Umsatz heißt jetzt überall dasselbe

Ausgangssituation

Ein führendes Unternehmen der FMCG-Branche mit mehreren internationalen Standorten stand vor einer wachsenden Herausforderung: Die Nutzung und Transparenz der Daten und Datenquellen war unzureichend, und eine zentrale Steuerung durch die Dachorganisation in den USA führte zu einer Datenlandschaft, deren Aufbau für die einzelnen Märkte nicht nachvollziehbar war. Unterschiedliche Definitionen von KPIs, fehlende Ansprechpartner für Datenbanken und Tabellen sowie unklare Data Lineage in Reportings und Dashboards sorgten für Verwirrung und Ineffizienz.

Hinzu kam, dass sich nur wenige Mitarbeiter aktiv mit der Suche nach relevanten Daten beschäftigten, oft aus Mangel an benutzerfreundlichen Tools oder fehlender technischer Expertise. Gleichzeitig fehlten Data Stewards, die sich für die Pflege und Qualitätssicherung der Daten verantwortlich fühlten. Daten wurden genutzt, aber selten aktiv verwaltet oder strukturiert verbessert.

Vorgehen

Wie bei vergleichbaren Projekten haben wir zuerst in jeder Abteilung Data Owner identifiziert, die bereit waren, den bestehenden Zustand aktiv zu verändern. Fachwissen war dabei zweitrangig, entscheidend war die Bereitschaft, sich um die eigenen Daten zu kümmern, statt sie nur zu nutzen.

Gemeinsam mit diesen Data Ownern haben wir eine Anforderungsanalyse durchgeführt und daraus einheitliche Standards abgeleitet, etwa wie Kennzahlen dokumentiert werden und wer Änderungen freigibt. Als Plattform haben wir uns für Microsoft Purview entschieden, eine cloudbasierte Lösung, die Metadaten automatisch erkennt und sich an die bestehende Systemlandschaft anschließen ließ, ohne dass Mitarbeiter ihre gewohnten Tools aufgeben mussten.

Aufgebaut haben wir das schrittweise: gestartet sind wir mit einer bewusst einfachen Datenquelle, um schnell einen funktionierenden Proof of Concept zu zeigen, statt monatelang zu planen. Von dort aus haben wir sukzessive weitere Quellen angeschlossen, am Ende des Projekts waren es vier, weitere kommen seither laufend dazu. Weil die Daten hinter jeder Quelle aus mehreren Abteilungen stammten, hatte jede Quelle mehrere Data Owner statt eines einzelnen.

Für technische Nutzer enthält der Catalog die Data Lineage und die genaue Berechnungslogik hinter jeder Kennzahl. Für alle anderen im Unternehmen haben wir zusätzlich einen Data Marketplace aufgesetzt: eine vereinfachte Oberfläche mit Suchfunktion, über die man findet, was man braucht, ohne die Rohdaten selbst lesen zu können. Uns war dabei wichtig, dass diese Oberfläche für Business User verständlich blieb und nicht wie ein weiteres technisches Tool wirkte, an dem sich nur die IT zurechtfindet. Zusätzlich haben wir den Catalog direkt in die bestehenden Dashboards eingebunden, ein Klick auf eine Kennzahl führt seitdem direkt zur zugehörigen Datenquelle.

Die technische Einführung allein hätte nicht gereicht. Daher haben wir entsprechende Schulungen durchgeführt, in denen die Data Owner ihre Kollegen an echten Anwendungsfällen mitgenommen haben, begleitet von laufender Kommunikation über den Fortschritt, damit der Catalog nicht als weiteres IT-Tool wahrgenommen wurde, sondern als Antwort auf ein Problem, das jeder aus eigener Erfahrung kannte.

Ergebnisse

Daten sind heute auffindbar, nicht weil endlich klar ist, wen man fragen muss, sondern weil man niemanden mehr fragen muss. Das zeigt sich auch an bestehenden BI-Reports und Dashboards: weil sich jetzt gezielt nach einer Kennzahl oder ihrer Herkunft suchen lässt, werden diese heute deutlich besser angenommen als vorher, als dieselben Zahlen ohne Kontext nebeneinanderstanden.

Mit der unternehmensweiten Standardisierung der Kennzahlen ist auch das zweite Problem verschwunden: wenn zwei Märkte über Umsatz sprechen, meinen sie jetzt dasselbe. Diskussionen darüber, wessen Zahl stimmt, entfallen, Entscheidungen lassen sich schneller treffen.

Vier Datenquellen sind aktuell im Catalog erfasst, jede mit mehreren Data Ownern aus den jeweils betroffenen Abteilungen. Weitere Quellen kommen laufend dazu, nach demselben Muster, mit dem wir angefangen haben: klein starten, schnell zeigen, dass es funktioniert, dann ausbauen.