Die Sprache des Stammdatenmanagements (MDM) ist voll von Definitionen, Akronymen und Abkürzungen, die von Analysten, Datenwissenschaftlern, CDOs und IT-Managern verwendet werden. Dieses Wörterbuch bietet einfache Erklärungen zu den gängigsten MDM-Begriffen und hilft Ihnen, sich in der MDM-Landschaft zurechtzufinden.
Abgleich und Verknüpfung
Abgleich und Verknüpfung sind zwei Schlüsselprozesse bei der Erstellung von goldenen Datensätzen. Goldene Datensätze sind eine einzige, genaue und umfassende Ansicht einer Einheit, z. B. eines Kunden oder eines Produkts, die durch die Kombination und den Abgleich von Daten aus mehreren Quellen erstellt wird. Beim Abgleich werden Datensätze, die sich auf dieselbe Entität beziehen, auf der Grundlage einer Reihe von Abgleichsregeln oder -kriterien identifiziert und gruppiert. Diese Regeln können Felder wie Name, Adresse und Telefonnummer umfassen, die zum Vergleich und Abgleich doppelter Datensätze aus denselben oder unterschiedlichen Quellen verwendet werden.
Die Verknüpfung bezieht sich auf die Konsolidierung oder Zusammenführung der abgeglichenen Datensätze zu einem einzigen goldenen Datensatz. Dabei werden Konflikte und Inkonsistenzen zwischen den Datensätzen aufgelöst und die Informationen aus den einzelnen Datensätzen zu einer einzigen, umfassenden Ansicht der Entität kombiniert. Wenn alle Quelldatensätze mit dem Golden Record verknüpft sind, wählt die Zusammenführungsfunktion einen Survivor und einen Non-Survivor aus. Der Golden Record basiert nur auf dem Survivor. Die Nicht-Überlebenden werden aus dem System gelöscht. Die Verknüpfung kann auch eine Anreicherung der Daten durch Hinzufügen zusätzlicher Informationen aus externen Quellen bedeuten.
Die Erstellung von Golden Records durch Abgleich und Verknüpfung ist ein iterativer Prozess, der eine ständige Überwachung und Verfeinerung erfordert, um Genauigkeit und Vollständigkeit zu gewährleisten. Dieser Prozess wird in der Regel durch Stammdatenverwaltungssoftware (MDM) unterstützt, die Werkzeuge und Arbeitsabläufe für die Verwaltung der Erstellung und Pflege von Golden Records bereitstellt.
Siehe auch: Golden Record
Weitere Informationen:
- Was ist Master Data Governance - und warum brauchen Sie sie?
- Der vollständige Leitfaden: Wie Sie eine 360°-Kundensicht erhalten
ADM - Anwendungsdaten-Management
ADM ist das Management und die Verwaltung der Anwendungsdaten, die für den Betrieb einer bestimmten Geschäftsanwendung erforderlich sind, wie z. B. Ihr ERP, CRM oder Supply Chain Management (SCM). Bei den Anwendungsdaten Ihres ERP-Systems handelt es sich um Daten, die mit Produkten und Kunden verbunden sind. Diese können mit Ihrem CRM-System ausgetauscht werden, aber im Allgemeinen werden Anwendungsdaten nur mit wenigen anderen Anwendungen und nicht unternehmensweit ausgetauscht.
ADM spielt eine ähnliche Rolle wie MDM, allerdings in einem viel kleineren Rahmen, da es nur die Verwaltung von Daten ermöglicht, die von einer einzigen Anwendung genutzt werden. In den meisten Fällen sind die ADM-Governance-Funktionen in die Anwendungen integriert, aber es gibt auch spezielle ADM-Anbieter, die einen vollständigen Satz von Funktionen anbieten.
Siehe auch: Stammdaten
Weitere Informationen:
AI - Künstliche Intelligenz
Im MDM-Universum ist KI in zweierlei Hinsicht von Bedeutung. Erstens ist KI ein integraler Bestandteil des MDM, das KI und die zugrundeliegende Technologie des maschinellen Lernens zur Klassifizierung von Datenobjekten, wie z. B. Produkten, verwendet. KI sucht nach bestimmten Identifikatoren, um Muster in Informationsfragmenten zu finden, z. B. einige Attribute oder ein Bild eines Produkts, und stellt sicher, dass das Produkt in der Produkttaxonomie korrekt klassifiziert wird. Diese Fähigkeit wird beim Produkt-Onboarding genutzt. Entspricht das Objekt nicht den Klassifizierungskriterien, kann es an einen Sachbearbeiter weitergeleitet werden, der die KI trainieren kann. Zweitens stützt sich die KI auch auf MDM, wenn sie in externen Anwendungen eingesetzt wird. KI muss wissen, nach welchen Identifikatoren sie suchen soll. Diese Bezeichner werden im MDM-Datenmodell beschrieben und geregelt. MDM gewährleistet, dass die Ergebnisse der KI-Verarbeitung vertrauenswürdig sind.
Siehe auch: Generative KI, Maschinelles Lernen, Auto-Klassifizierung
Weitere Informationen:
- Generative KI für Produktinformationsbedürfnisse Governed Data
- Bringen Sie Ihre KI-Agenda mit Master Data Management voran Schöpfen Sie den Wert von KI und maschinellem Lernen schneller aus - mit der Leistung von MDM
Änderungsmanagement
Change Management ist die Vorbereitung und Schulung von Einzelpersonen, Teams und Organisationen auf organisatorische Veränderungen. Change Management ist nicht spezifisch für die Implementierung einer Stammdatenmanagementlösung, es ist jedoch eine Notwendigkeit bei jeder MDM-Implementierung, wenn Sie den ROI maximieren wollen. Bei der Implementierung von MDM geht es nicht nur um eine technologische Lösung, sondern ebenso sehr um die Veränderung von Prozessen und Denkweisen. Da MDM darauf abzielt, Datensilos aufzubrechen, wirft es unweigerlich Fragen zu Dateneigentum und abteilungsspezifischen Zuständigkeiten auf.
Weitere Informationen:
Anschluss
Konnektoren sind anwendungsunabhängige Programme, die den Transfer von Daten oder Nachrichten zwischen Geschäftssystemen oder externen Quellen und Anwendungen durchführen, z. B. die Verbindung Ihrer MDM-Plattform mit Ihrem ERP, der Analytik oder mit Datenvalidierungsquellen oder Marktplätzen. Konnektoren sind eine wichtige architektonische Komponente, um Daten zu zentralisieren und den Datenaustausch zu automatisieren.
Siehe auch: API
Weitere Informationen:
API - Schnittstelle zur Anwendungsprogrammierung
Eine API ist ein integrierter Code der meisten Anwendungen und Betriebssysteme, der es einer Software ermöglicht, mit anderen Softwaretypen zu interagieren. Bei der Stammdatenverwaltung können nicht unbedingt alle Funktionen in der MDM-Plattform selbst abgewickelt werden. Sie möchten beispielsweise Produktdaten aus Ihrem MDM-System an das E-Commerce-System weiterleiten oder Kundendaten über einen Drittanbieterdienst validieren. Die API sorgt dafür, dass Ihre Anfrage zugestellt wird und gibt die Antwort zurück.
Die Verwendung von APIs ist eine Kernfunktion der MDM-Unternehmensplattform. Als einzige Quelle der Wahrheit muss das MDM mit einer Vielzahl von Geschäftssystemen im gesamten Unternehmen verbunden werden.
Siehe auch: Konnektor, DaaS, Datenintegration
Weitere Informationen:
Architektur
Eine MDM-Lösung ist nicht einfach etwas, das man kauft und dann einsetzt. Sie muss in Ihre spezifische Unternehmensstruktur eingepasst und in die gesamte Unternehmensarchitektur und -infrastruktur integriert werden. Deshalb ist die MDM-Architektur einer der ersten Schritte im MDM-Prozess. Ihre MDM-Strategie sollte eine Übersicht über Ihre Datenflüsse und -prozesse enthalten und aufzeigen, welche Systeme Quelldaten liefern und welche auf den Erhalt genauer Daten angewiesen sind, um zu funktionieren. Diese Karte zeigt, wo das MDM in die Unternehmensarchitektur passt.
Siehe auch: Implementierungsstile
Weitere Informationen:
- Stibo Systems plattform
- Wie Sie Ihre Master Data Management Strategie in 7 Schritten aufbauen
- MDM-Akademie-Kurs: MDM-Lösungsarchitektur
Art der Implementierung
Bei der Implementierung einer Stammdatenverwaltungslösung können Sie je nach Ihren geschäftlichen Anforderungen zwischen vier verschiedenen Methoden oder Stilen wählen: (1) Register, (2) Transaktion/Zentralisierung, (3) Konsolidierung oder (4) Koexistenz. Die Entscheidung für eine dieser Methoden hängt von der Geschäftssituation, der Technologie, den Mitarbeitern und den Zielen des Unternehmens ab. Die Art der Implementierung kann auch von der Art der Stammdaten abhängen.
Mehr Informationen:
Attribute
Im MDM ist ein Attribut eine Spezifikation oder ein Merkmal, das hilft, eine Entität zu definieren. Ein Produkt kann zum Beispiel mehrere Attribute haben, wie Farbe, Material, Größe, Inhaltsstoffe oder Komponenten. Typische Kundenattribute sind Name, Adresse, E-Mail und Telefonnummer. MDM unterstützt die Verwaltung und Steuerung von Attributen, um genaue Produktbeschreibungen zu liefern, Kunden zu identifizieren und goldene Datensätze zu erstellen. Genaue und reichhaltige Attribute sind sowohl für die Kundenerfahrung als auch für den Datenaustausch mit Partnern und Behörden von enormer Bedeutung.
Siehe auch: Datenentität, Datenobjekt, Data Governance, Golden Record
Mehr Informationen:
Auto-Klassifizierung
Automatische Klassifizierung, computergestützte Klassifizierung oder maschinell überwachte Klassifizierung ist eine Methode zur automatischen Kategorisierung von Artikeln in vordefinierte Kategorien, Klassen und Industriestandards mithilfe von Algorithmen des maschinellen Lernens. Sie kann als Teil eines Produktinformationsmanagementsystems (PIM) verwendet werden, um Produktinformationen automatisch in verschiedene Produktkategorien und -attribute zu kategorisieren und zu ordnen, z. B. wenn Produkte mit einem minimalen Datensatz, wie Markenname und Artikelnummer, an Bord kommen. Die automatische Klassifizierung und die computergestützte Klassifizierung beschleunigen das Onboarding von Lieferantenartikeln und führen im Vorfeld zu einer korrekteren Klassifizierung von Artikeln, was durch die korrekte Verwendung von Vorlagen für die Artikeldatensätze zu einer besseren Datenqualität führt. Vorhersagen für Klassifizierungen werden mit einem Vertrauensbereich verknüpft, und wenn der Vertrauensbereich der Vorhersage unter einen festgelegten Schwellenwert fällt, wird das Produkt zur manuellen Klassifizierung an einen Sachbearbeiter weitergeleitet, was wiederum zum erneuten Trainieren des Klassifizierungsalgorithmus genutzt werden kann.
Weitere Informationen:
Automatisierung von Arbeitsabläufen
Die Workflow-Automatisierung im Stammdatenmanagement hilft bei der Automatisierung und Rationalisierung sich wiederholender, manueller Aufgaben und Prozesse. Dazu gehört das Entwerfen, Ausführen und Verwalten einer Reihe von automatisierten Aktionen, die einer vordefinierten Abfolge von Schritten oder Regeln folgen. Die Workflow-Automatisierung zielt darauf ab, die Effizienz zu steigern, Fehler zu reduzieren und die Produktivität zu erhöhen, indem manuelle Eingriffe durch automatisierte Aktionen ersetzt werden. Sie umfasst in der Regel die Integration verschiedener Softwareanwendungen und -systeme, die einen nahtlosen Daten- und Informationsfluss über die verschiedenen Phasen eines Prozesses hinweg ermöglichen. Die Workflow-Automatisierung wird beispielsweise eingesetzt, um Informationen von Lieferanten oder Datenpools zu extrahieren und ein PIM-System oder Datenkataloge mit Produktdaten zu füllen. Regeln stellen sicher, dass die Daten mit den Datenanforderungen des Empfängers konform sind.
Bestandsdaten
Unternehmenswerte können physisch (Geräte, Gebäude, Fahrzeuge, Infrastruktur) und nicht-physisch (Daten, Bilder, geistiges Eigentum) sein. In jedem Fall handelt es sich um einen Gegenstand, der sich im Besitz eines Unternehmens befindet. Vermögenswerte verfügen über Daten wie Spezifikationen, Standort, Stückliste und eindeutige ID. Diese Daten können auf unterschiedliche Weise genutzt werden und müssen verwaltet werden, zum Beispiel für die vorbeugende Wartung. Ein MDM-System kann dabei helfen, die funktionalen, leistungsbezogenen und konfigurierten Zusammenhänge von Anlagen zu beschreiben, da es im Wesentlichen den digitalen Zwilling einer Anlage enthält. Mit zuverlässigen Informationen über Ihre Anlagen lassen sich wichtige Fragen beantworten wie "Wie ist der aktuelle Zustand unserer Anlagen, die diesen Geschäftsprozess unterstützen? Von wem werden sie genutzt? Wo befinden sie sich?" Bitte beachten Sie diese wichtige Unterscheidung: Bestandsdaten sind die Stammdaten Ihrer Anlagen, während Daten, die von Ihren Anlagen erzeugt werden, als Sensordaten, Zeitreihendaten oder IoT-Daten bezeichnet werden. Stammdaten haben die Eigenschaft, wenig flüchtig zu sein, während IoT-Daten sich ständig ändern und zunehmen. Anlagendaten sind das, was Sie mit Sicherheit über Ihre Anlagen wissen.
Siehe auch: DAM, Digitaler Zwilling
Weitere Informationen:
BI - Business Intelligence
Business Intelligence ist eine Art der Analytik. Sie analysiert die von einem Unternehmen erzeugten und verwendeten Daten, um Möglichkeiten zur Optimierung und Kostensenkung zu finden. Sie umfasst Strategien und Technologien, die Unternehmen dabei helfen, ihre Abläufe, Kunden, Finanzen, Produktleistung und viele andere wichtige Geschäftsdaten zu verstehen. Die Stammdatenverwaltung unterstützt die BI-Bemühungen, indem sie die BI-Lösung mit sauberen und genauen Stammdaten versorgt.
Siehe auch: Datenanalyse, Datenverwaltung
CDI - Integration von Kundendaten
CDI ist der Prozess der Kombination von Kundeninformationen, die aus internen und externen Quellen stammen, um eine konsolidierte Kundenansicht zu erstellen, die auch als Golden Record oder 360°-Kundenansicht bezeichnet wird. Die Integration von Kundendaten ist der Hauptzweck einer Customer MDM-Lösung, die Kundendaten erfasst und verwaltet, um sie mit allen Geschäftssystemen zu teilen, die genaue Kundendaten benötigen, wie z. B. das CRM oder CDP.
Siehe auch: Kunden-MDM
Mehr Informationen:
CDP - Plattform für Kundendaten
Eine Kundendatenplattform ist ein Marketingsystem, das die Kundendaten eines Unternehmens aus dem Marketing und anderen Kanälen zusammenführt, um das Timing und die Ausrichtung von Nachrichten und Angeboten zu optimieren. Eine Kunden-MDM-Plattform kann eine CDP unterstützen, indem sie sicherstellt, dass die Kundendaten, die von der CDP genutzt werden, aktualisiert und korrekt sind, und indem sie die Kunden eindeutig identifiziert. Die CDP kann große Mengen an Kundendaten verwalten, während das MDM die Qualität dieser Daten sicherstellt. Durch die Verknüpfung der CDP-Daten mit anderen Stammdaten, wie z. B. Produkt- und Lieferantendaten, kann das MDM das Potenzial der Daten maximieren.
