1 Warum ist Stammdatenmanagement wichtig für Ihre Organisation?

23

1.1 Bedeutung von Stammdaten für die Organisation

25

1.1.1 Effiziente und sichere Prozessabläufe gewährleisten

26

1.1.2 Stammdaten-Governance und Organisation

32

1.1.3 Prozessarchitektur

32

1.1.4 Datenstruktur und Datenqualität

32

1.1.5 Technologie

33

1.1.6 Informationsbasis verbessern

33

1.2 Welche Stammdaten sind wem wichtig und warum?

35

1.2.1 Vertrieb und Marketing

38

1.2.2 Einkauf

41

1.2.3 Produktionsplanung und Fertigungssteuerung

45

1.2.4 Entscheidungsträger (C-Level)

47

1.3 Grundlegende Konzepte des Stammdatenmanagements: Definitionen und Objekte

51

1.3.1 Definitionen

51

1.3.2 Kernbereiche der Stammdaten-Governance

59

1.3.3 Ausgangssituation und Erfolgsfaktoren

64

2 Einsatz und Design von SAP Master Data Governance

77

2.1 Zielsetzung und Tools definieren

77

2.1.1 Strategie und Governance

79

2.1.2 Technologie und System

80

2.1.3 Prozesse

81

2.1.4 Organisation

82

2.2 Implementierungsszenarien

83

2.2.1 Hub Deployment

84

2.2.2 Co-Deployment

91

2.2.3 Hybrid-Hub- und Co-Deployment

94

2.2.4 Fragestellungen zur Entscheidung für eine Architektur

96

2.3 Die Stammdatenstrategie

97

2.3.1 Unternehmensstrategie und Stammdatenstrategie

97

2.3.2 Stammdatenstrategie entwickeln

99

2.3.3 Die Stammdatenstrategie in der Cloud-Umgebung: Federated MDG

103

2.3.4 Zusammenspiel zwischen der On-Premise-Variante von SAP MDG und SAP MDG, Cloud Edition

113

2.4 Bedeutung der Stammdaten-Roadmap

116

2.4.1 Zusammenhang zwischen Strategie und Roadmap

116

2.4.2 Stakeholder-Feedback und Reifegradanalysen

119

2.4.3 Roadmap als Mittel der Kommunikation

120

2.5 Wie viel Master Data Governance braucht mein Unternehmen?

121

2.5.1 Standard-Governance-Modelle

122

2.5.2 Governance-Umfang bestimmen

125

2.5.3 Das Hybridmodell

129

2.6 Bedeutung eines guten Datenqualitätsmanagements

132

2.6.1 Problemorientierter Ansatz

133

2.6.2 Kontrollorientierter Ansatz

134

2.6.3 Zweckorientierte Datenanalyse

137

2.6.4 Regeldefinitionen

142

2.6.5 Datenqualitätsmetriken mithilfe agiler Methoden

145

2.7 Datenmigration und Datenharmonisierung im Projekt

147

2.7.1 Datenmigration

148

2.7.2 Datenharmonisierung

152

2.8 Change und Stakeholder-Management im Projekt

155

2.8.1 Unterschiede zwischen Projektmanagement und Change Management

159

2.8.2 Die Bedeutung von OCM im Stammdatenprojekt

160

2.8.3 Stakeholder-Management

162

3 SAP Master Data Governance und seine Funktionsweise als Grundlage der Stammdatenstrategie

165

3.1 SAP Master Data Governance als Kern der Stammdaten-Governance

166

3.1.1 Integration von SAP Master Data Governance mit SAP ERP bzw. SAP S/4HANA

168

3.1.2 Stammdatenprozess in SAP Master Data Governance

168

3.1.3 MDG-Datenmodell, Flex- und Re-Use-Modus

170

3.1.4 Verteilung der Stammdaten

172

3.1.5 SAP MDG auf SAP ERP, auf SAP S/4HANA und als Cloud Edition

173

3.2 Datenmanagement in SAP Master Data Governance

174

3.2.1 Datenmodelle in SAP Master Data Governance

176

3.2.2 Speicher- und Verwendungstypen von Entitäten

178

3.2.3 Beziehungstypen zwischen Entitäten im Datenmodell

181

3.2.4 Datenmodelle anpassen

183

3.2.5 SAP-MDG-Arbeitsbereich (Staging) vs. aktiver (Active) Bereich

187

3.2.6 MDG-Datenmanagement-Konzepte Flex-Modus und Re-Use-Modus

188

3.2.7 Empfehlungen zu Flex-Modus und Re-Use-Modus

191

3.3 Änderungsanträge in SAP Master Data Governance

194

3.3.1 Attribute und Eigenschaften eines MDG-Änderungsantrags

198

3.3.2 Änderungsantrag als steuernde Komponente

206

3.3.3 Stammdatenprozesssteuerung mit einem Workflow

215

3.3.4 Änderungsbelege und das Löschen von Änderungsanträgen

224

3.3.5 Analyse von Änderungsanträgen, Business Context Viewer, Smart Business mit SAP HANA, Prozessanalyse

226

3.3.6 Änderungsantragstypen im Auslieferungszustand von SAP MDG

234

3.3.7 Archivierung von Änderungsanträgen

235

3.3.8 Änderungsanträge per Change-Request-API starten

235

3.4 Datenqualität in SAP Master Data Governance

236

3.4.1 Suchen

