“Dé uitdaging in een gedistribueerde wereld”.
Deze blog is onderdeel van de themareeks ‘Management & BI’. De themareeks is bedoeld voor managers die wat meer willen weten over Business Intelligence, maar dan alleen de essentie in begrijpelijke taal en zonder alle technische termen en hypes.
Als derde en laatste blog in de blogreeks over MDM kijken we nader naar de invloed van datakwaliteit, de organisatie-aspecten rond MDM en een mogelijke migratie-aanpak.
Datakwaliteit is belangrijk
Klantgegevens – als voorbeeld van master data – zijn bij de meeste bedrijven opgeslagen in de database van meerdere productie applicaties, waardoor deze gegevens onderling verschillen gaan vertonen. Vaker dan je zult denken, is er bij bedrijven zelfs sprake van meerdere CRM-systemen, meestal ontstaan door zelfstandig opererende business units of overname van of fusies met andere bedrijven.
Klanten uit de diverse systemen moeten aan elkaar gematched worden als we een eenduidig klantrecord (golden record) willen vaststellen. Is de heer J. v.d. Kruijt uit het boekhoudsysteem dezelfde klant als Johan van der Kruit uit het CRM-systeem? Op basis van welke gegevens match je meerdere klantrecords aan één en dezelfde klant? Naam, emailadres, telefoonnummer, bankrekeningnummer? Om meer zekerheid te verkrijgen kunnen we het woonadres erbij betrekken. Dat kan helpen, maar stel je voor dat de naam gelijk is en het woonadres verschilt? Vaak zie je adresproblemen ontstaan zoals Raamstraat 28 d, Raamstraat 28d of Raamstraat 28D of vervelende adressen zoals t.o. Herengracht 1065 voor een woonboot of p.a. Herengracht 1065 voor een inwoner. Welke attributen in de klantgegevens bijdragen of juist afbreuk doen aan het matchen, hangt enerzijds sterk af van de kwaliteit van die klantgegevens en anderzijds het leren – door te kijken naar je daadwerkelijke gegevens - over welke combinatie van klantgegevens uiteindelijk het beste matchingsresultaat geeft.
MDM is een leerproces
Master Data Management is meer dan de implementatie van ICT-software. Het verbeteren van de consistentie van master data is vooral een organisatorisch aspect. Je kunt wel zeggen dat; zelfs de beste MDM-tool valt of staat bij de invoer van de goede, schone master data en het specificeren van correcte regels bij het verwerken van die data.
Vrijwel alle bedrijven hebben problemen met datakwaliteit veroorzaakt door datavervuiling. De grootste bron van problemen ligt bij de eindgebruikers, bij de invoer van gegevens via de user interface van bijvoorbeeld jouw CRM-applicatie. Veel bedrijven hebben callcenter-agenten die immers het liefst constant in gesprek zijn met klanten om hen te helpen. Of verkopers die vol enthousiasme op zoek zijn naar nieuwe klanten. De meesten van hen vinden de vastlegging van de gegevens die zij tijdens hun klantcontacten hebben verzameld maar een vervelend, bijkomstig klusje. Zeker als ze al onder tijdsdruk staan. De kwaliteit van de ingevoerde master data is vooral afhankelijk van hun goede wil, kwaliteitsgevoel en discipline. Het verkrijgen van een kwaliteitsgeoriënteerde cultuur bij de invoer en het wijzigen van master data is een leerproces en kost tijd.
Kennis over eigen data is noodzakelijk
Naast het leerproces bij het aandachtsgebied ‘data-invoer’, kunnen we een tweede leerproces onderkennen dat speelt rond de kennis die de organisatie zelf heeft over haar eigen data. Vooral bij diegenen die met het MDM-tool werken. Ook een MDM-tool is immers slechts een dom stuk software waarbij mensen moeten voorschrijven hoe de tool naar jouw data moet kijken. Hiervoor zijn business rules nodig. Bijvoorbeeld de keuze van de juiste attributen in de klantgegevens om klantrecords uit verschillende systemen met elkaar te kunnen matchen. Die regels moeten de medewerkers opstellen. Daar is veel kennis over jouw specifieke data voor nodig. Onduidelijke situaties, die buiten deze regels vallen, moeten alsnog handmatig beoordeeld worden. Hiervoor zijn data stewards nodig die kennis van en ervaring hebben met de semantiek van de data. Ook voor deze ‘datawerkers’ is een leerproces nodig, dat maanden en soms jaren kost.
