Så tar du fram en styrmodell för Masterdata Management

Masterdata utgör grundbulten i möjligheten till att kunna skapa effektiva processer. Och att ha en strategi för, och kontroll av sin masterdata är en av de viktigaste förutsättningarna för ett framgångsrikt systemimplementationsprojekt. Trots det blir ämnet ofta skickat mellan avdelningar som en het potatis.

 

Masterdata delas mellan olika processer i en organisation, och det är viktigt att det finns en känsla av ägandeskap i verksamheten för att hantera varje del av MDM programmet. Typiska intressenter eller ägare inom MDM kan vara Supply Chain, Category Management eller HR & Payroll. Det finns även fall där det kan vara en helt separat avdelning beroende på storlek av organisation.

 

 

Vikten av ansvarsfördelning inom MDM

För att hantera MDM framgångsrikt är det avgörande att det finns en styrmodell, att den är tydlig och att rätt avdelning har ett ansvar för data. Utan en ordentlig styrmodell kan masterdata-frågor som uppstår flyta runt utan att någon tar ägarskap. Detta kan resultera i dålig datakvalité samt frustration gentemot delar av verksamheten där man anser problemet ligga.

 

– Är det IT som äger masterdata, eftersom de konfigurerar systemen eller lösningen som håller data?

– Är det kanske så att Kvalitetsavdelningen äger data eftersom de har detaljinformationen om alla artiklar?

– Är det Försäljning som äger frågan eftersom de hanterar alla kunder?

– Är det Projektet som ansvarar för att hantera masterdata?

 

 

Styrmodellens viktigaste delar

Det finns inget fullständigt rätt eller fel i hur man kan bygga en styrmodell. Varje organisation är annorlunda, så modellen för masterdata bör återspegla det.  Att bygga en modell för masterdata kan vara en stor aktivitet, men det får inte sluta där; Styrmodellen för masterdata behöver finnas kvar efter projektet och aktivt jobbas med. Nedan följer några viktiga punkter att tänka på för att säkerställa att din MDM-process blir en framgång.

 

Data governance roller

Roller som har till uppgift att definiera användningen av masterdata och hur data ska hanteras. Denna roll skall klargöra för hur admins i system lägger upp diverse data och även vara drivande i krav från verksamhet. Rollen fastställer exempelvis:

 

• • • Tid och information för att skapa en ny kund.
    • Information som ska vara obligatorisk vid upplägg av nya data i verksamhetssystem.
    • Obligatoriska kvalitetsregler.
    • Hur man sammanställer masterdata mellan dotterbolag/systerbolag.

 

Detta är bara några få exempel men det behöver finnas täckning för en organisations alla inkommande datakomponenter, leverantörer, kunder, artiklar etc.

 

Process och policy

Med eller utan en dedikerad avdelning som hanterar data är det avgörande att ha en plan för hur man får in och använder den. Processen att lägga till, redigera, godkänna eller sammanfoga data behöver vara väl genomtänkt. Man behöver täcka upp för scenarion som kan uppstå och planera för att kunna lösa det. Sammanfattningsvis:

 

• • • Identifiera risker och förebygg dem proaktivt genom att bygga en stabil skapandeprocess.
    • Följ dina affärsbehov och potentiella regler inom din bransch.
    • Se till att ha teknologi och verktyg för att täcka processen.
    • Engagera olika avdelningar för att skapa buy-in för att hjälpa till att anta nya standarder.

 

Masterdata-lista

Om man är i en situation där man hanterar många dataregister eller bara många datapunkter kan man skapa en masterdata-lista. Med andra ord, regler och en plan för att ta sig an sin masterdata. Det finns framförallt några punkter som är relevanta:

 

• • • Standardisera och rensa – Se till att data är uppdaterad med periodiska revisioner över kvalité. Bestäm en standard och rapportera ändringar.

• • • Underhåll och förbättra – Automatisering och maskinlärning kan vara användbara verktyg för att underhålla och förbättra kvalitén över tid. Det kan användas för att identifiera, sammanfoga och rensa poster eller flagga datapunkter utanför toleransnivåerna.

• • • Alltid relevant – Masterdata är inte bara relevant för stora organisationer. Alla organisationer som hanterar komplexa datamängder och flera datakällor kan dra nytta av att utveckla masterdata-arbetet.

 

 

Masterdata som matchar affärsbehoven

Slutligen, det är lätt att tänka på masterdata som något rent tekniskt. Men vill du verkligen optimera din digitaliseringsresa måste masterdata överensstämma med affärsbehoven och hur de ska utvecklas.

 

Det har länge mässats om MDM och om vikten av att stödja verksamhetens behov med tekniska lösningar inom Masterdata och vi på HerbertNathan & Co har genom åren skrivit ett stort antal bloggar som handlar om eller berör masterdata. Bland annat kan vi tipsa om bloggen Masterdata är supertråkigt men superviktigt från 2018. Även om många år har gått sedan den skrevs så är synpunkterna fortfarande mycket aktuella. Masterdata kommer inte att vara ett enstaka projekt var femte år. Det är snarare en svårfångad process som behöver utvecklas med resten av verksamheten om man verkligen ska kunna dra nytta av digitala lösningar.