Herausforderung Datenqualität - Bewusstsein schaffen bei einem mittelständigen Energieversorger - Dr. Martin Endig SW Magdeburg GmbH & Co. KG ...

Herausforderung Datenqualität – Bewusstsein schaffen
bei einem mittelständigen Energieversorger

Dr. Martin Endig
SW Magdeburg GmbH & Co. KG

2. EVU-Praxistag Daten
01. Oktober 2015, Fulda

Überblick

 Vorstellung

 Einordnung der IT

 Herausforderungen Energiewirtschaft

 Prozessbeispiele Datenanalyse
 I Automatisierung von Prozessen
 I Geschäftsprozessentscheidungen
 I Geschäftsprozessüberwachung

 Erfahrungen aus den Projekten

 Schlussfolgerungen

 Was ist noch offen?

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 2

Vorstellung

 Gründung im Jahr 1993
 Geschäftsfelder
 I      Querverbundunternehmen mit den Sparten Strom,
        Gas, Wasser, Nah-und Fernwärme, Abwasser

 Gesellschafter
 I      Landeshauptstadt Magdeburg
 I      EAV Beteiligungs-GmbH (Avacon AG)
 I      Gelsenwasser Magdeburg GmbH

 Beschäftigte
 I      704 Mitarbeiter + 38 Auszubildende

 Kennzahlen 2014
 I      Umsatzerlöse 481 Mio. EUR
 I      Jahresüberschuss 50 Mio. EUR

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 3

Einordnung IT

 Komplex
 ‫׀‬      ca. 900 Anwender (ca. 600 SAP-U)
 ‫׀‬      Mix aus SAP & Non-SAP Anwend.                                        SWM

 Dynamisch                                                                              Netze
 ‫׀‬      »täglich« Updates von Geschäfts-                            …
                                                                                      Magdeburg
        daten, Software und Hardware
                                                                             SWM
 Kommunikativ
                                                                             Gruppe
 ‫׀‬      Kunden, Marktpartner, Banken und
        Versicherungen                                          Stadtwerke
                                                                                        AGM
                                                                 Stendal
 Individuell
 ‫׀‬      Änderungen am Standard
                                                                             MHKW
 Homogen, aber auch heterogen
 ‫׀‬      Technologie, Hw, Schnittstellen

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015                                     Seite 4

Herausforderungen /Organisatorische Perspektive

 Energiewende
 ‫׀‬      Deutscher Energiemarkt wird dezentral
         • Dezentrale Einspeisung
 ‫׀‬      Trennung von Netz, Vertrieb und Messstellen-
        betrieb
         • Informationstechnisch, buchhalterisch
           und ggf. organisatorisch

 Gesetzliche Rahmenbedingungen
 ‫׀‬      Gesetz über die Elektrizitäts- und Gasversor-
        gung (EnWG)
           • sichere, preisgünstige, verbraucherfreund-
             liche, effiziente und umweltverträgliche
             Versorgung mit Elektrizität und Gas
  Gesetz zur Digitalisierung der Energiewende
           • … in Konsolidierung

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 5

Herausforderungen /Inhaltliche Perspektive

 Einführung von Marktrollen
 ‫׀‬      Lieferant, VNB, ÜNB, MSB, MDL, BKV, …

 Gesetzliche Vorgaben bzgl. Kommunika-
 tion zwischen Marktrollen
 ‫׀‬      Diskriminierungsfreiheit gewährleisten
 ‫׀‬      Geschäftsprozessvorgaben inkl. Fristen
 ‫׀‬      Vorgaben bzgl. Datenformaten

 Rahmenbedingungen
 ‫׀‬      Kundenservice im Shared Service tätig
 ‫׀‬      Begrenzte Ressourcen und finanzielle Mittel

 Digitalisierung
  Standardisierung, Automatisierung von
   Prozessen, Qualitätsmanagement, …

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 6

Datenanalyen als Voraussetzung / Prozessbeispiele

 Voraussetzung für Automatisierung ist
 die Einhaltung von Qualitätsstandards
 ‫׀‬      Beispiel Standardisierung
         • Spezifikation und Etablierung eines
           Stammdatenmanagements für GP-Daten

 Qualitätsstandards sind Voraussetzung
 für effiziente Geschäftsentscheidungen
 ‫׀‬      Beispiel Forderungsmanagement
         • Abgleich GP-Daten mit Insolvenzdaten

 Datenanalysen als Basis zur effizienten
 Überwachung von Geschäftsprozessen
 ‫׀‬      Beispiel Innenrevision
         • Abgleich Skontobeträge Bestellungen,
           Rechnungslegung und -ausgleich

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 7

Stammdatenmanagements für GP-Daten / Fragestellung

  Haben wir ein Problem mit unseren Geschäftspartnerdaten?