De keuze voor een geschikte MDM-oplossingsrichting hangt ook samen met de wijze waarop je die leerprocessen vorm wilt geven. Het is verstandig bij het migratiepad naar een steeds betere data-consistentie, bewust ruimte te laten voor dit leerproces.
De Consolidation style is een goed startpunt voor het leerproces
Het leren omgaan met MDM en het leren kennen van je eigen data betekent –net als bij alle leerprocessen- dat er onvermijdelijk fouten gemaakt zullen worden. Maar als bedrijf wil je natuurlijk niet dat die fouten jouw primaire bedrijfsproces verstoren. De geavanceerdere MDM-stijlen hebben min of meer automatisch invloed op dat bedrijfsproces. Bijvoorbeeld omdat de MDM-tool de klantgegevens in jouw operationele systemen (semi-)automatisch synchroniseert. Als je die mooie MDM-tool voorziet van niet geheel correcte regels, dan kan dat leiden tot onverwachte en ongewenste resultaten in je bedrijfsproces.
Omdat MDM in de consolidation style geen gegevens terugschrijft naar je operationele systemen, is deze oplossingsstijl bijzonder geschikt om het leerproces mee aan te vangen. En beter nog, een consolidation style MDM kan gewoon in jouw eigen BI-omgeving worden ingericht.
Jouw BI-omgeving als leermiddel
Jouw data warehouse is van nature de plaats om data te verzamelen en te analyseren en is met uitstek geschikt om MDM mee te starten omdat:
- Jouw master data vaak al door je BI-omgeving uit de diverse systemen wordt gekopieerd en daarmee opgeslagen is in jouw data warehouse. Je hebt dus al vaak direct data beschikbaar om mee te gaan leren;
- De tools binnen de BI-omgeving al prima tools zijn voor datalogistiek, -profiling, -standaardisatie, -opschoning, -verrijking en –matching;
- De mensen die in jouw BI-omgeving werken al ervaring hebben met het werken met en het interpreteren van data (zij hebben de juiste instelling en opleiding);
- De BI-omgeving voldoende apart staat van je productie-omgeving om de bedrijfsrisico’s minimaal te houden tijdens het leerproces.
Feitelijk is het een win-win situatie. Tijdens het leerproces van het consistenter maken van de data, gaat je BI-omgeving als gunstig bijeffect ook steeds betere managementinformatie opleveren. Dit vanwege toenemende kwaliteit van de onderliggende data.
De BI-omgeving kan ook helpen bij de verbetering van de kwaliteit van het invoerproces door callcenter medewerkers of verkopers geschoonde gegevens aan te leveren. Denk aan namen en adressen uit het klantbestand die lijken op hetgeen dat wordt ingevoerd. Zo voorkom je dubbelen. Of door adresgegevens uit een externe publieke bron (zoals de publiek toegankelijke basisregistratie adressen en gebouwen, de BAG) aan de medewerker presenteren zodat de invoer van adressen meer eenduidig plaats gaat vinden.
Verder migreren naar geavanceerder MDM, maar alleen als het echt nodig is
Wanneer je als organisatie voldoende kennis en ervaring hebt opgedaan met deze eerste opzet van MDM in je BI-omgeving, kun je gaan nadenken over geavanceerder vormen van MDM. Het gebruik van de consolidated aanpak geeft je een periodieke (afgeleide) consistentie, bijvoorbeeld dagelijks of wekelijks. Is het voor jouw bedrijfsprocessen een vereiste dat master data sneller consistent is (bijv. real-time) en/of dat het eenduidige klantbeeld ook teruggevoerd wordt naar de klantbestanden in jouw operationele applicaties (automatische synchronisatie), dan wordt het tijd voor meer geavanceerde MDM-vormen.
