MDM, Noodzaak of luxe?

Transcriptie

1 MDM, Noodzaak of luxe? Zorgt incorrecte master data echt voor zoveel frustratie en verlies in mijn operationele processen? Wordt mijn investering in SAP teniet gedaan door proces onderbrekingen als gevolg van onvolledige master data? Maak ik beslissingen op basis van onbetrouwbare managementrapportages? Dit zijn slechts enkele vragen die managers van hedendaagse organisaties zich nog altijd afvragen, of in ieder geval af zouden moeten vragen. Met de huidige ontwikkelingen van data-driven organisaties en vergaande (cloud) integratie tussen SAP en aanliggende systemen maken Master Data Management relevanter dan ooit. Aan de basis van deze uitdagingen ligt goed beheer van master data. Het is echter een misverstand te denken, dat het implementeren van een tool alle MDM problemen ondervangt. Het klopt dat op een bepaald moment organisaties technologie nodig zullen hebben echter effectieve MDM start met een helder besturings- en organisatie model. Dit artikel geeft een inzicht in de uitdagingen door een gebrek aan effectief MDM en de aanpak die KPMG heeft ontwikkeld om MDM praktisch en effectief aan te pakken. Het artikel sluit af met de inzichten die we in vele MDM implementaties en optimalisaties hebben opgedaan bij het toepassen van de beschreven aanpak. 1. Master Data Management In het huidige organisatieklimaat waarin ERP een steeds belangrijkere rol inneemt wordt het belang van het inzicht in, en de volledigheid en correctheid van master data objecten als klanten, producten en leveranciers vaak onderschat. Master data wordt immers in vele processen gebruikt, en het niet beschikbaar hebben van de juiste master data op het juiste tijdstip zal onherroepelijk voor problemen zorgen in de kernprocessen van de organisatie. Tegelijkertijd worden er steeds meer nieuwe applicaties die gegevens gebruiken of creëren toegevoegd aan het IT landschap van organisaties, waardoor de complexiteit van het beheersen van de data verder toeneemt. Hierdoor is het concept van MDM ontstaan; het creëren van één unieke visie op de belangrijke master data binnen een organisatie, gecontroleerde maar efficiënte master data processen, de juiste governance, en de juiste bijbehorende IT systemen Scope van master data Management Sommige master data objecten zijn eenvoudig te herkennen en worden door vrijwel alle organisaties aangewezen als stamdata, bijvoorbeeld klanten, producten. De meeste organisaties gebruiken dan ook een afgesproken lijst met -vaak eenvoudige- objecten om hun master data te definiëren. De vraag hoe de objecten te identificeren die door MDM beheerst zouden moeten worden is echter een complexe vraag, die niet door een standaardlijst ondervangen kan worden. Veel master data objecten bevinden zich traditioneel in het ERP systeem van de organisatie, maar om de scope alleen tot ERP te beperken zou niet voldoende zijn. Alle systemen die master data creëren, onderhouden, of zelfs slechts gebruiken moeten initieel deel uit maken van de MDM scope. Er is geen eenduidige en algemeen toepasbare definitie op wat master data is. Wat master data is of zou moeten zijn verschilt van organisatie tot organisatie en van systeem tot systeem. Laten we bijvoorbeeld verkoopprijs nemen. De verkoopprijs kan door sommige organisaties worden beschouwd als master data, waar deze voor andere organisaties transactionele data is. Dis is afhankelijk van de aard van het product dat door de organisatie wordt verkocht, de frequentie waarmee de verkoopprijs wijzigt, het niveau van klantinteractie, etc Hoe slechte master data goede bedrijfsvoering kan ondermijnen MDM omvat alle aspecten die samen zorgen voor een consistente en accurate bron van master data voor de operationele processen. Denk hierbij aan de beheersing van klantdata, leveranciersdata, materialen, producten, prijzen, medewerkers, etc. Deze master data objecten van groot belang zijn en in vele operationele processen 1

