Werbung

Datenqualität und CRM: das Salz in der Suppe

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

Datenqualität und CRM: das Salz in der Suppe

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

Customer Relationship Management – kurz CRM – boomt. Aber warum ist die Datenqualität im CRM-System genauso wichtig wie das System selbst und wie gelingt es Unternehmen, eine hohe Datenqualität in ihrem CRM-System zu erreichen, beizubehalten und damit das Potenzial ihrer Lösung voll auszuschöpfen? Ein Bericht. Nach einer aktuellen CRM-Studie der Züricher intelligent systems solutions (i2s) GmbH planen über die Hälfte der befragten Unternehmen in Deutschland, Österreich und der Schweiz, in CRM-Projekte zu investieren. Als Projektziele geben 88 Prozent der Befragten die Verbesserung der Datenqualität an, gefolgt von Umsatzerhöhung, Erschließ;ung neuer Märkte, Neukundengewinnung und Sicherung der Bestandskunden. Gleichzeitig stellt Datenqualität für 28 Prozent der Befragten jedoch auch das Hauptproblem während des Betriebs eines CRM-Systems dar. Dieses Ergebnis stimmt nachdenklich, ist eine hohe Datenqualität in Form korrekter und dublettenfreier Daten doch unabdingbare Voraussetzung für erfolgreiches Kundenbeziehungsmanagement – egal ob auf analytischer oder auf operativer Ebene.

Nichts geht ohne hochwertige Daten

Beim analytischen CRM ist eine hohe Datenqualität elementar, um valide Auswertungen im Rahmen von Business Intelligence überhaupt durchführen zu können. Denn sind schon die Analysen verfälscht, lassen sich darauf aufbauend auch keine sinnvollen strategischen Entscheidungen treffen. Im Bereich des operativen CRMs dagegen werden qualitativ hochwertige Daten unter anderem für zielgruppengerechte Marketingmaß;nahmen und Serviceangebote sowie für den Aufbau einer intensiven und stabilen Kundenbeziehung benötigt. Eine schlechte Datenbasis kann hier schnell zu unzufriedenen und frustrierten Kunden führen und – im schlimmsten Fall – zum Abbruch der Geschäftsbeziehung. Zugleich leidet auch die Motivation der Mitarbeiter. Denn sie sind es, die den Ärger der Kunden direkt zu spüren bekommen, falls sie deren Bedürfnisse aufgrund fehlender oder inkonsistenter Daten nicht befriedigen können. Auch haben sie den Mehraufwand, wenn sie wegen fehlenden Vertrauens in den Datenbestand jeden Eintrag vor der Kontaktaufnahme manuell prüfen. Generell gilt: Korrekte und dublettenfreie Daten sind die grundsätzliche Voraussetzung für den sogenannten Single View of Customer. Nur optimale Daten erlauben es, alle auf den Kunden bezogenen Daten auf einen Datensatz zu verdichten. Und nur dies ermöglicht eine wirklich ganzheitliche Sicht auf den Kunden.

Der Datenqualitätsprozess

Egal, ob ein komplett neues CRM-System aufgesetzt, ein bestehendes optimiert oder zwei oder mehr unabhängige Systeme zu einem einheitlichen CRM-System zusammengefasst werden sollen – eine hohe Datenqualität lässt sich am besten durch einen dreistufigen Prozess erreichen:

  • 1. Initiale Datenbereinigung.
  • 2. Etablierung einer Data Quality Firewall.
  • 3. Einsatz von Data Maintenance.

Schritt 1: Initiale Datenbereinigung

Bevor die Daten aus den verschiedenen Systemen in ein CRM-System übernommen werden, ist es sinnvoll, eine initiale Bereinigung durchzuführen. Bei diesem Vorgang wird der gesamte Datenbestand softwaregestützt in einem Batch-Lauf geprüft und bereinigt. Mit leistungsstarken Datenqualitäts-Tools lassen sich beispielsweise Daten in ein einheitliches Format bringen, Feldinhalte unterschiedlicher Datenquellen einheitlichen Feldern zuordnen, Adressen postalisch auf ihre Korrektheit prüfen oder im Falle von Umzügen aktualisieren. Ferner werden Adressen in länderspezifische Formate gebracht oder um Zusatzinformationen wie Geokoordinaten oder Branchenschlüssel ergänzt. Auch die Anreicherung mit unternehmenseigenen oder benutzerdefinierten Informationen ist möglich. Darüber hinaus lassen sich auch potenzielle Dubletten anhand individuell angepasster Such-Algorithmen zuverlässig identifizieren sowie bei Bedarf der sogenannte Golden Record bilden. Leistungsstarke Tools bewältigen die Erstbereinigung mühelos – egal um wie viele unterschiedliche Datenquellen es sich handelt und aus welchen Ländern die Daten stammen.