Siehe auch: CRM, Kunden-MDM
Weitere Informationen:
Cloud MDM
Eine gehostete Cloud-MDM-Lösung wird auf Servern von Drittanbietern betrieben. Das bedeutet, dass Unternehmen die Hardware und Software nicht installieren, konfigurieren, warten und hosten müssen, da sie ausgelagert und als Abonnementdienst angeboten wird. Cloud-MDM bietet viele betriebliche Vorteile, wie z. B. elastische Skalierbarkeit, automatische Datensicherung und Überwachung rund um die Uhr. Die meisten Unternehmen entscheiden sich für eine gehostete Cloud-MDM-Lösung im Vergleich zu einer On-Premises-Lösung oder für die Migration ihrer Lösung in die Cloud.
Siehe auch: SaaS
Weitere Informationen:
CRM - Kundenbeziehungsmanagement
CRM ist ein System, das Unternehmen bei der Verwaltung von Kunden- und Geschäftsbeziehungen und den damit verbundenen Daten und Informationen unterstützen kann. Für kleinere Unternehmen kann ein CRM-System ausreichen, um die Komplexität der Kundendaten zu verwalten, aber in vielen Fällen haben Organisationen mehrere CRM-Systeme, die in unterschiedlichem Maße und für verschiedene Zwecke eingesetzt werden. So verwendet beispielsweise die Vertriebs- und Marketingabteilung oft ein System, die Finanzabteilung ein anderes und die Beschaffungsabteilung vielleicht ein drittes. MDM kann die entscheidende Verbindung zwischen diesen Systemen herstellen. Es ersetzt nicht die CRM-Systeme, sondern unterstützt und optimiert deren Einsatz.
Siehe auch: ERP, Kunden-MDM
Mehr Informationen:
Customer MDM
Unter Kundenstammdatenmanagement versteht man die Verwaltung von Kundendaten, um die eindeutige Identifizierung eines Kunden von einem anderen zu gewährleisten. Ziel ist es, system- und standortübergreifend einen einzigen und genauen Datensatz über jeden Ihrer Geschäftskunden zu erhalten, die so genannte 360°-Kundensicht, um ein besseres Verständnis Ihrer Kunden zu erhalten. Customer MDM ist unverzichtbar für alle Systeme, die hochwertige Kundendaten benötigen, wie z. B. CRM oder CDP. Customer MDM ist auch für die Einhaltung von Datenschutzbestimmungen unerlässlich.
Siehe auch: CRM, CDP, GDPR
Weitere Informationen:
DaaS - Daten als Dienst
Data as a Service ist ein Cloud-basierter Datenverteilungsdienst, der sich auf die Echtzeitbereitstellung von Daten in großem Umfang für Anwendungen mit hohem Datenverbrauch konzentriert. Es handelt sich um einen "always-on"-Service, der es Anwendungen ermöglicht, Daten bei Bedarf an interne Anwendungen oder kundenorientierte Kanäle weiterzuleiten, egal wo auf der Welt sie benötigt werden. Als Teil von MDM liefert DaaS eine nahezu in Echtzeit verfügbare Version von Stammdaten über eine konfigurierbare API und eine serverlose Architektur. Dadurch entfällt die Notwendigkeit, mehrere API-Dienste zu pflegen und mehrere Datenkopien für jede Anwendung zu erstellen.
Siehe auch: SaaS
Weitere Informationen:
- Stammdatenmanagement mit einer DaaS-Erweiterung für die Datennutzung in großem Maßstab
- Stammdaten zugänglich machen: Was ist Data as a Service?
DAM - Digitale Bestandsverwaltung
Digital Asset Management (DAM) ist die Ablage und Verwaltung von digitalen Assets wie Bildern, Videos, digitalen Dateien und deren Metadaten. Zu den wichtigsten DAM-Funktionen gehören Metadatenverwaltung, Versionskontrolle, Klassifizierung, Verknüpfung, Suche und Filter, Workflow-Management und benutzerfreundlicher Asset-Import. Viele Unternehmen haben eine eigenständige DAM-Lösung. Wenn digitale Assets für E-Commerce, Einzelhandel oder Vertrieb benötigt werden, muss das DAM mit dem Produktinformationsmanagementsystem integriert werden, um Prozesse nicht zu verzögern und schlechte Nutzererfahrungen zu vermeiden. Das Stammdatenmanagement (MDM) unterstützt das Digital Asset Management, indem es digitale Assets mit den entsprechenden Stammdatensätzen verbindet. DAM kann eine in MDM integrierte Funktion sein, die die genaue Zuordnung von digitalen Assets zu einzelnen Produkten erleichtert.
Weitere Informationen:
- Was ist Digital Asset Management?
- Bieten Sie eine großartige Erfahrung mit einem strategischen Ansatz für Digital Asset Management (DAM)
Datenanalyse
Bei der Datenanalyse geht es um die Entdeckung aussagekräftiger Muster in Daten. In Unternehmen werden Analysen eingesetzt, um Erkenntnisse zu gewinnen und dadurch Prozesse und Geschäftsstrategien zu optimieren. MDM kann analytische Bemühungen unterstützen, indem es Daten verbindet, die Qualität der Daten im gesamten Unternehmen verbessert und organisierte Stammdaten als Grundlage für die Analyse bereitstellt. Darüber hinaus können MDM-Daten für Business-Intelligence-Lösungen freigegeben werden, um ein gemeinsames Unternehmensdaten-Framework und Hierarchien für die Analyse von Geschäftsdaten bereitzustellen und künftige Entwicklungen in der KI voranzutreiben.
Weitere Informationen:
Datenanreicherung
Datenanreicherung bezieht sich auf den Prozess der Erweiterung, Verfeinerung oder Verbesserung bestehender Datensätze durch Hinzufügen neuer Informationen, Attribute oder Kontexte zu diesen. Ziel der Datenanreicherung ist es, den Wert, die Relevanz und die Genauigkeit der Daten für die Analyse, die Entscheidungsfindung und die Verbesserung der Kundenerfahrung zu erhöhen. Die Anreicherung von Produktdaten ist besonders wichtig, wenn es darum geht, ein gutes Kundenerlebnis zu schaffen und Produktrückgaben zu verhindern. Die Anreicherung von Kundendaten kann Unternehmen dabei helfen, einen umfassenderen Überblick über ihre Kunden zu gewinnen. Bei der Datenanreicherung können verschiedene Techniken und Quellen zum Einsatz kommen, wie z. B: - Datenanreicherung: Hinzufügen neuer Datenpunkte oder -felder zu bestehenden Datensätzen, z. B. demografische, geografische, verhaltensbezogene oder transaktionsbezogene Daten. - Datenintegration: Kombination von Daten aus verschiedenen Quellen oder Systemen, um eine einheitliche Sicht auf die Daten zu schaffen.
Datenerweiterung
Bei der Datenerweiterung handelt es sich um eine Technik, die in der Datenwissenschaft und beim maschinellen Lernen eingesetzt wird, um den Umfang und die Vielfalt eines Datensatzes zu vergrößern, indem aus vorhandenen Daten durch Modifikationen oder Transformationen neue Muster erstellt werden. Ziel der Datenerweiterung ist es, die Qualität und Robustheit der Daten zu erhöhen und die Genauigkeit und Verallgemeinerung von Modellen für maschinelles Lernen zu verbessern. Stammdatenanreicherung bezieht sich auf den Prozess der Anreicherung oder Erweiterung der bestehenden Stammdaten eines Unternehmens durch die Integration neuer oder externer Datenquellen. Dies kann das Hinzufügen neuer Attribute oder Felder zu den vorhandenen Stammdaten sowie die Aktualisierung oder Anreicherung der vorhandenen Attribute mit zusätzlichen Informationen beinhalten. Ziel ist es, die Genauigkeit, Vollständigkeit und Relevanz der Stammdaten zu verbessern, um eine bessere Entscheidungsfindung und Ausführung von Geschäftsprozessen zu ermöglichen. Durch die Einbeziehung neuer Datenquellen und die Erweiterung des Umfangs der Stammdaten können Unternehmen einen umfassenderen Überblick über ihre Abläufe und Anlagen gewinnen.
Siehe auch: Erweitertes MDM
Weitere Informationen:
Data Fabric
Data Fabric ist eine Datenarchitektur, die Ihre Betriebssysteme verbindet und erweitert, um diese Systeme mit sauberen Echtzeitdaten in großem Umfang zu versorgen. Es handelt sich um eine integrierte Schicht über den Systemen, die diese Systeme abonnieren können. Sie ist so konzipiert, dass sie eine einheitliche Sicht auf Daten bietet, auf die verschiedene Anwendungen und Benutzer innerhalb eines Unternehmens zugreifen und sie nutzen können. Data Fabric verbessert die Zusammenarbeit durch eine gemeinsame Datensprache und die Demokratisierung von Daten. Eine Multidomain-Stammdatenmanagement-Plattform kann eine Data Fabric durch die Integration von Datenquellen und integrierte Data Governance erleichtern. Data Fabric geht jedoch über die Möglichkeiten einer einzelnen Technologie hinaus. Sie umfasst in der Regel eine Vielzahl von Technologien und Komponenten, darunter Datenvirtualisierungs-Engines, Datenintegrations-Tools, Metadaten-Management-Systeme und Data-Governance-Richtlinien. Diese Komponenten arbeiten zusammen, um eine umfassende Sicht auf die Daten zu bieten, auf die verschiedene Interessengruppen zugreifen und sie nutzen können. Einer der Hauptvorteile einer Data Fabric besteht darin, dass sie es Unternehmen ermöglicht, in Echtzeit auf Daten zuzugreifen und sie zu analysieren, unabhängig davon, wo sich die Daten befinden oder wie sie gespeichert sind.
Data Governance
Data Governance ist eine Sammlung von Praktiken und Prozessen, die darauf abzielen, einen gesunden organisatorischen Datenrahmen zu schaffen und zu erhalten. Es handelt sich dabei um eine Reihe von Richtlinien, Verfahren und Leitlinien, die sicherstellen sollen, dass die Daten korrekt und konsistent sind und den Vorschriften und Standards entsprechen. Data Governance kann die Erstellung von Richtlinien und Prozessen rund um Versionskontrolle, Genehmigungen usw. umfassen, um die Genauigkeit und Verantwortlichkeit der Unternehmensdaten zu gewährleisten. Data Governance ist keine technische Disziplin, sondern eine Disziplin, die sicherstellt, dass die Daten für den Zweck geeignet sind. Data Governance umfasst eine Vielzahl von Aktivitäten, wie z. B. Datenqualitätsmanagement, Datensicherheit, Datenschutz, Datenklassifizierung, Datenlebenszyklusmanagement und Data Stewardship. Diese Aktivitäten sollen sicherstellen, dass Daten während ihres gesamten Lebenszyklus - von der Erstellung bis zur Löschung - ordnungsgemäß verwaltet und verwendet werden. Data Governance wird in der Regel von einem Data-Governance-Team oder -Ausschuss geleitet, der für die Erstellung und Durchsetzung von Datenrichtlinien und -standards verantwortlich ist. Diesem Team können Vertreter verschiedener Abteilungen eines Unternehmens angehören, z. B. der IT-Abteilung, der Rechtsabteilung, der Compliance-Abteilung und des Geschäftsbetriebs. Data Governance kann durch Stammdatenverwaltungsfunktionen unterstützt werden, die zur Umsetzung von Datenrichtlinien konfigurierbar sind.
Weitere Informationen:
- Was ist Master Data Governance - und warum brauchen Sie sie?
- Wie Sie klare Data Governance-Richtlinien und -Prozesse für Ihre MDM-Implementierung entwickeln
- Zehn nützliche Schritte zur Master Data Governance
- Master Data Governance-Bibliothek
Data-Governance-Rahmenwerk
Ein Data-Governance-Rahmenwerk ist eine Sammlung von Prozessen, Richtlinien, Standards und Metriken, die eine effektive und effiziente Nutzung von Informationen gewährleisten. Es umfasst die Organisationsstruktur, die Rollen und Verantwortlichkeiten sowie die Tools und Technologien, die zur Verwaltung und zum Schutz von Daten eingesetzt werden. Siehe auch: Datenpolitik
Weitere Informationen:
- Der ultimative Leitfaden zum Aufbau eines Data Governance Frameworks
- Erstellung eines erfolgreichen Data-Governance-Betriebsmodells
- Master Data Management-Rahmenwerk: Für den Erfolg gerüstet
- Was ist ein Datenqualitätsrahmenwerk?
Datenhierarchie
Im Kontext des Stammdatenmanagements (MDM) bezieht sich die Datenhierarchie auf die Organisation und Klassifizierung von Datenelementen auf der Grundlage ihrer Wichtigkeit und ihrer Beziehungen zueinander. An der Spitze der Datenhierarchie stehen die Stammdatendomänen. Dabei handelt es sich um die zentralen Dateneinheiten, wie Kunden, Produkte, Lieferanten und Mitarbeiter. Unterhalb der Stammdatendomäne, z. B. Produkt, befinden sich die verschiedenen Produktarten und -klassen. Darunter befinden sich die Lagerhaltungseinheiten (SKU) und ihre Attribute. Am unteren Ende der Datenhierarchie befinden sich die Referenzdaten. Zu den Referenzdaten gehören Kategorien wie Produktklassifikationen, Branchencodes und Währungscodes. Die Stammdatenverwaltung hilft bei der Organisation von Daten in logischen Hierarchien, was für eine datengesteuerte Organisation unerlässlich ist.
Siehe auch: Datenmodellierung, Datenbereich, Referenzdaten
Datenintegration
Datenintegration ist der Prozess, bei dem Daten aus verschiedenen Quellen zu einer einheitlichen Ansicht kombiniert werden. Es geht um die Umwandlung und Konsolidierung von Daten aus verschiedenen Quellen wie Datenbanken, Cloud-basierten Anwendungen und APIs in einen einzigen, kohärenten Datensatz. Einer der größten Vorteile einer Stammdatenverwaltungslösung ist ihre Fähigkeit, sich in verschiedene Systeme zu integrieren und alle in ihnen enthaltenen Daten miteinander zu verknüpfen. Häufig wird ein Systemintegrator für die Implementierung hinzugezogen.
Siehe auch: API
Weitere Informationen:
Datenkatalog
Ein Datenkatalog ist ein Tool, das eine organisierte Sammlung von Metadaten, Beschreibungen und Informationen über die in einer Organisation verfügbaren Datenbestände bereitstellt. Ein Datenbestand kann sich auf jede Art von strukturierten oder unstrukturierten Daten beziehen, die von einer Organisation erzeugt, gesammelt oder gepflegt werden. Der Zweck eines Datenkatalogs besteht darin, den Benutzern das Auffinden, Verstehen und den Zugriff auf Datenbestände zu erleichtern. Der Katalog bietet in der Regel eine durchsuchbare und durchsuchbare Schnittstelle, die es den Benutzern ermöglicht, Datenbestände auf der Grundlage verschiedener Attribute wie Name, Typ, Format, Eigentümer und Verwendung zu finden und zu untersuchen. Stammdatenmanagement (MDM) und Datenkataloge sind komplementäre Technologien, die gemeinsam zur Verbesserung der Datenverwaltungspraktiken beitragen können. MDM bietet ein zentrales Repository für die Verwaltung der wichtigsten Datenbestände, wie z. B. Kunden- und Produktdaten, während ein Datenkatalog eine Schnittstelle für das Auffinden von und den Zugriff auf Datenbestände im gesamten Unternehmen bietet.
