Masterdatamanagement: ‘Van frustratie tot totaalaanpak’

Inleiding

‘Wat levert masterdatamanagement nu precies op?’ Er zijn meerdere oorzaken te benoemen voor de stijgende belangstelling voor de waarde van masterdata. Zo is er vanuit het oogpunt van procesoptimalisatie een groeiende bewustwording dat voor met name ERP-processen, maar in feite voor alle geautomatiseerde processen, juiste en accurate brondata voor transactionele processen randvoorwaardelijk is. Tegelijkertijd krijgt men daarbij steeds meer oog voor het feit dat de huidige groei van managementinformatie, rapportages en dashboards binnen bedrijven afhankelijk is van diezelfde brondata. Externe toezichthouders stellen ook steeds vaker harde eisen aan verplichte rapportages gebaseerd op regelgeving, zoals onder andere Basel, Solvency, SOx, Reach[REACH: Registration, Evaluation and Authorisation of Chemicals is een systeem voor registratie, evaluatie en toelating van chemische stoffen die in de Europese Unie geproduceerd of geïmporteerd worden. Het doel van het REACH-systeem is het beheersen van de risico’s van chemische stoffen, zoals de risico’s op giframpen, brand en explosies, gezondheidsschade bij werknemers en consumenten, en schade aan het milieu.] en privacywetgeving. Bijkomstigheid is dat er vanuit een controleperspectief ook steeds meer nadruk wordt gelegd op de data door IT-auditors. Een IT-audit vereist tegenwoordig steeds meer inzichten en rapportages waarin men moet beschikken over een correcte en volledige audit trail gebaseerd op juiste, volledige en tijdige (master)data. Ook hiervoor is masterdatamanagement randvoorwaardelijk. De impact van juiste en volledige informatie op verschillende bedrijfsactiviteiten is dus groot.

Deze hoge mate van afhankelijkheid zorgt ervoor dat slechte data binnen bedrijven veelal problemen opleveren:

• gemiste kansen in functionaliteit (bijvoorbeeld geautomatiseerde procesactiviteiten en automatisch bestellen);
• verhoogd risico op inefficiënties in de data- en operationele processen door herstelwerkzaamheden ([Jonk11] [Unen12]);
• mate van betrouwbaarheid en herleidbaarheid van rapportages/deze dienen in hoge mate correct en volledig te zijn en de juiste en relevante managementbeslissingen te kunnen nemen;
• extra kosten als gevolg van onjuiste, niet-volledige en niet-tijdige data (bijvoorbeeld onjuiste betalingen, wettelijke boetes, imagoschade).

Nu het besef groeit dat onjuiste, onvolledige of niet-tijdige masterdata de oorzaak is van dergelijke bedrijfsproblematiek, richten steeds meer bedrijven zich op het verbeteren van de kwaliteit van hun masterdata. Vaak maakt een eerste inventarisatie al snel duidelijk dat de situatie op het gebied van datamanagement zeer complex is. Veelal zijn er verschillen in bronsystemen en kwaliteit, overlappende doeleinden, uiteenlopende contexten en belangen, en onduidelijkheid over eigenaarschap. Een dergelijke complexiteit betekent maar al te vaak een risico op een groot en onvoorspelbaar budget om de ingewikkelde situatie te kunnen aanpakken. In de huidige economie is het verkrijgen van budgetten allang niet meer vanzelfsprekend. Steeds meer willen bedrijven vooraf een businesscase zien op basis van een kosten-batenanalyse. Sommige data-aspecten zijn goed in geld uit te drukken (kostenefficiëntie door procesoptimalisatie), maar lang niet altijd zijn de voordelen vooraf in waarde uit te drukken (betere rapportages, voldoen aan compliance en besparingen op audits).

Hierdoor wordt de businesscase voor de aanpak van datamanagement vaak fragmentarisch en onvolledig. Bedrijven richten zich op die bedrijfsonderdelen waar men de meeste hinder ondervindt en pakken alleen specifieke pijnpunten aan. Of men kiest ervoor om enkel datamanagement in te richten op basis van vooraf vastgestelde baten.

