Smart Data Management

838 Aufrufe

Veröffentlicht am

0 Kommentare
1 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
838
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
3
Aktionen
Geteilt
0
Downloads
9
Kommentare
0
Gefällt mir
1
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Smart Data Management

  1. 1. Smart Data ManagementDas strategische Potenzial für flexible ProzesseDr. Oliver Oswald Jan Appl l automotiveDAY: IT-Gipfel der Automobilindustrie 2012© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH
  2. 2. Smart Data Management – wo kommen wir her?Die Anforderungen an die IT-Strategien im Laufe der Zeit Prozessintegration Integrierte ERP Systeme Technologieharmonisierung Prozess- und einheitliche Schnittstellenkonzepte und Datenharmonisierung Aufbau von ERP Funktionalitäten Globale Templates Unternehmen schaffen global integrierte Geschäftsprozesse Unternehmen integrieren Prozesse über Fachressorts hinweg Unternehmen organisieren sich nach fachlichen Silos 1960 1980 1995 2010 20xx© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 3
  3. 3. Smart Data Management – was sind die Herausforderungen?Zunehmende Agilität der Prozesse und ein steigendes Datenvolumenerfordern einen veränderten Umgang mit Daten und Prozessen Dimension Prozess: Durch schnellere Veränderungen im Business  Drastische Verkürzung der Innovationszyklen  Schnelle Veränderungen in der Unternehmensstruktur  Differenzierung über marktlokale Optimierung  Öffnung der Unternehmenswelt, z.B. Open Innovation  „Mobile Business“ wird zur Unternehmensplattform → Daten müssen in verschiedenen Prozessen einheitlich interpretierbar sein. Hier ist Prozesssynchronisation gefordert! Dimension Daten: Durch ein explodierendes Datenvolumen  Integration von Objekten, bspw. CarIT oder Social Media  Anzahl der unstrukturierten Daten steigt → Daten müssen einheitlich klassifizierbar sein. Hier ist Datenmanagement gefordert!© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 4
  4. 4. Smart Data Management – was sind die Herausforderungen?B-, C- und D-Prozesse werden immer wichtiger;aus ihnen resultiert die Differenzierung in lokalen Märkten A-Prozesse B-Prozesse  Traditionell gleiche Prozesse für  Ähnliche Prozesse für ähnliche gleiche unternehmerische unternehmerische Abläufe Harmonisierung Abläufe  In Teilen automatisierbar Synchronisierung  Leicht automatisierbar aufgrund  Große Teilabläufe können sehr hoher Standardisierung effizient sein  Hohe Effizienz realisierbar  Harmonisierung ohne größere  Harmonisierung mit Ausnahmen Ausnahmen möglich möglich C-Prozesse D-Prozesse  Individualprozesse einzelner  Individualprozess für jede Einheit Synchronisierung Einheiten  Automatisierung sehr  Automatisierbarkeit sehr verschieden verschieden  Kostenintensiv!  Kostenintensiv!  Zeitintensiv  Keine Harmonisierung möglich,  Im Projekt: Zuordnung zu A, B, C aber Gründe dafür müssen erforderlich! präzise definiert sein!© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 5
  5. 5. Smart Data Management – was sind die Herausforderungen?Aus missverständlich interpretierten Daten können sehr leichterhebliche Fehlentscheidungen resultieren Das Datenobjekt ‚Lead‘ im Verkaufsanbahnungsprozess  Einheitliche Definition : Bezeichnung: ‚Lead‘ Attribute: Kunde, Fahrzeug, Preis, Zeitpunkt, …  Eindeutige Verwendung : Land A Land B Land C Anfrage im Anfrage Kunde liegt Konfigurator dokumentiert Angebot vor dokumentiert Ergebnis im BI Report : 89 42 17 Abgeleitete Maßnahme : CRM Prozessoptimierung in Land C© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 6