2 worden gebruikt zullen problemen in de kwaliteit van de master data onherroepelijk tot problemen in de operationele processen leiden. Als master data niet correct is, verouderd is of zelfs ontbreekt leidt dit tot inefficiëntie en daarmee tot hogere kosten van de operationele processen. Elk issue dat zich voordoet zal onderzocht en gecorrigeerd moeten worden, wat samen met de mogelijke herbewerking als gevolg van het probleem een behoorlijke impact heeft op de mensen en middelen van een organisatie Besluiten genomen op basis van onbetrouwbare data Veel organisaties investeren voortdurend in evoluerende Business Intelligence oplossingen met als doel beter inzicht te krijgen in proces efficiency, product winstgevendheid, klantbehoefte, etc. Deze rapporten vormen vaak de basis van belangrijke bedrijfsbeslissingen. Echter, de kwaliteit van deze rapporten wordt volledig beïnvloed door de kwaliteit van de data. Een slechte kwaliteit data leidt tot slechte rapporten, welke leiden tot bedrijfsbeslissingen gebaseerd op verkeerde of op niet volledige data Voldoen aan wet- en regelgeving Een groeiend aantal kwaliteitsstandaarden en toenemende wet- en regelgeving zorgt ook voor een toenemende druk om data te beheersen. Om te voldoen aan wet- en regelgeven en kwaliteitseisen moeten organisaties aan bepaalde criteria voldoen die direct of indirect negatief beïnvloed kunnen worden door de kwaliteit van data in de verschillende systemen. Enkele voorbeelden zijn: Bedrijven in bijvoorbeeld de branches Farmacie, voedingsmiddelen en gezondheidszorg meoeten voldoen aan door de overheid opgelegde wet- en regelgeving. Denk hierbij aan regels omstrent productsamenstelling, opslagcondities, expiratiedatums etc. Het niet voldoen aan deze eisen, of het niet kunnen aantonen hiervan door slechte data kan verregaande gevolgen hebben voor bedrijven in deze sectoren. Fiscale regelgeving, zoals de BTW. Indien de registratie van BTW incorrect is omdat de relevante velden in de master data niet goed beheerd worden, leidt dit tot incorrecte BTW percentages op intercompany verkopen Verplichting om te voldoen aan SOX regelgeving omtrent kritische master data zoals bankgegevens, contracten, contract condities, etc Master data trends MDM is een complex onderwerp omdat het een combinatie is van zowel strategische (organisatie en governance) als gedetailleerde activiteiten (bedrijfsregels voor stamdata objecten, bijvoorbeeld op individueel veldniveau). Door de breedte van het MDM speelveld zijn er vele trends die MDM in de nabije toekomst verder zullen beïnvloeden, hier een korte toelichting op twee van de belangrijkste: Cloud MDM De verschuiving van on-premise naar cloudbased lijkt alleen maar verder toe te nemen. Het feit dat steeds meer (organisatie-kritische) systemen naar de cloud verplaatst heeft een invloed op MDM; deze systemen gebruiken master data vanuit andere systemen, en worden zelf vaak ook gebruikt om bepaalde master data te creëren en te onderhouden. Ondanks dat het op dit moment nog niet op grote schaal gebeurt, zijn ook volledige MDM in the cloud oplossingen een zeer reëel toekomstbeeld. Data-driven organisaties Meer en meer organisaties gebruiken data op een actievere manier met als uiteindelijk doel om de winstgevendheid te vergroten. Ze gebruiken IT trends als Big Data en voeren complexe analyses uit op grote datasets. Deze grote datasets zijn vaak minder gestructureerd en minder beheersbaar, en zullen om te interpreteren gekoppeld moeten worden aan de belangrijkste kerngegevens van de organisatie; de master data. Denk bijvoorbeeld aan het koppelen van grote hoeveelheden informatie van sociale netwerken aan klantgegevens van een organisatie. Door het grotere belang van data voor organisaties wordt MDM steeds vaker gezien als Business Enabler in plaats van een manier om kosten naar beneden te kunnen brengen. De focus verschuift naar het halen van meerwaarde uit data en master data. Het gevolg is dat ook de MDM organisatie voor ondernemingen belangrijker wordt. Dit blijkt uit een toenemend aantal organisaties dat een MDM Center of Excellence opzet, de rol van de data stewards in de belangrijke bedrijfsprocessen, en het aanwijzen van een Chief Data Officer. 2

3 2. KPMG MDM methodologie Na de introductie met het belang en de noodzaak van het optimaliseren van MDM binnen organisaties vervolgen we met het implementeren van een effectieve MDM praktijk binnen de organisatie aan de hand van het door KPMG ontwikkelde MDM model. Governance Duidelijkheid scheppen over (globaal) eigenaarschap en verantwoordlijkheden t.a.v. master data. Hiërarchie van verantwoordelijkheden vaststellen zodat duidelijk is hoe problemen kunnen worden opgelost, normen worden gehandhaafd, en het algehele proces en de kwaliteit van de master data worden verbeterd. Opzetten van organisatie en werkmodel van MDM. Organisatie breed uitdragen van MDM visie en sturing. Figuur 1: De bouwblokken van master data management Het KPMG MDM model is gebaseerd op diepgaande kennis van MDM in SAP omgevingen. Aangevuld met praktische ervaringen tijdens het ontwerpen en implementeren van MDM organisaties en processen. We