Datenqualität als Schlüssel für eine erfolgreiche SAP S/4U-Migration
Erfolgsgeschichten
Über den Kunden
Die SachsenEnergie AG ist der größte kommunale Energieversorger Ostdeutschlands. Als verlässlicher Partner für hunderttausende Privat- und Geschäftskunden versorgt das Unternehmen die Region mit Strom, Gas, Wasser und Wärme – und treibt gleichzeitig die digitale Transformation im Energiesektor entschlossen voran.
Die Herausforderung
Datenqualität: Mit dem anstehenden Umstieg von SAP R/3 IS-U auf SAP S/4HANA Utilities bis spätestens 2027 stand SachsenEnergie vor einer zentralen Weichenstellung: Um zukünftige datenbasierte Initiativen – wie etwa ein umfassendes Kundenwertmanagement – erfolgreich umzusetzen, ist eine exzellente Datenqualität unabdingbar. Die Herausforderung: Wie lassen sich Schwachstellen in den bestehenden Datenstrukturen rechtzeitig identifizieren und gezielt beheben?
Validierung: Mit dem Start der Migration erweitert sich die Frage. Nicht mehr nur, wie gut die Datenbasis ist, sondern ob sie vollständig und korrekt im neuen System angekommen ist. Ein Teil der Daten sollte dabei bewusst verändert werden, indem Kennzeichen umgeschlüsselt und einzelne Felder fachlich transformiert wurden. Manuelle Stichproben können in dieser Situation Abweichungen in Einzelfällen finden, aber keine systematischen Abweichungen ausschließen und keinen belastbaren Nachweis führen.
Die Lösung
Datenqualität: Im Rahmen eines eigenen Teilprojekts wurden wir eng in das SAP-Migrationsprogramm integriert und arbeiteten dabei kontinuierlich mit anderen Projekteinheiten zusammen.
Der erste Schritt: Durch Interviews mit den Fachbereichen wurden reale Herausforderungen sichtbar gemacht – und daraus konkrete Schwerpunkte für unsere Datenqualitätsanalyse abgeleitet. Diese priorisierten Themen bildeten die Grundlage für ein spezifisches Regelwerk, das messbare Anforderungen an die Qualität der betroffenen Daten definierte.
Darauf aufbauend erfolgte die Analyse der Datenqualität unter Einsatz unterschiedlicher Methoden, wie der Prüfung der Stammdatenqualität durch Untersuchung der klassischen DQ-Indikatoren oder dem Aufbau umfassender Algorithmen, um auch komplexe Fragestellungen beantworten zu können. Die Ergebnisse: Präzise Handlungsempfehlungen zur Optimierung, die gemeinsam mit den jeweiligen Data Ownern in konkrete Maßnahmen zur Bereinigung überführt wurden. Regelmäßige Meilensteintermine und transparente Ergebnispräsentationen sicherten den Fortschritt.
Das Ergebnis: Umfangreiche Transparenz über die Datenqualität
Die Zusammenarbeit legte den Grundstein für eine hochwertige Datenbasis im zukünftigen System:
Konkret identifizierte Optimierungspotenziale können vor, nach und während der Migration adressiert werden.
Migrationsmenge und -kosten lassen sich durch gezielte Bereinigung senken.
Nachhaltige Datenprozesse wurden angestoßen, um die Qualität langfristig zu sichern.
„Dank der strukturierten Herangehensweise von transcide haben wir heute Klarheit über unsere Datenqualität und konkrete Werkzeuge, um sie nachhaltig zu verbessern. Das schafft Vertrauen – in unsere Daten und in die Migration.“
Der Ausblick
Die Zusammenarbeit wird weitergeführt: Nach dem Lieferantenmandanten ist transcide nun auch für die migrationsbegleitende Qualitätsprüfung im Netzmandanten verantwortlich. Die nächsten Schritte sind bereits in Planung – mit dem Ziel, SachsenEnergie auch künftig datenstrategisch auf höchstem Niveau zu begleiten.
Validierung: Für den Nachweis haben wir die Daten beider Systeme direkt aus den Datenbanken abgefragt und vollständig gegeneinander abgeglichen. Dabei wurden z.B. auch Tabellen mit über 100 Millionen Datensätzen geprüft. Eine manuelle Prüfung in dieser Tiefe wäre nicht leistbar gewesen.
Maßgeblich ist, wie ein Feld übernommen werden sollte: unverändert, über eine einfache Wertumschlüsselung oder über eine komplexe fachliche Umwandlungsvorschrift. Die dokumentierten Vorgaben der Fachbereiche haben wir unabhängig nachgebildet und vor dem Abgleich auf die Altdaten angewendet. Gewollte Änderungen erscheinen damit nicht als Fehler und die technische Umsetzung lässt sich gegen die fachliche Vorgabe prüfen.
Verschiedene Ergebnisdokumente bewerten die Überführung aus mehreren Perspektiven, beispielsweise die Übereinstimmungsquote je Feld, nicht zuordenbare Datensätze, Mengenabweichung je Tabelle und Spalte sowie eine konsolidierte Gesamtübersicht. Zu jeder Abweichung liegen Beispieldatensätze bei, sodass die Fachbereiche ein Fehlerbild unmittelbar nachvollziehen konnten, statt es zunächst zu suchen.
Das Ergebnis: Belastbarer Nachweis der Migration
Vollständiger Abgleich statt Stichprobe: Für jedes relevante Feld liegt eine Übereinstimmungsquote vor.
Prüfbare Evidenz je Lauf: Jeder Prüflauf erzeugt nachvollziehbare Auswertungen und ist wiederholbar.
Gezielte Analyse statt Suchaufwand: Abweichungen anhand von Beispieldatensätzen direkt nachvollziehbar.
„„Einen Teil der Abweichungen hätten wir im Sichtest nicht gefunden und in der verfügbaren Zeit auch nicht in dieser Tiefe geprüft. Die Auswertungen von transcide haben unsere Testkapazität dorthin gelenkt, wo tatsächlich Abweichungen lagen.“
