Vom güldenen Datensatz zum golden Profil

Die Optimierung der Datenqualität ist ein Dauerlauf

| Autor / Redakteur: Holger Stelz* / Ulrike Ostler

Wer Datenqualität herstellt, gelangt zum ´golden record`, doch Ziel im Stammdaten-Managment ist ein ´golden profile`.
Wer Datenqualität herstellt, gelangt zum ´golden record`, doch Ziel im Stammdaten-Managment ist ein ´golden profile`. (Bild: gromovataya/ Fotolia.com)

Qualitativ hochwertige Kundenstammdaten zählen heute mehr denn je zu den zentralen Faktoren für unternehmerischen Erfolg. Aus diesem Grund steht die Optimierung der im Unternehmen über Kunden erfassten Daten für Unternehmen ganz oben auf der Prioritätenliste. Wer allerdings versucht, in einer einmaligen „Hauruck-Aktion“ für eine Verbesserung der Kundendaten zu sorgen, wird scheitern.

Stammdatenqualität hat einen Bart, einen sehr langen. Aber: Die Kundendaten unterliegen einer immer höheren Dynamik, laufend ergeben sich Änderungen und Aktualisierungen, die sich bei den Maßnahmen zur Optimierung der Datenqualität wiederfinden müssen. Statt Einmal-Aktionen ist deshalb ein kontinuierlicher „Kreislauf“ an Maßnahmen erforderlich, die dazu führen, die Qualität der Daten sukzessive und nachhaltig zu verbessern.

Schlechte gepflegte Daten gefährden den Geschäftserfolg

Ist die Kundendatenqualität schlecht, fehlt dem Unternehmen der heute so wichtige 360-Grad-Blick auf den Kunden. Dieser 360-Grad-Blick ist aber zentrale Voraussetzung

für die Planung und Durchführung von Marketing- und Vertriebskampagnen,

für einen auf die Bedürfnisse des Kunden angepassten Support und Kundendienst

für perfekt auf dessen Bedürfnisse angepasste Produkte und Services

Ergänzendes zum Thema
 
Über den Autor Holger Stelz

In Branchen wie dem Banken- und Finanzwesen ist der 360-Grad-Blick darüber hinaus eine wichtige Grundlage, um beispielsweise Compliance-Anforderungen und gesetzliche Auflagen zu erfüllen. Und auch die heute in vielen Branchen für strategische Geschäftsentscheidungen durchgeführten Predictive Analytics-Methoden greifen ohne 360-Grad-Blick ins Leere.

Was tut sich in Deutschland?

Die große Herausforderung, die es für Unternehmen zu bewältigen gilt, die eine hohe Qualität ihrer Kundenstammdaten nachhaltig sicherstellen möchten, zeigt sich, wenn man die folgenden Daten berücksichtigt:

  • Jedes Jahr ziehen in Deutschland acht Millionen Menschen um
  • Jedes Jahr gibt es in Deutschland mehr als 800.000 Sterbefälle
  • Pro Jahr werden in Deutschland 45.000 Straßennamen und fast 2.000 Ortsnamen umbenannt
  • Im Business-to-Business-Bereich sind darüber hinaus Insolvenzen (im Jahr 2015 über 23.000 Unternehmen), Firmenübernahmen und -zusammenschlüsse sowie Mitarbeiterwechsel Hauptgründe für sich kontinuierlich ändernde Firmen- und Adressdaten

Ein weiterer externer „Risikofaktor“ für die Qualität der Kundenstammdaten ist der Kunde selbst. Gibt dieser seine Daten – bei einer Anfrage, einer Bestellung oder einer Reklamation – falsch oder unvollständig ein, ist es für das Unternehmen zuerst einmal schwierig bis unmöglich, diesen Fehler zeitnah zu erkennen und zu beseitigen. Häufig findet der Kunde dabei einen „Komplizen“ im Unternehmen, den Mitarbeiter im Call Center, in der Bestellannahme oder im Kundendienst. Eingabefehler sind auch dort unvermeidbar, dasselbe gilt für die Übertragung der Daten aus dem Bestellsystem in die Buchhaltung oder das ERP-System.