  6. 6. Smart Data Management – was ist eine potenzielle Lösung?Neben der Definition der Struktur ist auch eine eindeutigeDefinition der Verwendung unerlässlich Informationen entstehen aus Daten und deren Verwendungszweck  Metadaten sind die Beschreibung, in welchem Kontext Daten zu interpretieren sind und führen somit zu einer vergleichbaren Interpretation unabhängig vom Prozess.  Das gemeinsame Management von Daten, Metadaten und Prozessen führt zu: Smart Data Management Das Management wird neben den eigentlichen Daten auch auf die Metadaten bezogen. Alle Mechanismen die heute auf die Daten angewendet werden, müssen auch auf die Metadaten bezogen werden, wie zum Beispiel:  Definition von Verantwortlichkeiten  Organisatorische Verankerung (Datenmanagement & Prozessmanagement)  Definieren von KPIs (z.B. Vollständigkeit und Eindeutigkeit in der Verwendung)© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 7
  7. 7. Smart Data Management – was ist eine potenzielle Lösung?Daten sind der dritte Baustein in der Unternehmens-DNA;sie ermöglichen die Prozesssynchronisation 1. Technologie- management 2. Prozessmanagement 3. Datenmangement führt zu Smart Data Management© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 8
  8. 8. Smart Data Management – das strategische Potenzial für flexible ProzesseSmart Data Management – Best Practice Fokussierung ausschließlich auf unternehmenskritische Daten, die in Auswertungen als Entscheidungsgrundlage herangezogen werden. Fokussierung auf agile Prozesse und auf Prozesse die große Datenmengen erzeugen. Bei laufenden oder geplanten Datenmanagementprojekten muss das Thema Metadaten frühzeitig mit berücksichtigt werden. Smart Data Management bezieht sich auf Stamm- und Bewegungsdaten. Datenharmonisierung ist kein Datenmanagement. Ungesteuertes Datenmanagement Mit gesteuertem EDM Daten- qualität Zielqualität Ausgangsqualität Projekt Projekt Zeit Start Ende Neustart Neustart© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 9
  9. 9. Smart Data Management – das strategische Potenzial für flexible ProzesseProzessharmonisierung wo nötig – Prozesssynchronisation wo möglich Fazit:  Weltweit einheitliche, eindeutige und in der Verwendung vergleichbare Daten ertragen heterogene Prozesslandschaften und sind damit deutlich toleranter bezogen auf die Nutzung spezifischer Marktpotentiale.  Smart Data Management ist eine Management-Disziplin, die gleichberechtigt betrieben werden muss wie Technologie-, Prozess- und Datenmanagement.  Voraussetzung für Smart Data Management ist allerdings, dass diese drei Disziplinen im Unternehmen bereits ausgeprägt sind.  Aktiv betriebenes Smart Data Management steigert auch die Aussagekraft der Business Intelligence Landschaften und verbessert deren Informationsgehalt.© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 10
  10. 10. Smart Data Management – das strategische Potenzial für flexible ProzesseMit der Evolutionsstufe Smart Data Management rüsten wir uns für aktuelleund zukünftige Anforderungen im globalen IT Management Smart Data Management Prozessintegration Ausrichtung von Prozessen Integrierte ERP Systeme an Daten Technologieharmonisierung Prozess- und einheitliche Schnittstellenkonzepte und Datenharmonisierung Aufbau von ERP Funktionalitäten Globale Templates Unternehmen schaffen lokal synchronisierte Geschäftsprozesse Unternehmen schaffen global integrierte Geschäftsprozesse Unternehmen integrieren Prozesse über Fachressorts hinweg Unternehmen organisieren sich nach fachlichen Silos 1960 1980 1995 2010 20xx© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 11
  11. 11. Herzlichen Dankfür Ihre Aufmerksamkeit!Dr. Oliver OswaldMieschke Hofmann und PartnerGesellschaft für Management- und IT-Beratung mbHSchloss Heutingsheim l Schlossstraße 12 l D-71691 Freiberg am NeckarTelefon +49 (0)7141 7856-0 l Fax +49 (0)7141 7856-199eMail ooswald@mhp.de l Internet www.mhp.de© 2012 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 12

×