Datavask: Sådan gør du opgraderingen af ERP-systemet til en succes

Bruger I tid nok på at vaske stamdata i din virksomhed? Og er der sammenhæng i dine stamdata på tværs af hele organisationen?

Stamdata er en disciplin, som ikke står øverst i de fleste virksomheder. Men det er centralt at forstå, hvordan datasammenhængene er i din virksomhed, og hvordan inkonsistente data undgås.

Især ved skift til nyt ERP eller opgradering af eksisterende er det vigtigt at forstå datastrukturen, så stamdata indlæses korrekt, og der ryddes op efter “gamle lig”.

Storvask i de fire centrale tabeller
Der er typisk fire centrale tabeller i et ERP system, nemlig Kunder, Leverandører, Produkter og Lagre.

Når man foretager datavasken, er der en tendens til at glemme, hvordan tabelsammenhænge er. Det handler for eksempel om at finde ud af, hvilke undertabeller der er afhængig af for eksempel kundetabellen.

Det gør man på følgende måde:

Man starter med at få konsolideret, hvem der er vores aktive kunder, som vi skal have med over i en ny implementering eller en opgradering, samt at få oplistet alle relevante stamdata som for eksempel betalingsbetingelser, kontaktoplysninger og kreditgrænse.

Når alle vores aktive kunder er vasket, og der er opnået enighed om, hvem der er aktive, kan vi begynde arbejdet med at producere data til alle undertabeller.

Hvis vi fortsætter med kunder som central tabel, så validere man derefter alle relevante kundeundertabeller – for eksempel tabellen Betalingsbetingelser, Åbne salgsordrer og Kundeprislister – op mod den centrale kundetabel.

Det vigtige forarbejde
For at sikre struktur, skal man – før man påbegynder datavask – optegne, hvilke tabeller der er centrale, og hvilke tabeller der linker op mod disse.

Dette skal ske i et tæt samarbejde mellem it-afdelingen og de relevante afdelinger.

Man skal ikke påbegynde arbejdet med undertabeller, før man er sikker på, at værdierne i de centrale tabeller er 100 procent valide.

Fejlen, der typisk sker, er, at man ikke får valideret op mod den centrale tabel, og dataindlæsningen vil så fejle, fordi der opstår ukendte værdier, som betyder unødige reloads af data, og som skaber frustrationer i organisationen.

Eksempelvis kostede den slags unødige reloads en dansk virksomhed 400.000 kroner (svarende til en fuldtidsansat) samt 300 timers ekstraarbejde for salgs- og it-afdelingen, da der bagefter skulle foretages oprydning i inkonsistente data.

Men datavask er ikke en engangsforestilling.

Når først data er indlæst, og systemet kører, skal der jo også løbende udføres datavask. 

Alt for ofte opstår der nye værdier i forskellige tabeller, fordi man ikke har aftalt klare spillerregler.

For eksempel: Hvem må oprette en ny betalingsbetingelse med en ny rabatform, og hvilke kunder må i givet fald anvende den? 

Problemer, der opstår, er typisk: Hvad skal der ske med de åbne ordrer i systemet, der står til den gamle betalingsbetingelse? 

Problemerne kan blive værre, hvis man for eksempel vil slette en given betalingsbetingelse og ikke har afklaret, hvad der skal ske med de kunder, der netop bruger denne betalingsbetingelse, og de åbne ordrer, der er oprettet med betingelsen. 

Jeg kender til en virksomhed, som på grund af den slags rod i tabellerne måtte affinde sig med to ugers efterfølgende manuel oprydning i ERP-systemet.

Derfor er det ekstremt vigtigt, at man har styr på, hvor ofte datavasken skal foregå, og hvem der skal sikre, at det sker. 

Find de “forkerte data”
De bedste anbefalinger er at få udarbejdet oversigter og rapporter, der påviser “forkerte data”, og at der er fokus på at få ryddet op løbende. 

Tag for eksempel stilling til, hvor lang tid en produktionsordre må være blokeret, før man tager stilling til, om råvarerne skal retur til hylden og produktionsordren slettes. Eller om produktionsordren kan genoptages senere, hvis råvarer skiftes ud.

Her er fire gode råd om datavask: 

• Lav en liste over tabeller, der skal ryddes op i løbende – og med klare kriterier for, hvad der er tilladt og ikke tilladt for brugerne.
• Kortlæg, hvad der er de centrale tabeller i dine virksomhed, inden datavask med undertabeller påbegyndes.
• Tag stilling til frekvensen af disse kontroller, så det hele ikke samles op ved årsafslutningen og der laves panikløsninger.
• Datavask har altid en kort økonomisk tilbagebetalingstid for de fleste virksomheder.

Denne klumme er nummer tre i serien om stamdata. De to første finder du her:

Der er penge i sunde stamdata – mange penge

Døde varer koster millioner: Få styr på stamdata i ERP-systemet