Datenqualität

Marktkommunikation braucht saubere Daten

Wenn die Marktkommunikation stockt, liegt das häufig an nicht konsistenten Daten in den IT-Systemen der verschiedenen Marktpartner. Ein Problem, das angesichts zunehmend komplexer Marktprozesse immer gravierender wird und das jedes Unternehmen bei der Wurzel packen sollte. Wie das funktionieren kann, zeigt beispielhaft der vierstufige Datenqualitätsprozess von ArcMind Technologies.

Vor mehr als 15 Jahren öffneten sich die Energiemärkte für den Wettbewerb. Durch die Deregulierung entstanden in den vergangenen Jahren neue Marktrollen (Netzbetreiber, Lieferanten, Bilanzkreisverantwortliche, MSB, MDL, etc.). Eine Vielzahl von Gesetzen und Regeln u. a. zur Kommunikation zwischen den einzelnen Marktpartnern wurden seitdem verabschiedet und den veränderten Marktbedingungen angepasst.

Die Bundesnetzagentur definiert für alle Marktteilnehmer verbindliche Vorgaben zur Marktkommunikation. Sie verlangen einen elektronischen Datenaustausch nach dem EDIFACT-Standard, meist unter Beachtung und Einhaltung von Fristen. Bei vielen Energieversorgern wuchsen die Datenbestände oft über Jahre hinweg in einer meist heterogenen Systemlandschaft. Mit der Zeit führten fehlerhafte oder unvollständige Schnittstellen und manuelle Fehleingaben zu einer Vielzahl von Dateninkonsistenzen, oft sowohl innerhalb eines Systems als auch über Systemgrenzen hinweg.

Relevante Prozesse, Daten und IT-Systeme identifizieren

Wie funktioniert ein Datenqualitäts-Prozess (DQ-Prozess) konkret? Die Grafik visualisiert das Vier-Schritte-Modell von ArcMind Technologies. Bevor jedoch mit dem eigentlichen DQ-Prozess begonnen wird, gilt es zu prüfen, welche Kernprozesse für das Unternehmen relevant sind und welche Daten hierfür aus welchen IT-Systemen benötigt werden. Erfahrungsgemäß hat es sich insbesondere in der Startphase eines DQ-Projektes bewährt, die Qualitätsprüfungen und -analysen zunächst auf bereits bekannte DQ-Probleme und Kernsysteme zu konzentrieren. Eine Erweiterung der Analysen ist jederzeit ohne großen Aufwand während des DQ-Prozesses möglich.

Import:

Um bei der Analyse der Datenqualität möglichst flexibel zu sein, werden im ersten Schritt die erforderlichen Daten aus den identifizierten produktiven Systemen (z.B. Abrechnungssystem, Zählermanagementsystem, CRM, etc.) in eine zentrale Datenbank importiert. Der Aufbau einer zentralen Datenbank bietet neben hoher Flexibilität einen weiteren entscheidenden Vorteil: Potenziell zeitintensive Analysen können ohne Beeinträchtigung der Performance der operativen Produktivsysteme durchgeführt werden. Je mehr Daten hier bereits geladen werden, desto vielfältiger sind im Anschluss die Möglichkeiten umfassender, flexibler und schneller Datenanalysen.

Profiling/Analyse:

Sobald die Daten in der Datenbank zur Verfügung stehen, können vielfältige Untersuchungen durchgeführt werden. Mithilfe von Profiling-Abfragen erhält man zunächst einen umfassenden Blick auf die jeweiligen Daten in den einzelnen Systemen. Alle vorhandenen Informationen lassen sich durch flexible Abfragen fast beliebig clustern. Damit können systeminterne Datenschiefstände, z.B. innerhalb des Datenmodells eines SAP-IS-U- oder CRM-Systems, aber auch systemübergreifende Differenzen, z.B. zwischen SAP IS-U und dem Zählermanagementsystem eines Netzbetreibers identifiziert und analysiert werden.

Sowohl beim systeminternen als auch beim systemübergreifenden Datenabgleich lassen sich Inkonsistenzen insbesondere auch unter Berücksichtigung weiterer Informationen detaillierter analysieren, als dies innerhalb eines einzigen Systems möglich wäre. Beispielsweise kann ein Lieferant nach dem Erhalt einer Zuordnungsliste von den Netzbetreibern eventuell fehlende Kunden mit den Informationen in seinen eigenen Systemen abgleichen.

