Kundenstammdaten

Einmal ist keinmal: Warum gute Datenqualität ein Kreislauf-Prozess ist

Seite: 2/2

Firmen zum Thema

Der Datenqualitätskreislauf

Der Datenqualitätskreislauf ist die Grundlage für eine nachhaltige Optimierung der Kundenstammdaten und er verdeutlicht einmal mehr, dass es sich dabei nicht um eine einmalige Ad-hoc-Aktion, sondern einen „Closed Loop“ aus Maßnahmen handelt, die nahtlos ineinandergreifen und bei denen es prinzipiell keinen Anfang und kein Ende gibt.

Der Datenqualitätskreislauf besteht aus den folgenden vier Phasen:

1. Analysieren

2. Bereinigen

3. Schützen

4. Überwachen

Der Schwerpunkt der Analyse-Phase besteht darin, sich einen Überblick über den IST-Zustand der im Unternehmen verfügbaren Kundenstammdaten zu verschaffen. Damit können Defizite bei Art und Umfang der Daten, Inkonsistenzen bei Datenattributen und mögliche Verstöße gegen vorgegebene Regeln zur Datenerfassung aufgedeckt werden.

In der Bereinigen-Phase werden dann die Maßnahmen getroffen, die die in der Analyse erkannten Defizite beseitigen und die Qualität der Daten optimieren sollen. Dazu werden die erforderlichen Daten aus den verschiedenen Quellsystemen (CRM, ERP, Service-Helpdesk, etc.) extrahiert und validiert (zum Beispiel durch postalische Adressprüfung, Bereinigung von Dubletten, etc.). Darüber hinaus werden die Daten in dieser Phase durch weitere Informationen angereichert (beispielsweise Geodaten) und letztendlich zum so genannten „Golden Record“, der „Mutter aller Kundenstammdatensätze“ konsolidiert.

Die Schützen-Phase dient dann dazu, das Datenqualitätsniveau langfristig und nachhaltig zu wahren. Dazu werden an den Stellen, an denen Daten in das Unternehmen gelangen, so genannte „DQ-Checks“ eingerichtet, die sicherstellen, dass die Daten bereits beim ersten Erfassen eine möglichst hohe Qualität haben und dass ein „schleichendes Verschmutzen“ der Daten verhindert wird, indem nur Daten in das System aufgenommen werden, die dem Verwendungszweck angemessen sind. In der Praxis werden dazu entsprechende DQ-Firewalls eingerichtet, man spricht auch von „First Time Right“.

In der letzten Phase geht es letztendlich darum, Prozesse einzurichten, die ein kontinuierliches Überwachen und Dokumentieren der Datenqualität im Unternehmen sicherstellen. Eine DQ-Scorecard hilft beispielsweise dabei, die Qualität einzelner Datenbestände auf einen Blick zu erfassen und zu beurteilen. Erfolgt dies nicht, droht ein „schleichendes Verschlechtern“ des vorgegebenen bzw. erforderlichen Datenqualitätslevels. Die Ergebnisse dieser Überwachung und deren Dokumentation bieten dann letztendlich die Grundlage für eine erneute Analyse der Datenqualität und schließen damit den Datenqualitätskreislauf.

Der Golden Record ist gut, das „Golden Profile“ ist besser

Immer mehr Unternehmen erkennen die zentrale Bedeutung, die eine möglichst aktuelle, präzise, vollständige und korrekte 360-Grad-Sicht auf den Kunden, sozusagen ein eisernes Grundvertrauen in die eigenen Daten, für ihren zukünftigen Geschäftserfolg hat. Allerdings reichen dazu die im Unternehmen gesammelten Kundenstammdaten allein nicht mehr aus, um diese 360-Grad-Sicht zu erreichen. Denn in den Zeiten einer immer rascher fortschreitenden Digitalisierung des Kunden hinterlässt dieser eine ganze Reihe von „Spuren“ und zwar nicht nur an den vielfältigen Touch Points des Unternehmens (Webseite, Online-Shop, Newsletter, etc.), sondern auch in Online-Communities, Bewertungsportalen und sozialen Medien, die ebenfalls in die 360-Grad-Sicht einfließen müssen.