Datenbereinigung
Unter Datenbereinigung versteht man den Prozess der Identifizierung, Entfernung und Korrektur ungenauer Datensätze, beispielsweise durch Deduplizierung von Daten. Ein Datenfehler, der bei der Datenbereinigung auftreten kann, ist der Fehler der Gültigkeit. Jeder Datensatz, der auf ein bestimmtes Attribut ausgerichtet ist, sollte mit den Regeln des Attributs übereinstimmen. Darüber hinaus ist die Konsistenz ein weiterer kritischer Aspekt, der durch schlechte Datenbereinigungsverfahren beeinträchtigt wird. Wenn die Markenpalette wächst, sollte die Konsistenz der Produkt- oder Markenbeschreibungen für die Attribute gleich bleiben oder sich gemeinsam weiterentwickeln, um die Markenkonsistenz zu gewährleisten. Die Datenbereinigung ist ein integraler und grundlegender Prozess des Stammdatenmanagements, da sie die Probleme mit unbrauchbaren Daten beseitigt und die Gesamtqualität und Zuverlässigkeit der Informationen im Unternehmen verbessert. Indem bei der Datenbereinigung sowohl Gültigkeits- als auch Konsistenzprobleme angegangen werden, können Unternehmen ihre Fähigkeit verbessern, datengestützte Entscheidungen zu treffen und großartige Kundenerlebnisse zu liefern.
Siehe auch: Deduplizierung
Datenbereich
In der Stammdatenverwaltung bezieht sich eine Datendomäne auf einen bestimmten Satz oder eine Kategorie von Daten, die gemeinsame Merkmale aufweisen, wie z. B. Datentyp, Zweck, Quelle, Format oder Verwendung. Datendomänen werden häufig verwendet, um Datenbestände innerhalb eines Unternehmens zu organisieren und zu kategorisieren, und sie spielen eine wichtige Rolle bei der Datenverwaltung und dem Datenqualitätsmanagement. Die Kundendaten-Domäne umfasst beispielsweise Daten wie Name, Adresse, E-Mail, Telefonnummer und demografische Informationen. Ein anderes Beispiel sind Produktdaten, die Attribute wie Größe, Farbe, Funktion, technische Spezifikationen und Artikelnummer enthalten. Verschiedene Domänen können in Verbindung miteinander verwaltet werden und so neue wertvolle Erkenntnisse liefern, z. B. wo und wie ein Produkt verwendet wird. Durch die Definition von Datendomänen und deren Attributen können Unternehmen ein gemeinsames Verständnis ihrer Daten schaffen und die Konsistenz, Genauigkeit und Vollständigkeit über verschiedene Systeme und Anwendungen hinweg sicherstellen. Dies wiederum kann Unternehmen dabei helfen, bessere datengestützte Entscheidungen zu treffen, die betriebliche Effizienz zu verbessern und gesetzliche Vorschriften einzuhalten.
Siehe auch: Multidomain, Data Governance, MDM, PIM, Zones of Insight
Weitere Informationen:
Datendemokratisierung
Die Demokratisierung von Daten bedeutet, dass Daten auf allen Ebenen eines Unternehmens und seines Geschäftsumfelds über Abteilungsgrenzen hinweg zur Verfügung stehen. Das Gegenteil von Datendemokratisierung ist die Speicherung von Daten in Silos, die von einer einzigen Abteilung verwaltet und kontrolliert werden, ohne dass andere Abteilungen Einblick nehmen können. Der Vorteil der Datendemokratie besteht darin, dass sie Barrieren für die Talente in Ihrem Unternehmen beseitigt, indem sie den richtigen Zugang zu den Daten ermöglicht, um eine rechtzeitige und fundierte Entscheidungsfindung zu ermöglichen. Datendemokratisierung ist nur möglich, wenn die Daten transparent sind. Dazu gehören ihre Qualität und ihre Quellen, die Art und Weise, wie sie weitergegeben und verwendet werden, und wer für die Datenqualität und die Interpretation der Daten verantwortlich ist.
Siehe auch: Datensilos, Datentransparenz
Weitere Informationen:
Datendrehscheibe
Eine Datendrehscheibe oder eine Unternehmensdatendrehscheibe (EDH) ist eine Datenbank, die mit Daten aus einer oder mehreren Quellen gefüllt wird und von der aus die Daten an ein oder mehrere Ziele weitergeleitet werden. Ein Stammdatenverwaltungssystem ist ein Beispiel für eine Datendrehscheibe und wird daher manchmal auch als Stammdatenverwaltungsdrehscheibe bezeichnet.
Mehr Informationen:
Datengeflecht (Data Mesh)
Data Mesh ist ein Ansatz für die Datenarchitektur, der die Dezentralisierung und Demokratisierung von Dateneigentum und -verwaltung betont. Er zielt darauf ab, einige der allgemeinen Herausforderungen herkömmlicher zentralisierter Datenarchitekturen zu bewältigen, wie z. B. langsame Markteinführungszeiten, siloisierte Daten und mangelnde Flexibilität. Herkömmliche Datenspeichersysteme können weiter bestehen, aber anstelle eines zentralisierten Datenteams, das alle Daten besitzt und verwaltet, setzt sich Data Mesh dafür ein, dass das Dateneigentum auf funktionsübergreifende Teams verteilt wird, die Daten produzieren und nutzen. Dieses föderierte System hilft, viele betriebliche Engpässe zu beseitigen. Der Grundgedanke von Data Mesh besteht darin, Daten als ein Produkt zu behandeln und die Grundsätze des Produktdenkens auf das Datenmanagement anzuwenden. Dies impliziert eine klare Produktverantwortung, Produktpläne und Produktmetriken. Datenprodukte sollten so konzipiert sein, dass sie den spezifischen Bedürfnissen der Verbraucher entsprechen, und sie sollten auf der Grundlage ihres Wertes für das Unternehmen bewertet werden. Obwohl Data Mesh und Master Data Management unterschiedliche Ansätze für das Datenmanagement verfolgen, können sie sich in einem hybriden Datenmanagementansatz ergänzen. So können beispielsweise bereichsspezifische Teams in einer Data-Mesh-Architektur MDM nutzen, um sicherzustellen, dass ihre Datenprodukte mit den unternehmensweiten Stammdatenstandards übereinstimmen. Auf diese Weise können Data Mesh und MDM zusammenarbeiten, um sicherzustellen, dass die Daten im gesamten Unternehmen korrekt, konsistent und vertrauenswürdig sind.
Siehe auch: MDM
Datenhistorie
Die Datenabfolge bezieht sich auf die detaillierte Geschichte des Lebenszyklus der Daten, einschließlich ihrer Ursprünge, Umwandlungen und Bewegungen im Laufe der Zeit. Sie hilft dabei, den Datenfluss von der Quelle bis zum endgültigen Ziel zu verstehen, Transparenz zu schaffen und das Datenqualitätsmanagement, die Einhaltung von Vorschriften und die Fehlerbehebung zu unterstützen.
Datensee (Data Lake)
Ein Data Lake ist ein zentraler Ort, an dem Ihre Daten gespeichert werden, in der Regel in ihrer Rohform, ohne sie zu verändern. Die Idee des Data Lakes ist es, einen Ort für die unveränderten Daten in ihrem ursprünglichen Format bereitzustellen, bis sie benötigt werden. Data Lakes ermöglichen es Unternehmen, sowohl strukturierte als auch unstrukturierte Daten an einem einzigen Ort zu speichern, z. B. Sensordaten, Daten aus sozialen Medien, Weblogs und mehr. Die Daten können in verschiedenen Formaten gespeichert werden. Data Lakes sind hochgradig skalierbar und ermöglichen es Unternehmen, große Datenmengen nach Bedarf zu speichern und zu verarbeiten, ohne sich Gedanken über Speicher- oder Verarbeitungsbeschränkungen zu machen. Bestimmte Geschäftsdisziplinen, wie z. B. erweiterte Analysen, sind auf detaillierte Quelldaten angewiesen. Da die Daten in einem Data Lake jedoch nicht kuratiert wurden und aus vielen verschiedenen Quellen stammen, birgt dies ein gewisses Risiko, wenn es um datengesteuerte Entscheidungsfindung geht. Daten, die in einem Data Lake gespeichert sind, werden nicht abgeglichen und validiert und können daher doppelte oder ungenaue Informationen enthalten. Die Anwendung von Stammdatenmanagement kann die Genauigkeit verbessern und helfen, Beziehungen zu identifizieren und somit die Transparenz zu erhöhen.
Siehe auch: Data Warehouse
Datenmaskierung
Datenmaskierung ist eine Technik zum Schutz sensibler Daten, bei der diese durch realistische, aber falsche Daten ersetzt werden. Sie wird häufig eingesetzt, um Daten in Nicht-Produktionsumgebungen zu sichern und den Datenschutz zu gewährleisten, während die Nutzbarkeit der Daten für Tests und Entwicklung erhalten bleibt.
Siehe auch: Synthetische Daten
Datenmodellierung
Datenmodellierung ist der Prozess der Erstellung einer konzeptionellen oder logischen Darstellung von Datenobjekten, ihren Beziehungen und Regeln. Sie dient dazu, die Struktur, die Einschränkungen und die Organisation von Daten so zu definieren, dass eine effiziente Datenverwaltung und -analyse möglich ist und Ihr Geschäftsmodell unterstützt wird. Die Datenmodellierung ist ein wesentlicher Bestandteil des Stammdatenmanagements (MDM), da sie ein Prinzip für die Organisation und Verwaltung von Stammdaten darstellt. Im MDM wird die Datenmodellierung dazu verwendet, die Attribute, Beziehungen und Hierarchien von Stammdatenentitäten wie Kunden, Produkten und Standorten zu definieren. Sie hilft auch bei der Identifizierung und Lösung von Datenkonflikten und -duplikaten, indem sie eindeutige Bezeichner und Regeln für den Datenabgleich und die Zusammenführung von Daten festlegt. Bei der Datenmodellierung im Stammdatenmanagement handelt es sich um einen Prozess, der am Anfang einer MDM-Implementierung steht und bei dem Sie die Beziehungen zwischen den zentralen Unternehmensentitäten, z. B. Ihren Produkten und deren Attributen, genau abbilden und definieren. Auf dieser Grundlage erstellen Sie das optimale Stammdatenmodell, das am besten zu Ihrer Unternehmensstruktur passt.
Monetarisierung von Daten
Unter Datenmonetarisierung versteht man im Allgemeinen den "Prozess der Nutzung von Daten, um einen quantifizierbaren wirtschaftlichen Nutzen zu erzielen" (Gartner Glossary, Data Monetization). Es gibt drei typische Wege, dies zu erreichen:
- Nutzung von Daten, um bessere Entscheidungen zu treffen und so die Unternehmensleistung zu steigern
- Austausch von Daten mit Geschäftspartnern zum gegenseitigen Nutzen
- Verkauf von Daten als Produkt oder Dienstleistung
Welchen Weg Sie auch wählen, die Monetarisierung von Daten wird profitabler, wenn Sie den Daten einen Kontext geben und sie aufschlussreich machen können. Je mehr Einblicke Ihre Daten bieten, desto wertvoller sind sie. Die Verwaltung von bereichsübergreifenden Stammdaten kann dazu beitragen, Kontext hinzuzufügen und auf diese Weise den Wert Ihrer Daten zu steigern.
Weitere Informationen:
Datenobjekt
Das Datenobjekt ist das, was Sie mit Hilfe von Stammdatenmanagement (MDM) anreichern und eindeutig identifizieren wollen. Ein Datenobjekt hat eine eindeutige ID und eine Reihe von Attributen, die es mit anderen Datenobjekten teilen kann, z. B. ein bestimmter Kunde, der die Adresse mit einem anderen bestimmten Kunden teilen kann. Produkte, Lieferanten, Kunden und Standorte sind Beispiele für Datenobjekte in einem Stammdatenmanagement-Kontext. Sie sind in Datenmodellen organisiert, die Beziehungen zwischen Datenobjekten enthalten können. Ein Multidomain-MDM kann Beziehungen zwischen Datenobjekttypen aufzeigen.
Siehe auch: Datenmodellierung
Daten Onboarding
Data Onboarding ist der Prozess der Übertragung von Daten aus einer externen Quelle in Ihr System, z. B. Produktdaten von Lieferanten oder Content-Dienstleistern in Ihr PIM-System oder von einer Offline-Datenbank in eine Online-Umgebung. Der Onboarding-Prozess kann durch Datenintegration über eine API, ein Daten-Onboarding-Tool oder durch den Import von xml-Dateien erfolgen. Die Geschwindigkeit der Datenübernahme kann für die Verkürzung Ihrer Markteinführungszeit entscheidend sein. Ausgefeilte Onboarding-Prozesse können zur Aufrechterhaltung der Datenqualität beitragen, indem sie Duplikate oder unvollständige Daten markieren. Wenn Ihr Onboarding-Tool durch KI unterstützt wird, kann es ausreichen, Fragmente von Informationen zu übernehmen, wie z. B. eine Artikelnummer oder GTIN-Nummer und einen Markennamen.
Datenpflege
Damit eine Investition in das Datenmanagement auch weiterhin einen Nutzen bringt, müssen Sie jeden Aspekt eines Datensatzes pflegen, einschließlich Hierarchie, Struktur, Validierungen, Genehmigungen und Versionierung sowie Stammdatenattribute, Beschreibungen, Dokumentation und andere zugehörige Datenkomponenten. Die Pflege wird häufig durch automatisierte Workflows ermöglicht, die z. B. die Datenverwalter benachrichtigen, wenn eine manuelle Aktion erforderlich ist. Die Pflege ist ein wichtiger und fortlaufender Prozess bei jeder MDM-Implementierung.
Datenpool
Ein Datenpool ist ein Datenspeicher, in dem Handelspartner Informationen über Produkte in einem Standardformat pflegen und austauschen können. Lieferanten können zum Beispiel Daten in einen Datenpool exportieren, die kooperierende Einzelhändler dann in ihr E-Commerce-System importieren können. Datenpools, wie z. B. 1WorldSync und GS1, ermöglichen es den Geschäftspartnern, Daten zu synchronisieren und ihre Markteinführungszeit zu verkürzen. Ein MDM-System, das verschiedene Datenpool-Formate unterstützt, kann den Datenaustausch erleichtern und den manuellen Arbeitsaufwand minimieren.
Siehe auch: GS1
Weitere Informationen:
- Verbinden Sie Ihre Anwendungen, um Ihre Daten schneller und weiter zu bringen
- Erreichen Sie mühelos die Einhaltung von Industriestandards
Datenqualität
Datenqualität, oder einfach DQ, bezieht sich auf die allgemeine Genauigkeit, Vollständigkeit, Konsistenz, Aktualität und Relevanz von Daten. Die Qualität von Daten kann sich erheblich auf die Genauigkeit und Effektivität von Entscheidungsprozessen sowie auf den Erfolg von Geschäftsabläufen auswirken, die auf Daten angewiesen sind.
Die Datenqualität ist daher von besonderem Interesse für Datenanalysten und Business Intelligence. Die Genauigkeit bezieht sich auf das Ausmaß, in dem die Daten die Realität widerspiegeln, und beinhaltet die Sicherstellung, dass die Daten korrekt und frei von Fehlern sind. Vollständigkeit bezieht sich darauf, inwieweit alle erforderlichen Daten vorhanden sind und es keine fehlenden Werte gibt. Die Konsistenz bezieht sich darauf, inwieweit die Daten einheitlich sind und vordefinierten Standards folgen, so dass sie verglichen oder analysiert werden können. Die Aktualität bezieht sich darauf, inwieweit die Daten verfügbar sind, wenn sie benötigt werden, und den aktuellen Stand der Dinge widerspiegeln. Die Relevanz schließlich bezieht sich darauf, inwieweit die Daten für eine bestimmte Aufgabe oder einen bestimmten Zweck nützlich und anwendbar sind.
Eine 100%ige Datengenauigkeit ist in den meisten Fällen nicht erreichbar und auch nicht wünschenswert. Die meisten Unternehmen streben eine Datenqualität an, die "fit for purpose" ist. Die beste Aufgabe für das Stammdatenmanagement ist es, die Qualität der Stammdaten sicherzustellen, um eine qualifizierte Entscheidungsfindung zu ermöglichen.
