Hoe houd ik mijn MDM systemen en organisatie wendbaar? Deze vraag speelt in veel organisaties. Master Data Management is immers gericht op het gestandaardiseerd, compleet en correct vastleggen van basisinformatie voor de hele organisatie. Dit vereist zorgvuldigheid, veel overleg en doordachte processen. Hierover hebben we al gesproken in de vorige twee blogs over het opzetten van een succesvolle MDM-strategie en data governance. Maar de wereld staat niet stil. Veel organisaties moeten snel innoveren, nieuwe markten en doelgroepen ontwikkelen, willen inspelen op nieuwe trends in de samenleving. Het kan een grote uitdaging voor de MDM organisatie zijn om deze dynamiek in de dagelijkse operatie te faciliteren.
Om hierop antwoorden te vinden kunnen we kijken naar de lean principes, die oorspronkelijk in de industrie zijn bedacht. Deze principes zijn met name in de Toyota fabrieken ontwikkeld in de tweede helft van de vorige eeuw. Lean methoden richten zich op het reduceren van inspanningen in tijd, geld of menskracht via Muda, Mura en Muri. Deze Japanse termen staan voor verspilling, pieken en dalen en overbelasting. Deze lean principes geven heel bruikbare ideeën voor dagelijks Master Data beheer. We kijken hierbij dus niet naar het implementatie project, maar naar de operationele fase. Onderstaand diagram geeft hiervan een illustratie.
Muda (verspilling)
Binnen lean wordt elke activiteit die géén waarde toevoegt aan het eindproduct gezien als verspilling. In productieomgevingen wordt hierbij gedacht aan zaken als overproductie, overbodig transport, buffervoorraden, wachttijden, onbenutte capaciteit en vaardigheden, inefficiënte processen en fouten.
Om Muda te voorkomen kun je bij MDM denken aan:
- Informatie op één plaats vastleggen en niet invoeren in meerdere systemen.
- Masterdata zoveel mogelijk stroomopwaarts in de keten vastleggen, liefst direct bij de bron.
- First time right, voorkom dat data gecontroleerd en gecorrigeerd moeten worden.
- Een gestroomlijnd en zoveel mogelijk geautomatiseerd proces.
Mura (pieken en dalen)
Pieken en dalen kunnen tijdsgebonden zijn, bijvoorbeeld als het maandag altijd een rustige dag is en het vrijdag juist heel druk is. Of als het eerste deel van een productieproces altijd vlotjes loopt, maar verderop in het proces toch vaak vertraging optreedt. De tegenhanger van Mura is flow, waarbij er een continue, goed beheersbare stroom van activiteiten is.
In het kader van MDM kun je bij Mura bijvoorbeeld denken aan seizoensinvloeden. Zo zijn er in de retail vaak seizoensgebonden producten, waardoor in een korte tijd veel nieuwe producten opgevoerd moeten worden. Je kan het dataonderhoud dan bewust plannen in de periodes tussen de pieken.
Muri (overbelasting)
Machines en materialen hebben een maximale capaciteit en hebben regelmatig onderhoud nodig. Als hiermee geen rekening wordt gehouden, gaat de productkwaliteit en de productiviteit op den duur achteruit. Dit geldt ook voor ICT-systemen, die verouderd kunnen zijn. En uiteraard hebben ook mensen en organisaties een maximale belastbaarheid. Bij een hoge werkdruk neemt het aantal fouten toe en door een te hoge werkdruk kunnen mensen overspannen raken.
In het kader van MDM kun je bij Muri denken aan:
- De kwaliteit van aangeleverde data is te laag, waardoor data stewards lange tijd onder druk staan om data te corrigeren.
- Gebrek aan tools om datakwaliteit te meten en rapporteren, waardoor het werk van de datastewards niet gewaardeerd wordt.
- Verouderde ICT infrastructuur of MDM systemen, waardoor het systeem traag en instabiel wordt.
