Was ist ein Single Point of Truth?

Woran es fehlt: Es gibt keinen „Single Point of Truth”

Gültige Daten stehen im Mittelpunkt der strategischen, taktischen und operativen Steuerung jeder Organisation. Heute sind Daten zunehmend als Produktionsfaktor zu sehen. In Zeiten exponentiell und rapide wachsender Datenmengen reicht jedoch ein „Je mehr Daten desto besser“-Ansatz nicht mehr aus. Daten und Analytik müssen einen Mehrwert bieten, um Geschäftsmodelle neu auszurichten und Prozesse wirksam zu verbessern. Aber leisten sie das auch? Oftmals ist das nicht der Fall, weil die Datenqualität mangelhaft ist und die analytischen Fähigkeiten nicht voll ausgeschöpft werden können. Von den wachsenden Herausforderungen für die Datenqualität muss man sich nur eine einzige merken, um den erforderlichen „sense of urgency“ zu entwickeln: Falsche Daten führen in datengetriebenen Umgebungen zu falschen Informationen und damit zu falschen Entscheidungen.

Organisationen sind sich daher der Relevanz von qualitativ hochwertigen Daten und ihrer effektiven Nutzung bewusst und rücken mehr und mehr Datenqualität, Data Governance und Datenstrategie in den Mittelpunkt. Sie wollen über die Sammlung möglichst vieler Daten hinausgehen und Daten aktiv zur Verbesserung ihrer Geschäftsentscheidungen nutzen. Allerdings klafft zwischen diesem Vorhaben und seiner Umsetzung in der Realität in vielen Unternehmen eine empfindliche Lücke.

Der Grund: Sie haben Probleme mit ihren Daten. „Stammdaten sind in unterschiedlichen Systemen verstreut und inkonsistent, andere Daten liegen in unverständlicher kryptischer Form vor, sie sind nicht auffindbar, veraltet oder widersprechen sich“, so Lars Iffert, Analyst Data & Analytics bei BARC.

Damit beschreibt Iffert exakt, woran es fehlt: Es gibt keinen „Single Point of Truth”.

 

Was ist ein Single Point of Truth?

Der „Single Point of Truth”, kurz SPOT (oder auch „Single Source of Truth”, SSOT), ist die eine einheitliche, verlässliche und aktuelle Datenbasis für das gesamte Unternehmen/die gesamte Unternehmensgruppe, der „Golden Record” für Kunden-, Lieferanten-, Finanz-, Produkt- und alle anderen Arten von Stammdaten. Ist ein „Single Point of Truth” vorhanden, gibt es keine redundante, inkonsistente Datenhaltung in nebeneinander existierenden Datensilos mehr; stattdessen gibt es nur noch eine Datenquelle, aus der sämtliche angeschlossenen Systeme bedient werden.

Ein „Single Point of Truth” kann dazu beitragen, folgende Kostenaspekte schlechter Datenqualität (nach J. Hüfner, 2004) zu minimieren:

  • Externe Kommunikationskosten, bspw. durch Postrückläufer, Doppelerfassungen, Mehrfachkontaktierungen, ineffiziente Marketingkampagnen.
  • Interne Verwaltungskosten, bspw. durch Beschaffung richtiger Daten, Abstimmung und händische Aktualisierung, fehlenden Gesamtüberblick über einen Kunden, ineffiziente manuelle Bereinigung fehlerhafter oder veralteter Daten.
  • IT-Kosten, bspw. durch Datenmigrationsaufwand, programmiertechnische Wiederaufbereitung mangelnder Datenqualität.
  • (Fehl-)Entscheidungskosten, bspw. durch Fehlinterpretationen aufgrund falscher oder nicht zusammenfassbarer Quelldaten.
  • Produktionskosten, bspw. durch Rückrufaktionen wegen Produktionsmängeln, die auf fehlerhaften Produktionsdaten oder Berechnungen beruhen.
  • Umsatzeinbußen, bspw. durch ineffizientes Cross-Selling oder nicht zustellbare Rechnungen.

 

Bedeutung und Nutzen des Single Point of Truth für die Praxis

Wie kann der Single Point of Truth den Alltag in der Praxis verbessern? Wie wirkt sich der Single Point of Truth auf den Erfolg des eigenen Unternehmens aus? Im Auftrag des kalifornischen Unternehmenssoftwareanbieters Veritas Technologies hat das Forschungsunternehmen Vanson Bourne Ende 2018 1500 IT-Entscheider in 15 Ländern weltweit (darunter Deutschland und die Schweiz) zu ihren Herausforderungen und Erfolgen im Umgang mit Unternehmensdaten befragt.

Die Umfrage bestätigt: Ein ineffektives Datenmanagement belastet die Unternehmen erheblich, da es die Effizienz, Produktivität und Rentabilität beeinträchtigt. Fast alle IT-Verantwortlichen (97 Prozent) bekunden, die täglichen Herausforderungen beim Datenmanagement hätten einen großen Einfluss auf ihre Organisation. 38 Prozent geben an, die strategischen Entscheidungen ihres Unternehmens würden aufgrund ineffektiver Datenmanagement-Prozesse verzögert.

