren Lösungen zu kommen, wie sie zum Beispiel in diesem Consumer-Bereich schon längst üblich sind. Ich danke ganz herzlich für diesen Impuls.
Ihre Kontaktdaten werden wir natürlich in den Shownotes verlinken, www.navibis.de. Ich glaube, wir haben einen spannenden, tiefen Einblick in die Datenqualität und warum die Datenqualität notwendig ist, heute und in der letzten Woche bekommen. Dafür Ihnen, Herr Hornung, ganz herzlichen Dank. Und wie immer, die letzten Worte gehören natürlich meinem Studiogast.
Auch von mir ganz herzlichen Dank für das sehr interessante, konstruktive Gespräch. Es hat mir sehr viel Spaß gemacht. Ihnen und Ihrem Lehrstuhl alles Gute.
Ihnen hat der ERP-Podcast gefallen und Sie konnten wertvolle Erkenntnisse gewinnen? Dann würde ich mich über eine Bewertung auf iTunes freuen, damit auch andere von diesem Podcast erfahren können. Eine Anleitung für die Bewertung finden Sie auf www.erp-podcast.de. Dort finden Sie auch weitere Hinweise, Links und Aktualisierungen zu dieser Folge. Das war der ERP-Podcast für alle, die sich aktiv mit dem Einsatz und der Gestaltung von Unternehmenssoftware und den daraus entstehenden Veränderungen und Potenzialen in Unternehmen losgelöst von Fachzeitschriften, Büchern und wissenschaftlichen Veröffentlichungen, zum Beispiel beim Spazierengehen oder Autofahren auseinandersetzen wollen.
Mein Name ist Axel Winkelmann. Ich bin Professor für Betriebswirtschaftslehre und Wirtschaftsinformatik an der Universität Würzburg.