Ledare måste lita på data inom organisationen för att kunna fatta sunda affärsbeslut. Så många vänder sig till master data management (MDM), en lösning att få och behålla enhetlig och korrekt data som ökar affärsvärdet.

Men enligt Gartner, 75% av alla MDM-program över organisationer klarar inte affärsmålen. Dessutom har denna trend förvärrats sedan 2015, en ökning med 9 %.

"MDM är komplext", erkände Amy Cooper, huvudkonsult på Dun & Bradstreet och en expert som arbetar med kunder som vill utvecklas som datadrivna organisationer. "Att anpassa människor, processer och teknik för att styra och strukturera masterdata för att bli bra Datakvalitet är särskilt svårt, säger hon.

För att hjälpa företag att förstå varför MDM är så svårt delade Cooper med sig av sina insikter nyligen Datastyrning och informationskvalitetskonferens (DGIQ). Hon täckte tre MDM-fallgropar och gav förslag på hur man åtgärdar dem. 

Misslyckas med att koppla MDM-programmet till affärsmål

Coopers första betydande fallgrop är ett misslyckande med att koppla MDM-programmet till affärsmål. Hon förklarade att många chefer, de primära intressenterna, förstår behovet av MDM-program men saknar kunskap om hur de kopplar ihop med affärsvärde. 

Många chefer mäter inte ens sina MDM-program. Hon påpekade att 90 % av organisationerna misslyckas med att samla in nyckelprestandaindikatorer (KPI:er) för sitt MDM-program.

"De 10 % av företagen har mätvärden eller KPI:er kopplar det till själva data, inte affärsresultatet," sa hon. Cooper illustrerade hennes poäng med hjälp av diagrammet nedan.

Bild 1 (Bildkredit: Gartner)

Hon pekade till vänster om triangeln på C-nivån, under "Intressent", och sa: "Befattningshavare binder MDM:s programframgång med resultat, som att öka intäkterna, minska kostnaderna, minska risken eller arbeta mer effektivt."

Att knyta mått till data och arbetsflöde, som visas längst ner i diagrammet, lämnar dock ett gap. Hon noterade att detta tillvägagångssätt eller att inte ha några mätvärden gör det svårare att förespråka MDM-finansiering. 

Hon förklarade, "Befattningshavare förstår inte att MDM pågår. Det är ett tankesätt och en kultur.” De är mer benägna att få det här konceptet när MDM-mätvärden kopplas till de resultat som utgör deras fokus.

Förlitar sig enbart på teknik

Förutom att misslyckas med att koppla MDM:s värde med affärsresultat, "Människor börjar med MDM genom att hoppa in med tekniken," sa Cooper. "Då försöker de passa in personer, processer och masterdata i sin valda teknik."

Dessutom, i processen att prioritera teknik först, tar organisationer för givet att de har bra Datakvalitet, data som är ren och lämplig för ändamålet. Sedan, under ett större initiativ, som att migrera till en molnmiljö, upptäcker de att deras data inte är så ren. De misslyckas med att budgetera tid och resurser för att bedöma om datakvaliteten är tillräckligt bra.

Ingenjörer och deras chefer svarar på detta problem genom att anlita en leverantör, som Dun & Bradstreet, för att få ren data. Under detta arbete lär IT sig att de inte förstår affärsanvändningsfallen. 

Cooper betonade, "Teknik ensam rensar inte data. Det ger konsekvens och struktur genom att matcha liknande poster.” MDM kräver mer än denna tjänst; det behöver ett engagemang för datakvalitet och en implementering som är anpassad till organisationens kultur och mognadsnivå.

Försöker göra allt själv

Organisationer hamnar i fallgroparna ovan och andra eftersom de försöker göra det ensamma, och de flesta har aldrig gjort MDM tidigare. Istället, "Organisationer har olika möjligheter med MDM," sa Cooper, "och du vet inte vad du inte vet."

Hon gav ett exempel på en organisation som bestämmer sig för att migrera data som en del av en vertikal marknadsstrategi. Det företaget gick med ett företag som inte hade en bransch kopplad till kundens data. Tillade hon:

"Hur operationaliserar ett företag en vertikal marknadsstrategi om det inte vet vilken bransch kunden bedriver sin verksamhet? Företaget kunde sitta med försäljningen och låta den avdelningen göra kopplingen. Men den processen blir subjektiv och tidskrävande.”

Dessutom pratade Cooper om två andra huvudvärk som orsakas av att göra det ensam. Först bad Turkiet FN att korrigera stavningen av sitt namn i alla sina tillämpningar. 

Några av Coopers kunder blev också oroliga för att följa affärsmandaten på grund av konflikten mellan Ryssland och Ukraina. Hon rådde att konsultera en expert för att ta fram bästa praxis, en objektiv databedömning och förstå om uppgifterna är giltiga.

Att vidta försiktighetsåtgärder för att undvika fallgroparna

Företag som vill minimera de tre fallgroparna som nämns ovan måste koppla sitt MDM-program till sina affärsmål, se bortom tekniken till data och arbeta med en MDM-expert. Cooper utvecklade hur man åtgärdar fallgropar under sitt föredrag.