Datenrichtlinie
Ihre Datenpolitik ist ein Satz von Regeln und Richtlinien für Ihr Datenmanagement, um sicherzustellen, dass die Datenqualität und die Datenprozesse mit den Geschäftszielen übereinstimmen. In Ihrer Datenrichtlinie werden Dateneigentümer und -verwalter sowie die Speicherung und gemeinsame Nutzung von Daten festgelegt. Eine gründliche Datenpolitik sollte vor jeder Systemimplementierung vorhanden sein, um die Verantwortlichkeit zu gewährleisten und sicherzustellen, dass die Daten sauber und für den Zweck geeignet sind.
Daten-Silos
Von einem Datensilo spricht man, wenn wichtige Daten oder Informationen - wie z. B. Stammdaten - getrennt gespeichert und verwaltet werden und nach Personen, Abteilungen, Regionen oder Systemen isoliert sind. Der siloartige Ansatz führt dazu, dass Daten nicht einfach zugänglich sind oder mit anderen Teilen des Unternehmens geteilt werden können. Mit anderen Worten: Datensilos sind eine Barriere, die den freien Informationsfluss innerhalb einer Organisation verhindert. Datensilos entstehen oft ungewollt, da verschiedene Abteilungen unterschiedliche Softwaresysteme oder Datenbanken zur Verwaltung ihrer Daten verwenden. Diese Silos können es anderen Abteilungen erschweren, auf wichtige Informationen zuzugreifen, was zu redundantem Aufwand, Inkonsistenzen und ungenauen oder unvollständigen Datenanalysen führen kann. Das Stammdatenmanagement kann dazu beitragen, die negativen Auswirkungen von Datensilos durch die Integration mit Geschäftsanwendungen wie ERPs und CRMs abzuschwächen und so eine einzige Quelle der Wahrheit zu schaffen.
Mehr Informationen:
- Datensilos sind problematisch. So verwandeln Sie sie in Zonen der Einsicht
- Verbinden von Datensilos mit Master Data Management
Datensumpf
Ein Datensumpf entsteht, wenn eine große Menge an Daten gesammelt und gespeichert wird, ohne dass sie ordnungsgemäß organisiert, verwaltet oder gesteuert werden. Dabei handelt es sich um ein schlecht verwaltetes und unstrukturiertes Datenlager, das die Nutzung für Analysen und Entscheidungen erschwert oder unmöglich macht. Ein Datensumpf entsteht, wenn Unternehmen Daten sammeln, ohne sich darüber im Klaren zu sein, wie sie verwendet werden oder wie sie zu den allgemeinen Zielen des Unternehmens passen. Zu den Folgen einer Datenflut gehören vergeudete Ressourcen, verringerte Produktivität und sogar rechtliche Probleme, da schlecht verwaltete Daten zu Compliance-Verstößen oder Datenschutzverletzungen führen können. Um eine Datenflut zu verhindern, müssen Unternehmen eine Datenverwaltungsstrategie einführen, die eine angemessene Datenverwaltung, Metadatenverwaltung und Datenqualitätskontrollen umfasst. Die Funktionen der Stammdatenverwaltung unterstützen die Rationalisierung von Daten, um sie vertrauenswürdig und verwertbar zu machen.
Siehe auch: Datensee
Data Syndication
Data Syndication ist für Hersteller und Markeninhaber wichtig, um genaue, kanaloptimierte Produktdaten und Inhalte mit Einzelhändlern, Distributoren, Datenpools und Marktplätzen zu teilen. Das Data Syndication umfasst das Mapping, die Umwandlung und die Validierung von Daten. Eine Stammdatenverwaltungslösung kann den Syndizierungsprozess automatisieren, indem sie integrierte Unterstützung für industrielle Klassifizierungsstandards oder ein integriertes Tool für das Data Syndication bietet, das sich flexibel an die sich im Laufe der Zeit ändernden Anforderungen der Einzelhändler anpassen lässt.
Weitere Informationen:
- Product Data Syndication
- Reduzieren Sie die Arbeitslast und beschleunigen Sie die Einrichtung von Artikeln, um das Wachstum zu fördern
Daten-Synchronisation
Bei der Synchronisierung von Stammdaten geht es darum, sicherzustellen, dass die Daten über mehrere Systeme oder Geräte hinweg konsistent und aktuell sind. Die Stammdatenverwaltung stellt sicher, dass alle Benutzer Zugriff auf die aktuellsten und genauesten Stammdaten haben. Die Datensynchronisierung ist von entscheidender Bedeutung in Situationen, in denen mehrere Benutzer oder Systeme auf dieselben Daten zugreifen und diese ändern müssen, wie z. B. in einer kollaborativen Arbeitsumgebung oder einer mobilen Anwendung, die auf Daten von einem zentralen Server zugreift.
Datentransparenz
Datentransparenz bezieht sich auf den durchgängigen Einblick in Ihre wertvollsten Daten. Es geht darum, Silos und Barrieren zu überwinden, die die Sichtbarkeit, die Klarheit und den Fluss von vertrauenswürdigen Daten behindern. Datentransparenz bedeutet, dass Sie wissen, ob Ihre Daten vollständig sind, woher sie stammen, wer auf sie zugreifen kann, wer für sie verantwortlich ist usw. Datentransparenz ermöglicht es Ihnen, Datenvorschriften und -standards einzuhalten und bessere Entscheidungen auf der Grundlage von Erkenntnissen zu treffen. Dieser Einblick ist besonders wichtig, um den wachsenden Anforderungen an die Nachhaltigkeit gerecht zu werden.
Mehr Informationen:
- Wie Datentransparenz einen nachhaltigen Handel ermöglicht
- Lieferkettentransparenz mit Lieferantendaten erreichen
Daten zur Nachhaltigkeit
Nachhaltigkeitsdaten geben Aufschluss über die Leistung Ihres Unternehmens in Bezug auf nachhaltige Praktiken und helfen dabei, Bereiche mit Verbesserungspotenzial zu ermitteln. Sie umfassen Informationen und Kennzahlen, die die ökologischen, sozialen und wirtschaftlichen Auswirkungen der Aktivitäten oder Produkte eines Unternehmens messen und bewerten. Sie werden auch als ESG-Daten (Environmental, Social, Government) bezeichnet. Nachhaltigkeitsdaten können verschiedene Aspekte abdecken, darunter Daten zu Ressourcenverbrauch, Energieverbrauch, Treibhausgasemissionen, Abfallerzeugung, Wasserverbrauch und ökologischem Fußabdruck. Sie können sich auch auf die sozialen Auswirkungen eines Unternehmens beziehen und Daten zu Arbeitspraktiken, Menschenrechten, Wohlbefinden der Mitarbeiter, Vielfalt und Integration, Engagement in der Gemeinschaft und sozialen Beiträgen umfassen. Nachhaltigkeitsdaten werden in der Regel über umfassende Berichtsrahmen wie die Global Reporting Initiative (GRI) oder das Sustainability Accounting Standards Board (SASB) erfasst. Diese Rahmenwerke bieten Richtlinien für Unternehmen, um ihre nachhaltigkeitsbezogenen Informationen in einer standardisierten und transparenten Weise offenzulegen.
Eine Stammdatenmanagementlösung kann das Nachhaltigkeitsdatenmanagement unterstützen und Unternehmen helfen, die Anforderungen an die Nachhaltigkeitsberichterstattung zu erfüllen, indem sie Daten auf allen Stufen der Lieferkette erfasst und systematisiert. Die gewonnene Transparenz kann Ihnen helfen, Anforderungen an Ihre Lieferanten zu stellen oder sie durch neue Lieferanten zu ersetzen, die die Nachhaltigkeitsstandards einhalten. Mit Daten zu Produktionsbedingungen, Lieferkette, Logistik usw., die in einer einzigen Stammdatenquelle gespeichert und konsolidiert werden, können Sie vertrauenswürdige und datenbasierte Berichte über den Fortschritt und die Erfüllung Ihrer Nachhaltigkeitsbemühungen erstellen.
Mehr Informationen:
- Sustainability Data Cloud
- Nachhaltigkeit im Einzelhandel braucht kontrollierte Daten
- Aufbau einer nachhaltigeren Zukunft für den Einzelhandel. Wie Datenmanagement ein wesentlicher Bestandteil zur Erreichung der Nachhaltigkeitsziele im Einzelhandel ist.
Data Warehouse
Ein Data Warehouse ist ein großer, zentraler Datenspeicher, der für Berichte, Analysen und Business Intelligence genutzt wird. Es dient dazu, Daten aus verschiedenen Quellen strukturiert zu speichern und zu verwalten, um den Zugriff auf diese Daten und ihre Analyse zu erleichtern. Der Zweck eines Data Warehouse besteht darin, eine einzige Quelle für genaue, konsistente und integrierte Daten bereitzustellen, die für fundierte Geschäftsentscheidungen genutzt werden können. Data Warehouses sind in der Regel darauf ausgelegt, komplexe Abfragen und Analysen zu unterstützen und nicht nur einfache Transaktionen zu verarbeiten. Sie werden häufig von Unternehmen genutzt, um Daten aus unterschiedlichen Quellen, wie Transaktionsdatenbanken, Customer Relationship Management-Systemen und anderen Quellen, an einem einzigen Ort zu konsolidieren, auf den leicht zugegriffen und der analysiert werden kann. Eine Stammdatenverwaltungslösung verbessert die Funktionalität von Data Warehouses, indem sie vertrauenswürdige Daten in die Datenbank einspeist und Entitäten eindeutig identifiziert.
Siehe auch: Datensee
Daten-Marktplatz
Ein Datenmarktplatz ist eine Online-Plattform, auf der Datenanbieter Daten verkaufen oder mit Datenverbrauchern teilen können. Er erleichtert den Datenaustausch zwischen Unternehmen und ermöglicht ihnen den Zugriff auf ein breiteres Spektrum an Datenquellen für Analysen und Entscheidungsfindung.
Deduplizierung
Unter Deduplizierung von Dateneinheiten versteht man den Prozess der Identifizierung und Entfernung doppelter oder redundanter Daten aus einem Datensatz. Dieser Prozess ist wichtig, da doppelte Daten die Verarbeitungszeiten verlangsamen, zu Inkonsistenzen bei Analysen oder Berichten führen und schlechte Kundenerfahrungen verursachen können. Die Deduplizierung kann manuell erfolgen, indem man Duplikate vergleicht und eliminiert, oder sie kann mit Hilfe von Softwaretools automatisiert werden. Diese Tools verwenden Algorithmen zur Identifizierung von Duplikaten auf der Grundlage verschiedener Kriterien, z. B. exakter oder teilweiser Abgleich, unscharfer Abgleich oder maschinelles Lernen. Stammdatenmanagement (MDM) kann bei der Deduplizierung helfen, indem es ein zentralisiertes System für die Verwaltung und Pflege einer einzigen, maßgeblichen Quelle von Stammdaten bereitstellt. Durch automatisierte Prozesse des Abgleichs und der Verknüpfung erstellt MDM einen Stammdatensatz (d. h. einen Golden Record) für jedes Unternehmen und stellt sicher, dass die Daten in allen Systemen und Anwendungen konsistent, genau und aktuell sind. MDM umfasst Tools für die Erstellung von Datenprofilen, die Bereinigung und den Abgleich von Daten, mit denen Duplikate identifiziert und beseitigt werden können. MDM kann beispielsweise Algorithmen verwenden, um Daten aus verschiedenen Quellen zu vergleichen und abzugleichen, wobei Duplikate auf der Grundlage verschiedener Kriterien wie Name, Adresse, Telefonnummer oder andere identifizierende Attribute identifiziert werden. Die Deduplizierung kann auch für Produktdatensätze durchgeführt werden. Durch Deduplizierung verbessert MDM die Funktionalität von Geschäftssystemen wie CRM, Kundensupport und E-Commerce. MDM kann auch dazu beitragen, die Erstellung von doppelten Daten von vornherein zu verhindern. Durch die Durchsetzung von Standardregeln für die Dateneingabe und den Einsatz von Datenvalidierungstechniken kann MDM sicherstellen, dass neue Daten, die in das System eingegeben werden, korrekt und mit den vorhandenen Daten konsistent sind. Die Deduplizierung verbessert die Datenqualität, reduziert die Speicherkosten und erhöht die Effizienz.
Siehe auch: Golden Record, Datenbereinigung
Weitere Informationen:
Digitaler Katalog
Ein digitaler Katalog ist eine elektronische Version eines Produktkatalogs oder eines Dienstleistungskatalogs. Es handelt sich um eine Datenbank oder ein Repository mit Informationen über Produkte oder Dienstleistungen, einschließlich Beschreibungen, Spezifikationen, Preisen, Bildern und anderen Details. Ein digitaler Katalog kann von Unternehmen verwendet werden, um ihre Produkte oder Dienstleistungen online zu präsentieren und zu bewerben und sie einem weltweiten Publikum zugänglich zu machen. Kunden können den Katalog durchblättern, nach bestimmten Produkten oder Dienstleistungen suchen, Bilder und Beschreibungen ansehen und direkt über die Website einkaufen. Digitale Kataloge werden häufig im elektronischen Handel und in anderen Branchen eingesetzt, die stark auf digitales Marketing und Verkauf setzen. Sie lassen sich leicht aktualisieren und pflegen und ermöglichen es, neue Produkte oder Dienstleistungen hinzuzufügen, Preise und Spezifikationen zu aktualisieren und andere Änderungen nach Bedarf vorzunehmen. Das Stammdatenmanagement für Produktinformationen (PIM) bietet eine einheitliche Quelle für Produktdaten, die für eine Vielzahl von Kanälen wie digitale Kataloge, E-Commerce-Sites, Marktplätze und andere Vertriebs- und Marketingkanäle verwendet werden können. Das Stammdatenmanagement ist somit die notwendige Grundlage für einen gut funktionierenden digitalen Katalog.
Siehe auch: PIM, Data Syndication
Digitaler Produktpass
Der digitale Produktpass ist eine Nachhaltigkeitsanforderung, die von der Europäischen Union im Rahmen der Ökodesign-Verordnung für nachhaltige Produkte (ESPR) vorgeschlagen wurde, um "nachhaltige Produkte zur Norm zu machen [...] und ein nachhaltiges Wachstum zu gewährleisten." Mit dem Pass wird ein digitaler Datensatz zu allen Aspekten des Lebenszyklus eines Produkts erstellt, um die Umweltauswirkungen der Lieferkette zu erfassen, die von mehreren Lieferanten und deren Handlungen herrühren, sowie Themen, die sich auf das Leben nach dem Produkt beziehen, wie Entsorgung, Recyclingfähigkeit, Rückgewinnung, Aufarbeitung, Wiederaufbereitung, vorausschauende Wartung und Wiederverwendung. Das Stammdatenmanagement kann die Erstellung digitaler Produktpässe durch die Verwaltung von Nachhaltigkeitsdaten aus verschiedenen Bereichen, einschließlich Lieferanten, Standorten und Produkten, unterstützen.
Weitere Informationen:
Digitales Profiling
Bei der Erstellung von Datenprofilen werden die in einer bestehenden Datenquelle verfügbaren Daten untersucht und Statistiken und Informationen über diese Daten gesammelt. Es hilft bei der Bewertung der Datenqualität, der Ermittlung von Anomalien und dem Verständnis von Datenverteilungen, Mustern und potenziellen Beziehungen.