 Grundsätzlich? ... NEIN!
 … unsere Geschäftsprozesse funktionieren!

 Aber ...
 ‫׀‬      Wir haben eine Reihe von Baustellen, um
        unsere Geschäftsprozesse noch effizienter
        zu gestalten!

 Denn ...
 ‫׀‬      Die Erkennung und nachträgliche Verbesserung
        von mangelhaften Daten kostet uns ein
        Mehrfaches an Zeit im Vergleich zur korrekten
        Erfassung.

  Herausforderung
 ‫׀‬      Wie können wir dieses den Fachbereichen
        bewusst machen (?)

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 8

Stammdatenmanagements für GP-Daten / Statistik

Wie sieht es bei Anderen aus?

                     Aktuelle Herausforderungen bei der Datenqualität in der Energiewirtschaft

                                                                Quelle: pwc (2011): Verborgene Schätze – Eine internationale Studie zum Master-Data-Management

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015                                                                                           Seite 9

Stammdatenmanagements für GP-Daten / Was ist zu tun?

 Herausforderungen, u.a.
 ‫׀‬      Einheitliche Begriffswelt schaffen und leben
 ‫׀‬      Beispiele
         •     Stammdaten, Datenqualität, …
 ‫׀‬     „Kompetente“ Ansprechpartner im FB suchen

 ‫׀‬     Unterstützung vom Management einholen

 Vorgehensweise transparent machen

 Projekt aufsetzen, aber
 ‫׀‬      „Kleine“ Schritte – nicht alles auf einmal 
 ‫׀‬      Hoher Gesprächs- / Abstimmungsbedarf auch zw. FB
 ‫׀‬      Etablierte Prozesse in Frage stellen
         •     Beispiel … Wer darf GP-Daten anlegen?

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 10

Stammdatenmanagements für GP-Daten / Vorgehen

    I Erfassung Ist-Zustand                                                              I Soll-Ist-Vergleich
    I Durchführung des                                                                   I Fehler-Verifizierung
      Messens                                                                            I Fehler-Priorisierung
    I Dokumentation                                                                      I Maßnahmencontrolling
    I Berichtserstellung

     I Systeme                                                                        I Maßnahmen-Abstimmung
     I Beobachtungsobjekte                                                            I Adressierung
     I DQ-Merkmale                                                                    I Weiterentwicklung des
                                                                                        Regelkreises

                                                                I Ergebniskontrolle

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015                                                   Seite 11

Stammdatenmanagements für GP-Daten / Realisierung

                               manuell

        Regel-
        menge

                                                                                             Fehlerliste

            Soll-Standard
                                                                                         Manuell, ggf.
                                                                 Neuer Analyseprozess   Rückmeldung
   Arbeitshilfen
© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015                                            Seite 12

Stammdatenmanagements für GP-Daten / Realisierung /2

                                                                Fehlerbaum / Fehlerklassen / Fehler

                                                                                                      Ergebnis

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015                                                Seite 13

Stammdatenmanagements für GP-Daten / Einschätzung

 Erfahrungen, u.a.
 ‫׀‬      Nicht Alles auf einmal, Konzentration auf Wesentliches
         •     Beispiel: Nicht alle GP‘s, sondern Portionsweise

 ‫׀‬      Begrenzte Ressourcen für das „Verbessern“ aufgrund
        Tagesgeschäft vorhanden
          Schrittweise Umsetzung erforderlich

 ‫׀‬      Automatische „Verbesserung“ nur bedingt möglich,
        da fachliches Know-how erforderlich

 ‫׀‬      Start mit „Klassikern“
         •     „Verbesserung“ bringt gleich Effekte im Prozess
         •     Beispiele
                    Falscher GP-Typ, Falsche Anrede, Fehlerhafte Adressdaten

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015                   Seite 14