Praktijkcase
Deze praktijkcase gaat over het regelmatig onderhoud van het MDM datamodel voor een producent van consumentenartikelen. Deze producent levert aan retailers door heel Europa. Elke retailer heeft behoefte een dezelfde set basisgegevens, maar in de verschillende landen zijn lokale data nodig. Denk bijvoorbeeld aan milieu- en duurzaamheidskenmerken verpakkingsbelastingen. Daarnaast wil elke retailer zich ook kunnen onderscheiden van concurrerende retailers. Elke retailer streeft naar de hoogste scores in de Google ranking. Retailers zoeken daarom naar unieke content en deze moet vaak door de producent worden aangeleverd. Producten zonder ‘rijke’ klantspecifieke data worden soms zelfs simpelweg niet opgenomen in het assortiment.
Producten die hoog scoren op interne KPIs voor datakwaliteit scoren opeens onvoldoende in de buitenwereld. Het traditionele datamodel wordt op zijn kop gezet, zie onderstaande figuur.
Dit betekent dat het datamodel vaak moet worden aangepast met nieuwe (klantspecifieke) attributen. Vervolgens moeten deze doorgaans handmatig gevuld worden door de datastewards. Het gemiddeld aantal attributen per artikel is voor deze producenten binnen één jaar na go-live met 42% toegenomen en er moesten zo’n 85.000 attributen gevuld worden.
Om hiermee om te kunnen gaan heeft dit productiebedrijf gekozen voor een hybride MDM organisatiemodel. De productielocaties voeren de globale productinformatie in het Engels in voor alle landelijke verkooporganisaties. Deze informatie wordt in een geautomatiseerd proces vertaald. Er is strikte governance op het globale datamodel, waardoor de verrijking van productdata voor nieuwe productintroducties behapbaar blijft voor de globale organisatie.
De landenorganisaties hebben de uitdaging om lokale en klantspecifieke data aan te leveren. De Nederlandse organisatie zet hiervoor twee tools in.
Datapools en branche standaarden
Voor de lokale data wordt gebruik gemaakt van de GS1 datapool voor de doe-het-zelf branche. Door deze datapool met een gestandaardiseerd datamodel accepteren alle aangesloten klanten deze productdata. Het GS1 datamodel krijgt in principe elk kwartaal een update. Aanpassingen aan het eigen lokale datamodel en het vullen van nieuwe attributen is hierdoor redelijk goed planbaar.
Syndicatieplatform
Veel retailers hebben eigen Excel templates, waarin leveranciers de klantspecifieke data moeten aanleveren. De Nederlandse organisatie heeft gekozen voor een syndicatieplatform. In het syndicatieplatform wordt voor elk template eenmalig een relatie gelegd tussen het interne datamodel en het template. Indien nodig kunnen bewerkingen worden uitgevoerd, zoals het samenvoegen of splitsen van attributen. Na deze eenmalige mapping kunnen de templates automatisch gevuld worden. Dit neemt de datastewards letterlijk veel werk uit handen. De templates worden in de praktijk regelmatig door de retailers aangepast. Het syndicatieplatform houdt zelf een bibliotheek met templates van retailers en marketplaces bij. De producent krijgt een notificatie als een template van één van zijn klanten is aangepast en hoeft zelf alleen nog maar de mapping bij te werken.
In deze case zijn de lean principes goed zichtbaar. In het hybride organisatiemodel wordt informatie direct bij de bron vastgelegd (muda). Met een datapool en een syndicatieplatform worden geautomatiseerde oplossingen gekozen (muda) om overbelasting van de datastewards te voorkomen (muri). Door aansluiting bij de datapool worden werkzaamheden beter planbaar en worden pieken voorkomen (mura). Het belangrijkste principe uit de lean filosofie is hierbij: de klant staat centraal. Deze producent heeft zich aangepast aan de vraag van zijn klanten naar actuele, specifieke productinformatie. De processen en tools zijn zo ingericht dat hiermee waarde voor de klant wordt toegevoegd.
Conclusies
MDM organisaties worden uitgedaagd om in een dynamische omgeving tijdig masterdata van hoge kwaliteit te leveren. De lean principes kunnen heel behulpzaam zijn om het operationele proces te analyseren en verspilling, pieken en dalen en overbelasting te elimineren.