In vielen Unternehmen führen heterogene Finanzprozesse und historisch gewachsene komplexe IT-Landschaften zu einer unklaren Datenherkunft und ineffizienten Datenaufbereitung, sowohl in der internen und externen Berichterstattung. Oft müssen zahlreiche manuelle Excel-Tätigkeiten durchgeführt werden, um (Management-) Berichte zu erstellen. Diese Herausforderungen lassen sich durch die Einführung eines einheitlich definierten Finanzdatenmodells vermeiden. Das Kern-Finanzdatenmodell lässt sich als Matrix aus Kontenrahmen (Bilanz, Gewinn- und Verlustrechnung, Anhangangaben) und auf der anderen Achse (den "Spalten") verschiedene Datendimensionen (wie bspw. Funktionsbereiche, Kundengruppen oder Produktgruppen) integriert darstellen. Es dient dazu, die externen und internen Berichtsanforderungen eines Unternehmens zu erfüllen. Die konkreten Kontierungsanforderungen je Konto/ Kontengruppe (Muss/ Kann/ Leer) werden aus der externen und internen Berichterstattung abgeleitet und im Finanzdatenmodell für das gesamte Unternehmen einheitlich definiert.
Wesentliche Qualitätskriterien für das Finanzdatenmodell
- Flexibilität: Ein gutes Finanzdatenmodell muss anpassungsfähig und insbesondere erweiterbar sein, bspw. für die Integration neuer Geschäftsmodelle
- Redundanzfreiheit: Ein gutes Finanzdatenmodell ist eindeutig und möglichst redundanzfrei definiert - „MECE“ (mutually exclusive and collectively exhaustive) als Leitplanke in der Definition der Datenmodell-Inhalte
- Simplizität: Ein gutes Finanzdatenmodell sticht durch Simplizität und effiziente Funktionalität heraus
Damit die Vorteile eines einheitlich definierten Finanzdatenmodells auch langfristig und nachhaltig zum Tragen kommen, ist eine strukturierte Governance notwendig. Governance bedeutet in diesem Zusammenhang die Definition von “Standards wo möglich” und Gewährung von “Freiheiten wo nötig”. Die „Governance-Tiefe“ je Datenobjekt kann abhängig vom Governance-Anspruch unterschieden werden. So können beispielsweise einzelne Datenobjekte in Definition und Ausprägung im gesamten Unternehmen komplett standardisiert werden (z.B. Währungen) während für andere Datenobjekte nur strukturelle Vorgaben für alle Geschäftseinheiten gelten und Freiheiten in Bezug auf die spezifischen Ausprägungen gewährt werden (z.B. Produktgruppen). Die unternehmensspezifische Ausprägung des Governance-Anspruchs ist mit allen Stakeholdern des Finanzdatenmodells (Accounting, Controlling, Steuern, Treasury) zu evaluieren und zu definieren.
Im Rahmen des Aufsatzes der Datenmodell-Governance müssen Governance-Standards, -Organisation und -Prozesse definiert werden. Standards und Guidelines müssen transparent und für alle Mitarbeiter der Finanz zugänglich dokumentiert sein, sollten aber flexibel sein in Bezug auf neue interne und externe Anforderungen. Für die Governance-Organisation sind Multiplikatoren in der Finanz zu definieren und ein regelmäßiger Austausch zwischen den Geschäftseinheiten zu etablieren, damit die Akzeptanz und das Verständnis im gesamten Unternehmen sichergestellt wird. Governance-Prozesse definieren, wie Anpassungen am Datenmodell beantragt und entschieden sowie in welchem Rhythmus die Dokumentation der Datenmodell-Anforderungen aktualisiert werden.
Vorteile einer Finanzdatenmodell-Governance
- Effizienz: Zeit und Ressourcen werden durch gesteigerte Transparenz und einem einheitlichen Verständnis des Datenmodells gespart. Widersprüchliche Daten und langwierige Überleitungen werden vermieden.
- Datensicherheit: Erhöhte Datenqualität, Risikominimierung und Einhaltung verschiedener Rechnungslegungsstandards werden gefestigt
- Datenkonsistenz: Standards und Richtlinien stellen korrekte, konsistente und redundanzfreie Daten sicher. BI & Analytics profitieren enorm von einem “aufgeräumten” Datenmodell und letztendlich damit auch das Management durch klarere und qualitativ bessere Steuerungsinformationen
Eine funktionierende Datenmodell-Governance sichert den langfristigen Nutzen der vielen Finanztransformationsprojekten ab. Wir bei SET sind der Auffassung, dass dieses Thema in den Projekten oftmals zu kurz kommt. Dadurch setzen sich die Unternehmen dem Risiko aus, dass die oftmals unter Aufwand erzielten Qualitäts- und Effizienzgewinne in Unternehmenssteuerung und Prozessautomatisierung sukzessive wieder aufgegeben werden. Klare Verantwortlichkeiten in den Prozessen zur Datenmodellierung und -pflege wirken dem entgegen. Melden Sie sich gern bei uns!