Schritt 2: „First time right“ – die Data Quality Firewall

Nach der Übernahme des initial bereinigten Datenbestandes ist es wichtig, bestimmte Standards festzulegen. Nur so lässt sich die bereits erreichte hohe Datenqualität beibehalten. Hier gibt es unterschiedliche Möglichkeiten: So kann der Anwender im CRM-System selbst darauf achten, dass bestimmte Eingaberegeln eingehalten werden. Straß;ennamen beispielsweise dürfen dann nur in die dafür vorgesehenen Felder eingetragen werden. Bei Feldern für Telefonnummern oder E-Mail-Adressen ist eine Syntaxprüfung möglich. Zusätzlich lässt sich auch die angegebene Adresse per Mausklick oder ohne Interaktion auf ihre Richtigkeit prüfen. Call-Center-Mitarbeiter können so direkt nachfragen, falls die Adresse nicht korrekt oder eindeutig ist. Damit diese Prüfmechanismen jedoch akzeptiert und genutzt werden, muss die dahinter stehende Technik entsprechend performant sein. Gerade in Call-Centern, wo in Spitzenzeiten ein hoher Zeitdruck herrscht, muss die Adressprüfung sehr schnell erfolgen. Alternativ kann auch ein Rapid Entry Client eingesetzt werden. Dieser vervollständigt die Adressbestandteile nach Eingabe der ersten Buchstaben oder Zahlen selbst. Unabhängig von der Technik ist eine einfache, schnelle und fehlertolerante Suche nach der jeweiligen Adresse mit korrekter Schreibweise elementar. Dauert diese Prüfung zu lange oder liefert nicht die gewünschten Ergebnisse, wird die Funktion nicht genutzt und die Data Quality Firewall umgangen.

Ebenso wichtig ist es, dass vollautomatisch die Anlage doppelter Datensätze vermieden wird. Leistungsstarke Datenqualitätslösungen prüfen bei der Dateneingabe oder bei Änderungen der Adressdaten automatisch, ob der Kunde bereits im System registriert ist. In diesem Fall muss kein neues Kundenkonto angelegt werden. Die bestehenden Informationen können durch den aktuellen Vorgang angereichert werden. Sinnvoll ist auch hier eine fehlertolerante Suche. Uniserv hat die Anforderungen an die Data Quality Firewall bei CRM-Systemen mithilfe von DQ-Konnektoren umgesetzt. Diese wurden gemeinsam mit Entwicklungspartnern für die wichtigsten CRM-Systeme realisiert. Die DQ-Konnektoren binden die Datenqualitätsmechanismen nahtlos in die CRM-Systeme ein, eine system-individuelle Programmierung entfällt. Auf diese Weise werden bereits bei der Datenaufnahme und der satzweisen Bearbeitung konkrete Datenqualitätsregeln umgesetzt.

Schritt 3: Data Maintenance

Die initiale Datenbereinigung und die implementierten Mechanismen zur Aufrechterhaltung der erreichten Datenqualität sind ein groß;er Schritt in Richtung einer qualitativ hochwertigen Datenbasis. Darüber hinaus ist es jedoch sinnvoll, periodisch den Gesamtdatenbestand zu prüfen. So sollte beispielsweise regelmäß;ig eine Prüfung auf Straß;en- bzw. Ortsumbenennungen erfolgen, Umzüge sollten nachvollzogen und eingepflegt und die Datensätze verstorbener Kunden zumindest gekennzeichnet werden. In Deutschland gibt es im Jahr etwa 4 Millionen Umzüge und rund 30.000 Änderungen bei Straß;en, Postleitzahlen und Orten. Unter Umständen ist es auch notwendig, bereits vorhandene Daten mit Zusatzinformationen anzureichern. Dabei ist es ratsam, diese periodischen Prüfungen ebenfalls im Batch-Verfahren durchzuführen. Alle Daten des Gesamtbestandes entsprechen dann zu bestimmten Zeitpunkten einem gemeinsamen Datenqualitätsstandard.

Wenn Unternehmen alle drei Prozessschritte implementieren und gewissenhaft umsetzen, ist eine hohe Datenqualität im CRM-System garantiert. Die Potenziale von Kundenbeziehungsmanagement lassen sich dann sowohl auf analytischer als auch auf operativer Ebene voll ausschöpfen. Verlässliche Auswertungen als Basis für strategisch richtige Entscheidungen, gefestigte Kundenbeziehungen und motivierte, entlastete Mitarbeiter – dies sind nur einige der positiven Folgen. Fest steht: CRM ohne hohe Datenqualität, das ist wie Suppe ohne Salz – und hinterlässt mehr als nur einen faden Beigeschmack.

Autorin: Dr. Christiana Klingenberg, Software Development und Consulting bei der Uniserv GmbH

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken

Ihre Meinung zum Artikel

Abonnieren
Benachrichtige mich bei
guest
0 Comments
Inline Feedbacks
View all comments

Andere Leser haben sich auch für die folgenden Artikel interessiert

Werbung

Redaktionsbrief

Tragen Sie sich zu unserem Redaktionsbrief ein, um auf dem Laufenden zu bleiben.

Werbung
Werbung

Aktuelle Ausgabe

Topthema: Auf dem daten Friedhof

Dark Data: Wirtschaftliche Chancen mit Cloud, KI und BI nutzen.

Mehr erfahren

Wir wollen immer besser werden!

Deshalb fragen wir SIE, was Sie wollen!

Nehmen Sie an unserer Umfrage teil, und helfen Sie uns noch besser zu werden!

zur Umfrage

Tragen Sie sich jetzt kostenlos und unverbindlich ein, um keinen Artikel mehr zu verpassen!

    * Jederzeit kündbar

    Entdecken Sie weitere Magazine

    Schön, dass Sie sich auch für weitere Fachmagazine unseres Verlages interessieren.

    Unsere Fachtitel beleuchten viele Aspekte der Digitalen Transformation entlang der Wertschöpfungskette und sprechen damit unterschiedliche Leserzielgruppen an.