hebben deze ervaring opgedaan bij zowel nationale als internationale organisaties met complexe IT landschappen in een grote variëteit aan industrieën. Met behulp van het MDM model en onderliggende methodologie zal worden ingegaan op het implementeren van een efficiënte en effectieve MDM organisatie Master data management raakt elk aspect van een organisatie Het MDM model bestaat uit vier bouwblokken (zie figuur 1) die vallen binnen de verschillende niveaus van een organisatie (strategisch, tactisch en operationeel). Hiermee raakt het model alle organisatorische lagen van de organisatie welke van cruciaal belang zijn voor het succes van een MDM programma. De bouwblokken zijn onderling verbonden, en elk element dient een zelfde groei en verbetering door te maken om een goed gebalanceerde MDM organisatie te bereiken. Processen Consistente en gestandaardiseerde procesmodellen voor MDM, in lijn met bedrijfsprocessen. Duidelijke operationele rollen, taken en verantwoordelijkheden. Procesdocumentatie: modellen, beschrijvingen en stroomdiagrammen. Organisatie brede toegang tot datastandaarden en MDM instructies. Content & Kwaliteit Inhouds- en kwaliteitsnormen voor master data en attributen vaststellen en monitoren. Inventarisatie en classificatie van master data. Standaarddefinities voor master data. Model en architectuur voor master (en meta)data. Metrics en business rules voor de kwaliteit van master data. Procedures voor het opschonen en verbeteren van data. Integratie met bedrijfscontroles en risk compliance. Kwaliteitsrapportages over master data. Systemen en tooling IT-systemen en tools ter ondersteuning van de governance, de compliance met kwaliteitsnormen en van de operationele processen. - Workflow tools voor operationele aanvraag- en wijzigprocedures. - Data integratie tools voor kwaliteitsmanagement van ETL-processen - Datakwaliteit rapportages (Technische) architectuur en datamodel van master dataattributen in bron- en doelsystemen van de master data. Figuur 2: Aandachtspunten per bouwblok 3

4 2.2. Succesvol implementeren van het master data management model Hoewel een MDM implementatie veel meer omvat dan alleen tooling en configuratie van het SAP systeem, is de fasering die normaliter voor komt in systeem implementatie methodologieën ook bruikbaar voor MDM implementaties. Gebaseerd op ervaring en best practices binnen KPMG is een gefaseerde implementatie aanpak ontwikkeld. In de komende sectie zal per fase worden beschreven welke stappen we nemen voor een succesvolle implementatie van het MDM model binnen een organisatie Initiate: afstemming van business behoefte, scope, definities en aanpak In deze eerste fase wordt de initiële business case voor master data management gedefinieerd. Het is van belang om alle organisatiedomeinen hierin te betrekken, natuurlijk de primaire processen maar ook IT demand, IT supply alsmede ondersteunende financiële- en rapporterende afdelingen. Al deze organisatiedomeinen zullen voordeel behalen van een solide master data management. Specifiek voor MDM projecten dienen de volgende onderdelen ook worden geadresseerd: De systeem- en organisatorische scope. inclusief de data elementen die beschouwd worden als master data, en daarmee binnen de scope vallen. Gemeenschappelijke definities voor in-scope master data objecten, onafhankelijk van het systeem waarin ze voorkomen. Dit is een belangrijke aspect aangezien de master data objecten vaak in meerdere systemen voorkomen en hierdoor verschillende benamingen kunnen hebben, bijvoorbeeld een leverancier, vendor en supplier. Wat wordt beschouwd als customer master data? Is dit de sold-to of valt de ship-to hier ook onder? Assess: huidige situatie bepalen en juiste prioriteiten stellen Het resultaat van de Assess fase is een gedetailleerd plan waarbij alle ontwerp, implementatie en monitoring activiteiten geplaatst worden die noodzakelijk zijn voor een goed functionerende MDM organisatie. Om dit plan op te kunnen stellen is er breed inzicht nodig van de huidige MDM situatie binnen de organisatie. In de praktijk bestaat de assessment uit het houden van interviews en het reviewen van bestaande documentatie en systemen. Dit wordt gecombineerde met data profiling en data analyses om inzicht te krijgen in de actuele kwaliteit van de data, wat als een benchmark kan worden gebruikt gedurende en na afronding van het project om zo het succes te meten. Eventuele al aanwezige tools zoals bijvoorbeeld SAP Information Steward of BW/BO rapportages kunnen hiervoor gebruikt worden. Onderdeel van de