For å få til en vellykket implementering må man sørge for at systemet opererer med enhetlig og korrekt informasjon. Det er vanlig at data til systemet kommer fra ulike kilder som vedlikeholdes hver for seg. Alt for mange ERP-prosjekter undervurderer hvor viktig det er å ta tak i datakvalitet tidlig i prosjektet. Mange virksomheter får seg store og ubehagelige overraskelser ifm innføring av ERP.

 

Å integrere data på en enhetlig måte inkluderer blant annet å:

·          Tilpasse kildedata til ERP-systemets behov

·          Standardisere data til et enhetlig format

·          Harmonisere data slik at duplikater kan identifiseres og fjernes

·          Filtrere vekk grunndata som ikke er relevante

 

Heldigvis finnes det måter å løse slike utfordringer på, og investeringen i å gjøre det er relativt liten sammenliknet med de totale kostnadene for hele ERP-prosjektet.

 

Undersøkelser viser at om man velger å migrere, integrere og vaske data manuelt, vil kostnaden til dette typisk være ca. 25 % av budsjettet til ERP-implementeringen. Det finnes teknologi og metodikk som dramatisk kan redusere dette tallet.

 

Intelcom tilbyr metodikk og programvare for å automatisere dataintegrasjonsprosesser i de fleste ERP-miljøer. Opplegget er basert på forretningsregler for omskaping av data og algoritmer for å fjerne duplikater. Dokumentasjon (metadata) om hva som er gjort blir automatisk generert av verktøyet.

 

Undersøkelser viser at man kan spare inntil 80 % av kostnadene knyttet til datakvalitet og dataintegrasjon ved å bruke Intelcoms metodikk og verktøy allerede i første fase av prosjektet.

 

ERP dataintegrasjon - Slik Intelcom gjør det

 

Første steg

Utforske*) — Analysere kildesystemene for å finne: De beste kildene, bestemme hvordan informasjonen kan gjøres ensartet, samt omfanget og størrelsen av prosjektet.

 

Forberede — Bruke kunnskapen og fakta fra analysen til å kjøre prosessene for å forbedre datakvaliteten.

 

Levere — Bruke regler til å foredle data. Deretter laste opp data til ERP-systemet.

 

Løpende kvalitetsforbedring

 

Kontroll — Etter hvert som data blir lagt inn av brukere og andre system, blir den høye datakvaliteten forløpende vedlikeholdt.

 

Overvåke — Proaktivt avdekke nye utfordringer i forbindelse med datakvalitet.

 

*) Kan også leveres som en selvstendig ”Helsesjekk” for å avdekke tilstanden til data i en eller flere kilder. Muligheten til å undersøke og forstå egne data er relevant også i forhold til f. eks kunde- og logistikksystemer samt BI- og DW-prosjekter.