Gute Daten – schlechte Daten: Datenqualität in CRM-Systemen

Die Datenqualität Ihrer Kunden entscheidet über Ihren Erfolg oder Misserfolg in Marketingkampagnen

Jedes Unternehmen sollte eine möglichst hohe Datenqualität im Kontakt- und Kundenmanagement aufweisen können. Datenqualität – das Maß für Korrektheit, Vollständigkeit und Einheitlichkeit von Daten im Unternehmen – steht in vielen Unternehmen im Fokus des Informationsmanagement.

Es gibt vielfältige Gründe, warum die Datenqualität in CRM-Systemen unzureichend ist. Einfache Tippfehler bei Dateneingabe, über doppelte Einträge (das leidige Dubletten-Thema) bis hin zu Umzüglern, die nicht in einer gewissen Regelmäßigkeit berücksichtigt werden, führen zu einem schlechten Datenbestand.

Jedes Jahr:

• ziehen in Deutschland acht Millionen Menschen um;
• gibt es in Deutschland mehr als 800.000 Sterbefälle;
• werden in Deutschland ca. 45.000 Straßennamen und fast 2.000 Ortsnamen umbenannt.

Wenn Sie diese Umstände nicht regelmäßig berücksichtigen, wird Ihr Datenbestand an Kundenstammdaten mit jedem Jahr schlechter.

Erreichen Sie Ihre Zielgruppe bei Marketingaktionen nicht, weil die Kundenstammdaten falsch erfasst oder veraltet sind, verursacht das Kosten, die vermieden werden können. Viel schlimmer sind die tatsächlich erreichten Kunden, die mit falscher Anrede, falschen Namen oder Adressdaten angeschrieben werden.

Oft erweckt das bei Ihren Kunden den folgenden Eindruck: „Wenn mit meinen Adressdaten schon so schluderig umgegangen wird, wie sind denn dann generell die Produkte dieses Unternehmens?“. Dieser Eindruck muss auf jeden Fall vermieden werden. Ein Ansatz zur Vermeidung von schlechter Datenqualität liefert dieser Blog-Beitrag.

Kriterien für eine gute Datenqualität

In der einschlägigen Literatur wird beschrieben, auf welche Kriterien Sie achten sollten, wenn Sie eine gute Datenqualität erreichen möchten:

• Korrektheit: Die Daten müssen mit der Realität übereinstimmen.
• Konsistenz: Ein Datensatz darf in sich und zu anderen Datensätzen keine Widersprüche aufweisen.
• Zuverlässigkeit: Die Entstehung der Daten muss nachvollziehbar sein.
• Vollständigkeit: Ein Datensatz muss alle notwendigen Attribute enthalten.
• Genauigkeit: Die Daten müssen in der jeweils geforderten Exaktheit vorliegen.
• Aktualität: Alle Datensätze müssen jeweils dem aktuellen Zustand der abgebildeten Realität entsprechen.
• Redundanzfreiheit: Innerhalb der Datensätze dürfen keine Dubletten vorkommen.
• Relevanz: Der Informationsgehalt von Datensätzen muss den jeweiligen Informationsbedarf erfüllen.
• Einheitlichkeit: Die Informationen eines Datensatzes müssen einheitlich strukturiert sein.
• Eindeutigkeit: Jeder Datensatz muss eindeutig interpretierbar sein.

Prozesse zur Verbesserung der Datenqualität

Die richtige Technologie zu besitzen, ist nur ein Weg, der zur Verbesserung der Datenqualität in CRM-Systemen führt. Viel wichtiger ist der Einsatz der richtigen Methodik. Dazu können Sie sich dem folgenden Datenqualitätskreislauf bedienen.

Der Datenqualitätskreislauf mit den 4 wichtigen Prozessschritten

Prozessschritt 1 – Daten Analysieren

In diesem Schritt geht es darum, sich einen Überblick über Ihre Daten im Unternehmen zu verschaffen. Was sind die Haupteigenschaften und Attribute meiner Daten? Wie und von wem wurden die Daten erstellt? Welche Benutzer greifen am häufigsten auf den jeweiligen Datenbestand zu? Wenn diese Statistiken vorliegen, können Sie Fehlerquellen ermitteln, Priorisierungen durchführen und Ursachen von Qualitätsproblemen beheben.

Prozessschritt 2 – Daten Bereinigen

Beim Bereinigen der Daten werden Maßnahmen ergriffen, zur Beseitigung der im Prozessschritt 1 erkannten Fehler und Defizite. Dubletten werden identifiziert und bereinigt. Fehlerhafte oder unvollständige Datensätze können Sie mit externen Datenbanken (z.B. Umzugsdatenbanken) abgleichen und ergänzen.

Prozessschritt 3 – Daten Anreichern

Bei der Datenanreicherung können bestehende Datensätze angereichert werden, um den Informationswert und die Nützlichkeit dieser Daten zu erhöhen. Kundendaten können z.B. geocodiert werden oder es können aufgrund des Einkaufsverhalten bestimmte analytische CRM-Kennzahlen ermittelt (z.B. RFM-Analyse, ABC-Analyse – siehe Blog Artikel zum analytischen CRM) und den Kunden zugeordnet werden. Dies ermöglicht eine effektive Kundensegmentierung.

Prozessschritt 4 – Daten Kontrollieren

Im Prozessschritt der Datenkontrolle geht es darum, das Sie Ihr erreichtes Datenqualitätsniveau möglichst langfristig erhalten. Definieren Sie einheitliche Workflows und Verfahrensrichtlinien, wie Daten zu erfassen und zu bearbeiten sind. Nur so ist gewährleistet, dass der Datenqualitätserfolg nicht durch die Rückkehr von Datenfehlern wieder gefährdet wird. Eine Datenkontrolle kann z.B. über ein automatisiertes Reporting erfolgen, bei dem außergewöhnliche Ereignisse (z.B. unsinnige E-Mail-Adressen oder Postadressen, Dubletten) in Echtzeit erfasst werden und als Systemmeldung an Verantwortliche kommuniziert werden.

Zusammenfassung

Eine gute Datenqualität bildet in jedem Unternehmen die Grundlage für faktenorientierte Entscheidungen, ohne die jeder Unternehmenserfolg fraglich wird. Die Verbesserung der Datenqualität kann zu signifikanten Einsparungen und zur wesentlichen Verbesserung bestehender Geschäftsprozesse führen. Das Thema Datenqualität muss als Geschäftsprozess und nicht als rein technische Angelegenheit betrachtet werden. Wichtig ist die Erkenntnis, dass sich Veränderungen und Aktualisierungen im Datenbestand täglich ergeben. Deshalb ist es erforderlich einen Regelkreislauf an Maßnahmen zu definieren und zu implementieren, um das Datenqualitätsniveau dauerhaft hoch zu halten.