DSM is doordrongen van de waarde van een goede datakwaliteit. De mondiale onderneming die vanuit wetenschappelijke basis actief is op het gebied van gezondheid, voeding en materialen heeft al succesvol datakwaliteit doorgevoerd en bouwt daarop voort met SAS Master Data Management (MDM).
SAS MDM is een methode om bedrijfskritische data centraal te beheren voor decentraal gebruik. Daarbij worden fouten en discrepanties aangepakt in de zogeheten master data: entiteiten als klantnamen, materiaalsoorten, toeleveranciers en andere datazaken die dwars door divisies en it-systemen heen worden gebruikt. Consistentie in die kritieke bedrijfsdata is nodig om efficiënt te kunnen opereren. DSM krijgt met SAS MDM grip op de erp-systemen die het met grote overnames de afgelopen jaren in huis heeft gehaald.
‘We hebben 25.000 werknemers, maar vijf jaar terug waren dat er een stuk minder’, zegt Bart Geurts, manager master data shared services bij DSM. Geurts noemt de overname van Roche Vitamins in 2003 één van de grote aankopen die zorgden voor die groei.
Tegenwoordig is DSM de grootste vitaminemaker ter wereld en dat brengt andere datavereisten met zich mee. ‘Het belang van goede datakwaliteit is heel groot, voor voedselveiligheid, gezondheid en voor smaak. Voor bulkchemie producten is dit minder kritisch.’ Geurts verwijst daarmee naar de oorsprong van DSM, dat is voortgekomen uit de Nederlandse Staatsmijnen. ‘Oude bedrijven weten dat ze om te overleven, zichzelf moeten heruitvinden.’ DSM heeft zichzelf meerdere keren opnieuw uitgevonden: van mijnen naar petrochemie. En vervolgens de afgelopen jaren van fijne chemie naar life sciences en material sciences.
DSM in de huidige vorm richt zich op opkomende markten en op klimaat & energie. Geurts noemt als voorbeeld lichtere materialen in auto’s als vervanging van staal, zodat ze zuiniger rijden. Daarnaast ontwikkelt het concern ook producten die worden gefabriceerd op basis van enzymen in plaats van olie. Kortom, andere activiteiten en andere markten, waardoor het bedrijf andere vereisten heeft ten aanzien van bedrijfsdata.
Veel erp-systemen
‘De vele overnames die voor deze transformatie zijn gepleegd, brachten naast nieuwe activiteiten en mensen ook veel nieuwe it-systemen met zich mee. Waaronder een groot aantal erp-systemen’, vertelt de manager. ‘Bij het samenvoegen van die data kwam naar boven dat er ‘errors’ zitten in de vele verschillende it-systemen. Geen zware fouten, maar discrepanties die pas naar boven kwamen door het gecombineerd gebruik van data en systemen.’
Geurts noemt als voorbeeld de personeelsviering van het nieuwe bedrijfslogo. ‘Bij het versturen van de uitnodiging voor dat bedrijfsbrede evenement waren we achthonderd man ‘vergeten’. De oorzaak was een incompleet overzicht in de hr-omgeving. En zo waren er meer inconsistenties’, vertelt Geurts. Bijvoorbeeld vervuiling in de gegevens van toeleveranciers. Dezelfde leverancier kan in verschillende landen andere namen hanteren. In de diverse systemen van een multinational kan zo’n bedrijf dan te boek staan als schijnbaar verschillende bedrijven.
Soms problemen
Eerder heeft DSM al successen geboekt met datakwaliteit. Op basis van die positieve ervaring en resultaten werd de opstap gemaakt naar een centrale master data management (mdm)-aanpak. Geurts geeft aan dat de bedrijfsdata wel goed genoeg is voor transacties die binnen een bepaalde silo plaatsvinden, zoals een land of bedrijfsdivisie. ‘Maar zodra er cross-divisie wordt gewerkt, duiken er soms problemen op.’ Erp-leveranciers doen ook wel aan mdm, maar Geurts vertelt dat de focus daarbij teveel op de individuele silo’s ligt. Daarom koos DSM voor de mdm-oplossing van SAS.