Assess fase is ook om tot een prioriteitstelling te komen. Prioritering van de verschillende master data objecten kan uitgevoerd worden door te evalueren op criteria zoals: business value, gebruik van master data, distributie over systemen, impact op bedrijfsprocessen, strategische en operationele vereisten ( requirements ), huidige data kwaliteit en kwaliteitsuitdagingen, andere projecten, complexiteit en volume. De uitkomst van het assessment en de prioriteitscriteria zijn te plotten in een heatmap, waarbij de verschillende master data verbeteringen zijn geplaatst op basis van hun huidige MDM situatie en de toegepaste beoordelingscriteria. De heatmap kan hierbij worden gebruikt om master data objecten met soortgelijke data kwaliteitsissues en complexiteit te clusteren en een op gefaseerde aanpak op te stellen gebaseerd op de eerder genoemde prioritering. Finetune Step by step Run Initiate Assess Design Implement Improve Figuur 3: Implementatietraject 4

5 Figuur 4: MDM Heatmap Op basis van de heatmap kunnen roadmaps worden opgesteld die de tijdslijnen en afhankelijkheden tussen de master data objecten, bouwblokken en fases weergeven. Het doel van deze roadmaps is om een heldere weergave te krijgen van de verschillende verbter acties die nodig zijn per master data object. Als eindresultaat van de Assess fase worden de acties op de roadmaps verder uitgewerkt naar een gedetailleerde planning van activiteiten en resources Design: definiëren van de gewenste toekomstige MDM organisatie In deze fase vinden drie belangrijk stappen plaats, waardoor afstemming wordt bereikt over de toekomstige MDM organisatie. Deze stappen zijn de afweging tussen centrale en lokale sturing voor individuele master data objecten, het ontwerpen van de to-be MDM organisatie. Als derde de besturings- en operationele MDM processen op centraal niveau worden uitgedacht. Een belangrijke afweging die in deze fase wordt genomen is dus welke activiteiten centraal of decentraal worden beheerst. Op welke gebieden moet centrale standaardisatie en sturing van MDM activiteiten plaatsvinden, en waar kan dit juist aan de lokale organisatie wordt overgelaten. In andere woorden, wat wordt de scope en reikwijdte van de centrale MDM organisatie en voor welke onderdelen zijn interpretatie en beheer vanuit de lokale organisatie toegestaan of gewenst. Factoren die hierbij een rol kunnen spelen zijn: Hoe de organisatie is gestructureerd, welke landen, bedrijfsonderdelen, shared services of (geoutsourcet) derde partijen er zijn. De complexiteit van de organisatie zou geen beslissende factor moeten zijn in de afweging tussen centraal of decentraal management, echter kan het wel invloed hebben op de beslissing. Wat voor soort objecten worden al centraal beheerd? Als een organisatie al gewend is om bepaalde data objecten centraal te beheren dan is het soms beter om dit in de to-be situatie niet te veranderen. Wat is de frequentie waarop wijzigingen plaatsvinden, en in hoeverre is er sprake van een kritiek proces? Sommige objecten worden veelvuldig gewijzigd en hebben een sterke impact op het proces. Voorbeelden hiervan binnen SAP zijn master recipe of routings in een productie omgeving die bepalen in welke volgorde en op welke productielijnen een product wordt geproduceerd. Bij een falende productielijn zal het ad-hoc aanpassing terplekke misschien nodig zijn. MDM processen moeten hier op voorbereid zijn. Wat is de impact van een wijziging, in welke omgeving functioneert het data object? Als een master data object onderdeel uitmaakt van een geïsoleerd systeem, met weinig invloed op andere master data, andere business units, of reporting dan vraagt dat om andere governance. Lokale wet en regelgeving. Voor bepaalde master data objecten gelden er specifieke wetten en regelgeving. In zulke gevallen kan het efficiënter zijn om het beheer van de gerelateerde data attributen te doen op landelijk niveau. Gebaseerd op deze factoren zal eerst de governance- en organisatiestructuur ontworpen worden. Door KPMG ontwikkelde best practices modellen, zogenaamde MDM target operating modellen, kunnen hierbij als basis worden gebruikt die vervolgens gefinetuned en gevalideerd worden binnen de organisatie. Dit lijdt tot de tweede belangrijke stap in deze fase, het ontwerpen van de to-be MDM organisatie en het aanstellen van de master data eigenaren. Elke master data eigenaar zal de eindverantwoordelijkheid dragen voor hun master data object. Gedurende het verloop van het MDM project zal de master data eigenaar acteren als verantwoordelijke, die beslissingen maakt en de rollen voor zijn of haar master data object zal toewijzen binnen de organisatie. De derde stap in deze Design fase is het ontwerpen van de standaard MDM onderhoud processen (voor creatie, wijzigen, blokkeren, verwijderen, mass updates etc.), het MDM incidenten en problemen management proces, richtlijnen voor monitoren en compliance, templates rondom content en kwaliteit (bijvoorbeeld een data rule book template), het MDM governance model en rolverdeling en andere MDM onderwerpen als een MDM portaal. Figuur 6 laat een voorbeeld zien van een MDM governance model. 5

