Vellykket data management starter med masterdata

For rigtig mange mennesker er det hverdag at få styr på dårlige data og de sidder til daglig og mapper, justerer og kompenserer for at datagrundlaget er dårligt. I denne blog-postserie sætter jeg fokus på, hvad data management er samt hvorfor data management er et bedre alternativ end at fixe sine dataudfordringer med hverdags-datarens og lappeløsninger. I dette blog-indlæg fortæller jeg også om, hvilke data man skal starte med at få styr på og hvorfor.

Du har sikkert hørt om både transaktionsdata, referencedata, metadata, masterdata, sensordata, big data, SoMe data mv. Det kan føles som lidt af en jungle og man kan fristes til at spørge om data ikke bare er data og derfor tro, at man bare kan starte fra en ende af, når man vil i gang med sit data management projekt. Helt sådan er det ikke. Der er nogle centrale data, som det er afgørende, at man starter med at få styr på, fordi mange andre data først kan give værdi, når der er styr på de mest centrale. De centrale data er kendt som masterdata eller på dansk; stamdata. Lad mig forklare, hvad masterdata er og hvorfor de er centrale.

Nogle gange kan jeg godt lide at sige, at masterdata, er data om organisationens navneord. Det vil sige, det er data om f.eks. Kunde, Leverandør, Produkt, Medarbejder osv. Det med ”navneord” giver for det meste de rigtige associationer, men der er også andre data, der er navneord, så tænk på masterdata som de statiske data, der bliver brugt igen og igen og som er en forudsætning for at kunne foretage et indkøb, sælge og levere et produkt, udbetale løn til en medarbejder, osv.

Masterdata er centrale omdrejningspunkter i alle organisationer, fordi det er dem alle vores systemer, processer og afdelinger bruger til at udføre deres arbejde igen og igen. Tag f.eks. et produkt. Indkøbsafdelingen skal bruge data om produktet hver gang de vil bestille det, varemodtageren skal bruge information om produktet for at kunne modtage det, planlæggeren skal bruge information om produktet for at kunne planlægge, marketing og salg for at kunne sælge det, logistik for at distribuere det, og finans rapporterer om produktet etc.. Dvs. nogle masterdata, som f.eks. produkt masterdata bruges af stort set alle i organisationen. Hvis der mangler en oplysning eller en oplysning er forkert, så er der nogen i værdikæden, som ikke er glade. Forestil dig, at der står en standardvægt i stedet for den faktiske vægt på produktet. Det bliver logistikafdelingen ret snart trætte af, fordi de bliver ramt af det, hver gang de skal bestille fragt.

Et andet eksempel er, hvis du f.eks. har en masse data om dine kunders adfærd via ordrer, returneringer, kundesupport, betalinger etc. Så kræver det, at du har styr på dine masterdata for, at du kan få noget brugbart ud af det. Hvis du har mange dubletter eller forkerte, mangelfulde oplysninger om dine kunder, så kan du ende med, at dine konklusioner om hvilken slags kunder, der gør/ønsker noget, er forkerte. Det kan få konsekvenser for din kundeservice og de beslutninger du træffer. 

Det gode ved masterdata er, at de ikke ændrer sig ret ofte, og det er heldigt, for når de er så centrale og bruges af alle i virksomheden, så opstår udfordringerne ofte, når data pludselig er forskellige på tværs af systemerne. Hvad skal man så regne med? Er det det ene eller det andet, der er rigtigt? Hvad blev sidst opdateret og hvor henne? Nogle gange er der problemer med at identificere, at det overhovedet er den samme Kunde, Produkt, Leverandør, man taler om. Folk sidder i deres siloer og bliver i desperation enige med sig selv om, at det er bedst, at de laver deres eget system, så de kan holde styr på, hvad der er hvad. Det er langt fra optimalt, fordi det, der får vores processer, rapportering og analyser til at hænge sammen, er, at det er de samme masterdata, vi bruger, så vi netop ikke ender med at tale om pærer og bananer, blot fordi vi har kikket forskellige steder.

Samtidig med at ovenstående illustrerer klassiske og centrale udfordringer ved masterdata, så er det også netop den type problemstillinger, du skal lytte efter, når du vælger, hvilke masterdata du skal have styr på. Hvis du skal have succes med data management, er det vigtigt at du skaber reel værdi og gør en forskel for dem, der har brug for, at data er gode. Ingen gider lave data management for data managements skyld. Derfor skal du starte med de masterdata, der enten er smertefulde i dag, eller der hvor risikoen for smerter er størst og det vil typisk være på de masterdata, der går på tværs af systemer, funktioner, processer mv.

I dette blog-indlæg er jeg kommet ind på, at der findes mange forskellige datatyper og det derfor kan være svært at gennemskue, hvor man skal starte sin data management rejse. Selvom der kan være masser af udfordringer med andre typer af data, så anbefaler jeg, at man får styr på sine masterdata først, fordi masterdata er afgørende for værdien af alle andre data, og fordi dårlige, manglende masterdata udfordrer både processer, beslutninger og rapportering . Endelig anbefaler jeg, at man starter med de masterdata, der går på tværs, fordi det typisk er dem, der giver de største udfordringer eller risici, og det er vigtigt, at du med data management skaber reel værdi for organisationen. Hvis data management initiativet ikke skaber værdi, vil du snart miste organisationens goodwill og lyst til at samarbejde og det kan blive fatalt for dit data management initiativ. 

I mit næste blogindlæg fortæller jeg om, hvordan vi må arbejder med governance for at få styr på vores tværgående master data.