Datensynchronisation lässt Applikationen zusammenspielen

Zur Datensynchronisation haben sich drei Architekturmodelle für das Stammdaten-Management herausgebildet.

• Repository-Modell
  Das Repository-Modell stellt die weitestgehende Form der Integration von Stammdaten dar. Dabei werden die Kunden-, Artikel- und sonstigen Daten für die Nutzung aus dem ERP-, CRM- und SCM-System sowie weiteren Applikationen in einer zentralen Datenbank gehalten. Konsequenz einer zentralen Datenhaltung ist es, dass die Anwendungen mit einheitlichen Datenstrukturen und -formaten arbeiten müssen. Eine Voraussetzung, die beispielsweise von Legacy-Systemen oder auch Standard-Software nicht von vornherein eingehalten werden kann. Deshalb bedarf es für den Aufbau eines Repository-gestützten Master Data Managements eines enormen Aufwandes und viel Zeit. Eine Variante des Repository-Modells stellt das Konzept des führenden Systems dar, in dem für eine bestimmte Datendomäne, beispielsweise Kundendaten, die Stammdaten gehalten werden.
• Registry-Modell
  Beim Registry-Modell werden die Stammdaten weiterhin in den Applikationen und ihren Datenmanagement-Systemen gespeichert und gepflegt. Über die in der Registry vorgehaltenen Pointer ist bekannt, in welchen Datenbanken ein bestimmter Datensatz, meist in unterschiedlicher Attributierung und mit vielfältigen Datenformaten, vorhanden ist und wo er als Master geführt wird. Vorteilhaft im Registry-Modell ist die Möglichkeit, ohne sofortige Änderung der Applikationen den Aufbau eines Master Data Managements zu beginnen.
• Hybrid-Modell
  Das Hybrid-Modell entwickelt das Registry-Modell dahingehend weiter, dass in der Registry nun auch die Standardattribute von Stammdaten als (Teil des) Golden Record gespeichert und gepflegt werden. Hiervon ausgehend kann sukzessive ein immer größerer Teil der Stammdaten in die Registry geholt werden, und die Applikationen können nach und nach an die Syntax und Semantik der Stammdaten in der Registry angepasst werden. Damit befindet man sich auf dem Weg hin zu einem durchweg zentralen Repository-Modell.

Aus dem Blickwinkel der Datenqualität sind in den drei Architekturmodellen verschiedene Herausforderungen zu bewältigen. Allen gemein ist die Notwendigkeit, Dubletten in den Datenbeständen sicher erkennen und eliminieren zu können sowie bei der Anlage von Sätzen das Entstehen neuer Dubletten zu vermeiden. Für Systeme mit großen Datenmengen bzw. hohen Transaktionsraten ist es erforderlich, dass die Synchronisation bzw. Konsolidierung von Kundendaten auch dann automatisch erfolgen kann, wenn die verschiedenen CRM- bzw. ERP-Systeme mit unterschiedlichen Kunden- bzw. Referenz-Nummern arbeiten. Außerdem müssen für die Definition von Datenmodellen aus den Datenbeständen heraus Metadaten abgeleitet werden. Zur tatsächlichen Datenbereinigung werden schließlich Cleansing-Maßnahmen ergriffen.

Uniserv Data Management-Lösungen für die Datensynchronisation

Der Data Quality Service Hub von Uniserv hilft Ihrer IT bei der Synchronisation vollständiger, konsistenter und korrekter Daten Ihrer operativen Systeme. Die skalierbare und flexible Plattform unterstützt sowohl die Performanceanforderungen von Real-Time-Systemen als auch die hohe Last von Batch-Verarbeitungen zum periodischen Abgleich großer Mengen von z.B. Kunden- und Artikeldaten.

Data Quality Explorer: Das Data Profiling Werkzeug gibt Aufschluss über die aktuell gegebene Datenqualität und hilft bei der Aufstellung des Metadaten-Modells.

Data Integration Services: Das ETL-Tool erlaubt Ihnen den Zugriff auf vielfältige Datenquellen und unterstützt die Datentransformation sowie das Laden in die Zielumgebung Ihrer Daten.

Data Quality Batch Suite: Die komplette Produkt-Suite zum erstmaligen Data Cleansing Prozess der Daten der Applikationssysteme und zum periodisch wiederholten Data Cleansing, um dem Alterungsprozess der Daten zu begegnen.

Data Quality Real-Time Services: Zur Sicherung der Qualität Ihrer Kunden- und Businessdaten bei der Eingabe neuer Daten bzw. bei der Änderung bereits vorhandener Daten. Von besonderer Bedeutung ist in einem Stammdatenmanagement-System für B2C-Daten ein Präzisionsmatch, der manuelle Überprüfungen bzw. nachträgliche Zusammenlegungen so gut wie überflüssig macht.

Das Ergebnis: Vollständige, korrekte und konsistente Stammdaten, mit denen Sie die Effizienz Ihrer Business-Applikationen und Geschäftsprozesse steigern. Und mit denen Sie die Kosten für Bereitstellung und Wartung ihrer Datenbestände erheblich senken.

• optimale Qualität jeglicher Geschäftsdaten, ob Kunden, Lieferanten, Artikel, Verträge oder Sonstiges durch Analyse vor der Überführung aus vorhandenen Datenquellen (Data Profiling) und durch permanente Überwachung sowohl bei Neuanlagen von Datensätzen als auch bei Veränderungen bestehender Daten (Data Quality Firewall)
• zuverlässige Bereinigung der Stammdaten (Data Cleansing) nach definierten Regeln und durch Abgleich gegen Referenzdaten (z.B. Adressdaten, Produktschlüssel) im Batch oder in Real-Time
• Einfacher Zugriff auf alle Datenquellen, ob aus Standardapplikationen, Mainframes oder Datenbanken (Data Integration Services)
• Geringste Verzögerungen im Real-Time-Betrieb und höchster Durchsatz bei Massenabgleichen