6 Na deze workshops heeft de master data eigenaar de volledige leidersrol en dient hij te communiceren naar andere stakeholders. Figuur 5: Voorbeeld MDM governance model Implement: de landing in de business Zoals bij de meeste implementaties zijn organisatorische support en sponsorship een belangrijk element om verandering te realiseren. Dit start met bewustwording van de noodzaak te veranderen en daaropvolgend een verandering in de mindset van de master data eigenaren. Zoals al eerder genoemd hebben de master data eigenaren een sleutelrol in het faciliteren en realiseren van de verandering van het MDM model voor zijn of haar specifieke master data object. Deze rol kunnen ze enkel vervullen als ze het centraal ontworpen en ingerichte organisatie- en procesmodel volledig begrijpen. Om een verandering in mindset en daarmee volledige adoptie voor de nieuwe ontworpen concepten te verwezenlijken zou de implementatie fase kunnen starten met inzicht en training workshops voor alle master data eigenaren en zijn of haar team. De master data eigenaren zullen worden geïnformeerd over, en waar nodig training krijgen in, voor hun master data object specifieke master data processen, regels, templates etc. Een stapsgewijze implementatie over de verschillende MDM objecten en domeinen heeft hier voordelen om de organisatie te leren omgaan met het nieuwe MDM model en processen. Ondanks dat de master data eigenaren normaliter genoeg senioriteit hebben om het proces te dragen, blijft betrokkenheid en support van hoger management ( board level ) noodzakelijk om het belang van effectieve MDM binnen de organisatie te benadrukken en de verandering door te zetten. Implementatie van MDM omvat zowel de soft implementatie activiteiten als afstemmen van processen, toewijzen van rollen en verantwoordelijkheden, bepalen van kwaliteitscriteria en service levels. Als ook de hard implementatie activiteiten, zoals bijvoorbeeld het implementeren (of uitbreiden) van workflows, inrichten van systeem autorisaties op basis van het MDM rollen ontwerp, ontwikkelen van rapporten en data kwaliteitsdashboards, implementeren van technische data validatie regels, automatiseren van interfaces en data migratie naar één enkele bron. Een grafisch overzicht van verschillende implementatie activiteiten wordt gegeven in figuur 6. Figuur 6: Activiteiten per bouwblok 6

7 Het implementeren van MDM specifieke systemen en tooling kan onderdeel uitmaken van de algehele MDM implementatie. Er is een verscheidenheid aan software leveranciers die middels hun MDM tool ondersteuning bieden aan bovengenoemde functionaliteiten. Een goed voorbeeld van een MDM tool die meerdere functionaliteiten afdekt is bijvoorbeeld SAP MDG, naast de governance van master data kan deze tool ook zorgen voor consolidatie, naleving van datakwaliteitsregels en kunnen workflows worden ingericht waardoor er tussen verschillende rollen en divisies makkelijk samengewerkt kan worden. Het is echter een misverstand te denken dat het selecteren en implementeren van een dergelijke MDM tool alle MDM problemen ondervangt. Het klopt dat op een bepaald moment organisaties technologie nodig zullen hebben voor extractie, transformatie, laden en monitoren van data. Effectieve MDM start echter met een helder besturings- en organisatie model. Geen tool op zichzelf kan (master) data problemen oplossen. Organisaties dienen te begrijpen dat voor het verbeteren van haar datakwaliteit en het leggen van een fundament voor een effectief MDM implementatie, interne meningsverschillen en gebroken processen eerst geadresseerd moeten worden. De focus van een MDM implementatie zal dan ook (zeker in het begin) niet zozeer liggen op een technologische oplossing, maar juist op strategische, tactische en operationele initiatieven Improve: Executie en optimalisatie Als de implementatie fase is afgesloten is de volgende stap het uitrollen van de tools en technieken die het mogelijk maken om