Syniti stellt die branchenweit erste KI-gesteuerte Operational Data Matching Lösung vor

Der Datenabgleich ist der erste wichtige Schritt, um unternehmensweite Qualitätsdaten bereitzustellen, die für überragende Geschäftsergebnisse erforderlich sind. Die meisten aktuellen Branchenlösungen konzentrieren sich auf Kundendaten – wie Kontakt- und Kontoinformationen, Namen, Adressen und Standorte – um sicherzustellen, dass die Daten korrekt und nicht doppelt vorhanden sind, um die allgemeine Kundenerfahrung zu verbessern und Marketing- und Vertriebsbemühungen zu abzugleichen. Mit diesem neuen Angebot erweitert Syniti seine branchenführende Matching-Technologie von den Kunden- auf die Betriebsdaten, welche ERP- oder Lieferkettendaten wie Artikel, Ausrüstung, Teile, Vermögenswerte, Produkte und Artikelnummern umfassen.

So betragen industrieübliche jährliche Lagerkosten 20–30 % des Lagerwerts. Dieses neue Angebot hilft Unternehmen, schnell Vertrauen in ihre Daten aufzubauen und in überschüssigen Beständen gebundenes Betriebskapital freizusetzen, indem es sie dabei unterstützt, fehlerbehaftete und doppelte Daten zu eliminieren. Es ermöglicht Kunden:

• Unvollständige Daten zu finden und zu vervollständigen: Identifizieren Sie Materialien oder Teile, bei denen wichtige Informationen fehlen, und erleichtern Sie so die Suche nach Alternativen. Begrenzen Sie überflüssige Käufe, sparen Sie Geld bei der Lagerung und bevorraten Sie die kritischen Teile, die Sie benötigen, und die zugleich auf ähnliche Ersatzteile oder Materialien hinweisen.
• Inkonsistente Daten zu standardisieren: Finden Sie Teile oder Materialien, die außerhalb der Standardprozesse Ihrer Organisation angelegt wurden. Ordnen Sie Teile zu und stimmen Sie sie unternehmensweit mit Anbietern ab. Das hilft Ihnen dabei, mögliche Einsparungen in Millionenhöhe bei der Beschaffung zu identifizieren, indem Sie Gelegenheiten zum Masseneinkauf über Länder oder Regionen hinweg erkennen. 
• Identische Daten zu klassifizieren: Erkennen Sie durch Schreibfehler oder Abkürzungen entstandene doppelte ERP-Daten mit menschenähnlicher Wahrnehmung in übermenschlichem Maßstab. Dadurch verringern Sie die Abhängigkeit von einzelnen Benutzern beim Verstehen von Stamm-Betriebsdaten.

Aktuelle Gartner®-Untersuchungen^[1] zum Stand der Datenqualitätslösungen stellen den Mangel an intelligenten und verbesserten Datenqualitätsfähigkeiten fest: „Aktuelle Datenqualitätspraktiken mit herkömmlichen Tools erfordern erheblichen manuellen Aufwand und verlassen sich auf KMUs, um Datenqualitätsprobleme zu bewerten und zu beheben.“ Weiter heißt es in der Untersuchung: „Im Bereich Datenqualität ist Natural Language Processing (NLP) besonders hilfreich, um unstrukturierte Daten wie Kommentar- oder Freitextfelder, soziale Medien und Dokumente zu analysieren, abzugleichen, zu standardisieren und zu bereinigen.“

Die Syniti Match Lösung verwendet kontextbezogenes Scoring, NLP und einen speziell entwickelten, proprietären phonetischen Algorithmus, um einen genaueren und schnelleren Abgleich als herkömmliche Lösungen zu liefern – kann damit sogar Freitexteinträge noch nach Jahren analysieren und standardisieren. Dies ist besonders nützlich bei der Integration von Produktinformationen in Online-Shops, in denen Produktbeschreibungen für potenzielle Käufer standardisiert werden müssen.

Emily Williams, Vice President, Product Alliances, Syniti, sagt dazu: „Wir haben mit Kunden zusammengearbeitet, die ihr ERP-System erstmals vor 10, 15, 20 Jahren implementiert haben. Die Menge an Fehlern oder Diskrepanzen in den Eingabedaten wie Abkürzungen, Rechtschreibfehler und doppelte Informationen hat sich im Laufe der Jahre erhöht, was zu unsauberen Daten geführt hat. Wir freuen uns, unsere Matching-Technologie auf einen bislang unglaublich arbeitsintensiven, manuellen Bereinigungsprozess auszuweiten, und so Vertrauen in Ihre Daten aufzubauen.“

Kevin Campbell, CEO von Syniti, ergänzt: „Unsere neue KI-basierte Lösung verarbeitet diese historisch schwierigen Datentypen in großen Mengen und mit sehr wenig Feinabstimmung – so können Kunden den wahren geschäftlichen Wert realisieren, der mit Deduplizierung und Datenqualität verbunden ist, einschließlich höherer Produktivität, besserer Entscheidungsfindung und, vielleicht am wichtigsten, Kosteneinsparungen. Für ein Global-2000-Unternehmen könnte allein eine Reduzierung doppelter Ersatzteile Millionen einsparen – und dieses Kapital für mehr wertschöpfende Initiativen freisetzen.“

John Price, Manager, Data Management Services, Rio Tinto, berichtet: „Als langjährige Syniti-Kunden, die sich der konsequenten Verbesserung unserer Datenqualität verschrieben haben, um den Geschäftswert zu steigern, freuen wir uns, am Beta-Programm für das neue Operational Data Matching-Produkt teilzunehmen. Wir waren beeindruckt von der Agilität der Lösung, die rasch erste Übereinstimmungsergebnisse auf der Grundlage von Schlüsselmaterialien und Datenobjekten lieferte, und von ihrer Fähigkeit, diese Ergebnisse schnell zu verfeinern, zu iterieren und zu verbessern. Dies hat es uns ermöglicht, mehrere datengesteuerte Anwendungsfälle zu betrachten und Geschäftsmöglichkeiten ohne großen Aufwand oder Bedarf an teuren Spezial-Programmierern oder Datenwissenschaftlern zu definieren.“

Um mehr über Operational Matching zu erfahren, und wie Syniti Ihnen helfen kann, Ihre Daten zu verbessern, registrieren Sie sich bitte für das Webinar: „Warum Sie Duplikate haben und warum Sie sie nicht finden werden.“

GARTNER ist eine eingetragene Marke und Dienstleistungsmarke von Gartner, Inc. und/oder seinen Tochtergesellschaften in den USA und international und wird hierin mit Genehmigung verwendet. Alle Rechte vorbehalten.

[1] Gartner, The State of Data Quality Solutions: Augment, Automate & Simplify, Melody Chien, Ankush Jain; 15 March 2022