Digitale Transformation
Die digitale Transformation ist der Prozess, bei dem digitale Technologien eingesetzt werden, um die Art und Weise, wie Unternehmen arbeiten, mit Kunden interagieren und Werte schaffen, grundlegend zu verändern. Sie umfasst die Integration digitaler Technologien in alle Aspekte eines Unternehmens, vom Betrieb über die Kundenerfahrung bis hin zu Produkten und Dienstleistungen. Das Ziel der digitalen Transformation ist es, die Unternehmensleistung zu verbessern, die Effizienz zu steigern und neue Einnahmequellen zu erschließen. Angetrieben wird die digitale Transformation durch die Anforderungen der Verbraucher, die Unternehmen dazu zwingen, ihre Geschäftsstrategie und ihr Denken zu ändern, um ausgezeichnete Kundenerlebnisse zu bieten, oder durch die steigenden Anforderungen an die Einhaltung von Vorschriften oder die allgemeine Datenflut, die durch das Internet der Dinge und verschiedene Plattformen erzeugt wird. Die digitale Transformation ist daher eine Notwendigkeit, aber auch ein Wettbewerbsparameter, da sie erhebliche Auswirkungen auf Effizienz und Arbeitsabläufe hat.
Das Stammdatenmanagement (MDM) kann bei der digitalen Transformation eine entscheidende Rolle spielen, da es die Backbone-Architektur darstellt, die sicherstellt, dass die Daten vertrauenswürdig und für den Zweck geeignet sind. Stammdatenmanagement (MDM) kann die digitale Transformation unterstützen, indem es ein zentrales System für die Verwaltung und Pflege einer einzigen, maßgeblichen Datenquelle bereitstellt. Durch die Einrichtung eines vertrauenswürdigen Stammdatensatzes für jede Entität kann MDM sicherstellen, dass die Daten über alle Systeme und Anwendungen hinweg konsistent, genau und aktuell sind. MDM ist somit ein wichtiger Wegbereiter für die digitale Transformation, da es die Grundlage für datengesteuerte Entscheidungsfindung, Prozessautomatisierung und Kundenbindung bildet. Durch den Einsatz eines zentralisierten MDM-Systems können Unternehmen sicherstellen, dass alle Beteiligten rechtzeitig und zuverlässig auf die Daten zugreifen können, die sie für ihren Transformationsprozess benötigen. MDM kann Unternehmen auch dabei helfen, die betriebliche Effizienz zu verbessern, indem manuelle Prozesse automatisiert werden und der Zeit- und Ressourcenaufwand für die Datenverwaltung reduziert wird. Durch die Rationalisierung von Daten-Workflows und die Sicherstellung der Datenqualität kann MDM Unternehmen helfen, ihre Produktivität zu steigern, Fehler zu reduzieren und die Zusammenarbeit zu verbessern.
Weitere Informationen:
Digitaler Zwilling
Ein digitaler Zwilling ist eine virtuelle Repräsentation oder Datenreplikation einer Entität, z. B. eines Vermögenswerts, eines Produkts, einer Person oder eines Prozesses, und wird zur Unterstützung von Geschäftszielen entwickelt. Der digitale Zwilling einer Person wird auch als 360°-Ansicht des Kunden bezeichnet. Für Hersteller kann der digitale Zwilling ihre realen Fertigungsprozesse visuell darstellen. Der digitale Zwilling beschreibt den Übergang vom physischen Produkt zum virtuellen Produkt, um sicherzustellen, dass das, was Unternehmen produzieren, auch wirklich das ist, was sie produzieren wollen. Die Stammdatenverwaltung unterstützt die Erstellung digitaler Zwillinge, indem sie ein Repository für umfangreiche und genaue Daten über Anlagen bereitstellt.
Direkt an den Verbraucher (D2C, DTC)
Der D2C-Verkauf bezieht sich auf Hersteller und Marken, die zusätzlich zum Verkauf über Einzelhändler und Händler ihre eigenen Einzelhandelsvertriebskanäle wie E-Commerce oder Ladengeschäfte einrichten. Der D2C-Ansatz kann zwar profitabel und gut für die Markenbildung sein, stellt Marken aber auch vor die Herausforderung, ihre Produktdaten so zu verwalten, dass sie für großartige Kundenerlebnisse und Omnichannel-Zwecke geeignet sind.
Mehr Informationen:
D-U-N-S
Eine Data Universal Numbering System-Nummer ist eine eindeutige neunstellige Identifikationsnummer, die von Dun & Bradstreet (D&B), einem Anbieter von Geschäftsdaten, Analysen und Einblicken, an Unternehmen und Organisationen vergeben wird. Die D-U-N-S-Nummer wird üblicherweise von Kreditgebern, Lieferanten und Wirtschaftsauskunfteien verwendet, um die Kreditwürdigkeit und finanzielle Stabilität eines Unternehmens zu ermitteln. Die D-U-N-S-Nummer wird auch von verschiedenen Organisationen und staatlichen Stellen verwendet, um die Existenz und den Standort eines Unternehmens zu identifizieren und zu überprüfen. Das Stammdatenmanagement (MDM) kann die D-U-N-S-Nummer über die Integration beziehen, um die Daten eines Unternehmens mit eindeutigen Identifikatoren anzureichern.
Weitere Informationen:
EAM - Enterprise Asset Management
Enterprise Asset Management (EAM) ist der Prozess der Verwaltung der physischen Vermögenswerte eines Unternehmens während ihres gesamten Lebenszyklus, von der Anschaffung bis zur Entsorgung. EAM wird in der Regel von Unternehmen mit großen und komplexen Sachanlagen eingesetzt, z. B. von Fertigungsbetrieben, Transportunternehmen und Versorgungsbetrieben. EAM-Software wird zur Verfolgung und Verwaltung von Anlagen wie Maschinen, Geräten, Fahrzeugen und Gebäuden eingesetzt. Sie bietet eine zentrale Datenbank für Anlageninformationen, einschließlich Wartungsplänen, Garantien und Reparaturhistorien. Die Software kann auch Berichte und Analysen erstellen, die Unternehmen dabei helfen, ihre Anlagennutzung zu optimieren, Wartungskosten zu senken und die Lebensdauer von Anlagen zu verlängern.
Die Stammdatenverwaltung (MDM) hilft bei der Beschreibung der Leistung und der funktionalen Zusammenhänge von Anlagen. MDM ist von Natur aus darauf ausgelegt, Silos von Systemen, Geschäftseinheiten und Prozessen zu überwinden, um Informationen so zu vereinen, dass sie die Entscheidungsfindung unterstützen. MDM ist daher eine Technologie, die zur Vereinheitlichung und Standardisierung von Anlageninformationen beitragen kann, um die Anzahl der Prozesse, mit denen ein Unternehmen arbeiten muss, zu reduzieren.
Siehe auch: Asset-Daten
Weitere Informationen:
ECLASS
Der globale Industriestandard für die Klassifizierung und Beschreibung von Produkten und Dienstleistungen über Länder und mehrere Sprachen hinweg. Das Klassifizierungssystem wird vom Industriekonsortium ECLASS e.V. gepflegt. ECLASS ermöglicht den digitalen Austausch von Produktstammdaten. Jedes Produkt und jede Dienstleistung wird in einer vierstufigen Hierarchie klassifiziert und durch einen achtstelligen Code identifiziert. ECLASS wird in Produktinformationsmanagement- (PIM), E-Commerce- und Stammdatenmanagementsystemen eingesetzt.
Mehr Informationen:
EDW
Siehe Data Warehouse
Einheitlicher Handel
Unified Commerce ist eine Geschäftsstrategie, bei der konsistente Daten von einer einzigen Plattform genutzt werden, um sicherzustellen, dass das gesamte Unternehmen auf der Grundlage derselben konsistenten Daten agiert, z. B. auch Vertriebsmitarbeiter und Geschäftspartner. Mit einer Unified-Commerce-Strategie kann jede Geschäftsfunktion auf dieselbe vertrauenswürdige Informationsquelle zurückgreifen. Dies kann sich positiv auf die Lieferkette auswirken, indem es eine präzisere Bestandsverwaltung und -prognose ermöglicht. Unified Commerce verfolgt einen ganzheitlichen Ansatz, bei dem alle Kanäle und Berührungspunkte in ein nahtloses Erlebnis integriert werden, einschließlich der Backend-Abläufe. Das Stammdatenmanagement kann ein zentrales Repository für alle zentralen Datenelemente bereitstellen, die zur Unterstützung der verschiedenen Kanäle und Berührungspunkte benötigt werden. So kann sichergestellt werden, dass Produktinformationen, Werbeaktionen, Kundendaten und andere wichtige Daten über alle Kanäle hinweg konsistent und korrekt sind. Dies kann dazu beitragen, Probleme wie widersprüchliche Preis- oder Produktinformationen zu vermeiden, die bei Kunden zu Verwirrung und Frustration führen können.
ERP - Unternehmensressourcenplanung
Enterprise Resource Planning (ERP) ist eine Art von Geschäftsverwaltungssoftware, die die wichtigsten Geschäftsprozesse eines Unternehmens in Echtzeit integriert und verwaltet. ERP-Systeme sind so konzipiert, dass sie eine einheitliche Sicht auf die Abläufe und Daten eines Unternehmens bieten. ERP-Systeme umfassen in der Regel Module für verschiedene Geschäftsfunktionen wie Finanz- und Rechnungswesen, Bestandsverwaltung, Personalwesen, Beschaffung und Kundenbeziehungsmanagement. Diese Module sind in ein einziges System integriert, das die gemeinsame Nutzung von Daten und die Transparenz über verschiedene Abteilungen und Funktionen hinweg ermöglicht. Unternehmen können über mehrere ERP-Systeme verfügen.
Eine Stammdatenverwaltungslösung kann die Funktionalität des ERP-Systems verbessern, indem sie sicherstellt, dass die Daten aus allen vom ERP-System verwendeten Datenbereichen korrekt und aktuell sind und über die verschiedenen ERP-Instanzen hinweg synchronisiert werden. Obwohl ERP-Systeme auch Stammdaten verwalten, verfügen sie nicht über die gleichen umfassenden Governance-Funktionen wie MDM-Systeme.
Erweitertes MDM
Augmented Master Data Management wendet maschinelles Lernen (ML) und künstliche Intelligenz (AI) auf die Verwaltung von Stammdaten an. Der Einsatz von KI-Techniken kann die Datenverwaltungsfähigkeiten verbessern und die menschliche Intelligenz ergänzen, um das Lernen und die Entscheidungsfindung zu optimieren. Augmented MDM ermöglicht es Unternehmen, ihre Stammdaten zu verfeinern, um ihre Geschäftsabläufe zu optimieren, effizienter zu gestalten und ihr Geschäft zu transformieren, um das Wachstum zu fördern.
Siehe auch: KI
Weitere Informationen:
ETIM
ETIM ist ein Industrieklassifizierungssystem, das für"Electro Technical Information Model" steht.". Es handelt sich um ein standardisiertes Klassifizierungssystem für technische Produktdaten in der Elektro-, Sanitär-, Heizungs-, Lüftungs- und Klimabranche (HVAC). Das ETIM-System bietet einen Rahmen für die Klassifizierung technischer Informationen über Produkte in einem standardisierten Format, das von Herstellern, Vertriebsunternehmen, Einzelhändlern und Endverbrauchern leicht gemeinsam genutzt werden kann. Das ETIM-Klassifizierungssystem basiert auf einer hierarchischen Struktur, wobei jede Ebene mehr Details über das Produkt liefert. ETIM umfasst auch einen standardisierten Satz von Produktattributen und -werten, die zur einheitlichen Beschreibung der Merkmale eines Produkts verwendet werden können. Dadurch können verschiedene Hersteller die gleiche Terminologie zur Beschreibung ihrer Produkte verwenden, was den Kunden den Vergleich und die Auswahl von Produkten erleichtert.
Durch Integration oder integrierte ETIM-Konformität kann eine Stammdatenmanagement-Plattform die Produktinformationen weiter anreichern und den Datenaustausch zwischen Herstellern und Distributoren/Einzelhändlern erleichtern.
Weitere Informationen:
ETL - Extrahieren, Transformieren und Laden
ETL (Extrahieren, Transformieren, Laden) ist ein Datenintegrationsprozess, der dazu dient, Daten aus verschiedenen Quellen zu übertragen, sie in ein einheitliches Format umzuwandeln und sie in eine Zieldatenbank oder ein Data Warehouse zu laden. Die drei Phasen von ETL sind:
Extrahieren: Die Daten werden aus verschiedenen Quellen wie Datenbanken, Flat Files, APIs oder Web Services extrahiert.
Transformieren: Die extrahierten Daten werden bereinigt, normalisiert und in ein einheitliches Format umgewandelt, um sicherzustellen, dass sie genau, vollständig und verwendbar sind.
Laden: Die umgewandelten Daten werden in eine Zieldatenbank oder einen Datenspeicher geladen, wo sie analysiert und für verschiedene Zwecke verwendet werden können, z. B. für Business Intelligence-Berichte, Analysen oder die Verwaltung von Stammdaten.
GDPR
Die General Data Protection Regulation (GDPR) ist eine verbindliche Verordnung, die von der Europäischen Kommission erlassen wurde. Die Verordnung, die am 25. Mai 2018 in Kraft getreten ist, hat frühere Datenschutzrichtlinien der Europäischen Union und verschiedene nationale Gesetze ersetzt. Die GDPR wurde eingeführt, um das Recht der Bürgerinnen und Bürger auf Datenschutz zu stärken, einschließlich des Rechts auf Vergessenwerden, des Rechts auf Zugang zu den eigenen personenbezogenen Daten, des Rechts auf Datenübertragbarkeit, auf Berichtigung und auf Widerspruch. Betroffene Unternehmen müssen mehrere Anforderungen in Bezug auf die Art und Weise erfüllen, wie sie die personenbezogenen Daten von EU-Bürgern erfassen und verwenden - unabhängig davon, ob das Unternehmen selbst Europäer ist oder nicht.
Das Stammdatenmanagement unterstützt die Einhaltung der DSGVO, indem es die Daten der Beteiligten konsolidiert, für Transparenz bei der Datenverarbeitung sorgt und das Einwilligungsmanagement unterstützt.
Generative KI
Generative KI bezieht sich auf Techniken der künstlichen Intelligenz, die in der Lage sind, neue Daten oder Inhalte auf der Grundlage von Mustern zu erzeugen, die aus vorhandenen Daten gelernt wurden. Sie kann für Aufgaben wie Sprachgenerierung, Bildsynthese und Codegenerierung eingesetzt werden. Einzelhändler können generative KI nutzen, um überzeugende und einzigartige Beschreibungen für Produkte zu erstellen. Dies ist besonders nützlich für E-Commerce-Websites oder Unternehmen mit umfangreichen Produktkatalogen, bei denen das Verfassen von Beschreibungen für jedes einzelne Produkt eine zeitraubende und mühsame Aufgabe sein kann. Mit generativer KI kann ein maschinelles Lernmodell auf einem Datensatz bestehender Produktbeschreibungen trainiert werden, so dass es die in diesen Beschreibungen häufig verwendeten Muster und Strukturen lernen kann. Um ein zufriedenstellendes Ergebnis der generativen KI zu erzielen, ist es daher wichtig, dass die zugrunde liegenden Produktdaten geregelt und vertrauenswürdig sind.
Mehr Informationen:
- Generative KI für Produktinformation braucht kontrollierte Daten
- Fragwürdige Daten. Fragwürdige Entscheidungen. Fragwürdige Geschäfte.
- Was ist Produktstammdatenmanagement?
Geschäftsregeln
Geschäftsregeln sind die Bedingungen oder Aktionen, die Daten und Datenprozesse gemäß Ihren Datenrichtlinien verändern. Sie können in Ihrem MDM zahlreiche Geschäftsregeln definieren, um festzulegen, wie Ihre Daten organisiert, kategorisiert, angereichert, verwaltet und freigegeben werden. Geschäftsregeln werden typischerweise in Workflows verwendet, z. B. für die Validierung von Daten in Verbindung mit dem Import oder der Veröffentlichung. Geschäftsregeln sind somit ein wichtiges Instrument für Ihre Data Governance und für die Umsetzung Ihrer Datenstrategie, da sie die Datenqualität und das gewünschte Ergebnis sicherstellen.