actief de kwaliteit van de data en de in gebruik genomen processen te kunnen monitoren. Dit met het doel om duurzame situatie te creëren waarin ruimte is om de MDM processen te optimaliseren. De belangrijkste activiteiten in deze fase zijn het monitoren van de data kwaliteit en het aanvraagproces voor de master data objecten, zoals bijvoorbeeld middels Key Performance Indicators (KPI s) of Service Level Agreements (SLA s). Vaak wordt er een aanzienlijke investering gedaan in het opschonen van data, echter wordt er minder aandacht besteed aan het onderhouden van deze goede datakwaliteit. Om continue verbetering van de master data processen en datakwaliteit mogelijk te maken moet er een efficiënt monitoring proces aanwezig zijn. Dit kan al eenvoudig gerealiseerd worden op basis van rapportages uit SAP BI, al kunnen specifieke voor dit doel ontworpen master data tools als SAP MDG of Information Steward (of soortgelijke tools van andere leveranciers) soms beter passen. De initiële implementatie van een typisch MDM project komt nu in een continue verbeterproces. Het opzetten van een efficiënte en effectieve MDM organisatie is nooit een eenmalige oefening. 3. Lessons learned Op basis van de ervaring die KPMG heeft opgedaan met onze MDM methodologie en de MDM projecten die wij hebben uitgevoerd komen een aantal inzichten naar voren die van cruciaal belang zijn bij het adequaat inrichten van MDM organisatie. Onze inzichten uit de praktijk worden besproken voor zowel het uitvoeren van een MDM project als voor de dagelijkse uitvoering binnen de MDM organisatie. De bouwblokken van het KPMG MDM model zoals hiervoor beschreven zullen daardoor een meer praktisch invulling krijgen Think big, start small Hoe verleidelijk het ook lijkt: ga bij het (her-)inrichten van de organisatie van MDM niet meteen voor het ideaalmodel. In veel organisaties bestaat nog geen duidelijke en werkzame structuur met proceseigenaren, systeemeigenaren en data-eigenaren, waarbij MDM governance idealiter aansluiting zou zoeken. MDM governance is namelijk net als proces governance overschrijdend aan afdelingen of functionele gebieden. Het heeft derhalve dan ook weinig zin om dit ideaalmodel al wel binnen MDM governance als uitgangspunt te nemen. Zoals al beschreven in het KPMG MDM model is het opzetten van een MDM organisatie geen eenmalige oefening. Tijdens de Design fase zal men zich dan ook in eerste instantie moeten beperken tot het beantwoorden van de simpele vraag: Wie doet wat? en Wie mag besluiten waarover nemen?. Een stapsgewijze implementatie (eventueel met pilots binnen de quick wins) zorgt voor begrip en draagvlak binnen de organisatie en kunnen het effect van goede master data op de bedrijfsprocessen kenbaar maken. De bestaande organisatiestructuur kan als startpunt genomen worden voor het toewijzen van de verschillende rollen binnen MDM. Zo worden nieuwe rollen geïntroduceerd in een omgeving die al bekend is, wat de toewijzing en acceptatie vergemakkelijkt. Think Big, Act Small is een veelgehoorde kreet binnen MDM. Zorg voor een organisatie brede MDM visie, maar rol deze op relatief beperkte schaal steeds stapsgewijs uit. Voor besturing van MDM geldt ook, sluit aan bij bestaande en goedwerkende werkwijzen en groei stapsgewijs door naar het gewenste besturingsmodel. 7

8 Expliciete aandacht voor communicatie en change management is een niet te onderschatten factor voor het slagen van MDM. Met MDM worden bestaande rollen nieuw leven ingeblazen of worden zelfs nieuwe rollen geïntroduceerd. Vanuit de visie treat master data as an asset wordt verwacht dat betrokkenen, zoals de master data eigenaren, zich ook echt verantwoordelijk voelen voor het verbeteren en waarborgen van de kwaliteit van master data en zich ook zo gaan gedragen. En juist dit vereist de nodige inspanningen om duidelijk de toegevoegde waarde van MDM over te brengen en betrokkenen voor te bereiden op gevolgen voor hun dagelijkse manier van werken Centraal of lokaal beheren Belangrijke sleutelwoorden binnen MDM zijn eenduidigheid, helderheid, en consistentie. Governance voor MDM kan men het meest effectief vanuit een top down visie benaderen. Vanzelfsprekend moet rekening gehouden worden met allerlei lokale karakteristieken en systeem specifieke eigenaardigheden, maar de kwaliteit van MDM is het meest gewaarborgd vanuit een eenduidige, heldere en consistente visie. Die maak en draag je nu eenmaal het beste uit vanuit één centraal herkenbaar punt binnen de organisatie. Bij voorkeur met expliciete ondersteuning en communicatie vanuit