Fachthemen

„Denn sie wissen nicht, was sie tun“: Die Diskrepanz zwischen Maßnahmen zur Datenqualität und deren Ergebnissen

„Denn sie wissen nicht, was sie tun“:

Die Diskrepanz zwischen Maßnahmen zur Datenqualität und deren Ergebnissen

Beim Zitat in der Überschrift dieses Beitrags geht es dieses Mal weder um die Heilige Schrift noch um den James Dean-Film aus den 50er-Jahren, sondern um die scheinbar existierende Diskrepanz zwischen den Maßnahmen, die Unternehmen zum Optimieren der Qualität der im Unternehmen verarbeiteten Kundendaten ergreifen, und deren Ergebnissen.

Diese Diskrepanz spiegelt sich auch in den Ergebnissen der aktuellen Trendstudie Kundendatenmanagement 2017 wieder. Dort gaben zwar 90 Prozent der Umfrageteilnehmer an, dass sie konkrete Maßnahmen ergreifen, um die Datenqualität zu halten bzw. zu verbessern.

Durchführen von Maßnahmen zur DQ-Optimierung

Allerdings beurteilte auf der anderen Seite ein Drittel der befragten Unternehmen (34 %) die Qualität ihrer Kundendaten als „niedrig“ bzw. „eher niedrig“.

Qualität der Daten im Unternehmen

Es ergibt sich daraus also doch eine erhebliche Schnittmenge von Unternehmen, die auf der einen Seite alles tun, um die Datenqualität zu optimieren, auf der andere Seite mit diesen Aktivitäten nicht das erhoffte Ergebnis – qualitativ hochwertige Kundendaten – erzielen. Woran mag dies liegen?

Aktionismus statt strategischer Ausrichtung

Beobachtet man die Aktivitäten vieler Unternehmen im Bereich Datenqualität, so fällt auf, dass diese Aktivitäten häufig von purem Aktionismus getrieben werden. Eine Direktmarketingkampagne brachte nicht den gewünschten Erfolg, Kunden beschweren sich über zu lange Ticketlaufzeiten im Kundendienst – und schon lautet die Devise: Die Datenqualität muss besser werden. Hektisch wird dann versucht, einzelne Verteiler oder Datenbanken „anzufassen“ und auf deren Vollständigkeit bzw. Aktualität zu überprüfen. Was auf der Strecke bleibt, ist der Blick für das große Ganze. Denn Datenqualität betrifft nicht einzelne Bereiche oder Abteilungen, sondern immer das gesamte Unternehmen. In den meisten Unternehmen werden Kundendaten allerdings auch heute noch isoliert in unterschiedlichen Systemen gespeichert und verarbeitet. Versuche, die Qualität der Daten eines Systems zu verbessern, wirken sich deshalb im besten Fall auch nur auf dieses System aus. Alle anderen Systeme und die dort gespeicherten Daten bleiben davon unberührt, da in der Regel kein Abgleich stattfindet.

Eine bessere Datenqualität wird also nicht durch eine einmalige Ad-hoc-Aktion erreicht. Stattdessen muss ein kontinuierlicher abteilungsübergreifender Prozess implementiert werden, der laufend an die sich ändernden Anforderungen des Kunden, des Marktes und des eigenen Unternehmens angepasst und aktualisiert werden muss. Die Grundlage für diesen Prozess muss deshalb auch eine auf Nachhaltigkeit ausgerichtete Strategie sein, die zu einem geschlossenen Kreislauf an kontinuierlich aufeinander aufsetzenden Maßnahmen führt. „Datenqualität im Closed Loop“ heißt hier das Zauberwort.

Falsche Prozesse führen zu falschen Maßnahmen

Eine ähnliche Problematik wie bei der Strategie gilt auch für die darauf aufbauenden Prozesse. Sind diese Prozesse nur auf einen kurzfristigen Erfolg ausgerichtet, fehlt ihnen ein abteilungsübergreifender, unternehmensweiter Ansatz, so laufen die entsprechenden Maßnahmen ebenfalls in Leere. Darüber hinaus ist es wichtig, den „Faktor Mensch“ zu berücksichtigen. Denn überall dort, wo Menschen arbeiten, passieren auch Fehler. Aus diesem Grund ist es unerlässlich, die für die Optimierung der Datenqualität definierten Prozesse möglichst zu automatisieren, denn nur so kann sichergestellt werden, dass der „Faktor Mensch“ den DQ-Prozess nicht zu sehr beeinträchtigt.