Zo heeft een foodretailbedrijf de businesscase gericht op een kostenbesparing in het datamanagementproces. Hierdoor kon het aantal betrokken fte’s worden verminderd en herstelwerk worden voorkomen, en behoorde het achteraf opschonen van data grotendeels tot de verleden tijd. De behaalde jaarlijkse besparing was zo groot dat deze voldoende was voor een businesscase. Het betrof echter niet de gehele bedrijfsproblematiek. Dit betekende dat men zich aan het einde van het verbetertraject realiseerde dat er nog meer zaken konden worden verbeterd.

Een solide businesscase

De vraag is hoe organisaties hun problemen rondom masterdatamanagement het beste kunnen onderbouwen met een goede businesscase.

Over het algemeen wordt een businesscase vaak gezien als een financiële verantwoording voor een investering die gemaakt moet worden, of zoals Donkers ([Donk05]) omschrijft: ‘Een businesscase is een investeringsvoorstel, een verantwoording waarom het zinvol is om het project uit te voeren. In een goede businesscase worden kosten, risico’s en baten tegen elkaar afgewogen.’

Een businesscase voor datamanagement omvat meer.

Voor een gedegen businesscase en aanpak van datamanagement is het belangrijk om de juiste relatie te leggen tussen problemen vanuit bedrijfsvoering en dataproblematiek.

Er bestaat dan ook een N:N relatie tussen beide. De focus van de businesscase moet daarom liggen op die problemen en verbeterpunten binnen de business, welke te relateren zijn aan data.

Figuur 1. Focus op de bedrijfsproblemen gerelateerd aan dataproblematiek.

Nadat men de bedrijfsproblematiek heeft gekoppeld aan datamanagement, is het verstandig om een goed begrip te kweken omtrent datamanagement bij relevante stakeholders. Zij zijn onvoldoende bekend met de materie waardoor het risico bestaat dat er onvoldoende budget beschikbaar komt.

Presenteer in de businesscase alle essentiële pijnpunten telkens vanuit twee invalshoeken. Laat zien wat de kosten zijn van de pijnpunten en geef daarbij tevens aan wat het risico is wanneer het datamanagement niet op orde is. Door dit principe aan te houden wordt het complexe karakter van datamanagement begrijpelijk voor de business.

Verdeel de Return on Investment in kostenbesparingen en kwalificaties. Een groot chemiebedrijf maakte dit onderscheid door aan de ene kant de mogelijkheden te laten zien bij het verbeteren van de bedrijfsvoering en managementinformatie. Dit betrof onder meer betrouwbaarheid van informatie, gemis aan innovatie in primaire processen, boetes en gemiste betalingen en omzet. En door anderzijds de kosten weer te geven die konden worden bespaard op arbeidsplaatsen op een mondiale basis.

Een ander uitgangspunt dient te zijn het vermijden van dataspecifieke problematiek en jargon die op die manier niet herkenbaar zijn voor de bedrijfsvoering. Zo is een groot logistiek bedrijf bij het opstellen van zijn businesscase voor datamanagement er alert op geweest zich inderdaad in mindere mate te focussen op data, maar zich juist te richten op de bedrijfsproblematiek met de stelling: ‘Relateer de businesscase voor datamanagement ook daadwerkelijk aan de business of loop het risico te falen’. Datamanagement an sich wordt nu eenmaal door het merendeel van het bedrijf ronduit saai gevonden. Om juist de toegevoegde waarde voor alle stakeholders herkenbaar te maken, heeft men zich gericht op het doorgronden van alle aspecten van data. Hoewel tijdrovend heeft men zich verdiept in de verschillende datadefinities, soorten, eigenaarschap, impact en verbeteringen. Bijkomend effect daarvan was dat op alle bedrijfsniveaus een goed begrip is ontstaan omtrent het belang van datamanagement. Het creëren van draagvlak was hierdoor slechts een kwestie van tijd. Deze alomvattende aanpak heeft uiteindelijk geleid tot een totaalprogramma voor datamanagement binnen het bedrijf.

