Korrekte Daten sind die Basis für KI-Anwendungen

Die Datenflut in den Unternehmen nimmt zu. Jede Abteilung erfasst über verschiedene Anwendungen Informationen, die aber häufig nur in Datensilos landen und ohne Zusammenführung und Analyse zu keinen Erkenntnissen führen. Die Lösung liegt in einem geordneten Stammdatenmanagement, das übrigens auch die Grundlage für die Integration von KI-Anwendungen (Künstliche Intelligenz) ist.

Frau Meier, Frau Meyer oder Frau Maier? Gleich mehrfach findet sich der Datensatz in der digitalen Kundenkartei, immer mit der gleichen Adresse – welche Schreibweise stimmt wohl? Solche offensichtlich duplizierten und falschen Stammdaten, also Grundinformationen für einen effizienten Geschäftsbetrieb, sind ein großes Problem. Schließlich stecken die Unternehmen mitten in der digitalen Transformation, und erhoffen sich dadurch datenbasierte und somit bessere Entscheidungen treffen zu können.

Nur, wenn sie sich auf ihre Daten nicht verlassen können, wird dieser Umstand nicht eintreten. Frau Meier, Frau Meyer oder Frau Maier wird nicht nur sauer sein, dass eine ihrer Lieblingsmarken ihren richtigen Namen nach jahrelanger Kundenbeziehung immer noch nicht weiß, auch die internen Vertriebs- und Marketingteams werden Probleme haben, mit fehlerhaften Datensätzen Customer Journeys auf verschiedenen Kanälen zu verfolgen und zu optimieren.

Neben den falschen Daten ist auch die Menge an Informationen, die in digitalisierten Märkten entstehen, eine Herausforderung. Aktuelle Unternehmenssysteme sind häufig mit dem Volumen und der Vielfalt überfordert und stellen die nötigen Daten nicht schnell genug zur Verfügung.

Aus falschen Daten entstehen schlechte KI-Anwendungen

Neben ineffizienten Prozessen und verärgerter Kundschaft verursachen fehlerhafte Datensätze noch ein weiteres Problem: Es ist unmöglich, daraus KI-Anwendungen zu entwickeln. Jetzt, da viele Unternehmen Künstliche Intelligenz in ihre Prozesse integrieren möchten, müssen sie unbedingt Ordnung schaffen. Schließlich lernen ML- (Machine Learning) und KI-Algorithmen aus Daten; sind diese fehlerhaft, hat das negative Auswirkungen.

Die beste Möglichkeit, um wichtige Stammdaten über Produkte, Lieferanten, Kundschaft, Mitarbeitende, Standorte und Inventar zu bereinigen, ist das Stammdatenmanagement (Master Data Management, MDM). Durch die Zusammenführung und Bereinigung von Daten aus verschiedenen Quellsystemen in eine MDM-Plattform soll ein „Golden Record“ entstehen: ein zuverlässiger und eindeutiger Datensatz, der die Grundlage für fundierte strategische Entscheidungen und die Rationalisierung von Geschäftsprozessen bildet.

Auch, wenn viele Unternehmen am liebsten gleich zur technischen Umsetzung einer MDM-Plattform schreiten würden, müssen sie vorher einige theoretische Überlegungen anstellen und Prozesse verändern. MDM umfasst viel mehr als die Auswahl des richtigen Tools: Es ist eine Geschäftsthematik und kann nur gelingen, wenn eine Organisation das Projekt gemeinsam angeht. Häufig kommt es vor, dass verschiedene Abteilungen und Teams sich für die gleichen Daten zuständig fühlen und Prozesse unterschiedlich angehen. Es ist daher entscheidend, im Vorfeld eines MDM-Projektes im Sinne von Data Governance klare Eigentumsverhältnisse der Daten festzulegen. Nur, wenn Verantwortlichkeiten und Befugnisse klar definiert sind, können konsistente und korrekte Daten im gesamten Unternehmen vorliegen. Sind die nötige Datenreife, Zuständigkeiten und Prozesse geklärt, kann die Implementierung eines MDM-System erfolgen.

Ordnung in die Stammdaten

Je nachdem, wie schnell Unternehmen eine hohe Datenqualität brauchen, sollten sie auch die Methode für die Umsetzung des Projektes wählen. Eine Einführung nach dem klassischen Wasserfallmodell, bei dem die Beteiligten Schritt für Schritt ein theoretisches technisches Konzept entwickeln und dann ausrollen, nimmt häufig viel Zeit in Anspruch. Wer rasche Ergebnisse sehen möchte, sollte lieber agil vorgehen. Hierbei helfen externe Experten, die bei der Prozessberatung unterstützen, eine Roadmap erstellen, die technische Umsetzung planen ¬– und parallel schon einmal aufräumen. Zum Beispiel mit einem Data-Steward-as-a-Service, bei dem Dienstleister den Job des Data Steward übernehmen – einer Schlüsselposition im Data Management, die dafür sorgt, dass Datenqualität und strategische Vorgaben eingehalten werden.

Am besten funktioniert die Zusammenarbeit zwischen Unternehmen und externen Data Stewards über cloud-basierte MDM-Plattformen wie Profisee oder anderen benutzerfreundlichen Tools, in der Teams im Sinne des Data Mesh auf die bereinigten Daten zugreifen und sie dort auch gleich für die Entwicklung neuer Produkte nutzen können. Mitarbeitende jeder Unternehmensstufe müssen jederzeit auf sämtliche Erkenntnisse aus Daten zugreifen können, um ihre Arbeit effizient erledigen und Kunden besser betreuen zu können. Zum Beispiel indem sie Datenlösungen nutzen, die die Kombination von Front- und Backoffice ermöglichen und mit verschiedenen Informationskanälen verbunden sind.

Die drei goldenen Regeln des MDM

Überhaupt spielen Mitarbeitende beim MDM eine sehr große Rolle. Die Thematik funktioniert nur, wenn sich alle an die drei goldenen Regeln halten: korrekte Dateneingabe, die Einhaltung von Prozessen und die Aufrechterhaltung einer hohen Datenqualität. Alle Beschäftigten müssen diese verinnerlichen. Anfangs ist die Einführung von MDM sicher eine Herausforderung, denn das Einrichten neuer Prozesse, die Einführung von Technologien und die Neudefinition von Arbeitsabläufen kann Widerstand hervorrufen. Deshalb sind Aufmerksamkeit für solche Veränderungen und Anleitung ein Muss. Es geht nicht nur darum, die Belegschaft im Umgang mit den neuen Tools zu schulen, sondern die Mitarbeitenden sollten auch verstehen, warum MDM wichtig ist, welchen Nutzen es bietet und wie es ihre täglichen Aufgaben vereinfachen kann.

Schließlich bieten hochwertige Daten Unternehmen und ihren Mitarbeitenden sehr viele Möglichkeiten. Marketers, Business Developer und Senior Managerinnen und Manager entwickeln damit etwa neue Geschäftsmodelle zur Kundenakquise, -betreuung und -bindung. Das Talent von Mitarbeitenden, kreativ sämtliche Möglichkeiten zu nutzen, die Daten und Technologie bieten, wirkt sich direkt auf die Wettbewerbsfähigkeit von Unternehmen aus. Die Voraussetzung dafür ist jedoch, dass die Daten gut unter Kontrolle sind und richtig bei den Mitarbeitenden ankommen.