Ein und dasselbe Produkt wird an drei verschiedenen Orten anders beschrieben. Das ERP listet ein Gewicht auf, der Webshop zeigt ein anderes, und die Lieferantendatei meldet ein drittes. Ohne klare Single Source of Truth verlässt sich jedes Team auf seine eigene Version. Das ist die alltägliche Folge von unkontrolliert gewachsenen Master Data.
Dieser Artikel zeigt, wie Sie Master Data Management intelligenter und schlanker gestalten. Der Fokus liegt auf praktischen Lösungen: Jede Empfehlung lässt sich von Herstellern, Händlern oder Distributoren im laufenden Quartal umsetzen.
Was macht MDM intelligent
Basis-MDM speichert einfach Datensätze. Es bietet Ihnen eine Tabelle mit Produkten oder Kunden – und die Arbeit ist erledigt. Intelligentes Master Data Management fügt die Regeln hinzu, die diese Datensätze korrekt halten, während sie zwischen Systemen wandern.
Der Unterschied zeigt sich im Verhalten. Ein intelligentes System validiert ein Gewicht vor dem Speichern. Es kennzeichnet einen Duplikat, bevor es sich ausbreitet. Es füllt fehlende Attribute aus einer vertrauenswürdigen Quelle, statt Felder leer zu lassen. Die Daten bleiben nutzbar, ohne dass Sie sie täglich kontrollieren müssen.
Die Datenprobleme, die wirklich Geld kosten
Wir treffen immer wieder auf dasselbe Kernproblem, ausgedrückt auf drei verschiedene Arten. Ein Produkt sieht in einem System korrekt aus und in einem anderen nicht. Eine Bestellung schlägt fehl, weil ein Code nicht übereinstimmt. Ein Vertriebskanal zeigt einen Preis an, der vor Wochen geändert wurde. Das sind keine kosmetischen Fehler – sie führen zu Retouren, Support-Tickets und verlorenen Aufträgen.
Es gibt eine gern zitierte Kennzahl. Gartners Forschung von 2020 beziffert die durchschnittlichen jährlichen Kosten schlechter Datenqualität auf 12,9 Millionen US-Dollar pro Organisation. Es lohnt sich, zu verstehen, woher diese Zahl stammt. Sie basiert auf einer Befragung großer Unternehmen, die bereits nach Data-Quality-Tools suchten – nehmen Sie sie also als oberes Signal und nicht als Posten in Ihren eigenen Bilanzen. Ein 30-Personen-Distributor verliert nicht 12,9 Millionen Dollar durch schlechte Daten. Er verliert den gleichen Mehrwert in seinem Maßstab, in Retouren, Neueingaben und Aufträgen, die verlorengehen.
Der nützlichere Punkt aus dieser Forschung ist qualitativer Natur. Gartner nennt die Inkonsistenz über Quellen hinweg als das schwierigste Problem der Datenqualität – und genau diese Inkonsistenz ist das, wofür MDM da ist.
Die Ausfallmuster sehen unterschiedlich aus, je nachdem wo Sie sitzen:
- Hersteller haben mit Varianten-Wucherung und technischen Attributen zu kämpfen, die zwischen Datenblatt, ERP und Katalog nicht übereinstimmen. Ein Motor, drei Merkmalblätter.
- Händler kämpfen mit Kanal-Inkompatibilität. Marketinginhalte fehlen auf einem Marketplace, und Preise driften zwischen Shop und POS.
- Distributoren erhalten Lieferantendateien in jeder erdenklichen Form, ohne gemeinsame Klassifizierung, sodass die Zuordnung manuell und langsam ist.
Nennen Sie das Ausfallszenario, das Ihnen am meisten kostet, bevor Sie ein Tool anfassen. Das Tool folgt dem Problem, nicht umgekehrt.
Bauen Sie eine Single Source of Truth
Der Ausdruck „Golden Record" wird viel herumgeworfen. In der Praxis bedeutet er eine saubere, vereinbarte Version eines Datensatzes, der das ganze Unternehmen vertraut. Um dorthin zu gelangen, geht es weniger um den Kauf einer großen Datenbank und mehr darum, zu entscheiden, wer was besitzt.
Beginnen Sie damit, zu erfassen, welches System welches Feld besitzt. Das ERP könnte Kosten und Bestand besitzen. Das PIM besitzt Beschreibungen und Marketing-Attribute. Das CRM besitzt Kontaktdaten. Wenn zwei Systeme dasselbe Feld halten und sich widersprechen, brauchen Sie eine Übernahmeregelung, die festlegt, welches gewinnt und wann.