Doch nicht nur der „Faktor Mensch“ bedroht die Datenqualität. Ein weiterer Grund für mangelnde Datenqualität sind die in vielen Unternehmen auch heute noch üblichen isolierten Datensilos, in denen Kundendaten gespeichert und verarbeitet werden. Das CRM-System im Vertrieb, die Marketing-Automation-Software im Marketing, das Ticketing-System im Kundendienst oder das ERP-System in der Buchhaltung oder im Controlling.

Der Markt für Master Data Management

Forrester analysiert Produkte und Entwicklungslinien der Anbieter

Der Markt für Master Data Management

29.04.16 - Die Stammdaten sind die zentrale Informationen eines Unternehmens und Eckpfeiler seiner Geschäftsprozesse. Sie kommen seit einigen Jahren immer häufiger in Interaktion mit zahlreicheren Informationsquellen. Trotzdem ihre Qualität hoch zu halten macht ihr Management vielfältiger. lesen

Alle diese Systeme werden getrennt voneinander mit Kundendaten gefüttert, die Bearbeitung und Aktualisierung der Daten erfolgt dann in der Regel ebenfalls isoliert in den jeweiligen Systemen. Die wenigsten Unternehmen sind heute bereits in der Lage, diese unterschiedlichen Datenbanken zu einer zentralen Kundenstammdatenbank zu konsolidieren. Damit scheitern sie zwangsläufig auch an der Optimierung der Datenqualität, denn es gilt die Regel: Ohne Konsolidierung keine Optimierung.

Ein kontinuierlicher Datenqualitätskreislauf aus möglichst nahtlos ineinander übergreifenden Maßnahmen erlaubt die Optimierung der Datenqualität.
Ein kontinuierlicher Datenqualitätskreislauf aus möglichst nahtlos ineinander übergreifenden Maßnahmen erlaubt die Optimierung der Datenqualität. (Bild: Uniserve GmbH)

Der Datenqualitätskreislauf als „Closed Loop“

Doch selbst eine Konsolidierung der Datensilos führt nicht automatisch zu einer höheren Datenqualität. Es sind vielmehr ergänzenden Maßnahmen erforderlich, die zu einem kontinuierlichen Kreislauf integriert werden müssen, dem Datenqualitätskreislauf.

Dieser Datenqualitätskreislauf besteht aus einem „Closed Loop“ aus Maßnahmen, die nahtlos ineinandergreifen müssen, um eine kontinuierliche Kontrolle und Optimierung der Datenqualität zu ermöglichen. Die vier Phasen des Datenqualitätskreislaufs sind:

  • 1. Analysieren
  • 2. Bereinigen
  • 3. Schützen
  • 4. Überwachen

In der Analyse-Phase geht es zuerst einmal darum, den Ist-Zustand der im Unternehmen verfügbaren Kundenstammdaten zu ermitteln und dabei Defizite bei Art und Umfang der Daten, Inkonsistenzen bei Datenattributen und mögliche Verstöße gegen vorgegebene Regeln zur Datenerfassung aufzudecken.

Die Bereinigen-Phase legt dann die Maßnahmen fest, die ergriffen werden müssen, um die in der Analyse erkannten Defizite zu beseitigen und die Qualität der Daten zu optimieren.

Nach der Extraktion der Daten aus den Quellsystemen (CRM, ERP, Service-Helpdesk beispielsweise) und einer sorgfältigen Validierung (zum Beispiel durch postalische Adressprüfung und Bereinigung von Dubletten) erfolgt eine Anreicherung der Daten durch zusätzliche Informationen wie Geo-Daten. Das Ergebnis ist der so genannte „Golden Record“, die „Mutter aller Kundenstammdatensätze“.

Die vier Phasen des Qualitätsprozesses

Das langfristige und nachhaltige Wahren des gewünschten Datenqualitätsniveaus steht im Mittelpunkt der „Schützen“-Phase. Dies gelingt mit dem Einrichten von „DQ-Checks“ an den Stellen im Unternehmen, an denen Daten ins Unternehmen gelangen. So kann sichergestellt werden, dass bereits beim ersten Erfassen der Daten eine hohe Datenqualität erreicht wird. Ein „schleichendes Verschmutzen“ der Daten wird damit verhindert. Unternehmen richten dazu nach dem „First Time Right“-Prinzip so genannte DQ-Firewalls ein.