Geurts benadrukt het belang van de koppeling tussen mdm en de business-processen. Daarmee wordt namelijk het nut voor de organisatie als geheel en voor de individuele divisies die elk in hun silo goed opereren duidelijker. Belangrijke vraagstukken die spelen zijn: wie binnen de organisatie moet de eigenaar zijn van het mdm-proces? Wie speelt welke rol? En welke kpi’s worden gehanteerd? Een mogelijke bedrijfsbrede kpi voor mdm is het meten hoe lang het duurt voordat één bestelling van een klant is verwerkt, uitgeleverd en gefactureerd.
Het opzetten van het mdm-proces en het adresseren van de vraagstukken daarbij was volgens Geurts het gemakkelijkste gedeelte. Hij omschrijft dat als: ‘bedacht op de sofa’. Toen kwam de fase van uitvoering, waarbij er bewust is gekozen voor een relatief klein begin. ‘We hebben een pilot gedaan bij de sourcing-afdeling: think big, act small.” Overigens is dat ‘klein’ geheel relatief. Het grote DSM telt verspreid over de wereld zes sourcing front offices en twee back offices.
Bij deze kleine’ pilot werd als eerste de inconsistenties qua toeleveranciers aangepakt. De data over vendors, waar ook doublures tussen zaten, is opgeschoond door onder meer het toepassen van verschillende taalalgoritmen in het SAS MDM-product. ‘De complexiteit zit in de details’, weet Geurts uit ervaring.
Te zware belasting
Naast het aanpakken van de vervuiling in de toeleveranciersdata werden ook stappen gezet op andere master data-onderdelen. Aan de betrokken kantoren van het bedrijf is de vraag gesteld: welke data zijn kritiek voor jouw business? ‘Want we konden niet alle data analyseren. Dat zou namelijk een te grote operatie worden en een te zware belasting op die systemen vormen.’ Bovendien sloeg de vraag welke data kritiek zijn een brug tussen het mdm-initiatief en de betrokken bedrijfsonderdelen. Zíj bepaalden immers zelf de selectie van data die cruciaal zijn voor hun eigen processen. Zo’n selectie is vanwege de reikwijdte van master data nodig. Master data is bij DSM gedefinieerd als alles wat ten grondslag ligt aan processen en transacties. Op het eerste oog kan elke fout dan inefficiëntie veroorzaken, maar in hoeverre dit ook gebeurt ligt aan het soort data. ‘Als het telefoonnummer van een salespersoon bij een toeleverancier incorrect is, dan kun je wellicht nog gewoon mailen’, legt Geurts uit. Zo’n uitwijk is er niet wanneer bijvoorbeeld een bankrekeningnummer of een leveranciersadres niet klopt.
Op basis van deze zelfbepaalde kritieke data door de betrokken units zijn vervolgens data rules opgesteld. ‘Dat kostte ongeveer een half jaar, waarna de implementatie in zo’n drie weken werd voltooid.’
Voorkomen van fouten
Een duidelijk zichtbaar voordeel dat DSM dankzij mdm heeft behaald, is het voorkomen van fouten. Geurts noemt als voorbeeld een bestelling die wordt geboekt op naam van de verkeerde afdeling. Verder voert DSM een verbetering in voor de invoer van gegevens van toeleveranciers. Mensen maken namelijk wel eens fouten in het opzoeken van een bestaande toeleverancier of het invoeren van een nieuwe. Wanneer het opzoeken bijvoorbeeld niet succesvol is, wordt er een nieuwe entry aangemaakt die in wezen een doublure is. Aan die invoer wordt nu een algoritme gekoppeld dat controleert en dan de indiener vraagt: Is dit wellicht de leverancier die je bedoelt?
Naast deze interne voordelen behaalt DSM ook externe voordelen. ‘Wat als er een fout zit in een product of materiaal? Dan willen wij meteen weten in welke producten dat zit.’ Snelheid is hierbij essentieel.
Belangrijk is ook om data na de initiële implementatie van mdm te blijven controleren. ‘Keep on checking! Anders heb je na twee of drie maanden weer problemen’, waarschuwt Geurts. Mdm is immers een continu proces, dat actief moet blijven om te voorkomen dat er opnieuw fouten ontstaan die naderhand gefikst moeten worden. ‘Dat wil je niet, want dat verstoort je bedrijfsproces.’ Het is zaak om alle betrokkenen in de organisatie daarvan te doordringen.