Die optimale Vorgehensweise bei der Implementierung eines Prozesses zur Optimierung von Daten

Der wichtigste erste Schritt auf dem Weg zu mehr Datenqualität ist, „sich ehrlich zu machen“. Dabei geht es nicht darum, zu „meinen“, wie die Datenqualität im eigenen Unternehmen ist, sondern zu „messen“, wie sie ist. Ein so genannter Data Quality Audit hilft bei dieser durch Messungen validierten Bestandsaufnahme. Danach ist es wichtig, sich über die Ziele klar zu werden, die man mit den Maßnahmen zur Optimierung der Datenqualität verfolgt – und erst dann geht es darum, sich mit den Prozessen auseinanderzusetzen, die letztendlich zu einer höheren Datenqualität im Unternehmen führen. Einen detaillierteren Überblick über die Bereiche, in denen eine Optimierung der Datenqualität erfolgen muss, liefert der Blog-Beitrag „Strategie, Abläufe, Plattform, Prozesse: Die vier Bereiche zum Optimieren der Datenqualität“ hier im Blog [Link auf Beitrag 6]

Ground Truth: Grundvertrauen in Ihre Daten

Endgültiges Ziel aller Maßnahmen zur Optimierung der Datenqualität im Unternehmen muss es sein, ein „Grundvertrauen“ in die im Unternehmen vorhandenen Daten herzustellen. In der Praxis bedeutet dies, dass sich alle Geschäftseinheiten im Unternehmen – Geschäftsleitung, Vertrieb, Marketing, Service – darauf verlassen können, dass sie in ihrer täglichen Arbeit auf Daten zurückgreifen können, die qualitativ hochwertig, d.h. präzise, aktuell und vollständig sind. Nur so sind sie in der Lage, die von ihnen verantworteten geschäftlichen Ziele zu erreichen. Dies spielt insbesondere in Zeiten der digitalen Transformation eine zentrale Rolle. Nur wenn es gelingt, den (digitalen) Kunden an allen Kontaktpunkten mit dem Unternehmen individuell anzusprechen und zu betreuen, wird dieser dem Unternehmen treu bleiben. Anderenfalls ist der nächste Wettbewerber in der Regel nur einen Mausklick entfernt. Aus diesem Grund müssen nicht nur die im Unternehmen verfügbaren Daten (Golden Record), sondern auch seine „digitalen Spuren“ berücksichtigt werden, die er im Internet und den sozialen Medien hinterlässt.

Mit Ground Truth hat die Firma Uniserv daher 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 bereits erwähnten „Spuren“ integriert, die der Kunde im Internet und den sozialen Netzwerken hinterlässt. Sprich, die Stammdaten eines jeden Kunden (Golden Record) sowie die Bewegungsdaten (Transaktions- und Interaktionsdaten) werden zusammengeführt (Golden Profile). Ground Truth sorgt darüber hinaus für eine kontinuierliche Aktualisierung sowie Synchronisierung der Daten über die unterschiedlichen Datenquellen hinweg.

Ground Truth

Erst mit Ground Truth sind Unternehmen in der Lage, ein wirklich professionelles Kundendatenmanagement getreu dem Motto Qualität statt Quantität umzusetzen. Damit können sie dann die Möglichkeiten, die der „digitale Kunde“ heute bietet, voll ausschöpfen und für einen nachhaltigen Geschäftserfolg nutzen.

Ground Truth wird damit in der digitalen Welt endgültig zur zentralen Komponente für eine optimale und nachhaltige Datenqualität im Unternehmen. Wie es um die Datenqualität dabei heute schon bestellt ist, können Interessierte mittels einer kurzen Umfrage ganz bequem via www.digital-ready.net/data-quality herausfinden.

© 2017 Uniserv GmbH oder ein Uniserv-Tochterunternehmen. Alle Rechte vorbehalten. Weitergabe und Vervielfältigung dieser Publikation oder von Teilen daraus sind, zu welchem Zweck und in welcher Form auch immer, ohne die ausdrückliche schriftliche Genehmigung durch die Uniserv GmbH nicht gestattet.

Ground Truth von Uniserv sowie die dazugehörigen Logos sind Marken oder eingetragene Marken der Uniserv GmbH in Deutschland und anderen Ländern. Alle anderen Namen von Produkten und Dienstleistungen sind Marken der jeweiligen Firmen.

Ground Truth ist das Fundament für Umsatzwachstum und neue Geschäftsmodelle vor dem Hintergrund der digitalen Transformation, beispielsweise für die Optimierung von Vertriebs- und Marketingaktivitäten, Kampagnenmanagement, von Blacklist Matching, Compliance oder auch Customer Relationship Management. Im Mittelpunkt steht das Golden Profile eines jeden Kunden, sprich der Golden Record, angereichert mit Interaktions- und Transformationsdaten (Bewegungsdaten). Mit dem Ground Truth bewegen sich Entscheider nicht mehr im luftleeren Raum, sondern haben Bodenhaftung im Decision-Making.