Die „Überwachen“-Phase dient zuletzt dazu, Prozesse zu definieren, mit denen ein kontinuierliches Überwachen und Dokumentieren der Datenqualität im Unternehmen sichergestellt werden kann. Ein wichtiges Tool in dieser Phase ist die „DQ-Scorecard“, mit der die Qualität einzelner Datenbestände auf einen Blick erfasst und beurteilt werden kann. Auch diese Maßnahme hilft dabei, ein „schleichendes Verschlechtern“ des vorgegebenen bzw. erforderlichen Datenqualitätslevels zu verhindern.

Auf der Grundlage des eingangs beschriebenen „Closed Loop“-Verfahrens bilden die in der „Überwachen“-Phase erfassten Ergebnisse dann die Grundlage für eine erneute Analyse der Datenqualität.

„Ist die Kundendatenqualität schlecht, ist der Geschäftserfolg gefährdet“, so Holger Stelz, Director Marketing & Business Development bei der Uniserv GmbH.
„Ist die Kundendatenqualität schlecht, ist der Geschäftserfolg gefährdet“, so Holger Stelz, Director Marketing & Business Development bei der Uniserv GmbH. (Bild: Uniserv GmbH)

Das einzige, was konstant ist, ist die Veränderung

Die Bedeutung einer möglichst aktuellen, präzisen, vollständigen und korrekten 360-Grad-Sicht auf den Kunden für operative und strategische Entscheidungen in den unterschiedlichsten Unternehmensbereichen (Vertrieb, Marketing, Corporate Governance, strategische Geschäftsentwicklung) wurde bereits eingangs beschrieben.

In der Praxis stellen allerdings immer mehr Unternehmen fest, dass die im Unternehmen gesammelten Kundenstammdaten allein nicht ausreichen, um diese 360-Grad-Sicht zu erreichen. Denn je mehr der Kunde zu einem „digitalen Kunden“ wird, desto mehr hinterlässt dieser digitale Kunde seine „Spuren“: An den immer zahlreicheren Touch Points des Unternehmens (Webseite, Online-Shop, Newsletter und mehr), aber auch in Online-Communities, Bewertungsportalen und sozialen Medien. Auch diese „Spuren“ müssen berücksichtig werden, um eine wirkliche die 360-Grad-Sicht auf den Kunden zu ermöglichen.

Uniserv geht der Wahrheit auf den Grund

„Ground Truth“ ist eine von der Firma Uniserv entwickelte Lösungs- und Prozess-Methodik, die Unternehmen entsprechend dabei unterstützt, über den Golden Record des Kunden hinaus das Golden Profile eines jeden Kunden zu erstellen. In ihm werden dessen Adressdaten, sein Kaufverhalten, seine Interessen und Vorlieben, aber auch seine Kommunikation und Interaktion mit dem Unternehmen zu einem zentralen Datensatz aggregiert.

Ergänzt werden diese Daten durch die oben genannten „Spuren“, die der Kunde im Internet und den sozialen Netzwerken hinterlässt. Das Golden Profile enthält letztendlich die Stammdaten eines jeden Kunden (Golden Record) und seine Bewegungsdaten (Transaktions- und Interaktionsdaten). Ground Truth folgt dabei ebenfalls dem Konzept des Datenqualitätskreislaufes und sorgt so für eine kontinuierliche Aktualisierung dieser Daten sowie eine Synchronisierung der Daten über die unterschiedlichen Datenquellen hinweg.

Also: Mit einer „Einmal-Aktion“ ist es heute nicht getan, wenn Unternehmen danach streben, die Qualität ihrer Kundendaten zu steigern und kontinuierlich auf hohem Niveau zu halten. Stattdessen ist ein kontinuierlicher Datenqualitätskreislauf aus nahtlos ineinander übergreifenden Maßnahmen zur Optimierung der Datenqualität erforderlich, der idealerweise unternehmensweit implementiert wird.

Die Ground Truth-Methode versetzt die Unternehmen in der Lage, das so genannte Golden Profile eines jeden Kunden zu erstellen. Erst damit erreichen sie eine wirkliche, echte 360-Grad-Sich auf den Kunden: die Grundlage für ein Grundvertrauen in ihre eigenen Daten. Erfolgt dann noch eine kontinuierliche Überprüfung und Optimierung der Datenqualität, ist der Weg frei für eine erfolgreiche Customer Journey.

* Holger Stelz ist Director Marketing & Business Development bei der Uniserv GmbH.

Was meinen Sie zu diesem Thema?

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44241250 / Data)