Siehe auch: Arbeitsablauf
Weitere Informationen:
Goldener Rekord
Der Golden Record ist der konsolidierte Stammdatensatz eines Kunden, Lieferanten oder Produkts, der auf den zuverlässigsten Informationen basiert. Er wird auch als "Single View" bezeichnet und besteht aus einer einheitlichen, vertrauenswürdigen Version der Daten, die alle notwendigen Informationen über einen Kunden oder ein Produkt enthält. Es kommt häufig vor, dass Unternehmen mehrere Datensätze desselben Objekts in demselben oder in verschiedenen Systemen haben. Einige dieser Datensätze können ungenau oder unvollständig sein. Mit Hilfe von Data-Governance-Funktionen wie Abgleich, Verknüpfung und Zusammenführung ist das Stammdatenmanagement (MDM) in der Lage, Informationen in einer einzigen vertrauenswürdigen Version zu vereinen.
Weitere Informationen:
- Was ist ein Golden Customer Record im Master Data Management?
- Was ist Master Data Governance - und warum brauchen Sie sie?
GRI
Die Global Reporting Initiative (GRI) ist ein Nachhaltigkeitsstandard, der mehr als 140 verschiedene Themen wie Biodiversität, Steuern, Abfall, Emissionen, Vielfalt, Gleichberechtigung sowie Gesundheit und Sicherheit abdeckt. Um die GRI-Berichterstattung zu erfüllen, können Unternehmen Stammdatenmanagement einsetzen, um Datentransparenz zu gewährleisten und Nachhaltigkeitsdaten zu verwalten und gemeinsam zu nutzen.
Mehr Informationen:
GS1
GS1 ist eine globale Standardisierungsorganisation, die eine Reihe von Standards für die Identifizierung, Erfassung und gemeinsame Nutzung von Produkt- und Lieferketteninformationen entwickelt und pflegt. Das System wird von Unternehmen in einer Vielzahl von Branchen genutzt, darunter Einzelhandel, Gesundheitswesen, Lebensmittelindustrie und Fertigung. Das GS1-System ermöglicht es Unternehmen, eine gemeinsame Sprache zur Identifizierung von Produkten, Standorten und Vermögenswerten zu verwenden und Daten mit Handelspartnern auf einheitliche und standardisierte Weise auszutauschen. Der GS1-Standard umfasst eine Reihe von standardisierten Identifikatoren, Strichcodes und EDI-Nachrichten (Electronic Data Interchange), mit denen Unternehmen Produkte auf ihrem Weg durch die Lieferkette identifizieren und verfolgen können.
Einige der wichtigsten Komponenten des GS1-Systems sind: Global Trade Item Number (GTIN), ein eindeutiger Identifikator für Produkte, der zur Identifizierung und Verfolgung von Produkten auf Artikelebene verwendet wird; Global Location Number (GLN), ein eindeutiger Identifikator für physische Standorte wie Lagerhäuser, Einzelhandelsgeschäfte und Produktionsstätten; Global Data Synchronization Network (GDSN), ein System, das es Unternehmen ermöglicht, Produktinformationen mit Handelspartnern in einem standardisierten Format auszutauschen, um sicherzustellen, dass alle auf dieselben Informationen zugreifen können; und Electronic Product Code (EPC), ein eindeutiger Identifikator für einzelne Artikel, der in einem RFID-Tag kodiert ist und es Unternehmen ermöglicht, Artikel auf der Ebene der einzelnen Einheit zu verfolgen.
Eine Stammdatenmanagementlösung unterstützt und integriert die GS1-Standards branchenübergreifend.
Siehe auch: Datenpool
Weitere Informationen:
Große Daten
Big Data ist durch die drei Vs gekennzeichnet: Volumen (viele Daten), Geschwindigkeit (Daten entstehen mit hoher Geschwindigkeit) und Vielfalt (Daten kommen in vielen Formen und Bereichen vor). Big Data gibt es nicht nur im Internet, sondern auch in einzelnen Unternehmen und Organisationen, die aus diesen Daten Kapital schlagen müssen.
Die Suche nach Mustern und die Ableitung von Korrelationen in großen Datensätzen sind häufig Ziele von Big-Data-Projekten. Der Zweck des Einsatzes von Big-Data-Technologien besteht darin, die Daten zu erfassen und sie in verwertbare Erkenntnisse umzuwandeln. Die aus Big-Data-Analysen gewonnenen Informationen können mit Ihren Stammdaten verknüpft werden und so neue Erkenntnisse liefern.
Siehe auch: Datenanalyse
Weitere Informationen:
Headless Commerce
Headless Commerce trennt die kundenorientierte Front-End-Technologie von den Geschäftssystemen im Back-End, um eine höhere Flexibilität zu ermöglichen. Mit anderen Worten: Das Back-End der Handelslösungen wird von der direkten Kundenerfahrung getrennt. Headless Commerce ermöglicht einen gezielteren Ansatz für das Kundenerlebnis und nutzt Integrationen in das Back-End, um die Fähigkeit zur Bereitstellung von Dienstleistungen zu verbessern. Die Informationen fließen zwischen dem Back-End und dem Front-End über Anwendungsprogrammierschnittstellen (APIs). Produktinformationsmanagement-Lösungen (PIM) liefern die grundlegenden, angereicherten Produktdaten, die als einzige Quelle der Wahrheit dienen, und können auch DAM umfassen, das Betriebs- und Marketingdaten sowie umfangreiche Produktdaten über alle Kanäle weltweit gemeinsam nutzen kann.
Siehe auch: Kompatibler Handel
Identitätsauflösung
Die Identitätsauflösung ist ein Datenverwaltungsprozess im Zusammenhang mit der Verwaltung von Kundenstammdaten. Bei der Verwaltung von Kundenstammdaten handelt es sich um einen Data-Governance-Prozess, der es Unternehmen ermöglicht, Kundendaten aus unterschiedlichen Systemen und Quellen miteinander zu verknüpfen, um eine einzige, genaue und vollständige Sicht auf den Kunden zu erhalten. Ein wichtiger Aspekt dieses Prozesses ist die Identitätsauflösung, bei der verschiedene Datensätze erfasst und nicht offensichtliche Beziehungen identifiziert werden, um die Spuren und Konten eines Kunden mit seiner eindeutigen Identität zu verknüpfen. Kunden haben oft verschiedene digitale Identitäten, die in einer Kundenansicht konsolidiert werden müssen. Durch die erfolgreiche Verknüpfung all dieser Identitäten ermöglicht die Identitätsauflösung ein kundenorientiertes Marketing.
Siehe auch: Kunden-MDM, Golden Record
Weitere Informationen:
IOT - Internet der Dinge
Das Internet der Dinge ist ein Netzwerk physischer Geräte, die mit Konnektivitätstechnologie ausgestattet sind, die es diesen Geräten ermöglicht, sich zu verbinden und Daten auszutauschen. Zu den Geräten gehören Sensoren, Kameras, Verbrauchsmesser und Wearables. Das IoT kann Unternehmen bei der Wartung von Anlagen und Geräten helfen. Eine Stammdatenverwaltungslösung unterstützt IoT-Initiativen, indem sie eine 360-Grad-Ansicht der angeschlossenen Anlagen bietet. Die Verwaltung von Anlagendaten ist wichtig, um IoT-Daten, auch bekannt als Sensordaten oder Zeitreihendaten, einen Kontext zu geben.
Weitere Informationen:
- Wie Sie das Internet der Dinge mit Stammdatenmanagement nutzen können
- Asset Data Governance ist von zentraler Bedeutung für das Asset Management
Kompatibler Handel
Composable Commerce ist ein innovativer Ansatz für den digitalen Handel, der sich durch eine modulare Architektur aus unabhängigen Komponenten auszeichnet. Diese Komponenten können flexibel zusammengesetzt werden, um den individuellen Anforderungen eines Unternehmens gerecht zu werden. Composable Commerce baut auf dem Konzept des Headless Commerce auf, bei dem die kundenorientierte Technologieebene von den Backend-Systemen entkoppelt wird, und hebt diese Trennung auf die nächste Stufe. Es legt den Schwerpunkt auf erhöhte Kontrolle und Anpassungsfähigkeit, um ein verbessertes digitales Erlebnis für die Verbraucher zu schaffen.
Siehe auch: Kopfloser Handel
Kontextuelle Stammdaten
Die kontextbezogene (oder situationsbezogene) Stammdatenverwaltung bezieht sich auf die Verwaltung veränderlicher Stammdaten im Gegensatz zu den traditionellen, eher statischen Stammdaten. Mit der zunehmenden Komplexität und Personalisierung von Produkten und Dienstleistungen werden auch die Daten immer komplexer, so dass die Verwaltung dieser Daten ebenso komplex ist. Das dynamische und kontextbezogene MDM berücksichtigt, dass sich die Stammdaten, die zur Unterstützung einiger realer Szenarien erforderlich sind, ändern. So können beispielsweise bestimmte personalisierte Produkte nur in Verbindung mit bestimmten Kundeninformationen erstellt und modelliert werden.
Weitere Informationen:
Lieferanten-Daten
Daten über Lieferanten. Dies ist eine der zentralsten Stammdatendomänen, für die eine MDM-Lösung von Nutzen sein kann. Eine MDM-Lösung für Zulieferer kann eine 360°-Sicht auf Ihr Zulieferer-Ökosystem bieten, die einen Einblick in die Beziehungen zwischen Zulieferern, Muttergesellschaften, Unterlieferanten und Tochtergesellschaften ermöglicht. Die Verwaltung von Lieferantendaten bietet auch wertvolle Einblicke in Verträge, Zertifizierungen, Akkreditierungen und Leistungskennzahlen, um sicherzustellen, dass Ihre Lieferanten Ihre Richtlinien einhalten.
Mehr Informationen:
- 3 Gründe, warum qualitativ hochwertige Lieferantendaten für jedes Unternehmen von Vorteil sind
- Cloud für Lieferantendaten
- Transparenz in der Lieferkette mit Lieferantendaten erreichen
Lieferanten-Portal
Lieferantenportale, auch bekannt als Vendor Portals, helfen Unternehmen bei der Erstellung von Produktdatenrichtlinien und der Standardisierung, um das Onboarding von Produktinformationen durch den Selbstbedienungszugriff der Lieferanten auf ihre Produktinformationsmanagement- (PIM) oder Stammdatenmanagement-Plattform (MDM) zu erleichtern. Die Vorteile von Lieferantenportalen liegen darin, dass sie es den Lieferanten erleichtern, neue Informationen hochzuladen und bestehende Informationen zu aktualisieren, und dass sie die Reibungsverluste verringern, so dass der Empfänger mehr Zeit für höherwertige Aktivitäten aufwenden kann.
Weitere Informationen:
Maschinelles Lernen
Maschinelles Lernen (ML) ist ein Teilbereich der künstlichen Intelligenz, der sich darauf konzentriert, Maschinen in die Lage zu versetzen, aus Daten zu lernen, ohne explizit programmiert zu werden. Es handelt sich dabei um eine Art von Algorithmus, der statistische Modelle verwendet, um Muster in Daten zu erkennen, und diese Muster dann nutzt, um Vorhersagen oder Entscheidungen zu treffen. ML erstellt ein Datenmodell auf der Grundlage von Beispieldaten, so dass weitere Daten in das System eingespeist werden können, um es kontinuierlich zu verbessern. ML wird in Lösungen für die Stammdatenverwaltung eingesetzt, um sich wiederholende Aufgaben wie Klassifizierung, Kennzeichnung von Metadaten und Deduplizierung von Bildern zu reduzieren.
Mehrere Domänen
Eine Mehrdomänen-Stammdatenmanagementlösung verwaltet Stammdaten aus verschiedenen Domänen in einer Anwendung, hat aber für jede Domäne eine eigene Verwaltung. Im Gegensatz zu Lösungen für mehrere Domänen erfordert diese Art von Lösung unter Umständen eine umfangreiche Kodierung oder Konfiguration, um die Verwaltung mehrerer Domänen tatsächlich zu ermöglichen.
Weitere Informationen:
Metadaten-Verwaltung
Die Verwaltung von Daten über Daten. Metadaten beziehen sich auf Daten, die andere Daten beschreiben. Es handelt sich um Informationen, die den Daten Kontext, Bedeutung und Struktur verleihen. Metadaten können verwendet werden, um das Auffinden, die Verwaltung und die Nutzung von Daten zu erleichtern, und sie sind wichtig, um sicherzustellen, dass die Daten genau, konsistent und interoperabel sind. Es gibt viele verschiedene Arten von Metadaten. Beispiele für Metadaten sind der Autor und das Erstellungsdatum eines Dokuments, das Dateiformat und die Größe, der Datentyp und die Struktur sowie die Schlüsselwörter und Tags, die zur Beschreibung des Inhalts verwendet werden. Metadaten können getrennt von den eigentlichen Daten gespeichert und verwaltet werden und erleichtern die Suche, das Auffinden und die Analyse von Daten.
Metadatenverwaltung und Stammdatenverwaltungssysteme überschneiden sich zwar, bieten aber zwei unterschiedliche Rahmen für die Lösung von Datenproblemen wie Datenqualität und Data Governance.
Multidomain
Eine Multidomain-Stammdatenmanagementlösung verwaltet die Daten mehrerer Unternehmensdomänen, z. B. Produkt- und Lieferantendomäne oder Kunden- und Produktdomäne oder eine beliebige Kombination, die mehr als eine Domäne umfasst. Eine Multidomain-MDM-Lösung bietet eine einheitliche Governance für alle Domänen. Multidomain MDM ermöglicht es Ihnen, Beziehungen zwischen Daten unterschiedlicher Domänenherkunft herzustellen und diese Beziehungen zu steuern. Die Kombination und gemeinsame Steuerung verschiedener Stammdatendomänen kann neue Erkenntnisse zu geschäftskritischen Fragen liefern, z. B. wo bestimmte Produkte verkauft werden, wie sie verwendet werden und welche Lieferanten das gleiche Produkt liefern. Diese Erkenntnisse können helfen, Kosten zu senken und neue Einnahmequellen zu erschließen.
Siehe auch: Datenbereich, Zonen der Einsicht
Weitere Informationen:
- Der Unterschied zwischen Multidomain und Multiple-Domain Master Data Management
- Wie Sie Ihre Datensilos in Zones of Insight verwandeln
- Multidomain MDM unterstützt datengesteuertes Wachstum und Betrieb bei Rituals Cosmetics
Omnichannel
Omnichannel ist eine Marketingstrategie, die sich auf eine einzige Quelle stützt, die Produktdaten an Geschäftssysteme (Datensilos) weiterleitet, in denen die Daten gespeichert sind und individuell umgewandelt und bereinigt werden. Der Schwerpunkt liegt darauf, den Kunden ein konsistentes Erlebnis über alle Kanäle hinweg zu bieten, einschließlich im Geschäft, online, mobil und über soziale Medien. Die Kunden können zwischen verschiedenen Kanälen und Kontaktpunkten wechseln. Bei einem Omnichannel-Ansatz wird jeder Kanal separat verwaltet, und das Kundenerlebnis wird für jeden einzelnen Kanal optimiert.
Weitere Informationen:
- Omnichannel-Strategien für den Einzelhandel
- Was ist Omnichannel-Retailing und welche Rolle spielt das Datenmanagement?
