Zielsetzung des Prozesses ist es sicherzustellen, dass alle Informationen, die das Management im Rahmen der regelmäßigen Steuerungsprozesse benötigt, in belastbarer Qualität verfügbar sind. Während es im Prozess „Management Reporting“ (vgl. Abschnitt 3.5) um die inhaltliche Relevanz von Informationen geht, hat der Prozess „Datenmanagement“ die Aufgabe, die Datenqualität, definiert als inhaltlich korrekte Zurverfügungstellung von Informationen, zu gewährleisten. Zusätzlich ist sicherzustellen, dass die Controller-Organisation die Governance über die strategisch und operativ steuerungsrelevanten Informationen ausüben kann.

Der Prozess Datenmanagement widmet sich folgenden Aspekten:

a) dem betriebswirtschaftlichen Datenmodell, das die inhaltliche Struktur vorgibt,

b) den Datenflüssen, die die modellierten Daten bereitstellen,

c) der materiellen Qualität der Daten und

d) den notwendigen Rollenzuordnungen sowie Governance- und Weiterentwicklungsprozessen.

Auf Basis eines betriebswirtschaftlichen Datenmodells wird im Unternehmen eine zentrale Datenquelle etabliert und das Management über geordnete Datenflüsse mit steuerungsrelevanten und validen Informationen versorgt. Da sich Organisationen und deren Geschäft permanent ändern, muss sichergestellt werden, dass sowohl das betriebswirtschaftliche Modell als auch die technische Basis laufend an die aktuellen Bedürfnisse und Rahmenbedingungen angepasst werden.

Set-up des Prozesses

In Unternehmen kann es eine nahezu unüberblickbare Anzahl an Datenquellen geben. Es wäre weder pragmatisch noch nützlich, die Controller-Organisation für alle Datenquellen und die Qualitätssicherung der in diesen Quellen vorhandenen Daten zuständig zu machen. Über einen Top-down Approach ist zu identifizieren, welche Datenquellen managementrelevant sind. Neben den ERP-Kernsystemen wie Rechnungswesen oder Personalverrechnung sind dies an die Kernsysteme liefernde Vorsysteme, z.B. die Fakturierung oder ein Auftragsmanagement. Für jede vorlagerte Stufe der Datenhaltung ist eine Einschätzung zu treffen, inwieweit bzw. in welcher Aggregation die Inhalte dieser Vorsysteme für das Management relevant sind oder primär der operativen Geschäftsabwicklung dienen.

Datenmodell inhaltlich aufbauen und warten

Auf Basis dieser Abgrenzung schafft der Prozess Datenmanagement die datentechnische Grundlage für die darauf aufbauenden Steuerungsprozesse, z.B. Planung und Reporting. Die Erstellung eines Datenmodells unter betriebswirtschaftlichen Gesichtspunkten stellt hierfür das zentrale Element dar. Im Datenmodell werden für die einzelnen Themenbereiche (z.B. „Datencluster“ Finanz-, Kunden-, Produktionsdaten, …) u.a. Hierarchien und Merkmale festgelegt (z.B. für Konten, Kostenstellen, Mitarbeiter, Materialien, Produkte, Kunden…). Das Datenmodell spannt jenen Datenraum auf, der für Planungs-, Reporting- und Analysezwecke den Berichtserstellern und -adressaten zur Verfügung steht, um darauf aufbauend Entscheidungen treffen zu können. Es ist davon auszugehen, dass das Datenmodell inhaltlich und technisch im Zeitverlauf Änderungen unterworfen ist und mit der Organisation mitleben können muss.

Datenflüsse und Datenhaltung organisieren

Jene Datenquellen bzw. Inhalte, die als managementrelevant klassifiziert werden (und damit auch in Planung und Reporting relevant sind), sollten in eine zentrale Datenbasis (z.B. Data Warehouse, Data Stack) geladen werden, aus der das Management mit autorisierten Informationen versorgt wird („Single Source of Truth“). Es ist wichtig festzuhalten, dass nicht alle Informationen, die im Unternehmen vorhanden sind, in dieser Datenquelle repräsentiert sein müssen. Man kann sich z.B. bewusst dazu entscheiden, nur den Konzernrechnungslegungsstandard, nicht aber lokale Rechnungslegungsstandards in der zentralen Datenbasis zu führen oder operative Detaildaten, die nur für eine einzelne Wertschöpfungsstufe relevant sind, nicht in der Single Source of Truth abzubilden. Die Verantwortung für die technische Durchführung der Datenmanagementprozesse ist festzulegen und wird i.d.R. in der IT-Abteilung liegen. Die Controller-Organisation nimmt hier eine Auftraggeberrolle ein.