Typerende valkuilen

Samengevat bevat het opstellen van een goede businesscase voor datamanagement een aantal valkuilen:

• Gefragmenteerde of beperkte aanpak waardoor men niet genoeg draagvlak en steun krijgt voor de gevraagde investering.
• Dezelfde data wordt door verschillende onderdelen binnen bedrijven op verschillende wijze gebruikt. Hierdoor ontstaat er een verschil in impact voor degene die zich aan het begin van een proces bevindt (een dataproducent) en voor iemand op het eind van een proces (een dataconsument). Het is de kunst om de businesscase voor de gehele organisatie op te stellen en niet slechts voor een beperkte groep binnen een keten of organisatie.
• Vervallen in dataterminologie. De business herkent hierdoor de eigen problematiek niet en vindt het onderwerp niet relevant. Maak een businesscase helder voor alle bedrijfs- en kennisniveaus. Wat voor een IT-manager goed te begrijpen is kan voor een eindgebruiker niet interpreteerbaar zijn en vice versa.
• Gebrek aan een holistische blik bij het opstellen van de businesscase. Wanneer deze is opgesteld in een brij van losse voorbeelden en uitwerkingen, ontbreekt een gestructureerd model. Zonder een model of een referentie is een businesscase moeilijker te begrijpen en te relateren aan concrete voorbeelden.
• De businesscase beschouwen als eindproduct. Data is flexibel en kan snel van karakter veranderen. Zeker bij een langdurig project is het belangrijk om goed de vinger aan de pols te houden en na te gaan of de opgestelde baten nog steeds in lijn zijn met de huidige stand van zaken.

Een uitgebreide kijk op data voor de businesscase

De zojuist aangehaalde casus voor het logistieke bedrijf laat het al zien: wanneer men support wil voor een businesscase is het beter om alle relevante aspecten nader te bekijken. Dit betreft zowel interne als externe factoren.

Ontwikkelingen en trends

Organisaties op zoek naar verbetermogelijkheden voor masterdatamanagement hebben voor wat betreft masterdataproblematiek hun eigen specifieke achtergrond en bijbehorende oorzaken, maar zijn vaak binnen sectoren en branches grotendeels overeenkomstig. Zo is in de retailbranche e-commerce een groeimarkt (webshop). En juist e-commerce is in nog grotere mate dan winkelretail afhankelijk van masterdatamanagement. In het huidige tijdperk waar e-commerce voor bedrijven steeds belangrijker wordt, is het essentieel om klanten juiste informatie te kunnen bieden. Denk daarbij aan productprijs, foto’s of zelfs video’s. Bedrijven die in staat zijn op de juiste wijze gebruik te maken van de juiste data zijn de echte winnaars bij de klant. Een website die onvolledige informatie biedt of geen beeldmateriaal kan laten zien (een e-commerce doodzonde) zal merken dat klanten aanzienlijk minder afnemen dan bij de concurrent die daartoe wel in staat is. In een tijdperk van groeiende e-commerce een gemiste kans. Daarbij komt nog dat bedrijven die e-commerce toepassen – met name retailers, vanaf 2014 te maken krijgen met nieuwe Europese wet- en regelgeving.[EU Food Information Regulation  (FIR) voor distance selling (E-commerce) De wetgeving voor e-commerce is vanaf 2014 van kracht en stelt als eis dat consumenten bij e-commerceactiviteiten recht hebben op informatie omtrent de kenmerken van een product op dusdanige wijze dat deze gelijk is aan een winkelsituatie. Deze informatie betreft met name ingrediënten en allergiespecificaties, waarbij het gaat om MDM-data. Maar de productkenmerken dienen ook visueel te worden weergegeven via bijvoorbeeld fotomateriaal. Er worden sancties opgelegd bij het niet voldoen aan de FIR-wetgeving.]

In de financiële wereld spelen aspecten zoals het voldoen aan steeds veranderende wet- en regelgeving, bijvoorbeeld Basel en Solvency. Maar ook een ontwikkeling zoals SEPA vraagt om een volwassen masterdatamanagementsituatie.

Bedrijven die zich op de internationale wereldmarkt begeven zijn op zoek naar mogelijkheden voor global reporting. Met name op het gebied van spendanalyse is de behoefte aan juiste en eenduidige masterdata groot.