237

3.4.2 Validierungen, Prüfungen und Ableitungen in SAP Master Data Governance

240

3.4.3 DQM-Microservices

243

3.5 Verteilungskonzepte in SAP Master Data Governance

243

3.5.1 SAP-GUI-Transaktionen

252

3.5.2 Web-UI-Applikationen

253

3.6 Benutzerschnittstellen in SAP Master Data Governance

253

3.6.1 Die Frontend-Applikationen SAP Business Client und SAP Enterprise Portal

254

3.6.2 UI-Technologie in SAP MDG: Web Dynpro ABAP

255

3.6.3 UI-Konfigurationen und der Floorplan Manager

258

3.7 Benutzermanagement und Bearbeiterermittlung

264

3.7.1 Rollen in SAP Master Data Governance

264

3.7.2 Bearbeiterermittlung in SAP MDG

266

3.8 Domänenspezifische Eigenschaften

267

3.8.1 MDG-BP: Geschäftspartnerkonzept

268

3.8.2 MDG-Financial: Editionen

271

3.8.3 MDG-M spezifische Besonderheiten

272

4 Konsolidierung und Massenverarbeitung mit SAP Master Data Governance

273

4.1 Datenkonsolidierung im Detail

274

4.1.1 Vorteile der Konsolidierungskomponente in Verbindung mit SAP MDG

275

4.1.2 Umfang der Konsolidierungskomponente

275

4.1.3 Konsolidierungsprozess

276

4.1.4 Allgemeine Funktionen der Konsolidierungskomponente

281

4.2 Massenverarbeitung

284

4.2.1 Massenverarbeitung und Multi-Record-Prozess

284

4.2.2 Umfang der Massenverarbeitung

285

4.2.3 Massenverarbeitungsprozess

285

4.3 Wichtige Customizing-Einstellungen

291

5 SAP Master Data Governance im Zusammenspiel mit komplementären SAP-Werkzeugen

293

5.1 SAP Fiori

293

5.1.1 Business-Vorteile

294

5.1.2 Aufbau von SAP Fiori

295

5.1.3 Architektur von SAP Fiori

297

5.1.4 Anwendungsbeispiele von SAP Fiori

298

5.1.5 Integration mit SAP Master Data Governance

302

5.2 SAP Data Services und SAP Information Steward

305

5.2.1 SAP Data Services

306

5.2.2 SAP Information Steward

309

5.3 SAP Process Orchestration

313

5.3.1 Flexibilität

316

5.3.2 Werte-Mapping inklusive Codelisten-Management

316

5.3.3 Schlüssel-Mapping

317

5.3.4 Filterfunktionen

318

5.4 SAP Business Process Management

319

5.5 SAP Business Workflow

323

5.6 SAP Lumira

327

5.6.1 Business-Vorteile

328

5.6.2 Aufbau von SAP Lumira

329

5.6.3 Anwendungsbeispiele und Integration mit SAP Master Data Governance

330

5.7 SAP Analytics Cloud

333

5.8 Im Zusammenspiel zum Erfolg

338

6 Ein SAP-Master-Data-Governance-Projekt aufsetzen und umsetzen

341

6.1 Kernfragen vor dem Projekt und Projektansätze

342

6.1.1 Rollen und Profile der Projektbeteiligten

346

6.1.2 Ausgangslage des Projekts

350

6.1.3 Übergabe und zukünftiger Alltagsbetrieb

357

6.2 Projekte im agilen Umfeld

360

6.2.1 Warum entscheiden sich Unternehmen für ein agiles Vorgehen?

361

6.2.2 Welche Trends und Methoden zeichnen sich ab?

361

6.2.3 Was heißt ein agiles Vorgehen für das Projekt?

365

6.3 Checkliste für die ersten 100 Tage

367

6.3.1 Regelmäßiger Abgleich der Vision und des Ist-Zustandes

368

6.3.2 Pre-Mortem-Ansatz

369

6.3.3 Weitere Tools des Projektmanagers

372

6.4 Cutover-Management

373

6.5 Nach dem Projekt

378

6.5.1 Die Rolle des Stammdaten-Governance-Boards

378

6.5.2 Ausweiten des Governance-Umfangs

385

7 Implementierungsbeispiele für verschiedene Stammdatentypen

391

7.1 Fallstudie: Materialstammdaten

392

7.1.1 Ausgangslage

393

7.1.2 Implementierung

395

7.2 Fallstudie: Integration und Stücklistensynchronisation

417

7.2.1 Ausgangslage

418

7.2.2 Architektur entwickeln

420

7.3 Fallstudie: Kundenstammdaten

440

7.3.1 Ausgangslage

440

7.3.2 Abgleich des Kundenstamms

444

7.3.3 Konsolidierungsprozess

447

7.4 Fallstudie: Finanzobjekte

463

7.4.1 MDG-F-Arbeitsbereiche und -Rollen

463

7.4.2 Editionsmanagement und Datenmanagement in MDG-F

464

7.4.3 MDG-F-Szenario: Kostenstelle ad hoc anlegen

471

7.4.4 MDG-F-Szenario: Sachkonto anlegen

485

8 Stammdaten als Resilienz- und Ermöglichungspraxis

489

8.1 Der Blick zurück

489

8.2 Beobachtungen der Gegenwart

490

8.2.1 Externe Faktoren

491

8.2.2 Unternehmensinterne Faktoren

501

8.3 Ausblick und Aufruf

507

8.3.1 These 1

507

8.3.2 These 2

509

8.3.3 These 3

510