Materielle Qualität der Daten absichern

Um die materielle Qualität der Daten zu sichern, sind konzern- oder unternehmensweit verbindliche Maßnahmen zu setzen. Typische Maßnahmen sind Kontierungsrichtlinien zur einheitlichen Verbuchung von Geschäftsfällen, Controllinganweisungen zur Handhabung von organisatorischen Kontierungselementen (z.B. Kostenstellen oder Profit Center) oder Vorgaben zur Wartung diverser Stammdaten. Zur Plausibilisierung der Datenqualität sind Reports zu etablieren, die Ausreißer, fehlende Informationen oder Dateninkonsistenzen automatisiert identifizieren können. Durch Big Data und die zunehmende Nutzung externer, teilweiser unstrukturierter Daten (z.B. Social-Media-Daten), ist die Etablierung wirksamer Maßnahmen zur Sicherung der Datenqualität unabdingbar.9 Darüber hinaus wird es vielfach sinnvoll sein, Aktivitäten organisatorisch zu zentralisieren (z.B. eine zentrale Stelle, die sich um Stammdatenmanagement kümmert). Diese Stelle muss nicht zwingend Teil der Controller-Organisation sein.

Rollen festlegen und Controllerorganisation positionieren

Die dargestellten Prozessschritte zeigen, dass Datenmanagement eine Aufgabe darstellt, die alle Bereiche und Ebenen einer Organisation betrifft. Es ist daher besonders wichtig, Rollen klar zu definieren und die Aufgabe und Verantwortung der Controller-Organisation auch von anderen Aufgabenträgern klar abzugrenzen. Bei der Festlegung der Rolle hilft es, den Dateninhalt zu berücksichtigen. Die Controller-Rolle kann im Wesentlichen 2 Ausprägungen haben: a) die Controller-Organisation hat end-to-end Verantwortung („Controller als Datenmanager“) oder b) die Controller-Organisation gibt Standards vor, die einzuhalten sind, um die entstandenen Daten in den Steuerungsprozessen sinnvoll nutzen zu können („Controller als Daten-Governor“). Eine end-to-end-Verantwortung umfasst sämtliche Vorgaben, konzeptionelle Aufgaben und Kontrollmechanismen die für ein Datencluster notwendig sind. Dies macht z.B. für „Finanzdaten“ weitgehend Sinn. Für andere Themenbereiche, z.B. Daten, die entlang der Wertschöpfungskette entstehen, wird sich die Controller-Organisation darauf beschränken, an Standards und Prozessen mitzuarbeiten bzw. diese vorzugeben. In der Praxis gibt es hier eine unternehmensspezifisch zu lösende Grauzone, da Controller auch als Produktions-, Logistik-, Vertriebscontroller etc. tätig sind und eine aktivere Rolle auch in operativen Datenclustern einnehmen können. Generell muss die Controller-Organisation für alle Daten, die in der Single Source of Truth enthalten sind, entweder selbst verantwortlich sein oder Qualitätsstandards vorgeben und deren Einhaltung kontrollieren können.

Governance-Prozesse aufsetzen und verbessern

Das zuvor beschriebene Rollenbild legitimiert die Controller-Organisation, Governance-Prozesse aufzusetzen und zu betreiben. Dabei kommen sämtliche Instrumente, die der Sicherung der materiellen Qualität der Daten dienen, zur Anwendung und liefern die Grundlage, um regelmäßig Maßnahmen zur Verbesserung der Datenqualität durchzuführen. Zusätzlich sind einerseits Meetingroutinen zu etablieren („KVP-Zirkel“), die an die Standard-Steuerungsprozesse anknüpfen (z.B. vor- und nachbereitend zur Planung) und andererseits anlassbezogene Initiativen durchzuführen (z.B. Bereinigung diverser Strukturen).

Tipp: Empfehlungen für einen erfolgreichen Datenmanagement-Prozess

• Wählen Sie beim erstmaligen Aufsetzen einen Top-down Approach und konzentrieren Sie sich auf „managementrelevante“ Daten.

• Controller müssen eine aktive Rolle im Datenmanagement einnehmen können, ohne für alle Daten verantwortlich zu sein. Das Management muss dieses Rollenbild unterstützen.

• Etablieren Sie eine zentrale Datenquelle („Single Source of Truth“), über die das Management Zugang zu autorisierter, qualitätsgesicherter Information hat. Beachten Sie dabei, dass darin nicht jede im Unternehmen verfügbare Information abgebildet werden muss.

• Etablieren Sie Reports, die die Datenqualität formal auf fehlende oder inkonsistente Informationen prüfen können und Wartungsmängel bei Daten aufzeigen.

• Betrachten Sie bei Datenqualitätsproblemen immer die gesamte Wirkungskette („record to report“) und bessern Sie nicht nur Datenfehler aus, sondern passen Sie bei Bedarf auch die Prozesse an, um zukünftige Fehler zu vermeiden.

• Passen Sie das Datenmodell in Abstimmung mit den Nutzern an die aktuellen Bedürfnisse an. Dabei kann es sinnvoll sein, Änderungen nicht sofort umzusetzen, sondern im Sinne einer „Releasepolitik“ zu sammeln und Verbesserungen gebündelt umzusetzen.

• Prüfen Sie aktiv, ob neu entstandene interne oder verfügbare externe Datenquellen für das Management relevant sind und binden Sie diese bei Bedarf in die Single Source of Truth ein.

• Stellen Sie sicher, dass Sie über Know-how und Ressourcen an der Schnittstelle zwischen Betriebswirtschaft und IT verfügen, damit inhaltliche Anforderungen auch korrekt technisch umgesetzt werden.