Mastering product data : evaluation of cross-domain support in master data management
Sarlin, Mikko (2021)
Pro gradu -tutkielma
Sarlin, Mikko
2021
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2021070541122
https://urn.fi/URN:NBN:fi-fe2021070541122
Tiivistelmä
The aim of this thesis was to study how an existing master data management (MDM) program can support implementation of master data management in another data domain. Master data and its management were presented in the theoretical background. MDM was presented to be composed of four main elements, data governance, data quality, data model and data life cycle. In addition, typical implementation of MDM and general prerequisites and challenges of MDM implementation were presented. The empirical part of the study was performed as a qualitative case study, in which experts from a case company were interviewed. The purpose of the empirical research was to find out how the existing business partner MDM could support the implementation of MDM in product data domain. This was approached by evaluating the maturity of the existing business MDM and by evaluating the type of support each existing MDM element could provide for MDM in product data domain.
The results of the study showed that an existing MDM can likely support the further implementation of MDM in another data domain. Data governance and data quality elements provide more direct type of support and are most readily reusable. Data model and data life cycle elements provide rather indirect type of support. This difference was attributed to that data model and data life cycle were seen to be more dependent on the data itself. In the case company, product data was seen to be much more complex that business partner data. Pro gradu -tutkielman tavoitteena oli selvittää, miten yhdellä tietoalueella olemassa oleva masterdatan hallinta pystyy tukemaan masterdatan hallinnan (MDM) käyttöönottoa toisella tietoalueella. Työn teoriaosuudessa käytiin läpi, mitä masterdata ja sen hallinta ovat. MDM jaettiin neljään osa-alueeseen, tiedonhallintaan, datan laatuun, datamalliin ja datan elinkaareen. Työn teoriaosuudessa kuvattiin myös, miten MDM:n käyttöönotto tyypillisesti etenee sekä millaisia edellytyksiä ja haasteita käyttöönotossa yleisesti tulee vastaan. Tutkimuksen empiirinen osuus tehtiin laadullisena tapaustutkimuksena, jossa haastateltiin kohdeyrityksen asiantuntijoita. Empiirisessä tutkimuksessa selvitettiin miten kohdeyrityksessä käytössä oleva asiakas- ja toimittajatiedon MDM pystyisi tukemaan MDM:n mahdollista käyttöönottoa tuotedatan alueella. Haastatteluilla pyrittiin selvittämään nykyisin käytössä olevan MDM:n kypsyys sekä se, minkä tyyppistä tukea se pystyisi eri MDM:n osa-alueilla tarjoamaan.
Työn tulokset osoittivat, että olemassa oleva MDM pystyy todennäköisimmin tarjoamaan tukea MDM:n laajentamiselle toiselle tietoalueelle. Tiedonhallinnan ja datan laadun osaalueet tarjoavat suorimman tuen ja ovat parhaiten uudelleenkäytettävissä. Datamallin ja datan elinkaaren osa-alueilla sen sijaan arvioitu tuki jäi epäsuoremmaksi. Keskeisimpänä selityksenä tälle oli, että datamalli ja datan elinkaari ovat voimakkaammin riippuvaisia itse datasta. Kohdeyrityksen tuotedatan nähtiin olevan monin verroin asiakasdataa monimutkaisempaa.
The results of the study showed that an existing MDM can likely support the further implementation of MDM in another data domain. Data governance and data quality elements provide more direct type of support and are most readily reusable. Data model and data life cycle elements provide rather indirect type of support. This difference was attributed to that data model and data life cycle were seen to be more dependent on the data itself. In the case company, product data was seen to be much more complex that business partner data.
Työn tulokset osoittivat, että olemassa oleva MDM pystyy todennäköisimmin tarjoamaan tukea MDM:n laajentamiselle toiselle tietoalueelle. Tiedonhallinnan ja datan laadun osaalueet tarjoavat suorimman tuen ja ovat parhaiten uudelleenkäytettävissä. Datamallin ja datan elinkaaren osa-alueilla sen sijaan arvioitu tuki jäi epäsuoremmaksi. Keskeisimpänä selityksenä tälle oli, että datamalli ja datan elinkaari ovat voimakkaammin riippuvaisia itse datasta. Kohdeyrityksen tuotedatan nähtiin olevan monin verroin asiakasdataa monimutkaisempaa.