Tracking:

Mit den ersten beiden Schritten des DQ-Prozesses erhält man ein sehr detailliertes Bild über die aktuelle Datenqualität. Nun ist es erforderlich, die identifizierten Datenschiefstände zu priorisieren und deren strukturierte Bereinigung zu organisieren und durchzuführen. Insbesondere bei systemübergreifend festgestellten Inkonsistenzen ist die Einhaltung der richtigen Reihenfolge der Bereinigungsschritte in den betroffenen Produktivsystemen wichtig, da sonst ggf. durch automatisierte Prozesse und Schnittstellen die durchgeführte Korrektur wieder rückgängig gemacht werden kann.

Durch den Einsatz eines geeigneten Trackingsystems, das eine strukturierte Aufgabenverteilung und bereichsübergreifende Fehlerbearbeitung durch die Mitarbeiter der Fachbereiche ermöglicht, kann der manuelle Bereinigungsaufwand minimiert und die Fehlerbehebung effizient unterstützt werden. Das ArcMind-Trackingsystem gewährleistet einen transparenten Analyseprozess und unterstützt die Bearbeitung und Bereinigung teamübergreifend durch ein flexibel konfigurierbares Statusmodell.

Reporting:

Um die Ergebnisse und den Fortschritt der Datenbereinigungsaktivitäten regelmäßig überprüfen zu können, besteht der letzte Schritt des DQ-Prozesses aus dem Reporting. Hier gilt es einerseits, den aktuellen Bereinigungsstand und -fortschritt möglichst übersichtlich darzustellen. Darüber hinaus kann das Reporting je nach Ausprägung auch zur Identifizierung potenzieller regelmäßig auftretender DQ-Probleme dienen, für deren nachhaltige Behebung u.U. eine Korrektur von Schnittstellen oder eine Anpassung von Handlungsanweisungen oder Verfahrensregeln erforderlich ist.

Referenzen

  • KEHAG Messtechnik GmbH

    Daniela Duske

    „Wir haben uns mit den ArcMind-Spezialisten zusammengesetzt und überlegt, ob wir die ideale Lösung gemeinsam aufbauen könnten. Denn ein Produkt, wie wir es brauchen, gab es noch nicht.“ 

  • Soluvia IT-Services GmbH

    Dr. Markus Reckzügel

    "Als Beratungsunternehmen für einen deutschlandweit agierenden Energiekonzern sind wir auf zuverlässige Software angewiesen und nutzen bereits seit 4 Jahren die EDItion D für unsere Kunden. Die Anwendung ist immer zuverlässig und stabil."

  • KEHAG Messtechnik GmbH

    Markus Wehlert

    „ArcMind hat sich mit extrem gutem Fachverständnis präsentiert, das erlebt man selten ... Die Mitarbeiter haben das Problem sehr tiefgründig verstanden und es intern, ohne uns damit zu belasten, auf den Punkt in IT-Sprache umgesetzt - und das mit extrem hoher Geschwindigkeit.“ 

  • RWE Kundenservice GmbH

    Josef Hadick

    "Bei der Einführung unseres neuen Abrechnungssystems hat uns ArcMind im Bereich der Datenkonsolidierung entscheidend unterstützt … Wir sind stolz, mit den Dienstleistungen von ArcMind heute eine Migrationsquote von durchschnittlich 99% realisiert zu haben … Für weitere Bereinigungs- und Migrationsprojekte sowie Überwachungssysteme würden wir wieder auf ArcMind zurückkommen."

  • Hamburg Energie

    Andreas Kramer

    „Wir sind mit ArcMind sehr zufrieden. Die Unterstützung und Zusammenarbeit waren wirklich tadellos. Das Projekt hat uns in einer schwierigen Situation den Schlüssel zur nachhaltigen weiteren Daten- und Prozessoptimierung in die Hand gegeben.“ 

  • Stadtwerke Velbert

    Marcus Berghaus

    „ArcMind ist ein sehr kompetenter Dienstleister, der zielstrebig agiert, auf Kundenwünsche eingeht und schnell kostengünstige Lösungen liefert. Genau der Partner, den man sich in einer solchen Situation wünscht.“