het hoger management ( board level ). Het neerzetten van de governance van MDM zal derhalve in de praktijk een vanuit de top gestuurde activiteit zijn. Belangrijk is hierbij wel om te benadrukken dat MDM niet vanzelfsprekend uitgaat van centraliseren van het onderhoud van master data. Hoewel de efficiency, continuïteit en kennisborging van MDM zeker gebaat zijn bij het zoveel mogelijk concentreren van activiteiten en er steeds meer een beweging gaande is richting het onderbrengen van MDM in shared service centers, is MDM niet synoniem aan centralisatie. Afhankelijk van de context waarin een organisatie opereert, zijn er ook redenen aan te voeren om het onderhoud van master data zo dicht mogelijk bij de dagelijkse uitvoering te houden. Zie ook de beslissende factoren beschreven in de Design fase Verankeren in de organisatie Met het alleen definiëren en toewijzen van rollen, taken en verantwoordelijkheden ben je er nog niet. De betrokken personen dienen ook een structuur (besturingsmodel), te hebben waarin zij hun (nieuwe) taken en verantwoordelijkheden kunnen uitvoeren. Vanuit MDM governance dient derhalve ook zorg gedragen te worden voor overleg- en communicatiestructuren zodat betrokkenen elkaar (op vastgestelde) tijden weten te vinden en kunnen bijpraten over lopende zaken. Het opzetten van (in)formele MDM communities ( een groep van betrokkenen vanuit diverse disciplines en afdelingen), is een beproefd middel om op een relatief eenvoudige wijze uitwisseling van inzichten, ervaringen en oplossingsrichtingen te realiseren. Uitgangspunten, richtlijnen, standaarden en praktische werkafspraken ten aanzien van de inrichting en uitvoering van MDM moeten worden vastgesteld en uitgedragen, bij voorkeur in een algemeen geldend MDM beleidsdocument. Tenslotte zijn er nog de zogenaamde ondersteunende MDM beheerprocessen die gericht zijn op het waarborgen van een continue werking, en waar nodig verbetering, van MDM als geheel binnen organisaties. Hierbij zijn sterke parallellen te trekken met de bekende ITIL processen: Change management (bijvoorbeeld. we voegen een nieuw veld toe aan onze tabel [X] in systeem [Y], wie keurt dat goed en welke systemen, processen, procedures en standaarden moeten daarvoor aangepast worden?) Incident management (bijvoorbeeld incidenten en issues waarbij de kwaliteit van master data of MDM een rol heeft gespeeld, dienen inzichtelijk te zijn en moet opvolging aan gegeven worden) Service level management (bijvoorbeeld vaststellen en bewaken van dienstenniveaus ten aanzien van het onderhouden van master data) Compliance management (bijvoorbeeld waarborgen dat MDM als geheel en master data specifiek voldoet en blijft voldoen aan relevante interne en externe wet- en regelgeving) Inzicht is nodig om te kunnen bijsturen Adequate governance vereist ook dat de mogelijkheid bestaat om bij te kunnen sturen in de inrichting en uitvoering van MDM waar dat nodig is. Zoals besproken in de implementatie fase kan op basis van vooraf gedefinieerde prestatie-indicatoren en kwaliteitseisen voor elk afzonderlijk master data object en voor MDM als geheel gerapporteerd worden over zowel de kwaliteit van de master data zelf als het onderhoudsproces. Probeer bij het opzetten van prestatie-indicatoren niet meteen allesomvattend te zijn, start klein met het monitoren van een specifieke groep indicatoren (per master data object), laat dan binnen elk object de groep groeien op basis van prioriteiten (gefaseerde uitrol). 8

9 Hier volgen een aantal voorbeelden van typische prestatie-indicatoren: Governance performance: reviews van incidenten en problemen in het MDM incidenten en problemen management proces Proces performance: proces respons tijd (tijd tot goedkeuring, uitvoering etc.), percentage van goedgekeurde en afgekeurde wijzigingen, aantal noodgeval wijzigingen, aantal incidenten en de oplostijd en statistieken omtrent de SLA s. Content en kwaliteit: compleetheid van data (lege velden, aantal transacties die hangen door incomplete master data, afwezige kritische data etc.), data nauwkeurigheid (data die niet voldoet aan de business rules, incorrecte hiërarchie toebedeling, verschil in data tussen verschillende systemen), data validiteit (checks op verouderde of niet gebruikte records), data toegankelijkheid (aantal niet geautoriseerde wijzigingen, rol toewijzing, tijdelijke autorisatie etc.), data overtolligheid (dubbele records, dubbele registratie in meerdere systemen). Systemen en tools: interface verwerking (tijdige/ontijdige interface processen, aantal