Efficiëntie in het aanleveren van masterdata

Slechte masterdatabeheerprocessen leiden vaak tot extra werkzaamheden. Zowel bij het invoeren of aanmaken van data als bij de workarounds die in de productieprocessen zijn geslopen. Deze extra werkzaamheden kunnen herkend worden door aanvullende acties bij het volledig en juist maken van data. Of aan discussies en overleg die telkens nodig blijken wanneer men masterdata correct wil gebruiken voor managementinformatie of datalogistiek. Een simpel overzicht laat snel zien waar besparingen mogelijk zijn wanneer er op basis van ‘first time right'[‘First time right’ is de mate waarin masterdata bij de primaire vastlegging correct is. Het is een teken van inefficiëntie als na de primaire vastlegging nog enkele wijzigingen (binnen bijvoorbeeld dertig dagen) doorgevoerd moeten worden om de masterdata correct te krijgen.] data wordt ingevoerd.

Business Process Optimization

De laatste jaren hebben bedrijven hun processen steeds meer ‘lean’ ingericht. De focus daarbij is altijd geweest op ‘waste elimination’ en in veel mindere mate op de datalogistiek die bij de processen hoort. Maar juist slechte kwaliteit van data beperkt de mate van procesoptimalisatie. Workarounds en mogelijk zelfs rework gebaseerd op verkeerde data zijn bij de meeste bedrijven nog steeds aan de orde van de dag. Dit staat verdergaande procesoptimalisatie in de weg, waardoor de werkelijk te behalen efficiëntie nooit bereikt kan worden. Tel daarbij de kosten voor rework op en de businesscase is snel gemaakt.

Planning, inkoop en voorraadbeheer

Goed inkoop- en opslagmanagement houdt een bedrijf flexibel en drukt de kosten. Toch zijn er nog weinig bedrijven die hun data verbeteren om inkoop- en opslagprocessen te optimaliseren. Praktisch gezien betekent dit dat er bij de inkoop van materialen en producten nog verdergaande effectiviteit te halen valt. Maar ook dat aan bepaalde klantverwachtingen zoals snelle levering niet altijd kan worden voldaan. Ook zijn er door middel van datamanagement kostenbesparingen te behalen aan het einde van een productiecyclus. Bedrijven die een goed overzicht hebben van (gewenste) aanwezige materialen en producten inclusief benodigde opslag kunnen besparingen doorvoeren. Mits dit gebaseerd is op correcte informatie. De eigen data op orde hebben levert dan een win-winsituatie op.

Hoe te komen tot een solide businesscase voor masterdatamanagement?

De complexiteit en valkuilen maken het niet eenvoudig om tot een goede businesscase voor (master)data te komen. Het is verstandig om door een gestructureerde totaalaanpak een organisatiebreed draagvlak te genereren. De focus van een dergelijke aanpak wordt gedragen door de vier pijlers van masterdatamanagement: Governance, Processen, Content en Systemen. Deze pijlers zijn zodanig verbonden met operationeel, tactisch en strategisch niveau, (zie figuur 2 ([Jonk11])), dat zij de mogelijkheid bieden tot een breed gedragen en volledige businesscase.

Figuur 2. De vier pijlers van MDM.

Aanpak

Bij het opstellen van een businesscase voor datamanagement dient men een aantal afwegingen te maken, gebaseerd op valkuilen, het oplossen van problematiek en het vermijden van risico’s. De mate van detail en volledigheid is telkens afhankelijk van bedrijf of zelfs sector. Maar de case dient zich altijd te richten op de gevolgen van slechte datakwaliteit. Daarbij kan het lonend zijn om naast de frustraties in reguliere werkzaamheden te kijken naar projecten waarvoor masterdata randvoorwaardelijk is. Het komt vaak voor dat doelstellingen van een project niet gehaald kunnen worden, juist doordat de masterdata niet op orde is. Als MDM randvoorwaardelijk is, kan het MDM-programma gebruikmaken en meeliften op de businesscase van het project. Het kan verstandig zijn om bij een belangrijk project aan te haken, om zo de businesscase voor masterdata sluitend te krijgen.