Parteidaten
Im Zusammenhang mit dem Stammdatenmanagement ist der Begriff Partnerdaten die übergreifende Datendomäne, die sich auf Einzelpersonen und Organisationen bezieht, in der Regel auf Kunden und Lieferanten, aber auch auf Mitarbeiter oder Studenten. Ein Beteiligter kann auch ein Verwandter sein, z. B. ein Anwalt oder ein Familienmitglied eines Kunden, und Beteiligtendaten sind dann Daten, die sich auf diese Beteiligten beziehen. Die Verwaltung von Parteidaten kann Teil einer MDM-Einrichtung sein, und diese Beziehungen können mithilfe der Hierarchieverwaltung organisiert werden. Beteiligte Daten können auch nach ihrer Quelle definiert werden. First-Party-Daten sind Ihre eigenen Daten, Second-Party-Daten sind die First-Party-Daten einer anderen Person, die Ihnen übergeben wurden, während Third-Party-Daten von einer Person gesammelt werden, die keine Beziehung zu Ihnen hat.
Weitere Informationen:
- Was sind Parteidaten? Alles, was Sie über das Management von Partydaten wissen müssen
- Die 26 Fragen, die Sie sich stellen sollten, bevor Sie Ihren Business Case für die Transparenz von Kundendaten erstellen
PII - Persönlich identifizierbare Informationen
PII bezieht sich auf alle Daten, die zur Identifizierung einer bestimmten Person verwendet werden können. Dazu können der Name, das Geburtsdatum, die Sozialversicherungsnummer, die Nummer des Führerscheins, die Reisepassnummer, die E-Mail-Adresse, die Telefonnummer oder die physische Adresse einer Person gehören. PII können je nach dem Kontext, in dem sie verwendet werden, entweder sensibel oder nicht sensibel sein. Zu den sensiblen PII gehören Informationen, deren Offenlegung einer Person Schaden zufügen oder sie in Verlegenheit bringen könnte, wie z. B. finanzielle Informationen, medizinische Daten oder persönliche Beziehungen. Zu den nicht sensiblen PII gehören Informationen, die für sich genommen nicht als schädlich angesehen werden, aber in Kombination mit anderen Informationen zur Identifizierung einer Person verwendet werden könnten. Gesetze und Vorschriften zum Schutz des Datenschutzes, wie z. B. die Datenschutz-Grundverordnung, verpflichten Organisationen dazu, geeignete Maßnahmen zum Schutz von PII zu ergreifen und unbefugten Zugriff oder Offenlegung zu verhindern. Werden personenbezogene Daten nicht geschützt, kann dies rechtliche und finanzielle Folgen haben und den Ruf eines Unternehmens schädigen. Die Verwaltung von Kunden- oder Parteidaten kann Unternehmen dabei helfen, die gesetzlichen Vorschriften für personenbezogene Daten einzuhalten, z. B. durch die Anwendung von Data-Governance-Regeln auf die Datenverarbeitung, die Verwaltung von Einwilligungen und die Aufrechterhaltung einer einzigen Quelle der Wahrheit.
Weitere Informationen:
PIM - Produkt-Informations-Management
Ein PIM-System ist eine Softwarelösung zur Verwaltung und Zentralisierung von Produktinformationen, einschließlich Produktbeschreibungen, Attributen, Bildern, Videos und anderen zugehörigen Daten. PIM-Systeme werden in der Regel von E-Commerce-Unternehmen, Einzelhändlern und Herstellern eingesetzt, um große Mengen an Produktinformationen über verschiedene Kanäle wie Websites, mobile Apps und Marktplätze zu verwalten. Durch den Einsatz eines PIM-Systems können Unternehmen sicherstellen, dass die Produktinformationen über alle Kanäle hinweg korrekt, aktuell und konsistent sind, was das Kundenerlebnis verbessern und den Umsatz steigern kann.
Zu den wichtigsten Merkmalen eines PIM-Systems gehören: - Zentrale Speicherung und Verwaltung von Produktinformationen - Workflow-Management für die Erstellung, Überprüfung und Genehmigung von Produktdaten - Funktionen zur Anreicherung von Produktdaten, z. B. die Möglichkeit, Metadaten, Attribute und digitale Assets hinzuzufügen - Tools für Data Governance und Datenqualitätsmanagement, um die Genauigkeit und Konsistenz von Daten zu gewährleisten - Integration mit anderen Systemen wie E-Commerce-Plattformen, Content-Management-Systemen und ERP-Systemen - Unterstützung für mehrere Sprachen und Währungen - Analyse- und Berichtsfunktionen zur Verfolgung von Produktleistung und Benutzerbindung
Viele Unternehmen nutzen eine Produktstammdatenmanagement-Lösung, um ihr PIM-System aufzubauen, da diese über erweiterte Funktionen verfügt, wie z. B. die Verwaltung großer Datenmengen und eine breite Palette von Integrationsoptionen.
Weitere Informationen:
Plattform
Eine Softwareplattform ist eine umfassende Technologie, die eine Grundlage für die Entwicklung, Bereitstellung und Verwaltung von Softwareanwendungen bietet. Eine Softwareplattform umfasst in der Regel ein Betriebssystem, Middleware, Entwicklungswerkzeuge und andere Softwarekomponenten, die zusammenarbeiten, um die Entwicklung und Ausführung von Softwareanwendungen zu unterstützen. Softwareplattformen können für die Entwicklung einer breiten Palette von Anwendungen verwendet werden, von einfachen Desktop-Anwendungen bis hin zu komplexen Unternehmenssystemen und Cloud-basierten Diensten. Zu den Softwareplattformen gehören beispielsweise Betriebssysteme (z. B. Windows, macOS, Linux und Android), Webplattformen (z. B. WordPress, Drupal, HubSpot und Sitecore), Cloud-Plattformen (z. B. Amazon Web Services, Microsoft Azure und Google Cloud) und Unternehmensplattformen (z. B. SAP und Oracle).
Mehr Informationen:
PLM - Produktlebenszyklus-Management
PLM ist ein Prozess, der dabei hilft, den gesamten Lebenszyklus eines Produkts zu verwalten, von der Idee über das Design und die Herstellung bis hin zu Service und Entsorgung. PLM ist ein funktionsübergreifender Ansatz zur abteilungsübergreifenden Verwaltung von Produktdaten und -informationen, einschließlich Entwicklung, Fertigung, Lieferkettenmanagement, Vertrieb und Marketing. Das Ziel von PLM ist es, eine zentrale Plattform für die Verwaltung produktbezogener Informationen bereitzustellen und Unternehmen in die Lage zu versetzen, die Produktentwicklung zu optimieren und die Zusammenarbeit zwischen den Teams zu verbessern.
Das Stammdatenmanagement (MDM) kann PLM unterstützen, indem es genaue und konsistente Produktdaten sowie einen Rahmen für Data Governance und Data Stewardship bereitstellt, mit dem Unternehmen sicherstellen können, dass Produktdaten gemäß den festgelegten Richtlinien und Verfahren verwaltet und kontrolliert werden. Dies kann Unternehmen dabei helfen, gesetzliche Vorschriften einzuhalten und das Risiko von Datenverletzungen und anderen Sicherheitsvorfällen zu verringern. MDM bietet auch Integrationsfunktionen, mit denen PLM-Systeme mit anderen Systemen und Anwendungen wie ERP- und Lieferkettenmanagementsystemen verbunden werden können. Dies kann Unternehmen dabei helfen, ihre Produktentwicklungs- und Fertigungsprozesse zu rationalisieren, indem sie eine einzige Quelle für Produktdaten und -informationen bereitstellen.
Produktdaten
Produktdaten umfassen alle Attribute, Beziehungen und Datensätze zu einem bestimmten Produkt. Dazu gehören Beschreibungen, Spezifikationen, Verpackungsdaten, Maßeinheiten, digitale Assets und vieles mehr. Produktdaten werden häufig in einem PIM oder Produkt-MDM verwaltet, wo Sie Produktdaten über Integrationen mit anderen internen und externen Quellen pflegen und gemeinsam nutzen können.
Mehr Informationen:
- Was ist Produktstammdatenmanagement?
- Executive Brief - Fünf Best Practices zur Verbesserung der Verwaltung von Produktdaten mit MDM
PXM - Management der Produkterfahrung
PXM ist ein Prozess, der sich auf die Erstellung und Verwaltung der End-to-End-Erfahrung eines Produkts über alle Kanäle und Berührungspunkte, einschließlich online und offline, konzentriert. PXM zielt darauf ab, konsistente, qualitativ hochwertige Produkterlebnisse zu liefern, die den Bedürfnissen und Erwartungen von Kunden und Stakeholdern entsprechen. PXM geht über herkömmliche Systeme für das Produktinformationsmanagement (PIM) und das Product Lifecycle Management (PLM) hinaus, indem es eine breite Palette von Aktivitäten wie die Erstellung, Optimierung, Lokalisierung, Anreicherung und Verteilung von Produktinhalten sowie Analysen und Berichte umfasst. PXM unterstützt Unternehmen bei der Erstellung und Bereitstellung umfangreicher, ansprechender und informativer Produktinhalte, die bei den Kunden Anklang finden und die Konversionsrate erhöhen. Das Ziel von PXM ist es, Kunden und Stakeholdern ein nahtloses und personalisiertes Produkterlebnis über Online-Marktplätze, E-Commerce-Websites, soziale Medien, mobile Apps und physische Geschäfte hinweg zu bieten. PXM-Systeme lassen sich in andere Systeme und Anwendungen integrieren, um Arbeitsabläufe zu optimieren und die Effizienz der Erstellung und Verteilung von Produktinhalten zu verbessern.
Referenzdaten
Daten, die Werte definieren, die für funktionsübergreifende organisatorische Transaktionen relevant sind. Referenzdatenmanagement zielt darauf ab, Referenzdaten beziehen sich auf feste und unveränderliche Werte oder Informationen, die als Standard oder Bezugspunkt für verschiedene Zwecke verwendet werden. Dazu gehören in der Regel Datenelemente, die als Konstanten oder Benchmarks dienen, wie Codes, Klassifikationen, Standards oder andere vordefinierte Werte. Referenzdaten werden üblicherweise in Informationssystemen und Datenbanken verwendet, um einen Kontext oder eine Kategorisierung für andere Datenelemente zu liefern. Sie tragen dazu bei, Konsistenz, Genauigkeit und Interoperabilität zwischen verschiedenen Systemen oder Anwendungen zu gewährleisten, indem sie einen standardisierten Rahmen für die Organisation und Interpretation von Daten bieten. Beispiele für Referenzdaten sind Ländercodes, Währungscodes, Branchenklassifizierungen, Produktkataloge oder jede andere Art von Daten, die relativ statisch bleiben und häufig zum Vergleich oder zur Identifizierung verwendet werden.
Weitere Informationen:
Registry-Stil
Eine Methode zur Implementierung einer Stammdatenmanagementlösung, bei der MDM als referenzierte, schreibgeschützte Quelle von Stammdaten für externe Systeme verwendet wird. Die Registry-Methode wird hauptsächlich zum Aufspüren von Duplikaten verwendet, indem Bereinigungs- und Abgleichsalgorithmen auf Daten aus verschiedenen Quellsystemen angewendet werden. Dabei werden den abgeglichenen Datensätzen eindeutige globale Bezeichner zugewiesen, um eine einzige Version der Wahrheit zu identifizieren.
Weitere Informationen:
SaaS - Software als Dienstleistung
Ein Cloud-Computing-Modell, bei dem Softwareanwendungen von einem Drittanbieter über das Internet bereitgestellt und gehostet werden. Anstatt die Software auf einzelnen Computern oder Servern zu installieren und zu warten, greifen die Nutzer über einen Webbrowser oder einen Client auf die Software zu und nutzen sie. Bei SaaS müssen sich die Nutzer nicht mehr um die Installation der Software, die Verwaltung der Infrastruktur und die Wartungsaufgaben kümmern, da diese Aufgaben vom Dienstanbieter übernommen werden. Die Nutzer zahlen in der Regel eine Abonnementgebühr für den Zugriff auf die Software, die oft auf der Nutzung oder einer regelmäßigen Basis basiert. SaaS bietet Vorteile wie Skalierbarkeit, Zugriff von jedem Ort mit Internetanschluss, automatische Aktualisierungen und die Möglichkeit, Daten gemeinsam zu nutzen und zusammenzuarbeiten.
Weitere Informationen:
SASB - Sustainability Accounting Standards Board
Eine unabhängige Non-Profit-Organisation, die Standards für die Nachhaltigkeitsbilanzierung für börsennotierte Unternehmen in den Vereinigten Staaten entwickelt und pflegt. Die SASB-Standards sind branchenspezifisch und konzentrieren sich auf die Offenlegung wesentlicher ökologischer, sozialer und Governance-Faktoren (ESG), die für die finanzielle Leistung eines Unternehmens relevant sind. Diese Standards bieten einen Rahmen für Unternehmen, um über ESG-Themen zu berichten, die sich am ehesten auf ihre Finanzlage, ihre operative Leistung und ihr Risikoprofil auswirken. Die SASB-Standards decken ein breites Spektrum von Branchen und Sektoren ab, darunter Finanzdienstleistungen, Gesundheitswesen, Technologie, Transportwesen und mehr. Sie behandeln Themen wie Treibhausgasemissionen, Mitarbeitergesundheit und -sicherheit, Lieferkettenmanagement, Datenschutz sowie Vielfalt und Integration.
Das Stammdatenmanagement unterstützt die SASB-Berichterstattung, indem es Daten zur Einhaltung von Nachhaltigkeitsstandards aus heterogenen Quellen, z. B. von Lieferanten, sammelt, um die Nachhaltigkeitsbewertungen und -angaben zu erfüllen, an denen Ihr Unternehmen gemessen wird.
Mehr Informationen:
SCM - Lieferkettenmanagement
Die koordinierten Aktivitäten im Zusammenhang mit der Planung, Beschaffung, Produktion und Verteilung von Waren und Dienstleistungen vom Lieferanten bis zum Endkunden. Es umfasst den gesamten Lebenszyklus eines Produkts oder einer Dienstleistung, von der Beschaffung von Rohstoffen bis zur Auslieferung des Endprodukts. Stammdaten sind für ein effektives Lieferkettenmanagement unerlässlich, da sie die grundlegenden und entscheidenden Daten darstellen, die einen umfassenden Überblick über die Produkte, Kunden, Lieferanten und andere wichtige Einheiten innerhalb einer Lieferkette bieten. Dazu gehören Informationen wie Produktbeschreibungen, Spezifikationen und Lieferantendetails.
Weitere Informationen:
SKU - Stock Keeping Unit (Lagerhaltungseinheit)
Ein eindeutiger Identifikator oder Code, der zur Verfolgung und Verwaltung einzelner Lagerartikel im Produktkatalog eines Unternehmens verwendet wird. Es handelt sich um einen eindeutigen Code, der jeder spezifischen Produktvariante zugewiesen wird, z. B. Größe, Farbe oder Verpackung, und der eine genaue Identifizierung und Unterscheidung der Produkte ermöglicht. Durch die Zuweisung eindeutiger SKUs zu jeder Produktvariante können Unternehmen Produkte in ihrem Bestand leicht identifizieren, klassifizieren und lokalisieren, Abläufe rationalisieren und die Genauigkeit der Bestandsverwaltung verbessern. SKUs werden häufig in Einzelhandels- und Bestandsverwaltungssystemen verwendet, um eine effiziente Bestandskontrolle, Auftragsabwicklung und Verfolgung von Verkäufen und Lagerbeständen zu ermöglichen. Jede SKU entspricht in der Regel einer bestimmten Produktkonfiguration oder -variante und ermöglicht es Unternehmen, ihren Bestand genau zu verwalten und zu überwachen.
Stack
Ihr Tech Stack ist die Kombination von Softwaretools, Programmiersprachen, Frameworks, Bibliotheken und anderen Technologien, die zusammen verwendet werden, um Ihre Softwarearchitektur oder Ihr System zu erstellen und zu betreiben. Er stellt die Schichten der Technologiekomponenten dar, die zur Entwicklung, Bereitstellung und Wartung einer Softwarelösung eingesetzt werden. Ein typischer Technologiestapel besteht aus mehreren Schichten, darunter Präsentations-, Anwendungs- und Datenschichten.