issues), ongeautoriseerde master data object attribuut wijzigingen (bv. toevoegen van velden) MDM tooling Als er een goede MDM basis is gelegd binnen de organisatie, met een geïmplementeerd MDM governance model, uitgedachte MD processen en duidelijke MD definities en kwaliteitsregels, dan is er specifieke MDM tooling waarmee op een efficiënte en effectieve manier de kwaliteit van master data kan worden gewaarborgd. Let hierbij wel op, het juiste voorwerk op het gebied van governance, processen en kwaliteit is nodig om optimaal gebruik te kunnen maken van MDM tooling. Zo heb je een governance structuur nodig voordat je het eigenaarschap van master data onderhoud in een tool kan beheersen. Definities en kwaliteitsstandaarden dienen eerst te worden opgesteld voordat er technische data validatieregels geïmplementeerd kunnen worden. En processen dienen te zijn uitgewerkt voordat de workflow in een tool ondersteund kan worden. Functionaliteiten van MDM tooling richten zich op een breed spectrum van componenten binnen MDM, maar zijn van oorsprong vaak gericht op data kwaliteit en data integratie. Voorbeelden van SAP producten die specifiek gericht zijn voor optimale master data governance, kwaliteit en integratie zijn onder andere: SAP MDG, HANA Smart Data Quality, Data Services en Information Steward. Data Integratie Tooling extraheren, transformeren en laden (ETL) zijn de belangrijkste onderdelen van deze tooling. Figuur 7: Type MDM tooling Om gebruik maken van de opgedane kennis binnen de andere drie bouwblokken, kunnen tools ingezet worden om de governance, processen en kwaliteitsbewaking van master data te ondersteunen. Let bij het aanschaffen en implementeren van MDM tools op de volgende punten: Data Governance Tooling beheersen van eigenaarschap en het master data onderhoudsproces staan centraal in deze tooling. Data Kwaliteit Tooling deze tooling richt zich met name op het beheersen en monitoren van data kwaliteit. Borg dat de uitgangspunten en eisen binnen masterdata governance, -processen en -kwaliteit helder zijn alvorens tooling aan te schaffen. Tooling alleen lost problemen rondom masterdata niet op, daarvoor heb je alle vier de bouwblokken nodig. Evalueer wat er in de organisatie reeds aan tooling wordt gebruikt of welke (ongebruikte) functionaliteit aanwezig is die benut kan worden. Ga niet gelijk voor tooling die alle MDMfunctionaliteit afdekt, maar kies eerst de functionaliteit die het meeste oplevert. Dit kan per master data object/gebied verschillen. Zorg dat MDM-tooling aansluit op de geldende ITarchitectuurprincipes van de organisatie. Goede master data management is een continue en iteratief proces. Zorg er dus voor dat na de implementatie van de tooling er oog is voor continue verbeterproces van de tooling en ondersteuning van de MDM organisatie. Literatuur. Voor dit MDM artikel is gebruik gemaakt van KPMG publicaties op gebied van master data management. 1 Effective Master Data Management, Compact 2011/0. Door R.A. Jonker, F.T. Kooistra, D. Cepariu, J. van Etten en S. Swartjes. 2 Master Data Management: do s & don ts, Compact 2012/2. Door Keesjan van Unen, Ad de Goeij, Sander Swartjes en Ard van der Staaij. 9

10 To find out more Keesjan van Unen Director KPMG The Netherlands M: E: vanunen.keesjan@kpmg.nl Jelle van Etten Senior Manager KPMG The Netherlands M: E: vanetten.jelle@kpmg.nl Rob La Haye Manager KPMG The Netherlands M: E: lahaye.rob@kpmg.nl kpmg.com/app The information contained herein is of a general nature and is not intended to address the circumstances of any particular individual or entity. Although we endeavor to provide accurate and timely information, there can be no guarantee that such information is accurate as of the date it is received or that it will continue to be accurate in the future. No one should act on such information without appropriate professional advice after a thorough examination of the particular situation KPMG International Cooperative ( KPMG International ), a Swiss entity. Member firms of the KPMG network of independent firms are affiliated with KPMG International. KPMG International provides no client services. No member firm has any authority to obligate or bind KPMG International or any other member firm vis-à-vis third parties, nor does KPMG International have any such authority to obligate or bind any member firm. All rights reserved. The KPMG name and logo are registered trademarks or trademarks of KPMG International. Wesley van Renswouw Consultant KPMG The Netherlands M: E: vanrenswouw.wesley@kpmg.nl 10