So analysieren Sie die Qualität Ihrer Daten vor einer Datenmigration

Steht die Einführung einer neuen Software wie SAP S/4HANA an, müssen Daten vom alten in das neue System gebracht werden. Allerdings lauern bei Datenmigrationen eine Reihe von Fallstricken, die einer zeit- und budgetgerechten Durchführung des Projekts häufig im Weg stehen. Hinzu kommt, dass Unternehmen das Thema Stammdaten(-qualität) mitunter etwas stiefmütterlich behandeln – mit gravierenden Folgen. Denn wenn in einem laufenden Migrationsprojekt plötzlich Schwierigkeiten mit den Daten auftreten, resultieren daraus erhebliche Verzögerungen.

Starten Sie Ihr Datenmigrationsprojekt mit qualitativ hochwertigen und geprüften Daten

Damit eine Datenmigration reibungslos abläuft, ist es essenziell, sich bereits vor Projektbeginn detaillierte Kenntnisse über die zugrundeliegenden Daten und Prozesse zu verschaffen. Minderwertige Daten sollten nach Möglichkeit gar nicht erst in das neue System übernommen, sondern vorher bereinigt und optimiert werden. Eine sorgfältige Analyse der eigenen Daten und Prozesse verfolgt das Ziel, maximale Transparenz zu schaffen und eine reibungslose Datenmigration sicherzustellen.

Die vier Phasen einer Datenmigration

Als kompetenter Experte für Datenmigrationen verfolgt IBsolution einen umfassenden Best-Practice-Ansatz, der aus den Phasen Datenanalyse („Know your data“), Datenbereinigung („Cleanse your data“), Datentransport („Migrate your data“) und Überwachung der Datenqualität („Trust your data“) besteht. Dieser Ansatz stellt sicher, dass die Daten nach der Migration im neuen System vollständig, korrekt, redundanzfrei sowie qualitätsgesichert vorliegen und die hohe Datenqualität dauerhaft erhalten bleibt.

„Know your data“ – Datenanalyse

Die Phase „Know your data” dient dazu, ein stimmiges Bild bezüglich der vorhandenen Daten sowie ihrer Qualität und Detailtiefe als Ausgangspunkt für die anstehende Datenmigration zu zeichnen. Die Schaffung von Transparenz über die existierende Datenlandschaft verfolgt das Ziel, maximalen Durchblick zu schaffen, aus den Analyseergebnissen die richtigen Schlüsse für den Projektverlauf zu ziehen und das weitere Vorgehen zu definieren.

„Cleanse your data“ – Datenbereinigung

Die Datenbereinigung umfasst unter anderem die Festlegung des Scopes und die Entscheidung, welche Daten überhaupt bereinigt werden sollen. Bewährte Maßnahmen, um die Daten wirksam zu bereinigen, sind ein Adress-Cleansing und ein Dubletten-Check. Diese Instrumente leisten einen wertvollen Beitrag, um die Datenqualität zu steigern und die Daten bestmöglich für die Migration in das neue System vorzubereiten.

„Migrate your data“ – Datentransport

Wenn es darum geht, die bereinigten Daten in das neue System zu bringen, stehen vor allem technische Aspekte im Vordergrund. Es gilt, zunächst die Kriterien für die Auswahl des Migrationstools zu definieren. Ebenso maßgeblich ist die Entscheidung, wie die Datenübernahme in das neue System genau ablaufen soll.

„Trust your data“ – Überwachung der Datenqualität

Nach der Migration sollte es das langfristige Ziel sein, die Daten im neuen System dauerhaft sauber zu halten und die Datenqualität wirkungsvoll zu überwachen. Für das Erreichen dieses Ziel bedarf es einer Strategie, die geeignete Maßnahmen festlegt, um künftig Dubletten zu vermeiden, die Adressen aktuell zu halten, richtige Feldformate zu validieren oder das vorhandene Datenmaterial bei Bedarf mithilfe externer Quellen anzureichern und zu ergänzen.

Best-Practice-Vorgehen: Datenanalyse in sechs Schritten

Für die Bestandsaufnahme der Datenqualität im Vorfeld einer Datenmigration hat sich eine Vorgehensweise in sechs Schritten bewährt. Damit gewinnen Unternehmen ein verlässliches Bild über den Zustand ihrer Daten und ermitteln die wichtigsten Ansatzpunkte, um ihren Datenbestand fit für die Migration zu machen.