Prata med intressenter för att anpassa MDM-mått med affärsmål 

Att koppla MDM-programmet till affärsmål kräver att man pratar med intressenterna i hela organisationen, särskilt divisioner med direkta finansiella risker som försäljning, marknadsföring, inköp och leverans. Cooper sa att läsarna borde lära sig målen för varje enhet och hur de mäter framgång när det gäller att öka intäkterna, minska kostnaderna, minska riskerna eller arbeta mer effektivt. Se figur 2 nedan:

Bild 2 (Bildkredit: Amy Cooper)

Cooper pekade på försäljning som en intressent att inkludera. I hennes modell fungerar försäljningen för att öka intäkterna, antingen genom att sälja fler produkter eller tjänster eller behålla befintliga kunder. 

Hon fortsatte med att designa mätvärden för att förbättra kundbehållningen. Cooper använder kundnöjdhetsundersökningar som vägledning, vilket indikerar lojalitet när kunder får sina beställningar, rätt varor, i tid och med rätt adress.

I den här situationen behövde organisationen benchmarka kunden datas noggrannhet, fullständighet och fyllnadsgrad, särskilt attributen faktura-till-adress, leverans-till-adress och kontaktnamn. Sedan kan företaget inrikta sig på förbättringar av dessa mätvärden genom automatisering, vilket påverkar kundbehållningen och driver affärsresultat.

Ser bortom tekniken till datakvalitet

Cooper gav råd att fokusera på datakvalitet – t.ex. genom referensdata – snarare än teknik. I figuren nedan har ett företag data om en kund, Emerson Electric, som visas till vänster. Tabelldata till höger representerar tredjepartsreferensdata och en enda sanningskälla som tillhandahålls företaget till vänster, vilket rullar upp Emerson Electrics olika juridiska enheter. 

Designa MDM med organisatorisk mognad i åtanke

Förutom att prata med intressenter och fokusera på datakvalitet, föreslog Cooper att man skulle utforma vilket MDM-program som helst med organisatorisk mognad i åtanke. Hon gick vidare till en bild som delade in mognad i tidiga, mitten och sena stadier och diskuterade sedan värdeskapande.

Cooper började på fil-/applikationsnivå längst ner till vänster och beskrev hur hon byggde upp ett sådant program för ett företag i ett tidigt mognadsskede. Företaget ville skapa ett nationalräkenskapsprogram men kunde inte komma åt kunddata. Så hon identifierade kunderna som desamma över hela landet baserat på utgifter och storlek på verksamheten, och associerade denna information med deras applikation för kundrelationshantering (CRM).

På mellannivå tittar Cooper på att få bra datakvalitet för en affärsenhet och ser till att utöka denna framgång till flera team under den sena mognadsfasen. Till exempel startade en av Coopers kunder denna MDM-integration på företagsnivå för tio år sedan. 

MDM-integreringen på företagsnivå har visat sig svår eftersom finans- och riskdivisionerna föredrar sina lokaliserade applikationsvyer. Cooper förklarade vikten av att team över hela ett företag överensstämmer med hur MDM gör visualiseringar.

Anlita expertråd för att göra MDM 

Som en högsta försiktighetsåtgärd, "Prata med kamrater och personer som har gjort MDM tidigare," sa Cooper, "och utnyttja en partner för att hjälpa till med data." En sådan taktik ger en källa till bästa praxis och objektiva bedömningar av ett företags data genom att tillhandahålla en prövosten för jämförelse. 

Hon rekommenderade att anlita en expert med korrekta och pålitliga referensdata och inbyggd styrning och terminologi, vilket ger en enda källa till sanning. På så sätt kan en organisation få bekräftelse på hur väl deras data representerar en "giltig affärsenhet".

Efter att en tredje part utvärderat ett företags data måste den organisationen fråga följande:

• Var finns uppgifterna?
• Vad representerar det?
• Är det korrekt?
• Är det tillgängligt? 
• Är det bra datakvalitet?

Hon rådde organisationer att integrera sin partners data med sina egna för att driva "unika behov utanför ditt företag" och få de mest pålitliga synpunkterna på viktiga affärsrelationer. När företag överväger detta alternativ bör de ägna resurser åt att arbeta med sina partners på dessa gemensamma visualiseringar.

Slutsats

MDM-program kan lyckas, betonade Cooper. Att prata med intressenter om affärsmål, fokusera på datakvalitet, ta hänsyn till organisatorisk mognad och anlita experter minimerar alla effekterna av att misslyckas med att koppla affärsvärde till MDM, fokusera på teknik först och försöka göra allt ensam.

Hon betonade att att engagera sig i MDM "är ett långt spel", att börja i det små, förbättra MDM-aktiviteterna och upprepa denna process för att undvika fallgropar. "Rikta in en produkt, geografi eller applikation för att bygga vidare på MDM-framgångar," betonade Cooper.

Vill du lära dig mer om DATAVERSITYs kommande evenemang? Kolla in vårt nuvarande sortiment av konferenser online och ansikte mot ansikte här..

Se DGIQ-presentationen nedan:

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://www.dataversity.net/common-master-data-management-mdm-pitfalls/