Harboe får styr på stamdata

I 2010 undersøgte GS1 Denmark sammen med to dagligvarehandlere og seks af deres leverandører kvaliteten af varestamdata. Formålet var at undersøge uoverensstemmelser mellem de stamdata, der findes om de handlede produkter hos henholdsvis leverandører og dagligvarehandlere. Resultatet var nedslående.

GS1 UK og IBM gennemførte den samme type undersøgelse med britiske dagligvareaktører i 2009. Den engelske rapport satte tal på, hvad ukorrekte varestamdata koster den engelske dagligvarehandel, og da fejlniveauet ser ud til at være på samme niveau i Danmark og England, er det rimeligt at overføre konklusionerne fra den engelske rapport til danske forhold.

Læs også: Tag stamdatakvalitet seriøst

Omsat til beløb svarer det til, at dansk dagligvarehandel og leverandører i perioden 2010-2015 taber 700 millioner kroner som direkte konsekvens af den dårlige varestamdatakvalitet. Beløbet for tabt salg er med et meget forsigtigt skøn sat til 300 millioner kroner.

80 procent har rod i stamdata
I 2009 gennemførte lektor Anders Haug og professor Jan Stentoft Arlbjørn fra Syddansk Universitet en undersøgelse af danske virksomheders stamdatakvalitet generelt. Konklusionen var, at mindre end en femtedel af danske virksomheder har styr på sine stamdata. Undersøgelsen viser, at det halter gevaldig med korrekte data om styklister, leveringsadresser, varebeskrivelser, priser og kampagnepriser, lagerregistreringer, medarbejderoplysninger etc. På alle disse områder er ansvar for datakvalitet ikke direkte forankret hos bestemte medarbejdere, ligesom der ikke er it-systemer, som understøtter arbejdet med at vedligeholde datakvaliteten på tværs af systemer, funktioner og virksomheder i værdikæden.

De forkerte data betyder for eksempel, at en virksomhed kommer til at bestille forkerte varer til lageret eller butikken, mangler forskellige varer, der forsinker eller ødelægger produktionen eller salgsarbejdet, udfører store mængder fejlproduktion eller fejlleveringer, ikke har noget målrettet salg, kommunikerer uensartede budskaber til markedet, udfører en række dobbeltfunktioner etc.

Den udfordring har Harboe taget op. ”Vi har investeret i it-værktøjet EG Health Check, der hjælper os til at vaske og rydde op i data i vores Microsoft Dynamics AX. Værktøjet tjekker datakvaliteten, og vi har i første omgang fokuseret på de økonomiske, som fx om vi har samtlige data såsom varedata, kundedata, priser og betalingsbetingelser etc. med i en salgsordre. Desuden har vi også haft fokus på leverandørdata”, fortæller økonomidirektør Søren Jensen og tilføjer:

”Da vi kørte sundhedstjekket første gang, blev vi overrasket over, at vi faktisk manglede en del data, og at manglerne sløvede systemet, så det arbejdede langsommere. Vores stamdatakvalitet var rimelig, men der var bestemt plads til forbedringer på nogle områder”.

Søren Jensen fremhæver, at værktøjet ikke kun påpeger, at der en fejl, men også går i dybden og identificerer, hvor fejlen er helt præcist, så det er nemt at korrigere samt forebygge, at fejlen gentager sig i fremtiden.

Konsistens i transaktioner
Søren Jensen peger på, at sundhedstjekket også forbedrer virksomhedens it-sikkerhed. ”Vi er en børsnoteret virksomhed, og kravene til vores sikkerhed er derfor høje. EG Health Check kontrollerer, at vores tilretninger af Dynamics AX er i overensstemmelse med best practice, og at brugernes adgangstilladelser er i orden”.

Men den væsentligste gevinst er indtil videre, at Harboe sikrer, at der er konsistens i alle transaktioner. Alle transaktioner har sammenhæng med en række forskellige data såsom data om varelager, moms, told, kunder etc., og det afgørende, at relationerne til disse data er robuste og korrekte.

Læs også: "Dirty data" er et problem i hele verden

”Man kan sige, at værktøjet er en doktorhjælp, der tjekker vores systemdatas sundhedstilstand her og nu. Når vi opsætter en søgning, identificerer værktøjet fejl, som vi så kan reparere på. Vi vil løbende anvende værktøjet til at vedligeholde vores stamdata, ligesom vi har sat værktøjet op til at kontrollere, at nye stamdata om kunder, varer, kreditorer etc. bliver oprettet korrekt. Det er menneskeligt at begå fejl, og det vil ske. Værktøjet er en automatiseret kontrol, der giver os en kraftig forbedring af stamdatakvaliteten”, fortæller Søren Jensen.

Voksende fokus på stamdata
”Det er min klare opfattelse, at der siden 2010 har været et stigende fokus på problemerne med dårlige varestamdata fra alle sider i dagligvaresektoren. Det nye EU-regulativ 1160, der fra december 2014 stiller skærpede krav til mængden, præcisionen og præsentationen af produktinformationer, har fungeret som en effektiv løftestang for dette fokus”, fortæller Niels Jensen, der siden 2011 har været administrerende direktør for brancheforeningen Danske Dagligvareleverandører.

FAKTA:

Diverse undersøgelser om "dirty data" foretaget af industrieksperter peger for eksempel på, at:

• 88 procent af alle dataintegrationsprojekter fejler enten totalt eller overskrider budgettet markant.
• 75 procent af alle organisationer har identificeret omkostninger på grund af dårlige data.
• 33 procent af alle organisationer har oplevet forsinkelser eller aflysninger af nye it-systemer på grund af dårlige data.
• Færre end halvdelen af alle virksomheder erklærer sig trygge ved kvaliteten af egne stamdata.
• Blot 15 procent af alle virksomheder erklærer sig trygge ved kvaliteten af de eksterne data, de modtager.
• Data om kunder degenerer typisk med to procent om måneden eller 25 procent om året.
• Organisationer overvurderer typisk kvaliteten af egne stamdata og undervurderer, hvor meget fejl forårsaget af ”dirty data” koster.

Undersøgelserne er fra før 2005, men intet tyder på, at problemet er blevet væsentlig mindre de seneste år. Tværtimod er mængden af og kompleksiteten i data vokset voldsomt.

Kilde: Marsh, R. (2005), “Drowning in dirty data? it’s time to sink or swim: a four-stage methodology for total data quality management”, Database Marketing & Customer Strategy Management, Vol. 12, No. 2, pp. 105–112.