Dateninfrastruktur optimieren: Eine Zusammenarbeit von Vienesse Consulting und prozessraum

Ein international tätiges Pharmaunternehmen mit Hauptsitz in der Schweiz suchte Unterstützung bei der Optimierung seiner Dateninfrastruktur. Wir durften das Unternehmen bereits bei anderen Projekten begleiten und haben für dieses Projekt nun unsere Partner-Firma Vienesse Consulting an unsere Seite geholt. Vienesse Consulting ist spezialisiert auf digitale Transformationen und ergänzt unsere Stärken perfekt.

Das Ziel des Projekts der Pharma-Firma bestand darin, die Dateninfrastruktur in einer der Schlüsselabteilungen zu optimieren und neu zu gestalten. Dabei sollten die Daten standardisiert werden, um eine langfristige Datenintegrität sicherzustellen. Ebenfalls sollten die Reportingprozesse automatisiert werden. Dieser Beitrag wurde von Stephanie Buckley von Vienesse Consulting geschrieben. Der Beitrag zeigt deshalb vor allem die Sicht von Vienesse Consulting auf das Projekt und die Zusammenarbeit. Herzlichen Dank für diesen tollen Einblick!

Herausforderungen und Ziele des Projekts

Das Ziel des Projekts war schnell klar: Optimierte und bereinigte Daten sowie die Erreichung einer nachhaltigen Datenintegrität. Um dieses Ziel zu erreichen, müssen wir diverse Probleme aus dem Weg räumen:

Redundante Daten identifizieren
Verschiedene Naming Conventions für Datenattribute und -werte
Individuelle Listen werden von verschiedenen Stakeholdern geführt (keine single-source of truth)
Mehrfache Aufbereitung von Reportings
Keine Daten-Standardisierung (wichtige Informationen werden meistens in den Kommentarspalten oder Beschreibungen notiert)

Diese Probleme sind oft Ausgangslage bei unseren Projekten. Auch wenn eine Digitalisierung mit vereinfachten Prozessen und mehr Effizienz lockt, so birgt sie auch zahlreiche Stolpersteine. Sind Prozesse nicht optimiert, verstärkt eine digitale Transformation die Fehlerquellen noch. Unsere Arbeit besteht darin, die Dateninfrastruktur zu optimieren: Dazu gehören optimierte Prozesse, bereinigte Daten und eine langfristig flexible Datenumgebung.

Empfohlenes Vorgehen bei der Optimierung der Dateninfrastruktur für ein international tätiges Pharma-Unternehmen

Nach einer gründlichen Analyse der bestehenden Probleme und der betroffenen Prozesse haben wir zwei mögliche Lösungsansätze erarbeitet. In enger Abstimmung mit dem Kunden war geplant, die Neuorganisation entweder mithilfe von Excel und Makros oder über Power Apps und Power BI umzusetzen. Beide Ansätze verfolgen zunächst das gemeinsame Ziel, eine benutzerfreundliche Eingabemaske zu erstellen, um die Dateneingabe zu optimieren. Die Vorteile einer solchen Eingabemaske liegen in der Vereinfachung von Prozessen, der Reduzierung von Fehlern bei der Dateneingabe und der Gewährleistung konsistenter Daten. Des Weiteren streben beide Lösungswege an, die Daten in eine zentrale Datenbasis zu leiten. Von diesem zentralen Punkt aus können die Daten dann entweder für Reporting-Zwecke über Excel oder Power BI genutzt werden.

Umsetzung der Massnahmen für eine optimierte Dateninfrastruktur im Pharma-Unternehmen

Gerne zeigen wir dir auf, welche Massnahmen wir in dem (noch laufenden) Projekt bereits umsetzen konnten. Der Anfang machte eine ausführliche Bestandsanalyse der bisherigen Datenlandschaft (Scope: 7 Excel Dateien):

