Produktstammdaten: der unscheinbare Schlüssel zur digitalen Mode
Artikelnummern, Farbcodes, Grössenskalen und Kennungen entscheiden darüber, ob Showrooms, Portale, Feeds und Rechnungen funktionieren. Ein praktischer Leitfaden für saubere Produktstammdaten.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- Produktstammdaten sind das Kernset an Kennungen und Attributen, das jedes Modell, jede Farbstellung und jede Grösse über alle Systeme hinweg definiert.
- Die meisten digitalen Probleme in der Mode, von falschen Beständen im B2B-Portal bis zu abgelehnten Händlerorders, gehen auf inkonsistente Stammdaten zurück.
- Klare Konventionen für Artikelnummern, Farbcodes, Grössenskalen und Kennungen sollten vereinbart werden, bevor Kollektionen angelegt werden, und nicht erst nachträglich.
- Datenqualität braucht benannte Verantwortliche, messbare Vollständigkeitsregeln und Prüfungen bei jeder Übergabe im Saisonkalender.
- Die Verbesserung der Stammdaten ist ein fortlaufender Prozess, der sich in jedem Kanal auszahlt, besonders im Wholesale.
Ein Einkäufer ordert ein Modell in Navy über ein B2B-Portal. Das ERP kennt die Farbe als Dunkelblau, das System des Händlers erwartet einen anderen Farbcode, und die Grösse, die in der Order als 40 ausgewiesen ist, heisst in der Skala eines anderen Markts 10. Technisch ist nichts kaputt, und doch muss die Order manuell korrigiert werden, und die Lieferung verzögert sich. Das ist ein Problem der Produktstammdaten, und es gehört zu den häufigsten versteckten Kosten in der Mode.
Was sind Produktstammdaten?
Stammdaten sind die stabilen Kerninformationen, die Produkte definieren und prozessübergreifend genutzt werden. Sie unterscheiden sich von Bewegungsdaten wie Orders und Lagerbewegungen sowie von reichhaltigem Content wie Beschreibungen und Bildern. In der Mode umfassen Produktstammdaten typischerweise:
- Artikelnummer und ihre Struktur, einschliesslich allfälliger eingebetteter Saison- oder Warengruppencodes.
- Farbcodes und Farbbezeichnungen, dazu Farbfamilien für Filter.
- Grössenskalen und Umrechnungen zwischen Märkten, etwa europäische, britische, US-amerikanische und internationale Buchstabengrössen.
- Produktkennungen wie GTINs für jede Kombination aus Farbe und Grösse.
- Klassifikation: Saison, Kollektion, Warengruppe, Geschlecht und Produktgruppe.
- Kernattribute: Zusammensetzung, Ursprungsland, Zolltarifnummern und Pflegehinweise.
- Kommerzielle Attribute: Preise nach Markt, Lieferfenster und Status wie Carry-over oder ausgelaufen.
Warum sind Stammdaten in der Mode so wichtig?
Mode vervielfacht Daten. Ein einziges Modell kann zu vielen SKUs werden, die alle korrekte Kennungen brauchen, und jede Saison kommt eine neue Kollektion, oft mit Lieferungen dazwischen. Jeder Kanal, vom digitalen Showroom bis zum EDI-System eines Händlers, hängt von diesen Datensätzen ab. Ein kleiner Fehler auf Modellebene, etwa eine falsche Zusammensetzung oder Grössenskala, wird in jede Farbstellung und Grösse kopiert und von dort in jeden Kanal.
Die Folgen sind konkret: Einkäufer sehen unvollständige oder widersprüchliche Informationen, Händlerintegrationen lehnen Orders ab, Lager erhalten Kartons, die nicht zu den Lieferavis passen, und Fehler bei Zoll oder Etikettierung schaffen Compliance-Risiken. Die Teams verbringen ihre Zeit mit Korrekturen statt mit Verkaufen.
Welche Konventionen sollten zuerst vereinbart werden?
Am wertvollsten sind die Entscheidungen, die getroffen werden, bevor eine Kollektion angelegt wird. Konventionen später zu ändern bedeutet, alte und neue Codes noch für viele Saisons aufeinander abbilden zu müssen. Zu den Prioritäten gehören typischerweise:
- Artikelnummern: eine stabile Logik, die sich nicht ändert, wenn ein Modell in eine andere Saison übernommen wird.
- Farbstamm: eine einzige Liste von Farbcodes und -bezeichnungen mit Regeln dafür, wie neue Farben hinzukommen.
- Grössenskalen: definierte Skalen pro Warengruppe mit dokumentierten Umrechnungen für jeden Markt.