Maar ook hier geldt; doe het rustig aan. Je wilt immers niet meemaken dat jouw MDM-oplossing soepeltjes op een server draait en klantgegevens-updates realtime over het netwerk vliegen tussen al jouw applicaties, terwijl je niet zeker weet of die updates wel echt kloppen. Je zou immers ongemerkt allerlei belangrijke informatie kunnen kwijtraken of nog erger: alle klantbestanden in jouw applicaties synchroniseren automatisch naar dezelfde, maar helaas foute klantgegevens.
Migreer niet verder dan echt nodig is voor jouw bedrijfsprocessen. Als een dagelijkse synchronisatieslag van je klantgegevens voldoende is, blijf dan voorlopig op dat uitstekend beheerbare niveau. Dat kan zelfs door vanuit je BI/MDM-oplossing de geschoonde klantgegevens terug te voeren in een updateslag naar bijvoorbeeld je CRM-systeem.
Enterprise Service Bus
Voor een realtime-oplossing zoals Transactional MDM is een goed functionerend berichtenverkeer tussen de applicaties nodig, meestal met behulp van een Enterprise Service Bus. Het kost veel tijd, moeite en geld om een dergelijke ESB op te zetten (de meeste bedrijven doen er in de praktijk jaren over!). Ook al zijn veel SaaS-applicaties in de Cloud – zoals SalesForce - tegenwoordig al uitgerust met interfaces (API’s) waarop een ESB (of iPaaS) kan worden aangesloten, veel van de huidig gebruikte off-the-shelf applicaties zijn niet (direct) geschikt om aan een ESB te koppelen. Heb je geen ESB, dan is transactional MDM waarschijnlijk een brug te ver. Misschien is het beter om dan te migreren naar een ‘coexistence style’ aanpak, als volgende goede stap. Dan bereik je wel automatische harmonisatie van gegevens over je applicaties heen, maar gedoog je het feit dat gegevens gedurende beperkte tijd nog niet up-to-date kunnen zijn. Je kunt in dat geval je BI-omgeving uitbreiden met ‘data hub’-functionaliteit, waardoor je een goed beheerbaar bestandenverkeer krijgt tussen de applicaties.
MDM en organisatie
Hoe geavanceerder je MDM-oplossing wordt, des te meer moet jouw organisatie ‘data-georiënteerd’ worden. Alle medewerkers moeten zich bewust zijn van de invloed die zij hebben op de datakwaliteit als zij gegevens invoeren en zij moeten voor dat gedisciplineerde gedrag ook de tijd krijgen. Er is een cultuur nodig, die datakwaliteitsverhogend gedrag propageert. Het aantal en de zwaarte van de medewerkers die verantwoordelijk zijn voor correcte standaardisatie, cleansing, profiling en matching van master data (zoals data stewards), neemt toe naarmate de MDM-oplossing geavanceerder wordt. Vooral omdat de invloed van MDM op de bedrijfsprocessen groter en meer risicovol wordt. Controleer ook goed of jouw ‘golden customer records’ wel aan de vigerende eisen van de privacy-wetgeving voldoen.
Samenvattend
Er zijn veel MDM-oplossingen op de markt, je hebt dus veel keuze. Veel belangrijker dan de techniek is het leerproces om deze software goed te kunnen gebruiken. Een MDM-oplossing gaat tegen je werken als je jouw eigen data onvoldoende kent. Start in een BI-omgeving met experimenteren en leren. Rustig stappen maken in het steeds consistenter maken van master data kent simultane paden van zowel techniek als organisatorisch leren (mensen, procedures en rules). Investeer in het opdoen van kennis over jouw eigen data en in een bedrijfscultuur waarin datakwaliteit belangrijk is.
Wil je weten wanneer de volgende blog verschijnt? Abonneer je dan op de themareeks ‘Management & BI’.