Ein Golden Record ist eine Entscheidung, welche Quelle gewinnt – nicht ein Lagerhaus, in dem Sie jede Kopie der Daten abladen.
Diese Unterscheidung ändert die Arbeit. Sie kopieren nicht alles an einen Ort. Sie schreiben die Logik, die Konflikte automatisch löst, sodass der Golden Record golden bleibt, wenn neue Daten ankommen.
Definieren Sie Dateneigentümer vor der Toolauswahl
Tools scheitern, wenn niemand die Daten besitzt. Gartner nennt fehlende Verantwortung unter den Kerngründen dafür, dass Datenqualitätsprogramme steckenbleiben – und die Lösung ist organisatorisch, nicht technisch.
Entscheiden Sie, wer ein neues Produkt genehmigt, bevor es live geht. Entscheiden Sie, wer einen Preis ändern darf. Geben Sie diesen Menschen einen Namen und eine Rolle – normalerweise „Data Steward" genannt. Die Rolle muss nicht Vollzeit sein. Sie muss klar sein.
Die gleiche Gartner-Forschung fand heraus, dass die meisten Organisationen die Datenqualität überhaupt nicht systematisch messen. Wenn Sie es nicht messen, können Sie nicht feststellen, ob Ihre MDM-Bemühungen funktionieren oder ob sie leise Dinge schlechter machen. Also gehen Ownership und Messung zusammen. Jemand besitzt die Daten, und diese Person überwacht die Metriken.
Automatisieren Sie Validierung, Matching und Anreicherung
Hier verdient „intelligent" seinen Namen, also verdient es den meisten Platz.
Drei Arten der Automatisierung leisten die Schwerstarbeit:
- Validierung beim Eintrag.
Regeln prüfen Daten, wenn sie ankommen. Ein Gewicht außerhalb eines sinnvollen Bereichs wird abgelehnt. Ein Pflichtfeld kann nicht leer bleiben. Schlechte Daten gelangen nie ins System, Sie müssen sie später nie bereinigen. - Matching und Deduplizierung.
Das System findet Datensätze, die das gleiche Ding beschreiben, auch wenn sie nicht identisch sind. Fuzzy Matching erkennt „Acme Corp" und „Acme Corporation" als ein Unternehmen und führt sie unter Ihren Übernahmeregelung zusammen. - Anreicherung und Zuordnung.
Fehlende Attribute werden aus einem vertrauenswürdigen Feed gefüllt. Eingehende Daten werden automatisch in Ihre Standardstruktur abgebildet – besonders wichtig für alle, die von vielen Lieferanten importieren.
Beispielsweise sahen wir in einem kürzlichen AtroCore-Projekt für einen Fertigungskunden genau dieses Muster; der größte Gewinn war die Validierung am Eingabepunkt. Ihr Problem war spezifisch. Etwa jedes zehnte Produkt trug einen Wert im ERP, der nicht mit seinem eigenen Datenblatt übereinstimmte – normalerweise eine Spannungsangabe oder eine Gehäusedimension, die jemand von Hand neu eingegeben hatte. Diese Unstimmigkeiten erschienen Wochen später als falsche Lieferungen und Gewährleistungsansprüche. Wir fügten eine Regel hinzu, die den eingegebenen Wert beim Speichern mit dem Quelldatenblatt abglich und den Datensatz blockierte, wenn die beiden nicht übereinstimmten. Der Fehler wurde am Schreibtisch der Person erfasst, die ihn eintrug, bevor der Datensatz den Katalog oder den Webshop erreichte.
Integrieren Sie MDM in Ihre bestehenden Systeme
Master Data Management ist nicht ein System, das Sie neben allem anderen betreiben. Es sitzt in der Mitte der Systeme, die Sie bereits haben, und hält sie miteinander im Einklang.
Ordnen Sie zunächst die Datenflüsse, um zu bestimmen, welche Daten in eine Richtung fließen und welche bidirektionale Synchronisation benötigen. Eine Produktbeschreibung könnte vom PIM zum Webshop in eine Richtung fließen. Lagerbestände müssen möglicherweise zwischen ERP und Shop bidirektional synchron sein. Zeichnen Sie es auf, bevor Sie es bauen.