Mit Ground Truth hat die Firma Uniserv eine Lösungs- und Prozess-Methodik entwickelt, die Unternehmen entsprechend dabei unterstützt, in einem mehrstufigen Vorgehen letztendlich das Golden Profile eines jeden Kunden zu erstellen, das dessen Adressdaten, sein Kaufverhalten, seine Interessen und Vorlieben, aber auch seine Kommunikation und Interaktion mit dem Unternehmen zu einem zentralen Datensatz aggregiert. Darüber hinaus werden in den Golden Profiles die oben genannten „Spuren“ integriert, die der Kunde im Internet und den sozialen Netzwerken hinterlässt. Konkret bedeutet dies, dass die Stammdaten eines jeden Kunden (Golden Record) sowie die Bewegungsdaten (Transaktions- und Interaktionsdaten) zusammengeführt werden. Ground Truth sorgt darüber hinaus für eine kontinuierliche Aktualisierung dieser Daten sowie eine Synchronisierung der Daten über die unterschiedlichen Datenquellen hinweg.

Ground Truth wird damit zur zentralen Komponente für eine optimale und nachhaltige Datenqualität im Unternehmen.

(Bild: Uniserv)

Fazit

Wer die Qualität seiner Kundendaten steigern und kontinuierlich auf hohem Niveau halten möchte, darf diese Aufgabe nicht als „Einmal-Aktion“ betrachten, sondern muss dafür sorgen, dass ein kontinuierlicher Datenqualitätskreislauf aus nahtlos ineinander übergreifenden Maßnahmen zur Optimierung der Datenqualität implementiert wird, idealerweise unternehmensweit. Erst dann wird er die Herausforderung einer nachhaltig hohen Datenqualität erfolgreich meistern. Mit der Ground Truth-Methode ist er darüber hinaus in der Lage, das so genannte Golden Profile eines jeden Kunden zu bilden. Als Gesamtheit aus Stammdaten und Bewegungsdaten bildet das Golden Profile die wirkliche, echte 360-Grad-Sich auf den Kunden, als Basis für ein Grundvertrauen in die Daten. Dies noch abgerundet mit kontinuierlicher Datenqualität im Closed Loop – und einem professionellen Kundendatenmanagement für eine erfolgreiche Customer Journey steht nichts mehr im Wege.

Ergänzendes zum Thema
Über den Autor:

Holger Stelz ist Director Marketing & Business Development bei Uniserv. Seit 2010 leitet der Experte für Datenmanagement die Weiterentwicklung des Geschäftsfeldes Kundendatenmanagement und verantwortet zudem seit 2011 das weltweite Marketing. Im Zuge der Digitalisierung und der damit verbundenen Neuausrichtung von Kunden und Konsumenten bei der Informationsbeschaffung und -verarbeitung (Customer Journey) hat sich der Verantwortungsbereich von Herrn Stelz in den letzten zwei bis drei Jahren um das gesamte Kundenbeziehungs - und Lead Management erweitert.

Zuvor war Holger Stelz 14 Jahre lang bei SAP tätig, wo er als Berater SAP Logistik einstieg und später als Accountmanager für SAP-Lösungen, Sales Executive und Fachabteilungsleiter SAP Business Intelligence beschäftigt war. Zuletzt verantwortete er als Sales Director SAP Business Intelligence, Master Data Management und Enterprise Portale drei Jahre lang das Geschäft in der Region Central EMEA.

Holger Stelz hat über 20 Jahre Erfahrung in der IT-Branche. Bevor er bei SAP begann, arbeitete der Diplom-Ingenieur (FH) drei Jahre lang als CIM-Projektingenieur bei Walter (ehemals Fa. Jung), einem Fertigungsbetrieb für die Automobilbranche.

(ID:44234478)