Software für Stammdatenmanagement

In einer Zeit, in der Finanzabteilungen immer höhere Anforderungen erfüllen müssen, ist ein ERP-System, das sowohl technologisches als auch finanzielles Know-how bietet, unerlässlich. Microsoft Dynamics 365 Business Central bietet genau diese Lösung – und Finclair ist Ihr zuverlässiger Partner für eine erfolgreiche Implementierung.

Aktueller Stand

Daten, die für die Finanzfunktion relevant sind, finden sich an vielen Stellen im Unternehmen und haben viele Namen – Kontenplan, Produktcode, Steuernummer, Bankkontonummer, Rechnungscodes und vieles mehr. Die Finanzabteilung ist auf diese Daten und ihre Genauigkeit angewiesen, um Aufgaben wie die interne und externe Berichterstattung, die Finanzplanung oder die Rechnungsstellung effizient und in hoher Qualität durchzuführen.

Bei unseren Finclair-Kunden stellen wir häufig fest, dass dies eine große Herausforderung darstellt, weil die für diese Aufgaben benötigten Daten in Datensilos stecken, die außerhalb der Finanzabteilung erstellt wurden. Die Daten werden an verschiedenen Orten gespeichert, unabhängig von anderen Systemen, ohne Integrationen für den Datenaustausch, und es kann Tage dauern, bis Änderungen, die an einem Ort vorgenommen werden, sich in anderen Systemen niederschlagen – wenn sie überhaupt vorgenommen werden. Wir beobachten auch, dass Finanzdaten oft außerhalb und ohne Beteiligung der Finanzabteilung erstellt, aktualisiert und sogar gelöscht werden. Hinzu kommt, dass die Mitarbeiter, die die Stammdaten erstellen oder aktualisieren, nicht wissen, wie sich fehlerhafte Daten auf nachgelagerte Finanzprozesse auswirken. Die Finanzabteilung wiederum ist nicht in der Lage, die erforderlichen Daten zu lesen oder zu pflegen, was häufig auf eingeschränkte Zugriffsrechte oder die Unfähigkeit zurückzuführen ist, die Daten aufgrund fehlender Datendefinitionen angemessen zu interpretieren.

Problem

Das fehlende Datenmanagement im Finanzbereich oder die fehlende Kontrolle über die benötigten Daten führt zu einer Vielzahl von Problemen. Bei der Durchführung von Prozessanalysen haben wir festgestellt, dass sich die Mitarbeiter der Finanzabteilung in hohem Maße auf E-Mails, Telefonanrufe und Tabellenkalkulationen verlassen, um die Datenerfassung und Datenbereinigung zu erleichtern. Diese Beobachtung wird von PWC geteilt, die herausgefunden haben, dass selbst in Unternehmen des oberen Quartils KMUs 40 Prozent ihrer Zeit mit dem Sammeln von Daten verbringen, anstatt mit ihnen zu arbeiten.
Ein weiteres Problem, das sich aus dieser verstreuten Datenlandschaft ergibt, sind ungenaue Stammdaten. Bei einem unserer Kunden haben wir eine Rechnungsgenauigkeitsrate von 80 Prozent beobachtet – das bedeutet, dass eine von fünf automatisch erstellten Rechnungen falsch war und aufgrund falscher Kundenadressen, Steuernummern und anderer ungenauer Stammdaten nachbearbeitet werden musste. Ein weiteres typisches Ergebnis sind Ablehnungen von Zahlungen durch Banken aufgrund falscher Bankkontonummern oder anderer Empfängerinformationen. Letztendlich wirken sich alle Ungenauigkeiten in den Stammdaten negativ auf das Kunden-/Lieferantenerlebnis aus und werden im Net Promoter Score oder den CSAT-Bewertungen des Unternehmens negativ dargestellt.

Zusammenfassend lässt sich sagen, dass unzusammenhängende, ungenaue und unzuverlässige Daten es für Unternehmen extrem schwierig machen, effizient zu arbeiten und fundierte Geschäftsentscheidungen zu treffen. Dies gilt insbesondere für Kunden, die ein schnelles Wachstum erlebt haben, auf mehrere Märkte weltweit expandiert sind oder Fusionen oder Veräußerungen hinter sich haben.