Erste Phase des Projekts: – Schritt 1 // Situationsanalyse und Zielsetzung
- Situationsanalyse der bisherigen Verwendung der Listen
- Zielsetzung der Excel-Listen definiert (wofür werden die einzelnen Listen verwendet)
- Stakeholder definieren: Wer ist für die Erstellung und Pflege der Excel-Listen verantwortlich?
- Definieren, wie die Excel-Listen für Reporting-Zwecke genutzt werden
- Häufigkeit der Aktualisierung der Listen definiert (wann werden welche Listen aktualisiert)
Schritt 2 // Analyse der Datenattribute
- Datentypen der einzelnen Attribute
- Genauigkeit der vorhandenen Daten
- Bewertung der Relevanz jedes Datenattributs
Schritt 3 // Datenmodellierung
- Standardisierung der Daten
- Abhängigkeiten zwischen den Datenattributen über die Listen identifiziert
- Datenkonsolidierung: Mögliche Zusammenführungen der Listen gewährleisten (single-source of truth)
Schritt 4 // Datenkonsistenz fördern
- Einführung einer einheitlichen Naming Convention (Bsp. Für das Datenattribut “Status”: Open; In planning; On going etc.)

Outcome: Hierzu haben wir eine Hauptliste (Excel) mit allen relevanten Datenattributen und deren einheitlich definierten Werten aufgesetzt. Somit konnten wir die anfangs erwähnten Probleme beheben: Wir haben die redundanten Daten bereinigt, verschiedene Naming Conventions vereinheitlicht und klare Stakeholder für die Excel-Listen definiert. Somit werden die Reportings nicht mehr mehrfach aufbereitet.

Resultat: Durch die Umsetzung der vier Schritte in der ersten Projektphase konnten wir eine umfassende Grundlage schaffen. Gemeinsam mit den Kunden haben wir eine zentrale Übersichtsliste erstellt, in der alle wichtigen Datenattribute der sieben Listen zusammengefasst, definiert und optimiert wurden. Diese Übersichtsliste dient als Startpunkt für die zweite Phase des Projekts.

Ausblick im Projekt „Optimierte Dateninfrastruktur“ für eine Pharma-Firma

In diesem Blog-Artikel haben wir die erste Phase des geplanten Projekts vorgestellt – der Schwerpunkt lag dabei auf der Datenvalidierung. Diese bildet die Grundlage für die Phase zwei des Projekts, die Implementierung der neuen Datenstruktur (siehe Grafik oben).

Der Kunde kann sich nun für eine der beiden Implementierungsmöglichkeiten entscheiden (Excel & Makros oder Power Apps & Power BI). Um den optimalen Lösungsweg zu finden, war es zunächst notwendig, gemeinsam mit dem Kunden die Vor- und Nachteile beider Ansätze abzuwägen und die am besten geeignete Lösung für die spezifischen Anforderungen des Projekts zu identifizieren. Hierfür haben wir auch eine massgeschneiderte Einführung in Power BI vorgestellt (inkl. Demo-Dashboards), um die vielfältigen Anwendungsmöglichkeiten zu präsentieren. Wir sind sehr gespannt auf die bevorstehende zweite Phase des Projekts.

Einblicke in die Zusammenarbeit von Vienesse Consulting mit prozessraum

Wir durften während des Projekts mit Susann Naomi Israel von prozessraum zusammenarbeiten. Es bestand von Anfang an ein starkes Teamgefühl – sowohl auf beruflicher als auch auf privater Ebene hat die Zusammenarbeit toll geklappt und war sehr bereichernd. Wir haben regelmässig Rücksprache gehalten, um übeMakr Fortschritte, Herausforderungen und mögliche Lösungen zu diskutieren. Auch war die Kommunikation und gegenseitige Unterstützung durchgehend gewährleistet. Von Kundenseite wurden wir bereits vor der Bestandsanalyse (bzw. Kick-off Termin mit dem Kunden) ausführlich gebrieft. Somit konnten wir uns gut vorbereiten und hatten schnell ein tiefgreifendes Verständnis über das Projekt. Da prozessraum den Kunden schon kannte, hatten wir rasch Einblick in die Denkweise und Präferenzen des Kunden, dies hat die Entwicklung einer massgeschneiderten Lösung erleichtert. Und ganz besonders effektiv war die Nutzung von Synergien in dem jeweiligen Expertise-Bereich: Die Zusammenführung von Fachkompetenzen ist eine Win-Win-Situation, vor allem für den Kunden, aber auch für beide im Projekt involvierten Unternehmen.