Qualitätsstandards zur Entscheidungsunterstützung

 Herausforderung
 ‫׀‬      Forderungsmanagement benötigt effiziente
        Möglichkeit zur Insolvenzdatenauswertung
          Klassische Datenanalyseaufgabe

 Voraussetzung
 ‫׀‬      Dienstleister liefert aktuelle Insolvenzdaten
 ‫׀‬      Wöchentlicher Austausch einer Excel-Datei

 Realisierung aktuell
 ‫׀‬      Manueller Prozess, Umsetzung mit InfoZoom

 Ergebnis
 ‫׀‬      Ergebnisliste mit relevanten GP aus dem SAP
        inklusive der relevanten Insolvenzdaten                 Ergebnis

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015          Seite 15

Datenanalysen zur Überprüfung von Geschäftsprozessen

 Herausforderung
 ‫׀‬      Innenrevision benötigt effiziente Möglichkeiten
        Massendaten fachspezifisch auszuwerten
 ‫׀‬      Beispiel … Skontoanalysen

 Realisierung aktuell
 ‫׀‬      Datenextraktion im SAP manuell
         •     Komplexes Datenschema der SAP
 ‫׀‬      Datenzusammenführung im InfoZoom
 ‫׀‬      Spezifikation komplexer Regelmengen

 Ergebnis
 ‫׀‬      Übersicht über Unstimmigkeiten in der Skonto-
        verwendung
 ‫׀‬      Ursachenanalyse im Fachbereich durch IR

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 16

Erfahrungen aus Datenanalyseaufgaben

 Extraktion der Daten aus dem SAP ist aufwändig
 ‫׀‬      Komplexes und umfangreiches Datenschema

 Zusammenführen von Datenmengen mit unter-
 schiedlichen Datenschemata notwendig

 Defizite beim Fachbereich
 ‫׀‬     Technologisches Verständnis für Datenmanagement
 ‫׀‬     „Keine“ Zeit aufgrund des Tagesgeschäft
 ‫׀‬     Zu Beginn unklar, was wirklich fachlich wichtig ist
         •     Sukzessive Umsetzungsstrategie notwendig
         •     Wünsche des Fachbereiches immer hinterfragen!

 IT ist gefordert und benötigt viel Geduld 
 ‫׀‬      Prozess-Know-how aus dem Fachbereich ist erforderlich

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 17

Schlussfolgerungen

 Komplexe Datenanalysesoftware ist ohne
 Unterstützung der IT in den FB nur bedingt
 effizient einsetzbar!
 ‫׀‬      Techn. Know-How des Datenmanag. erforderlich
 ‫׀‬      Es ist Zeit notwendig, die nicht vorhanden ist

 Ohne die Kenntnis, der einer Datenanalyse
 zugrunde gelegten Datenschemata, ist eine
 sinnvolle Interpretation des Ergebnisse
 schwierig
 ‫׀‬      Fachbereiche interpretieren Ergebnisse „so
        wie sie denken, dass es richtig ist“

 Die Analyse von Daten erfordert immer die
 Kenntnis aus dem Prozess des FB und des
 Datenmanagement
  Es geht nur gemeinsam! 

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 18

Wie weiter? / Was ist noch offen?

 Aufgabenbezogen
 ‫׀‬      Vorhandene Regelmengen verfeinern
 ‫׀‬      Neue Anforderungen aus den FB umsetzen
 ‫׀‬      InfoZoom für die Fachbereiche
         •       vorbereiteter Regelmengen und ausführ-
                 lichen Schulungen notwendig

 Software zur Datenanalyse: InfoZoom
 I      Automatisierung vorhandener und eingeführter
        Datenanalyseprozesse zur Prozessoptimier.
             • Im Moment hoher manuelle Aufwand
 I      Schnittstelle zu SAP hinterfragen
             • SAP hoher Verbreitungsgrad bei den
               Energieversorgern

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015   Seite 19

Qualitätsmanagement und sinnvolle Automatisierungen sind heute
                    nicht ohne effiziente Datenanalysen und automatisierte
             Datenanalyseprozesse im Rahmen von Geschäftsprozessen denkbar!

Dr. Martin Endig
Anwendungsentwickler

Städtische Werke Magdeburg GmbH
Am Alten Theater 1
39104 Magdeburg
Telefon: +49 391 587 2402
E-Mail: endig@sw-magdeburg.de

© M. Endig | Herausforderung Datenqualität | 01. Oktober 2015                  Seite 20