Bayer CropScience AG - Datenqualität
Unternehmensüberblick
«Die Bayer CropScience AG ist ein Teilkonzern der Bayer AG. Die Bayer AG gliedert sich in die drei operativen Teilkonzerne Bayer Healthcare, Bayer CropScience und Bayer MaterialScience und drei Dienstleistungsunternehmen Bayer Business Services, Bayer Technology Services und Currenta» «Bayer CropScience (BCS) ist in den Bereichen Pflanzenschutz, Schädlingsbekämpfung ausserhalb der Landwirtschaft, Saatgut und Pflanzenbiotechnologie tätig» (Otto & Österle, 2016, S. 56-57).
Ausgangssituation
Bayer CropScience traf 2017 die Entscheidung, die Geschäftsprozesse weltweit zu harmonisieren und eine konsolidierte und standardisierte Systemlandschaft zu schaffen. Eine weltweit einheitliche Anwendungssystemlandschaft war die Voraussetzung dafür. In einem ersten Schritt konsolidierte BCS die Systeme der Landesgesellschaften in drei regionale Systeme, nämlich Europa, Asien-Pazifik und Amerika. Auf diese Weise harmonisierte das Unternehmen die Geschäftsprozesse der zuvor eigenständig operierenden Landesgesellschaften. Im Rahmen dieses Projektes übertrug BCS die Stammdaten für Materialien, Kunden und Lieferanten aus den landesspezifischen Systemen in ein zentrales Stammdatensystem. Das zentrale System verteilt die Stammdaten an die regionalen Systeme. Im Anschluss startete das Projekt „Future System Landscape“ (FSL). Das Projekt hatte das Ziel, ein globales ERP-System zu etablieren (Otto & Österle, 2016, S. 58). Mitte 2008 startete ein Teilprojekt von FSL. Während der Umsetzung wurde zunehmend ein Mangel in der Qualität der Stammdaten, insbesondere im Planungsprozess, sichtbar. Verantwortlich hierfür waren unter anderem Fehler in der Produkthierarchie. Die Produkthierarchie gibt Auskunft über den Aufbau von Materialien und Produkten sowie ihre organisatorische Zugehörigkeit. Aus diesem Grund ist die Qualität der Produkthierarchiedaten eine Voraussetzung für die drei Geschäftsprozesse Planung, Berichtswesen und Produktsegmentierung (Otto & Österle, 2016, S. 58-59). Mit einer Analyse der Datenqualitätsprobleme wurden vielfältige Ursachen identifiziert. Erkannte Probleme waren mangelndes Bewusstsein der Mitarbeiter für die Bedeutung des Datenmanagements, fehlende Vorgaben zur Erfassung und Pflege der Daten, fehlende Verantwortlichkeiten sowie fehlende Datenqualitätsmessung. Bis zu diesem Zeitpunkt wurden bei BCS keine regelmässigen Datenqualitätskontrollen durchgeführt (Otto & Österle, 2016, S. 59-60). Daten sind die Grundlage für ziemlich jeden Unternehmensprozess, weswegen eine schlechte Datenqualität zu einem schlechten Ergebnis innerhalb des Prozesses führt. Eine Studie zeigt, dass die amerikanische Wirtschaft unter einem jährlichen Schaden von mindestens 600 Milliarden Dollar aufgrund schlechter Datenqualität leidet. Strategische Fehlentscheidungen, erfolglose Marketingaktionen oder ineffiziente Lagerbewirtschaftung sind mögliche Auswirkungen von ungenügender Datenqualität im Controlling (Baumöl & Homrighausen, 2010, S. 497). Neben der Bayer CropScience AG stellt die Datenqualität also auch für viele andere Unternehmen eine grosse Herausforderung dar. Eine Empirie zeigt, dass in unternehmensinternen Datenbanken durchschnittlich ca. 30% der gespeicherten Datenwerte nicht korrekt sind. Ursachen dieser mangelnden Datenqualität sind hierfür ein unzureichendes internes Datenqualitätsverständnis, eine fehlende Datenqualitätsmessung und eine nicht vorhandene Qualitätskontrolle, wie es auch bei Bayer CropScience AG der Fall war (Klier & Thiel, 2020, S. 86).
Aufbau des unternehmensweiten Datenqualitätsmanagements
Die Bayer CropScience AG entschied sich, ein unternehmensweites Datenqualitätsmanagementprojekt zu starten und erachtete es in der Folge als zielführend, ein Datenqualität-Cockpit zu integrieren. Das Datenqualität-Cockpit ist eine Software, die die Überwachung und kontinuierliche Messung der Datenqualität fördert. Zuerst wurden die Aufgaben und Verantwortlichkeiten innerhalb der Region definiert und zugewiesen. Danach wurden die geschäftsrelevanten Stammdaten ermittelt. Darauf aufbauend wurden Geschäftsregeln zur qualitativen Bewertung der Daten definiert. Die Leiter der Landesgesellschaften waren dafür verantwortlich, dass die Überwachung und Einhaltung der Datenqualität sichergestellt sind. Zusätzlich integrierte man in die Applikation pro Regel eine Beschreibung, die die Auswirkung von Regelverletzungen auf den Geschäftsprozess und die empfohlene Vorgehensweise für die Korrektur der Fehler enthalten (Otto & Österle, 2016, S. 60-64).
Fragen zur Fallstudie
- 1. Was könnten die wichtigsten Erkenntnisse des Projektes in Bezug auf die Datenqualität sein?
- 2. Welche Kosten schlechter Datenqualität könnte BCS getragen haben?
- 3. Die Qualität der Produktehierarchiedaten stellt eine Voraussetzung für die Bereiche Planung, Berichtswesen und Produktsegmentierung dar. Erläutern Sie die potenzielle Auswirkung der Datenqualitätsprobleme auf diese drei Geschäftsbereiche durch Ausfüllen der offenen Punkte in Abbildung 1.
Literaturverzeichnis
- Baumöl, U. & Homrighausen, A. (2010). Datenmanagement mittels Realweltmodellierung. Controlling - Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 22(8-9), 497-500.
- Klier, M. & Thiel, G. (2020). Auf die Datenqualität kommt es an! Fallbeispiel Statistisches Bundesamt. Controlling - Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 32(S), 86.
- Otto, B. & Österle, H. (2016). Corporate Data Quality. Voraussetzung erfolgreicher Geschäftsmodelle. (2016). Springer.