Verpasste neue Umsatzmöglichkeiten nennen 35 Prozent der Befragten, während jeweils 34 Prozent eingeschränkte Kosteneinsparungen und eine Verlangsamung bei der Entwicklung neuer Produkte und Dienstleistungen beklagen. Ein ineffektives, durch Silos und damit durch einen fehlenden „Single Point of Truth” geprägtes Datenmanagement wirkt sich auch langfristig aus. 95 Prozent der Unternehmen berichten von solchen Langfristfolgen. Dazu zählen erhöhte Betriebskosten (39 Prozent), die Beeinträchtigung der Mitarbeiterproduktivität und -effizienz (36 Prozent), mangelnde Agilität (35 Prozent), der Verlust der Wettbewerbsfähigkeit (29 Prozent) und eine steigende Kundenunzufriedenheit (25 Prozent). Die hier aufgeführten Problempunkte sind genau diejenigen, die durch einen „Single Point of Truth” adressiert und gelöst werden können.

 

Wie wird ein Single Point of Truth in der Praxis integriert und welche Schritte gibt es dabei zu beachten?

Um einen „Single Point of Truth” zu installieren, müssen in der Regel folgende Schritte durchlaufen werden:

  • Bestandsaufnahme der vorhandenen Datenquellen im Unternehmen.
  • Evaluation/Abgleich der in den verschiedenen Quellen vorhandenen Datensätze.
  • Konsolidierung/Harmonisierung der Datensätze zur einen „Wahrheit”.
  • Entwicklung und Einführung unternehmensinterner Richtlinien für den Umgang mit Daten: Die Data Governance definiert einheitliche Prozesse, Rollen und Verantwortlichkeiten für Dateneingabe, -freigabe und -pflege.
  • Einführung einer professionellen Softwarelösung für das Stammdatenmanagement.

Besonders wichtige Punkte, die in der Praxis häufig als Hürde im Weg stehen

Zwar ist die Bedeutung eines „Single Point of Truth” für Stammdaten allenthalben bekannt, diesen in die Tat umzusetzen ist aber nach wie vor schwierig. Dafür gibt es vor allem drei Gründe: den bereichsübergreifenden Charakter der Aufgabe, den schwer messbaren Nutzen oder Schaden aus mangelhaften Stammdaten und die organisatorischen Änderungen, die ein effizientes Stammdatenmanagement mit sich bringt.

Ein wirksames Stammdatenmanagement erfordert oftmals ein Umdenken in den Prozessen zur Datenentstehung und -verwendung. Vor allem aber müssen Fachbereiche und IT stärker zusammenarbeiten und die Fachbereiche in die Ausgestaltung des Stammdatenmanagement einbezogen werden.

 

Wie entwickelt sich die Relevanz des Single Point of Truth in Zukunft?

Geschäftliche Aktivitäten und Prozesse hängen heute maßgeblich davon ab, ob und inwieweit es den Unternehmen gelingt, ihre Daten professionell zu managen und eine nachhaltige Datenqualität sicherzustellen. Ob Daten wichtig sind und ihre Bedeutung wächst, darüber gibt es heute keine zwei Meinungen. Daten sind der Grundstoff der digitalen Ökonomie, ihre Bedeutung kann gar nicht überschätzt werden.

Für die Zukunft sind laut einer PwC-Studie branchenübergreifend 90 Prozent aller Unternehmen davon überzeugt, dass die Fähigkeit, große Datenmengen effizient zu analysieren und effektiv zu nutzen, für den Erfolg ihres Geschäftsmodells von entscheidender Bedeutung sein werden. Ohne einen „Single Point of Truth” wird ihnen das nicht gelingen.

 

Erfahren Sie in unserem Blogbeitrag „Was ist Stammdatenmanagement?” mehr über die Vorteile und die Umsetzung des Stammdatenmanagements.

 

Hat Ihnen dieser Beitrag gefallen? Lassen Sie sich regelmäßig von uns über neue Beiträge informieren und registrieren Sie sich hier:

BLOG ABONNIEREN

 

Zurück zum Blog

Verwandte Themen

Vorgehensweise für die erfolgreiche Implementierung einer MDM-Lösung

Für die Einführung einer MDM-Lösung gibt es grundsätzlich zwei Herangehensweisen. Wir empfehlen,...

Wie Datenmana­gement zu besseren Geschäfts­ergebnis­sen führt

Ineffektives Datenmanagement belastet Unternehmen Im Auftrag des kalifornischen...

Die 6 wichtigsten Treiber für Master Data Management

Die Auswirkungen und Kosten schlechter Datenqualität in mittelständischen Unternehmen müssen...