Finanzorganisationen, die mit diesen Herausforderungen konfrontiert sind, müssen sich aktiv um die Verwaltung relevanter Daten kümmern.

Grunsätze

Bei Finclair haben wir drei Datengrundsätze definiert, die eine erfolgreiche Finanzorganisation ermöglichen:

Finanzdaten müssen

• einmalig, pünktlich, genau, vollständig und konsistent verfügbar sein
• auf eine Art und Weise gespeichert werden, die Integrität und einen einzigen Ort der Wahrheit garantiert
• denjenigen zur Verfügung gestellt werden, die sie benötigen, wann immer sie benötigt werden

Unser Finclair-Ansatz zur Verwirklichung dieser Finanzdaten-Prinzipien ist zweifach: Einführung von Maßnahmen, die die Daten sauber halten (KEEP THE DATA CLEAN) und Implementierung kontinuierlicher Prozesse, die die Daten sauber machen (GET THE DATA CLEAN). Um DIE DATEN SAUBER ZU HALTEN, müssen Finanzorganisationen eine solide Grundlage schaffen, die Standards, Organisationsmodell, Prozesse, Qualitätsmetriken und Technologie klar definiert. Die Schaffung dieses Fundaments ist eine funktionsübergreifende Aufgabe, die mit zunehmender Reife der Organisation wiederholt werden muss und die die Unterstützung der Führungsebene erfordert. Die andere Phase, GETTING THE DATA CLEAN, ist die operative Seite der Lösung, die kontinuierlich durchgeführt wird, um eine hohe Datenqualität zu gewährleisten.

Lösung – Vorteile

1. Definition von Finanzdatenstandards

Die Finanzfunktionen müssen klar definieren, welche Datenobjekte (Kunde, Partner, Lieferant usw.) und die zugehörigen Attribute (E-Mail, Steuer-ID, Kontonummer usw.) zur Erfüllung ihrer Aufgaben erforderlich sind. Diese Definition muss sowohl geschäftliche Anforderungen (z. B. Anzahl der Steuer-ID-Stellen für ein bestimmtes Land) als auch technische Anforderungen (systemspezifische Anforderungen, wie z. B. begrenzte Feldlänge) umfassen.Sobald diese Datenobjekte und Attributanforderungen geklärt sind, ist es wichtig, die minimal erforderlichen Datenattribute pro Datenobjekt aus Sicht der Finanzabteilung zu definieren. Bei Finclair bezeichnen wir dies als „Golden Record“-Definition, die als Ausgangspunkt für die Definition aller anderen Elemente der Finanzdatenorganisation dient und die Finanzabteilung dabei unterstützt, ihre Bedürfnisse gegenüber anderen LOBs klar zu formulieren.

2. Angleichung des Organisationsmodells

Wir wissen, dass Finanzdaten oft von anderen Funktionen stammen und in deren Besitz sind, was eine starke funktionsübergreifende Ausrichtung des Organisationsmodells erfordert. Es ist wichtig, je nach Organisationsstruktur und -kultur das richtige Modell auszuwählen und zu implementieren. Die Struktur kann rein funktional, föderal oder gemischt sein und kann sich im Laufe der Zeit ändern, wenn das Unternehmen reifer wird. Wichtig sind die jeweiligen Rollen und Zuständigkeiten, die zugehörige CRUD-Matrix (Erstellen, Lesen, Aktualisieren, Löschen) und die Definition von lokal vs. regional vs. global für Informationsorganisationen. Dieses Organisationsmodell muss in Zusammenarbeit mit allen betroffenen Funktionen definiert werden, und es sollte ein Data Board eingerichtet werden, das die Governance überwacht und sich häufig mit datenbezogenen Fragen befasst.