Schritt #1: Workshop

Den Startpunkt für die Datenanalyse bildet ein Workshop, in dem grundlegende Informationen gesammelt und bereits bekannte Datenqualitätsprobleme thematisiert werden. Ebenso ist es wichtig, die genauen Ziele des Daten-Audits zu formulieren. Im Workshop sollten das Business und seine Prozesse im Vordergrund stehen und nicht die Technik. Im Anschluss an den Workshop definieren die Projektbeteiligten die weitere Vorgehensweise bei der Datenanalyse.

Schritt #2: Kick-off

Der Kick-off dient dazu, die Daten-Stakeholder aus den Fachbereichen und der IT an einen Tisch zu bringen, damit sie den Projektumfang festlegen und die IT-Infrastruktur klären. Auch die Definition der Stammdaten und die Klärung ihrer Bereitstellung finden im Rahmen des Kick-offs statt. Darüber hinaus erarbeiten die Beteiligten gemeinsam einen Projektleitfaden, der detaillierte Informationen zu Umfang, Inhalt und Zielen der Datenmigration enthält. Im weiteren Verlauf dient der Kick-off als Fahrplan für die Bewertung der Stammdatenqualität.

Schritt #3: Quantitative Datenanalyse

Die quantitative Datenanalyse beinhaltet das Erstellen eines Stammdatenkatalogs, das Festlegen der Häufigkeit der Daten sowie das Validieren der Datentypen und der Merkmalsvarianzen im Datenbestand. Die Daten werden hinsichtlich Attribuierung, Wertbereiche und Füllungsgrad untersucht. Ein detaillierter Bericht fasst die Ergebnisse der quantitativen Analyse zusammen und beschreibt Auffälligkeiten.

Schritt #4: Qualitative Datenanalyse

Die qualitative Analyse ist der wichtigste Schritt des Stammdaten-Audits. Hier geht es darum, die bereits bekannten Fehler und Probleme zu analysieren sowie Dubletten zu ermitteln. Entscheidend für den Erfolg ist ein enger Austausch mit den Fachabteilungen, die in der Regel die Daten und die damit verbundenen Herausforderungen am besten kennen. Die Erkenntnisse aus der quantitativen Datenanalyse werden herangezogen, um eine Bewertung der Stammdatenqualität vornehmen zu können. Weiterhin wird der Stammdatenkatalog finalisiert, der einen genauen Überblick über die Dateninhalte gibt.

Schritt #5: Auswertung

Die Auswertung führt die Ergebnisse aus der quantitativen und der qualitativen Datenanalyse zusammen und gleicht sie miteinander ab. Aus den Resultaten wird auch der Fahrplan für die Datenmigration abgeleitet.

Schritt #6: Resümee

Der finale Schritt im Stammdaten-Audit ist das Resümee. Die Ergebnisse der Datenanalyse werden den Projektmitgliedern und den Stakeholdern präsentiert. Darüber hinaus sind auch die Erstellung eines Maßnahmenkatalogs und der Entwurf einer Roadmap wichtige Elemente des Resümees. Auf Basis der vorgestellten Ergebnisse beschließen die Beteiligten die weitere Vorgehensweise im Migrationsprojekt.

Fazit: Mit bereinigten Daten in das neue System starten

Eine hohe Datenqualität sicherzustellen, gehört zu den wesentlichen Herausforderungen bei einem Datenmigrationsprojekt. Fehlerhafte Daten sollten idealerweise gar nicht erst in das neue System übernommen werden. Daher gilt es, bestehende Probleme in Sachen Datenpflege und Datenqualität zu identifizieren und zu beheben. Wenn nur die tatsächlich benötigten und validierten Daten migriert werden, zahlen Unternehmen direkt auf ihre Wettbewerbsfähigkeit ein und vermeiden Unzufriedenheit bei den Anwendern. Um dieses Ziel zu erreichen, erweist sich ein Stammdaten-Audit als wirksames Vorgehen. Denn ein sauberer Datenbestand schafft die idealen Voraussetzungen, um im neuen SAP-System richtig durchzustarten. Schließlich ist beispielsweise auch die Etablierung von KI-gestützten Prozessen ohne eine hohe Datenqualität nicht denkbar.