Stammdaten
Stammdaten sind für den Betrieb eines Unternehmens oder einer Organisation unerlässlich. Sie umfassen wichtige Geschäftsinformationen, die in Stammdatendomänen wie Kunden- und Produktdaten kategorisiert sind, sowie andere wichtige Vermögenswerte wie Lieferanten, Standorte und Geräte. Stammdaten werden in der Regel durch eine Reihe von Attributen definiert, die den Vermögenswert beschreiben. Im Gegensatz zu anderen Datentypen, z. B. Transaktionsdaten oder Echtzeitdaten, zeichnen sich Stammdaten durch eine geringe Volatilität aus. Stammdaten werden oft in vielen verschiedenen Systemen je nach Domäne verwaltet, z. B. werden Produktstammdaten in einem PIM-System und Kundenstammdaten in einem CRM-System verwaltet. Die Konsolidierung und Verwaltung von Stammdaten in einer einzigen Quelle kann jedoch den Einblick und die Effizienz von Abteilungen und Anwendungen verbessern, die auf saubere Stammdaten angewiesen sind. Die effektive Verwaltung von Stammdaten ist für die Sicherstellung der Datenqualität, -konsistenz und -genauigkeit im gesamten Unternehmen von entscheidender Bedeutung und ist der Schlüssel zur Unterstützung von Geschäftsprozessen und Entscheidungsfindung.
Weitere Informationen:
Stammdatenmanagement
Stammdatenmanagement (MDM) ist der Kernprozess der Erfassung, Verwaltung, Steuerung, Anreicherung und gemeinsamen Nutzung von Stammdaten gemäß den Datenrichtlinien und Geschäftsregeln Ihres Unternehmens. Durch die effiziente Verwaltung von Stammdaten in einem zentralen Repository erhalten Sie eine einheitliche, verbindliche Sicht auf die Informationen und vermeiden kostspielige Ineffizienzen, die durch Datensilos verursacht werden. Die Verwaltung von Stammdaten ist notwendig, um Ihre Geschäftsinitiativen und -ziele durch die Identifizierung, Verknüpfung und Syndizierung von Informationen und Inhalten über Produkte, Kunden, Standorte, Lieferanten, digitale Assets und mehr zu unterstützen. Stammdaten können mithilfe von Tabellenkalkulationen oder verschiedenen Geschäftssystemen wie ERP und CRM verwaltet werden. Um jedoch den Prozess der Stammdatenverwaltung zu automatisieren und die Einheitlichkeit der Stammdaten zu gewährleisten, verwenden viele Unternehmen eine spezielle MDM-Lösung, die in der Lage ist, Datensilos zu verbinden und saubere Stammdaten für die Geschäftssysteme bereitzustellen, die sie für einen effizienten Betrieb benötigen.
Weitere Informationen:
Standortdaten
Daten über Standorte. Standorte, wie z. B. Geschäfte, Lager, Fabriken und andere Immobilien, sind Vermögenswerte, die genau beschrieben werden müssen. Das Stammdatenmanagement kann einen zusätzlichen Wert schaffen, indem es Standortdaten in den Mix der Stammdaten einbezieht, was zu einer Multidomain-Lösung führt. Produktinformationen können von der Anreicherung mit Standortdaten sehr profitieren, da sie Aufschluss darüber geben, wo ein bestimmtes Produkt angeboten wird oder woher es stammt. Restaurants, Hotels und Veranstaltungsorte können das Standortdatenmanagement nutzen, um ihre standortbezogenen Dienste zu bewerben. Durch die Anreicherung der Standortdaten von Geschäften mit Informationen über örtliche Sehenswürdigkeiten und demografische Daten von Verbrauchern können Einzelhändler relevante Produkte und Dienstleistungen anbieten und Kunden mit den neuesten Ladeninformationen versorgen.
Weitere Informationen:
- Location, Location, Location: Managing WHERE You Do Business
- Wie Standortdaten den Wert von Stammdatenprojekten erhöhen
- Restaurantkette kombiniert Standort- und Produktdaten, um die Kundenbindung zu erhöhen
Stil der Koexistenz
Der Koexistenz-Implementierungsstil bezieht sich auf eine Systemarchitektur, bei der Ihre Stammdaten im zentralen MDM-System gespeichert und in den Quellsystemen aktualisiert werden. Auf diese Weise werden die Daten in den Quellsystemen gepflegt und dann mit dem MDM-Hub synchronisiert, so dass die Daten harmonisch nebeneinander bestehen können und dennoch eine einzige Version der Wahrheit bieten. Der Vorteil dieser Architektur besteht darin, dass die Stammdaten gepflegt werden können, ohne dass die bestehenden Geschäftssysteme umgestaltet werden müssen.
Siehe auch: Implementierungsstile, Zentralisierter Stil, Registry-Stil, Konsolidierungsstil
Weitere Informationen:
Stil der Konsolidierung
Der Konsolidierungsstil bezieht sich auf eine Systemarchitektur, in der Stammdaten aus verschiedenen Quellen in der Stammdatenverwaltungszentrale konsolidiert werden, um eine einzige Version der Wahrheit zu erstellen, die auch als Golden Record bezeichnet wird.
Siehe auch: Implementierungsstile, Zentralisierter Stil, Registry-Stil, Koexistenz-Stil
Weitere Informationen:
Stückliste - Bill of Materials
In der Fertigung ist eine Stückliste (BOM)eine Liste der Teile oder Komponenten, die für die Herstellung eines Produkts erforderlich sind. Eine Stückliste ähnelt einer Formel oder einem Rezept, aber während ein Rezept sowohl die Zutaten als auch den Herstellungsprozess enthält, enthält die Stückliste nur die benötigten Materialien und Artikel. Hersteller verlassen sich auf verschiedene digitale Lösungen für die Stücklistenverwaltung, um Teilenummern, Mengeneinheiten, Kosten und Beschreibungen zu erfassen.
Siehe auch: Attribute
Synthetische Daten
Synthetische Daten werden algorithmisch erstellt, um Lücken in realen Daten zu füllen oder diese Daten zu kompensieren. Sie ahmen die Eigenschaften und Muster realer Daten nach, ohne personenbezogene Informationen zu enthalten. Sie werden mit Hilfe statistischer Algorithmen und maschineller Lerntechniken erstellt, um die statistischen Eigenschaften und Beziehungen zu replizieren, die in realen Daten zu finden sind. Synthetische Daten dienen als datenschutzfreundliche Alternative für Unternehmen, um Daten auszutauschen oder zu analysieren, ohne das Risiko einzugehen, sensible Informationen preiszugeben. Sie ermöglichen die Entwicklung und das Testen von Modellen, Algorithmen und Anwendungen unter Wahrung des Datenschutzes und der Datensicherheit. Synthetische Daten finden in verschiedenen Bereichen Anwendung, darunter Datenanalyse, maschinelles Lernen und Cybersicherheit. Die Stammdatenverwaltung kann die Relevanz und Erklärbarkeit synthetischer Daten verbessern, indem sie einen Prozess implementiert, der sicherstellt, dass die Kuration der synthetischen Informationen repräsentativ und aufschlussreich ist.
Weitere Informationen:
Unternehmensdaten
Unter Unternehmensdaten versteht man alle Daten, die innerhalb eines Unternehmens erstellt, verarbeitet und genutzt werden. Dazu gehören Daten aus verschiedenen Quellen, z. B. aus internen Systemen, von externen Partnern, Kunden und anderen Beteiligten. Unternehmensdaten können viele Formen annehmen, z. B. strukturierte Daten (z. B. Datenbanken, Tabellenkalkulationen), unstrukturierte Daten (z. B. E-Mails, Dokumente), halbstrukturierte Daten (z. B. XML-Dateien) und Multimedia-Daten (z. B. Bilder, Videos).
Durch die Implementierung einer Stammdatenverwaltungsstrategie können Unternehmen die Genauigkeit, Konsistenz und Vollständigkeit ihrer Stammdaten über verschiedene Systeme und Geschäftsbereiche hinweg verbessern. Auf diese Weise kann ein Kontext für alle Unternehmensdaten geschaffen werden, der die Analyse und Entscheidungsfindung verbessert.
UNSDG
Die Ziele für nachhaltige Entwicklung der Vereinten Nationen (Sustainable Development Goals, SDG) sind eine Reihe von 17 Zielen, die von den Vereinten Nationen im Jahr 2015 als Teil der Agenda 2030 für nachhaltige Entwicklung festgelegt wurden. Die SDGs decken ein breites Spektrum sozialer, wirtschaftlicher und ökologischer Ziele ab, darunter die Beseitigung der Armut, die Förderung der Gleichstellung der Geschlechter, die Gewährleistung von sauberem Wasser und sanitären Einrichtungen und die Bekämpfung des Klimawandels. Die SDGs bieten einen Rahmen für globale Maßnahmen und Zusammenarbeit, um eine nachhaltigere und integrative Zukunft zu erreichen. Unternehmen, die über einige der SDGs Bericht erstatten müssen, können eine Stammdatenverwaltungslösung nutzen, um die Anreicherung von Geschäftsdaten transparent zu machen und die Einhaltung der Vorschriften sicherzustellen.
Siehe auch: Daten zur Nachhaltigkeit
Weitere Informationen:
- Nachhaltigkeitsdaten-Cloud
- Nachhaltigkeit im Einzelhandel braucht kontrollierte Daten
- Aufbau einer nachhaltigeren Zukunft für den Einzelhandel. Wie Datenmanagement ein wesentlicher Bestandteil zur Erreichung der Nachhaltigkeitsziele im Einzelhandel ist.
UNSPSC
Der United Nations Standard Products and Services Code [UNSPSC] ist ein weltweit verwendetes Kodierungssystem für Waren und Dienstleistungen. Es ermöglicht Käufern und Verkäufern, Waren und Dienstleistungen auf eine einheitliche Art und Weise zu beschreiben, ohne sich auf die von den Lieferanten benutzerdefinierten oder privat erstellten Katalogcodes und Beschreibungen zu beziehen. Das UNSPSC-System verwendet eine vier- oder fünfstufige Klassifizierung mit den Bezeichnungen Segment, Familie, Klasse, Ware und Geschäftsfunktion, um Artikel branchenübergreifend genau zu klassifizieren.
Weitere Informationen:
Veraltete Systeme
Eine angewandte Technologie, die veraltet ist und von neueren Betriebssystemen abgelöst wurde, aber aus verschiedenen Gründen immer noch in Gebrauch ist. Ein Altsystem wird auf dem Softwaremarkt nicht mehr zum Verkauf angeboten und wird von seinem Anbieter nicht mehr aktualisiert oder unterstützt. Ein Stammdatenmanagementsystem kann bei der Ausmusterung vieler Altsysteme helfen, indem es die vorhandenen Stammdaten erfasst und bereinigt. Die Verwendung des MDM-Ansatzes bedeutet, dass ein Unternehmen den Betrieb während eines kritischen Migrationsprozesses aufrechterhalten und darüber hinaus die Effizienz und die Datenverwaltung verbessern kann.
Weitere Informationen:
- Datenmigration zu SAP S/4HANA ERP - Der schnelle und sichere Weg mit MDM
- Vier Arten von IT-Systemen, die ausgemustert werden sollten - und was dabei zu beachten ist
Verantwortlichkeit
Data Stewardship ist die Verwaltung und Überwachung der Datenbestände eines Unternehmens, um deren Qualität, Integrität und Einhaltung der einschlägigen Richtlinien und Vorschriften zu gewährleisten. Sie umfasst die Verantwortung für den Schutz der Daten während ihres gesamten Lebenszyklus, von der Erstellung oder Erfassung bis zur Archivierung oder Löschung. Datenverwalter sind Einzelpersonen oder Teams, die dafür sorgen, dass die Daten ordnungsgemäß verwaltet und geschützt werden. Sie fungieren als Hüter der Daten und sind für deren Richtigkeit, Vollständigkeit und angemessene Nutzung verantwortlich. Data Stewardship umfasst eine Reihe von Aktivitäten, darunter Data Governance, Datenqualitätsmanagement und Datensicherheit.
Weitere Informationen:
Verarbeitung natürlicher Sprache
NLP ist ein Bereich der künstlichen Intelligenz (AI), der sich darauf konzentriert, Maschinen in die Lage zu versetzen, menschliche Sprache zu verstehen und zu interpretieren. Es geht um die Entwicklung von Algorithmen und Modellen, die natürliche Sprache, z. B. Text oder Sprache, analysieren und generieren sowie Sprachübersetzung, Stimmungsanalyse, Spracherkennung und mehr durchführen können. NLP hat viele Anwendungen in Bereichen wie Kundendienst, Gesundheitswesen, Finanzen und Bildung. So können beispielsweise Chatbots und virtuelle Assistenten entwickelt werden, die mit Kunden in natürlicher Sprache interagieren können. Die Stammdatenverwaltung (MDM) ist für NLP wichtig, da NLP-Algorithmen auf genaue und konsistente Daten angewiesen sind, um aussagekräftige Erkenntnisse und Ergebnisse zu erzielen. NLP-Anwendungen erfordern in der Regel den Zugriff auf große Mengen hochwertiger Daten, und MDM bietet einen Rahmen für die Verwaltung und Steuerung dieser Daten, um sicherzustellen, dass sie über verschiedene Systeme und Anwendungen hinweg genau, vollständig und konsistent sind.
Zentralisierter Stil
Der zentralisierte Implementierungsstil bezieht sich auf eine bestimmte Systemarchitektur, bei der das MDM-System Data-Governance-Algorithmen verwendet, um Stammdaten zu bereinigen und zu verbessern, und die Daten dann an das jeweilige Quellsystem zurückgibt. Auf diese Weise sind die Daten dort, wo sie verwendet werden, immer korrekt und vollständig. Der zentralisierte Stil ermöglicht es Ihnen auch, Stammdaten zu erstellen, so dass Ihr MDM-System zum Herkunftssystem der Informationen wird. Dies bedeutet, dass Sie die Datenerstellungsfunktionen für Lieferanten-, Kunden- und Produktdomänen in einer verteilten Umgebung zentralisieren können, indem Sie die Entität im MDM erstellen und sie durch externe Datenquellen oder interne Anreicherung anreichern.
Siehe auch: Implementierungsstile, Koexistenzstil, Registry-Stil, Konsolidierungsstil
Weitere Informationen:
Zone der Einsicht
Multidomain Master Data Management (MDM) bietet eine einheitliche Governance für alle Stammdatenbereiche. An den Überschneidungen zwischen den Domänen können Unternehmen je nach Kontext der Stammdaten neue Erkenntnisse gewinnen. Zu den gängigen Domänen gehören Kunden, Lieferanten, Produkte, Anlagen und Standorte. Die Verwaltung mehrerer Stammdatendomänen in Verbindung miteinander kann der Lösung einen zusätzlichen geschäftlichen Wert verleihen, z. B. Analysen für den Endverbraucher (Kunden- und Produktdomänen), lokalisierte, personalisierte Angebote (Kunden-, Produkt- und Standortdomänen) oder Erkenntnisse darüber, wie ein Lieferant bei der Einführung neuer Produkte abschneidet und wie er sich verbessern kann (Lieferanten- und Produktdomänen). Zones of Insight sind das Ergebnis der Fähigkeit von Multidomain-MDM, Datensilos aufzubrechen und Daten in einer einzigen Ansicht unter Verwendung gemeinsamer Data Governance-Regeln zu vereinheitlichen. Die getrennte Verwaltung von Stammdatenbereichen, z. B. Produktdaten in einem PIM-System und Kundendaten in einem CRM-System, würde es nicht ermöglichen, die Daten auf dieselbe aufschlussreiche Weise zusammenzuführen.
Weitere Informationen:
