Eftersom de flesta företag och organisationer idag publicerar sin data i olika kanaler lönar det sig att hantera data centralt, på ett enda ställe. Du säkerställer att det är rätt information på alla ställen och minskar kostnaderna för att hantera den. Genom att arbeta med Master Data Management säkerställer du att data överensstämmer mellan kanaler, och då blir också kundens eller användarens upplevelse bättre.

Master Data Management (MDM) innebär bland annat att ha en strategi för att digitalt hantera din produktinformation, kundinformation, information om leverantörer, persondata eller annan information som är affärskritisk för ditt företag.

MDM handlar om att ha en Single Source of Truth eller ett Golden Record, det vill säga att masterdata finns och hanteras på ett enda ställe och fungerar som källa för alla andra system och utgående kanaler. Att centralisera din data ger dig kontroll och skapar en plattform som du kan organisera, berika och synkronisera över systemlandskapet. Den strategiska hanteringen av masterdata ökar datakvaliteten och eliminerar kostsam ineffektivitet orsakad av datasilos.
Det handlar om att koppla information, personer och processer från en central källa på ett sätt som driver din verksamhet framåt.

What is Master Data Management? And why you need it: White Paper from Stibo Systems (2,7 MB)

The complete A-Z of Master Data Management: Get the eBook from Stibo Systems (2,5 MB)

MDM-system

De större multidomän MDM systemen, såsom Stibo Systems STEP, hanterar all sorts masterdata och relationerna dem emellan, till exempel produkter och artiklar, bilder och filer, kunder och leverantörer, platsdata, digitala och tryckta kataloger och klassifikationer. MDM systemen har stort fokus på datakvalitet, versionshantering, analys och mätbarhet samt funktionalitet för effektiv administration, workflowhantering och automatisering.

 

Multidomain Master Data Management: Data Sheet from Stibo Systems.(0,3 MB)

The STEP platform: Get the Brochure from Stibo Systems. (11,6 MB) 

 

MDM Strategy

Det har alltid varit en utmaning att hantera affärskritisk data. Men eftersom kanalerna som data idag presenteras i har blivit fler, har behovet av kontrollerad hantering blivit större och mer efterfrågat. Med hjälp av vår MDM Maturity Asessment får ni en visuell översikt över era styrkor och svagheter i nuläget och kan sätta upp en vision för vilken nivå ni vill uppnå. 

Gå direkt till MDM Maturity Assessment Survey.

Läs mer om vår MDM Maturity Assessment.

 

MDM-system - implementeringsprojekt och processen

Implementeringsprojektet har en mycket bättre chans att lyckas om du har:

• En MVP-strategi. Vi har under årens lopp funnit att det bästa och snabbaste sättet för våra kunder att få ut värde av implementeringen av ett nytt system är att definiera en Minimal Viable Product (MVP) och fortsätta ha en MVP-strategi under hela implementeringen.
• Stöd från ledningen i form av ett projekt som prioriterar och har öronmärkta resurser.
• Ett korsfunktionellt team. Förutom en styrningsmodell finns det normalt också ett behov av ett organisatoriskt förändringsprojekt. Det nya systemet kommer att kräva förändrade arbetssätt, nya affärsprocesser, nya roller och ansvar för organisationen och vi rekommenderar därför att en Master Data Manager utnämns så tidigt som möjligt för att leda och bygga det nya masterdatateamet / divisionen, ta ägande över de nya processerna samt driva implementeringsprojektet.

Sigmas implementeringsmetoder är baserade på många års erfarenhet av implementeringsprojekt med flera datadomäner. Vi tror att för att skapa bästa möjliga lösning för våra kunder måste vi först förstå, och tillsammans definiera, relevanta affärsprocesser. Detta görs under den förberedande fasen, THINK-fasen, före den faktiska implementeringen.

Best practice för implementering MDM-system

• Var redo att starta projektet så fort som möjligt med kontrakt/SOW på plats, resurser ombord och krav tillgängliga.
• Kom överens om projektmetoden (t.ex. vattenfall, agile, hybrid, interna processer) med alla parter. Välj inte en metod som du inte känner till. Till exempel, även om ett agilt iterativt tillvägagångssätt rekommenderas, kommer det att vara utmanande om processen inte förstås helt av alla inblandade eller inte matchar med intern projektövervakning.
• Definiera dina strategier så snart som möjligt, till exempel hantering av organisationsförändring, kommunikation, datamigrering, systemintegration och teststrategier.
• Inledande workshopar om övergripande krav bör helst täcka hela projektomfånget, inte bara för den första fasen/MVP.
• Om du använder en agil metod, skriv inte någon User Story som kommer att kräva mer utvecklingsinsatser än vad som kan rymmas inom en enstaka sprint.
• Bygg in löpande och genomgående kunskapsöverföring i projektet så att dina interna administrations- och supportanvändare, samt verksamhetsanvändare kan underhålla systemet så snart som möjligt efter go-live.

Data Quality Management

Data Quality Management handlar om att säkerställa att data är av högsta möjliga kvalitet. Vi följer ett beprövat koncept, från dataanalys till att gå på djupet av varför kvalitetsbrister finns. Sedan coachar vi er till tydliga aktiviteter för att eliminera avvikelserna.

Data Quality by Sigma – process för hantering av datakvalitet

För många företag baserar affärsbeslut på direkt felaktiga skäl. Orsakerna är många, men ofta handlar det om korrupt data. Informationen ändras utan kontroll, den mänskliga faktorn får ändra data utan en tydlig process eller så saknas kvalitetssäkrade system. Vi utför denna analys genom Data Quality by Sigma - vår väl beprövade process för att identifiera och eliminera problem med datakvaliteten i en organisation. Den innefattar några tydliga steg genom dataanalys och modellering, samt identifiering av affärsregler, vilka vi sedan anpassar till verkligheten. Sedan identifierar vi grundorsakerna till de avvikelser vi finner och slutligen presenterar vi förslag på hur vi kan eliminera dem.

Data Quality by Sigma

Processen består av flera steg i olika stadier:

• Mätning av datakvalitetens mognad
• Dataflöde och processanalys
• Dataklassificering och inventering
• Identifiera affärsregler - hur ska data se ut?
• Datakvalitetsmätningar - hur ser det ut?
• Vilka avvikelser är viktigast att hantera?
• Root Cause Analys - vi finner orsaken till avvikelsen
• Förslag till förbättring
• Uppföljning

Genom processen måste det också finnas ett ledningsspår med en tydlig beslutsstruktur.

MDM by Sigma

Oavsett om du är nyfiken på MDM, letar efter en partner med expertis inom datahantering, för att analysera eller ge dig råd om din digitala resa eller rådfråga dig i ett MDM-projekt - att arbeta med oss betyder att du förväntar dig en bättre morgondag!