Das Datenmodell ist wichtiger als die meisten Teams erwarten. Ein Hersteller mit konfigurierbaren Produkten kann nicht jedes Attribut in einen festen Spaltensatz zwingen. Die Anzahl der Merkmale ändert sich nach Produktklasse. Ein flexibles Modell, das Sie Attribute und Klassen hinzufügen lässt, ohne eine Datenbankmigration zu brauchen, erspart später viele Kopfschmerzen – besonders wenn eine neue Produktlinie nicht ins alte Schema passt.
Beschleunigen Sie Lieferanten- und Produkt-Onboarding
Distributoren spüren Datenprobleme am meisten beim Onboarding. Ein neuer Lieferant sendet eine Tabelle. Die Spalten sind in der falschen Reihenfolge, die Einheiten sind unterschiedlich, und die Kategorien passen zu nichts in Ihrem System. Jemand gibt es von Hand neu ein, und die Fehler gehen mit.
Die Lösung ist, diese manuelle Arbeit in wiederverwendbare Regeln umzuwandeln. Bauen Sie ein Importtemplate, ordnen Sie die Felder des Lieferanten ein Mal den Ihrigen zu und fügen Sie Validierung an, sodass schlechte Zeilen vor dem Speichern erfasst werden. Die nächste Datei von diesem Lieferanten läuft in Minuten durch die gleiche Zuordnung.
Klassifizierungsstandards helfen hier. ETIM ist ein offener internationaler Standard für die Klassifizierung technischer Produkte – und wenn Sie und Ihr Lieferant ihn sprechen, wird Mapping aufhören, eine Verhandlung zu sein. Die Attribute stimmen überein, weil sie von Anfang an auf die gleiche Weise definiert wurden.
Ein Distributor kann leicht eine zweiwöchige Lieferantenimport in einen Zweitages-Job umwandeln, indem er die Feldzuordnung wiederverwendbar macht statt sie jedes Mal neu aufzubauen.
Messen Sie, ob es funktioniert
Sie können nicht verbessern, was Sie nicht verfolgen. Wählen Sie einen kleinen Satz von Kennzahlen, die Sie dieses Quartal abrufen können, und beobachten Sie, wie sie sich verändern.
- Duplikatquote. Wie viele Datensätze beschreiben das gleiche Ding. Sie sollte sinken.
- Datenvollständigkeit. Der Anteil der Datensätze mit allen Pflichtfeldern gefüllt. Er sollte steigen.
- Onboarding-Zeit. Wie lange vom Lieferant-File bis zu sauberen, aktiven Datensätzen.
- Kanal-Fehlerrate. Wie oft erreichen falsche oder fehlende Daten einen Kundenkanal.
Diese vier sagen Ihnen mehr als ein Dashboard voller Vanity Metrics. Wenn die Duplikatquote fällt und die Onboarding-Zeit sinkt, tut Ihr MDM seinen Job. Wenn sie stagnieren, brauchen die Regeln oder die Verantwortung Aufmerksamkeit.
Wo Sie anfangen, ohne zu über-engineern
Der häufige Fehler ist, am ersten Tag alles zu modellieren. Teams ordnen jede Domäne, jedes Attribut und jeden Spezialfall, dann läuft ihnen die Energie aus, bevor etwas live geht.
Machen Sie das Gegenteil. Wählen Sie eine Domäne – normalerweise Produktdaten – und darin die Felder, die am meisten schmerzen.
Wählen Sie das eine Feld, das die meisten Neubestellungen und Retouren verursacht, reparieren Sie das, dann gehen Sie zum nächsten über.
Bringen Sie das end-to-end zum Laufen, beweisen Sie, dass sich die Zahlen bewegten, und nutzen Sie diesen Beweis zum Expandieren. MDM skaliert am besten, wenn es Vertrauen eine Domäne nach der anderen verdient. Ein kleines System, das läuft, schlägt einen umfassenden Plan, der nie startet.
Ein ehrliches Caveat zum Abschluss. Saubere Daten reparieren keinen kaputten Prozess. Wenn ein Lieferant immer wieder schlechte Dateien schickt oder ein Team immer wieder Preise im falschen Feld eingibt, wird MDM es erfassen – aber Sie zahlen immer noch dafür, denselben Fehler jede Woche zu erfassen. Reparieren Sie die offensichtlichen Prozesslücken parallel, und das Tooling hat weniger zu bereinigen.