Het herkennen van de masterdataproblematiek als oorzaak van bedrijfsproblematiek is een eerste vereiste voor een datamanagement businesscase. Dit maakt een methodische aanpak noodzakelijk.

Deze aanpak bestaat uit vijf stappen.

Stap 1. Als eerste dient de bedrijfsproblematiek op elk niveau geïdentificeerd te worden per MDM pijler (Governance, Processen, Content en Systemen) zoals beschreven in figuur 3.

Stap 2. De problemen dienen vervolgens gerelateerd te worden aan mogelijke gevolgen, impact op de bedrijfsvoering en het vermijden van risico’s. Hierbij kan al een eerste inschatting worden gemaakt van de kosten en organisatiebrede gevolgen die deze problemen opleveren.

Stap 3. Direct daarna wordt gekeken wat de relatie is met masterdata (management). Indien er geen relatie is tussen de gevonden problematiek en masterdata, dan kan het probleem geen deel uitmaken van de masterdatamanagement businesscase. Zie hiervoor ook figuur 2.

Stap 4. Indien er wel een relatie is vastgesteld, dient er een koppeling te worden gemaakt met een kostenpost- en impactanalyse.

Stap 5. Wanneer de masterdata zodanig door het bedrijf zijn gevlochten dat het niet mogelijk is om een directe kostenpost en gevolgen te bepalen (doordat het risico zich nog niet heeft voorgedaan), is de vijfde stap van figuur 3 noodzakelijk. Deze stap is nodig om de businesscase sterker te maken. Hierin wordt een risicoanalyse uitgevoerd om de problemen concreter te maken en ook in waarde uit te kunnen drukken.

Figuur 3. Businesscasemodel aan de hand van de vier MDM-pijlers.

Het is belangrijk om deze aanpak voor alle MDM-pijlers toe te passen. Dit verkleint de kans dat er in een aantal valkuilen gestapt wordt zoals een gefragmenteerde en onvolledige, te veel op data en IT gerichte of niet breed gedragen businesscase. In tabel 1 geven we een aantal voorbeelden per pijler, waarop de businesscase gebaseerd zou kunnen worden.

Tabel 1. Businesscasevoorbeelden per MDM-pijler.

Conclusie

Een organisatie merkt masterdatamanagementproblemen vaak door problemen vanuit de praktijk bij primaire processen, beslissingen gebaseerd op onvolledige rapportages of boetes van toezichthouders. Het kunnen relateren en kwantificeren van deze aspecten op basis van risicomitigatie en pijnpunten oplossen, geldt als de basis van een goede businesscase voor datamanagement.

Zowel de retailer als het logistieke bedrijf beschreven in dit artikel heeft ondersteuning en budget gekregen voor zijn businesscase. Er was er echter wel een verschil in aanpak. De eerste richtte zich op een beperktere scope. Het logistieke bedrijf heeft vanaf het begin ingezet op een totaalprogramma voor datamanagement. Het verschil zit hem in de doelstelling voor de lange termijn. Een casus gebaseerd op een kostenbesparing in de dataprocessen, beperkt de te behalen efficiëntie en innovatie op de lange termijn. Bedrijven die zich richten op (master)datamanagement doen er goed aan een uitgebreide inventarisatie uit te voeren op dataproblematiek en alle lopende verbeterprojecten of initiatieven waarvoor masterdata randvoorwaardelijk is. Om volledig te zijn is het goed om hierbij de vier pijlers van MDM als leidraad te nemen. Zo had de retailer aan de hand daarvan reeds bestaande projecten voor e-commerce, inclusief bijbehorende wet- en regelgeving, vooraf kunnen identificeren. Inrichten van volwaardige e-commerceactiviteiten zou hebben geleid tot een casus voor verhoogde omzet, klantenbinding en het voldoen aan complianceaspecten. Het verkrijgen van draagvlak voor de gevraagde investering verloopt op die manier soepeler dan een businesscase die zich enkel richt op dataproblematiek met een beperkte scope.