Spreekt iedereen dezelfde taal?

Het is voor iedereen duidelijk: een goed inzicht in de bedrijfssituatie helpt om goede beslissingen te nemen. Maar hoe bereikt u dit inzicht als de gegevens waarop u zich moet baseren, elkaar tegenspreken of slechts gedeeltelijk beschikbaar zijn?

“Als je een bad moet leegkrijgen, gebruik je dan een lepel, een glas of een emmer?” Met deze retorische vraag begon Cliff Longman, een onafhankelijke consultant gespecialiseerd in gegevensbeheer, zijn pleidooi voor master data management op de BI-Day georganiseerd door de BI community.

Het antwoord is uiteraard geen van de drie: je trekt gewoon de stop uit het bad. “Een dom voorbeeld van mijn uitgangspunt: als de voor de hand liggende oplossing voor een bedrijfsprobleem niet expliciet zichtbaar is, wordt ze vaak over het hoofd gezien. Of, om het met een intussen gekend mantra te zeggen: garbage in, garbaga out.”

Maar oplossingen voor bedrijfsproblemen kunnen zich pas aandienen als de gegevens waarop je nieuwe inzcht gebaseerd is, ook betrouwbaar zijn. En daar komen de master data op de proppen. Longman: “Master data zijn gegevens die gedeeld worden door verschillende toepassingen en/of verschillende computersystemen.

Master data management moet er dan voor zorgen dat deze gegevens consistent zijn over het hele bedrijf heen, en vooral dat ze ook de realiteit reflecteren.”

Relativiteit
Dat laatste is minder evident dan het lijkt, waarschuwt Longman: “Ik heb bedrijven gekend die dachten dat ze 20.000 producten hadden, 20.000 klanten en slechts 1 definitie van wat “marge” betekent voor het bedrijf. In realiteit hadden ze slechts 5.000 producten, 6.000 klanten en maar liefst 23 definities voor het begrip “marge”.

De perceptie lag dus mijlenver van de realiteit.” Een andere misvatting binnen bedrijven is dat hun analisten al hun tijd konden besteden aan het analyseren van de beschikbare info: “In realiteit zijn de analisten zowat 60% van hun tijd bezig met het vergaren van info.

Een bijzonder betreurenswaardige situatie, want analisten zijn dure vogels en je moet hun tijd dus niet laten verloren gaan aan het verzamelen en samenstellen van informatie.”

Maar het accuraat verzamelen, ontdubbelen en analyseren is wel noodzakelijk, of op zijn minst heel erg nuttig, stelt Longman vast: “een bedrijf als Shell heeft door een correct zicht op zijn gegevens de marges met 1% kunnen verhogen, wat goed is voor een jaarlijkse winstverhoging van 140 miljoen dollar.

Besparen door inzicht
Unilever heeft door een beter zicht op zijn aankopen jaarlijks 200 miljoen kunnen besparen. Zulke business cases zijn natuurlijk snel gemaakt.”

Maar Longman beseft dat voor kleinere bedrijven de business case minder overtuigend zal klinken. Terwijl de kost van een MDM-project ook voor kleinere bedrijven behoorlijke proporties kan aannemen. Dan wordt het veel moeilijker om het management te overtuigen om hierin te investeren.

Longman raadt dan ook aan om stapgewijs te werk te gaan, te beginnen met een project waar de ROI onmiskenbaar is.

Het blijft voor de meeste bedrijven dan ook een jarenlange oefening van balanceren op een slappe koord. Iedereen is er wel van overtuigd dat een grondig inzicht in de beschikbare gegevens tot betere beslissingen zal leiden.

En het merendeel beseft ook wel dat dit nooit lukt zonder een grondige voorbereiding, met name voor het verzamelen en ontdubbelen van de gegevens, en het controleren of de (vooral) klantengegevens nog up to date zijn. Tegelijk blijft echter de druk voelbaar vanuit het management om elk project zo snel mogelijk te laten renderen.

In de praktijk betekent dit dat de persoon of afdeling verantwoordelijk voor de gegevenskwaliteit continu op zoek moet naar projecten die enerzijds het bedrijf dichter brengen bij het einddoel – uniforme gegevens over het hele bedrijf heen – en anderzijds zorgen voor een voldoende snel rendement.

Dit verklaart ook waarom bijna de helft van de projecten rond MDM en gegevenskwaliteit nog steeds manueel worden uitgevoerd, en niet met behulp van een of andere tool, zoals een studie van MDM-softwareleverancier Informatica recent aantoonde.

De dag dat het hele bedrijf zich op dezelfde ondubbelzinnige, bedrijfsbrede en accurate gegevens kan baseren, is voorlopig nog niet in zicht. Maar dat mag niemand beletten om er nu al werk van te maken.

Master data in cijfers
Bij de bedrijven die al een of andere vorm van master data management in huis hebben, zijn de klantgegevens verreweg de populairste vorm van master data. 80% van deze bedrijven heeft al master data voor de klant, terwijl de teller voor de productgegevens blijft steken op 65%. Ver daarachter volgen de werknemer (42%), de assets (39%) en de locatie (30%°).

De vijf valkuilen van MDM
Tijdens zijn keynote gaf Cliff Longman ook een overzicht van de gevaarlijkste valkuilen voor elk MDM-project. We vatten ze hier kort samen:

1. Te weinig interesse vanuit de business. Als er geen duidelijke visie is vanuit de business, en zeker wanneer de IT-afdeling het project leidt, kan MDM vaak in verschillende richtingen worden getrokken zodat het nergens nog een goed resultaat oplevert.
2. Weinig overtuigende business cases. Wanneer de ROI vooraf niet duidelijk kan worden aangetoond en na verloop van enige tijd niet tot overtuigend rendement leidt, kan dit leiden tot een daling van de investering in het project, en dat is meestal het begin van het einde.
3. Te veel ambitie. Wie probeert om alle problemen in één keer geklaard te krijgen, zit meestal met een al te groot project opgescheept, wat dan weer leidt tot bovenstaande situatie waarin het rendement veel te lang op zich laat wachten.
4. Ontkenning: Het grootste probleem ligt meestal helemaal aan het begin van elk MDM-project: bedrijfsleiders en managers moeten beseffen dat de kwaliteit van hun gegevens zeer pover is. Vaak is het een hele klus om hen hiervan te overtuigen, om pas daarna aan het echte werk te kunnen beginnen
5. Het eindpunt. Veel bedrijven denken ook dat MDM een eenmalig project is: u verzamelt de gegevens, ontdubbelt ze, verricht analyses en u bent klaar. “Niets is minder waar natuurlijk”, moet Longman deze bedrijven ontgoochelen: “gegevens zijn, net als alle andere resources, constant aan verandering onderhevig. Anders gezegd: nadat u alle gegevens hebt schoongemaakt, worden ze geheid weer vuil, en kan u opnieuw beginnen.”