- Kennungen: ein Prozess, um GTINs zum richtigen Zeitpunkt zu vergeben, meist wenn eine Kombination aus Farbe und Grösse für den Verkauf freigegeben wird.
- Pflichtfelder: eine Liste von Attributen, die vollständig sein müssen, bevor ein Modell in die Verkaufskanäle gehen kann.
Wie organisiert man Datenqualität im Team?
Datenqualität ist ebenso ein organisatorisches wie ein technisches Problem. Sie funktioniert, wenn Verantwortlichkeiten und Prüfpunkte ausdrücklich festgelegt sind. Ein praktisches Modell hat drei Elemente.
Erstens Verantwortung: Jede Attributgruppe hat eine benannte verantwortliche Stelle, etwa die Produktentwicklung für Zusammensetzung und Masse, das Merchandising für Klassifikation und Farbbezeichnungen und der Vertriebsinnendienst oder die Finanzabteilung für Preise. Zweitens Vollständigkeitsregeln: Jeder Kanal hat ein definiertes Set an Pflichtfeldern, sodass die Bereitschaft gemessen statt angenommen werden kann. Drittens Prüfpunkte: Der Saisonkalender enthält terminierte Datenmeilensteine, etwa vollständige Stammdaten, bevor die Verkaufsmuster fotografiert werden, und vollständigen Content, bevor die Orderphase beginnt.
- Erstellen Sie bei jedem Meilenstein einen Vollständigkeitsbericht pro Kollektion und Kanal.
- Verfolgen Sie wiederkehrende Fehler und beheben Sie ihre Ursache, etwa eine verwirrende Eingabemaske oder eine fehlende Regel.
- Begrenzen Sie die Zahl der Personen, die neue Farbcodes oder Grössenskalen anlegen dürfen.
- Überprüfen Sie die Konventionen einmal jährlich mit allen Systemverantwortlichen.
Wo sollte eine Marke anfangen?
Eine vollständige Datenbereinigung in einem Zug ist selten realistisch. Besser ist es, mit der aktuellen und der nächsten Saison zu beginnen, wo Fehler jetzt Geld kosten, und die vereinbarten Konventionen ab dann konsequent anzuwenden. Ältere Daten lassen sich bereinigen, wenn Carry-over-Modelle wiederverwendet werden oder eine Systemmigration es erfordert.
Systeme können helfen, aber erst, wenn die Regeln klar sind. Eine Validierung im PLM oder PIM kann verhindern, dass ein Modell mit fehlender Zusammensetzung oder unbekanntem Farbcode weitergeht, und Integrationen können Datensätze zurückweisen, die gegen die vereinbarten Konventionen verstossen. Automatisierte Prüfungen machen gute Praxis zum einfachen Weg statt zu einer Zusatzaufgabe.
Fortschritt zu messen hält die Anstrengung ehrlich. Einfache Indikatoren wie der Anteil vollständiger Modelle bei jedem Meilenstein, die Zahl der Orderkorrekturen aufgrund von Datenfehlern oder die Zeit von der Modellfreigabe bis zur Verfügbarkeit in den Verkaufskanälen zeigen, ob sich die Arbeit auszahlt. Stammdaten werden nie glamourös sein, aber sie sind das Fundament, auf dem jedes digitale Verkaufswerkzeug aufbaut.
Häufige Fragen
Was ist der Unterschied zwischen Stammdaten und Produktcontent?
Stammdaten sind die stabilen Kerninformationen, die ein Produkt identifizieren und klassifizieren, etwa Artikelnummer, Farbcode, Grössenskala und Kennungen. Produktcontent ist das reichhaltigere Material, mit dem es verkauft wird, etwa Beschreibungen, Bilder und Marketingtexte, meist in einem PIM verwaltet.
Wer sollte die Produktstammdaten verantworten?
Die Verantwortung wird meist nach Attributgruppen aufgeteilt: Produktentwicklung, Merchandising, Vertriebsinnendienst und Finanzen verantworten jeweils ihren Teil. Eine zentrale Datenverantwortliche Person oder ein Team sollte die Konventionen koordinieren und Konflikte lösen.
Warum braucht jede Grösse eine eigene Kennung?
Händler, Lager und Integrationen verfolgen Bestände, Orders und Lieferungen auf der Ebene jeder Kombination aus Farbe und Grösse. Eine eindeutige Kennung wie eine GTIN für jede davon erlaubt es Systemen, Orders, Lieferavis und Rechnungen ohne Mehrdeutigkeit auszutauschen.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
