Datenqualität – Auf der Suche nach dem Golden Record

Unternehmen brauchen einheitliche und korrekte Kontaktdaten ihrer Kunden und Partner. Adressdaten sollten im Idealfall quasi in Echtzeit standardisiert, überprüft und korrigiert werden. Eine Datenvalidierung als skalierbarer Web-Service hilft dabei, wirtschaftlich und effizient zu operieren.

Im Rahmen einer Umfrage von IDC bemängelten 37 Prozent der Teilnehmer, dass sie nicht in der Lage seien, eine hohe Datenqualität zu gewährleisten. Einer der wesentlichen Gründe ist, dass Unternehmen mit dezentralen Datensilos in unterschiedlichen Abteilungen agieren und/oder keine Kontrollmechanismen zur Datenvalidierung implementiert haben. Dies betrifft vor allem die Kundendaten. Der Vertrieb arbeitet beispielsweise mit den im Customer-Relationship-Management-System (CRM) abgelegten Kontaktdaten und Rechnungen werden auf die im Enterprise-Resource-Planning-System (ERP) erfassten Adressen ausgestellt. Zusätzlich gibt es Kontaktdaten, die Interessenten auf der Website eingetragen haben, um beispielsweise einen Newsletter zu abonnieren oder weitere Produktinformationen anzufordern. Wollen Marketingverantwortliche eine Kampagne starten, stehen sie vor der Frage, aus welchem Pool sie die Adressen verwenden sollen. Einfach alle zu nutzen, ergibt keinen Sinn, weil Kunden beziehungsweise Interessenten dann mit hoher Wahrscheinlichkeit mehrfach angeschrieben werden, was zu unnötigen Kosten und zu Verärgerung bei den Empfängern führt.

Anzeige

 

Single Point of Truth definieren. Die Frage, die sich stellt, ist, wie Unternehmen ihre Kundendaten, die sie in der Vergangenheit in unterschiedlichen Systemen gepflegt haben, konsolidieren. Dazu sollten sie zunächst definieren, welches System als Master, sozusagen als Single Point of Truth, fungiert und damit künftig die Basis für korrekte Daten bildet. Ob das die CRM- oder die ERP-Lösung ist, hängt von den individuellen Prozessen ab. Im nächsten Schritt werden die darin enthaltenen Daten überprüft und bereinigt, also auch eventuelle »Karteileichen« aussortiert. Manuell durchgeführt, ist diese Arbeit mit einem unverhältnismäßig hohen Aufwand verbunden. Günstiger und schneller arbeiten Lösungen, welche die Kontaktdaten automatisiert validieren. Anschließend wird ermittelt, welche zusätzlichen Daten in den anderen Systemen abgelegt sind. Auch diese Daten müssen zunächst validiert werden. Hierbei geht es vor allem darum, Dubletten zu eliminieren, da diese den Pflegeaufwand erhöhen und für Inkonsistenzen sorgen. Sie entstehen vor allem durch Tippfehler oder unterschiedliche Anordnungen der Daten, etwa in der Form »Michael Müller« und »Müller Michael«. Im Ergebnis liegen die akkuraten Daten konsolidiert in einem System vor, was zum Golden Record führt. Dies ist allerdings nur eine Momentaufnahme, denn Stammdaten sind keinesfalls statisch, sondern verändern sich durch Umzug, einen neuen Familienstand, Mitarbeiterwechsel in Unternehmen oder Mergers and Acquisitions (M&A). Somit sind sowohl B2C- als auch B2B-Unternehmen gefordert, ihren Stammdatenpool kontinuierlich zu bereinigen. Würden Unternehmen die Daten ihrer Kunden nur periodisch, beispielsweise einmal pro Quartal, prüfen, dann entspricht die Qualität der Daten einer Sinuskurve. Unmittelbar nach der Datenbereinigung wäre sie hoch, dann bis zur nächsten Aktion würde sie fallen und anschließend wieder steigen.

 

Im Durchschnitt enthält eine Datenbank 8 bis 10 Prozent Dubletten. Kombinieren Sie mehrere Datensätze zu einem goldenen Datensatz.

 

Datensilos verhindern. Damit solche fragmentierten Dateninseln gar nicht erst entstehen, sollten Unternehmen auf ein zentrales CRM-System mit Schnittstellen zu Shop-, ERP- und Marketing- beziehungsweise Vertriebssteuerungstools setzen. Mit der Definition einer Datenstruktur lässt sich festlegen, welche Daten erfasst werden sollen. Darüber hinaus beinhalten leistungsfähige CRM-Systeme Möglichkeiten, um Dubletten von vornherein auszuschließen.

Zusätzlich sollten Kundendaten bei ihrer unmittelbaren Eingabe validiert werden, da diese Herangehensweise die geringsten Kosten verursacht. Dies führt zusätzlich zu einer besseren Customer Experience, denn mithilfe einer automatischen Vervollständigung der eingegebenen Daten verbessert sich das Einkaufserlebnis. Grundlage dafür bildet eine standardisierte Datenbank mit validen Orts- und Straßennamen. Der Kunde braucht nur die Anfangsbuchstaben einzugeben und erhält passende Vorschläge. Erfahrungsgemäß halbieren sich so die Tastenanschläge und damit einhergehend das Risiko einer falschen Eingabe. So beschleunigt sich das Erfassen der Adressdaten, sodass der Kunde seine Bestellung wesentlich schneller abschließen kann. Die Wahrscheinlichkeit, dass der Kunde wieder bei diesem Anbieter bestellt, ist entsprechend hoch. Ein weiterer Aspekt ist die sogenannte »Google-Mentalität« der internetaffinen und kaufkräftigen Generationen X, Y und Z. Nutzer möchten kaum noch Zeit darauf verwenden, aufwendig ganze Adressen in eine Maske einzutippen, sondern bevorzugen es, wenn das Tool qualifizierte Vorschläge unterbreitet. Anbieterseitig hat diese Herangehensweise den Vorteil, dass die eingegebenen Kontaktdaten in Echtzeit geprüft werden und so nur validierte Informationen in das Mastersystem gelangen. Dabei verifizieren leistungsfähige Systeme Titel, Name, Straße, Postleitzahl, E-Mail-Adresse und Telefonnummern.

Fazit. Die unmittelbar verfügbare 360-Grad-Sicht auf einheitliche und korrekte Daten hilft Unternehmen dabei, wirtschaftlich und effizient zu operieren. Mithilfe Software-gestützter Lösungen gelingt es, Adressdaten kontinuierlich in ihrem CRM-System zu standardisieren, zu überprüfen und zu korrigieren. Dabei ist der Einsatz einer Datenvalidierung als skalierbarer Web-Service vorteilhaft. Neben ihrer Integrationsfähigkeit ist sie standortunabhängig über eine Online-Schnittstelle verfügbar und lässt sich plattformunabhängig nutzen. Darüber hinaus müssen Unternehmen sich nicht um das Einspielen aktualisierter Datenbestände kümmern und haben mehr Zeit für ihr Kerngeschäft.

 


Laura Faßbender,
Marketing Coordinator EU
bei der Melissa Data GmbH
www.melissa.com/de

 

 

Illustrationen: © phipatbig/shutterstock.com; Melissa Data GmbH