F8/9 Master Data Management Flashcards
Vad är problemet med att inte ha ett standardiserat datamodell i ett ERP-system?
Det blir svårt att få en översikt över viktig information, t.ex. globala kostnader för en viss produkt.
Data kan vara inkonsekvent och svår att analysera.
Vad är master data?
Master data är kärndata som delas mellan avdelningar och processer i en organisation, t.ex. information om kunder, produkter och anställda.
Vad är målet med Master Data Management (MDM)?
Att skapa en “golden copy” eller “one single truth” av viktig data, så att alla system använder samma uppdaterade och korrekta data.
Olika typer av data
Transaction data
Inventory data
Master data
Vad är transaktionsdata? Ge exempel.
Data som beskriver affärstransaktioner eller aktiviteter.
Exempel: Orderdata, fakturor, systemuppgraderingar.
Vad är inventeringsdata? Ge exempel.
Data som beskriver lagersaldo och produktlager.
Exempel: Antal gröna pennor i lager.
Vad är master data? Ge exempel.
Data som beskriver kärnobjekt i en organisation.
Exempel: Kundregister, produktkatalog, leverantörsinformation.
Hur skiljer sig master data från transaktionsdata och inventeringsdata gällande tidsreferens?
Master data har låg tidsreferens (ändras sällan över tid).
Transaktionsdata har medelhög tidsreferens.
Inventeringsdata har hög tidsreferens (lagersaldo är alltid tidsberoende).
Hur ofta modifieras de olika datatyperna?
Master data: Låg modifieringsfrekvens.
Transaktionsdata: Medelhög modifieringsfrekvens.
Inventeringsdata: Hög modifieringsfrekvens.
Hur stabil är volymen av de olika datatyperna?
Master data: Hög stabilitet.
Transaktionsdata: Låg stabilitet (varierar beroende på affärsaktivitet).
Inventeringsdata: Hög stabilitet.
Vilken existentiell oberoende har de olika datatyperna?
Master data: Hög (kan existera utan transaktionsdata).
Transaktionsdata: Låg (beroende av master data, t.ex. order kräver kunddata).
Inventeringsdata: Låg (beroende av produktdata)
Vad är ett Data Warehouse (DW)?
Ett centraliserat datalager som används för att samla och analysera data från olika delar av en organisation.
Vad är syftet med ett Data Warehouse?
Att stödja beslutsfattande genom att sammanställa och analysera data från olika källor.
Vilka är fördelarna med ett Data Warehouse?
Ger en helhetsbild av organisationens data.
Kraftfulla analysverktyg för beslutsfattande.
Vilka är nackdelarna med ett Data Warehouse?
Ingen transaktionsstöd (kan inte ändra data).
Data är ofta fördröjd och inte realtidsuppdaterad.
Vad är syftet med ett Master Data Management System (MDMS)?
Att förbättra datakvalitet genom att hålla central masterdata uppdaterad och synkroniserad över olika system.
Vilka är fördelarna med ett MDMS?
Möjlighet att integrera nästan alla system.
Stöd för transaktioner – data kan uppdateras och synkroniseras automatiskt.
Vilka är nackdelarna med ett MDMS?
Kräver att alla system följer en standardiserad informationsstruktur.
Vad är huvudsakligt fokus för ett MDM-system?
Att rensa upp och harmonisera data över olika system för att förbättra datakvalitet.
Vad är de tre huvudsakliga MDM-arkitekturerna?
Repository (centraliserad databas)
Registry (referenser till källsystem)
Hybrid (både central data och referenser)
Hur fungerar en Repository-baserad MDM-lösning?
All masterdata lagras i en enda central databas.
Inga synkroniseringsproblem.
Alla system måste anpassas till den centrala databasen.
Hur fungerar en Registry-baserad MDM-lösning?
Endast referenser/nycklar lagras i en central registry. Data hämtas från källsystem vid behov.
Kräver mindre förändringar i befintliga system.
Datahämtning kan bli långsam vid komplexa frågor.
Hur fungerar en Hybrid MDM-lösning?
Vanligt använda data lagras i MDM, medan annan data hämtas från källsystem via referenser.
Balanserar prestanda och flexibilitet.
Kräver synkronisering av både referenser och sparad data.
Hur kan ett MDMS hålla sig uppdaterat med ändringar i källsystem?
Antingen genom att endast tillåta ändringar via MDM eller genom att låta källsystem skicka notifieringar vid ändringar
Hur kan ett MDMS publicera uppdaterad data till andra system?
Push: MDMS skickar ändringar aktivt till alla system.
Pull: System hämtar uppdateringar vid behov.
Hur hanteras data inuti ett system kontra utanför?
Inuti: Data kan låsas för att förhindra ändringar under en transaktion.
Utanför: Data kan inte låsas, vilket kan leda till att data är inaktuell vid hämtning.
Vad är immutable data?
Data som inte kan ändras efter att den skapats, utan istället skapas en ny version vid uppdateringar.
Ge exempel på immutable data.
Ett namn på en person en viss dag (istället för bara namn, som kan ändras över tid).
Vad är huvudmålet med Master Data Management?
Att säkerställa att organisationens masterdata är korrekt, aktuell och tillgängligför alla system som behöver den.