3. Verwalten von Datenprozessen

Um sicherzustellen, dass die Finanzdaten den Datengrundsätzen entsprechen (genau, eine einzige Wahrheitsquelle, verfügbar), raten wir, die bestehenden Daten-Workflows und Standardarbeitsanweisungen (SOPs) in der gesamten Organisation zu überprüfen und sie gemäß den neu definierten Golden Record Data-Standards neu zu gestalten. Für Bereiche, in denen es keine SOPs gibt, müssen diese erstellt und funktionsübergreifend standardisiert werden. Darüber hinaus muss die Struktur der Berichterstattung über die Datenqualität definiert und kommuniziert werden. Sobald alle Prozesse umgestaltet und standardisiert sind, ist es von entscheidender Bedeutung, Prozessschulungen für die betroffenen Nutzer zu ermöglichen und Datenstandards, Prozesse und bewährte Verfahren kontinuierlich zu kommunizieren.

4. Entscheiden Sie sich für Datenqualitätsmetriken

Um die Qualität der Finanzdaten zu messen und im Falle von Problemen Korrekturmaßnahmen zu ergreifen, müssen Datenqualitätsmetriken und die entsprechenden Qualitätsschwellenwerte definiert werden. Diese Metriken sollten auf der Ebene der Datenattribute (Bankkontonummer, Steuer-ID usw.) festgelegt werden und den speziellen (geschäftlichen oder technischen) Anforderungen entsprechen, die als Teil des Golden Record für das Finanzwesen definiert wurden. Auf der Grundlage der Qualitätsschwellenwerte müssen funktionsübergreifende SLAs mit der datenbesitzenden Funktion festgelegt und Überwachungssysteme als Teil eines umfassenden Datenkontrollkonzepts spezifiziert werden.

5. Datentechnik

Es ist von entscheidender Bedeutung zu verstehen, welche Systeme zur Erstellung und Pflege der Finanzdatensätze, die Teil des Golden Record sind, verwendet werden. Ein Datensystem- und Verteilungskonzept unterstützt unsere Kunden dabei, zu erfassen, wo die Datenattribute erstellt, aktualisiert und gespeichert werden und wie und wohin diese Daten verteilt werden. Ein solches Konzept dient als Grundlage für die Identifizierung weiterer Finanzdaten-Automatisierungen und die Verbesserung von Systemintegrationen. Als Teil des Konzepts können auch Validierungen der Quellsystemdaten definiert werden, um die Gesamtqualität der Datenattribute zu erhöhen.

Die Bereinigung der Daten besteht aus Aktivitäten, die kontinuierlich durchgeführt werden müssen

6. Durchführung der MD-Datenmigration

Wenn Daten in Systemen unzugänglich sind und nur über E-Mail-Freigabeanfragen abgerufen werden können oder wenn aufgrund von Übernahmen oder Fusionen neue Datensilos zu einer Organisation hinzukommen, kann eine Datenmigration erforderlich sein. Natürlich sollte diese Aktivität nicht ständig wiederholt werden, sondern durch eine Datenintegration ersetzt werden. Solange dies nicht möglich ist, kann eine Datenmigration vom Quellsystem in das System der Wahrheit erforderlich sein.

7. Erstellung von Berichten zur Stammdatenqualität

Die Implementierung von Qualitätsberichten ist entscheidend, um Datenprobleme in den Quellsystemen zu erkennen und bei Bedarf Maßnahmen ergreifen zu können. Da sich viele Datenquellsysteme im Besitz von Funktionen außerhalb des Finanzbereichs befinden, wird die Implementierung der Berichterstattung meist von anderen Funktionen durchgeführt, die die Berichterstattung auf der Grundlage des Golden Record für Finanzdaten einrichten. Geplante Berichte informieren Finanz- und Nicht-Finanzanwender über den Status quo der Finanzdaten und bilden in einigen Organisationen die Grundlage für funktionsübergreifende Datenqualitäts-SLAs.

8. MD-Datenbereinigung durchführen

Die Datenbereinigung erfordert die Fähigkeit, fehlerhafte Daten auf der Grundlage des FInance Golden Record zu identifizieren. Sobald die Datenqualitätsberichte verfügbar sind, wird die Identifizierung ungenauer Daten viel einfacher und kann viel schneller behoben werden. Typische Bereinigungsaktivitäten umfassen das Aufspüren von Rechtschreibfehlern, unvollständigen Daten oder das Entfernen von Duplikaten.

9. MD-Daten harmonisieren

Once data is cleansed, it can be distributed into to the consuming systems. Again, ideally this is also workflow automated and supported by integration systems.