Fachthemen

Datenqualität und Customer Journey

Was haben die Oktanzahl bei Benzin und die Datenqualität für das Unternehmen gemeinsam?

95, 98 und bis vor einigen Jahren auch noch 91: Jeder Autofahrer in Deutschland kennt diese drei Zahlen von seinem letzten Besuch an der Zapfsäule. Sie stehen für die unterschiedliche Oktanzahl – 91 für Normalbenzin, 95 für Super und 98 für Super Plus. Hinter der Zahl verbirgt sich das Mischungsverhältnis der Kraftstoffbestandteile Isooktan (Oktanzahl = 100) und n-Heptan (Oktanzahl = 0). Eine zu niedrige Oktanzahl kann bei der Benzinverbrennung zu einer unkontrollierten Verbrennung oder Verpuffung führen, die durch ein Klopfen im Motor erkennbar ist. Die Motorleistung wird reduziert, im schlimmsten Fall droht ein kapitaler Motorschaden.

Genauso wie eine zu niedrige Oktanzahl die Leistungsfähigkeit des Motors beeinträchtigt und sogar gefährdet, beeinträchtigt und gefährdet eine zu niedrige Datenqualität die Leistungsfähigkeit vieler Unternehmen. Dies betrifft insbesondere die Qualität der im Unternehmen erfassten und verarbeiteten Kundenstammdaten.

Auf der Customer Journey „verfahren“

Denn nur mit umfassenden, aktuellen und präzisen Kundenstammdaten gelingt es Unternehmen heute beispielsweise, sich als attraktiver Begleiter auf der Customer Journey ihrer Kunden zu positionieren. Diese Kundenreise erfolgt immer häufiger digital und umfasst mittlerweile alle Phasen des Kaufprozesses – von der Recherche über die Entscheidungsfindung bis hin zum endgültigen Kaufabschluss. 

Gelingt dem Unternehmen diese Positionierung nicht, ist der nächste Wettbewerber im Internet in der Regel nur einen Mausklick entfernt. Darüber hinaus läuft der Anbieter Gefahr, dass der Kunde seine negativen Erfahrungen kommuniziert: mit Kommentaren und Bewertungen auf der Webseite oder im Online-Shop des Anbieters, aber auch verstärkt in Online-Foren und Internet-Communities, auf Facebook, Twitter, LinkedIn oder XING. 

Zentrale Voraussetzung für eine erfolgreiche Begleitung des Kunden auf dessen Customer Journey sind qualitativ hochwertige Daten über den Kunden: Sein Kaufverhalten, seine Vorlieben, „Spuren“, die er im Internet hinterlässt, seine Kontakte zum Unternehmen (Vertrieb, Marketing, Service). Gerade letzteres stellt viele Unternehmen auch heute noch vor eine fast unlösbare Aufgabe. Die Kundendaten liegen nämlich häufig noch in isolierten Silos – dem CRM-System für den Vertrieb, der Marketing-Automation-Software für das Marketing und dem Ticketing-System für den Service – und können so nur unzureichend synchronisiert werden. Damit fehlt den meisten Unternehmen die so häufig geforderte 360-Grad-Sicht auf den Kunden, die es erst ermöglicht, umfassend auf seine Bedürfnisse einzugehen und ihm die Produkte und den Service zu bieten, die er wirklich wünscht.

Compliance-Anforderungen – eine tickende Zeitbombe

Eine weitere zentrale Herausforderung, die durch eine niedrige Datenqualität nur unzureichend gemeistert werden kann, ist das Erfüllen von Compliance-Auflagen, wie dies beispielsweise im Finanzdienstleisterbereich der Fall ist. 

Ein gutes Beispiel ist die unter dem Fachbegriff „Know Your Customer (KYC)“ bekannte Legitimationsprüfung bestimmter Neukunden durch Banken und Versicherungen. Gesetzliche Grundlage dafür ist Artikel 8 der 3. EU-Anti-Geldwäsche-Richtlinie. Erfüllt ein Unternehmen die KYC-Dokumentationspflichten nicht, drohen drastische Folgen, die von Geldstrafen für das Finanzinstitut über Haftstrafen für leitende Mitarbeiter bis hin zur Entziehung der Geschäftserlaubnis reichen. Werden die Vergehen bekannt, droht darüber hinaus ein Imageschaden, der den Fortbestand des Unternehmens zusätzlich gefährdet. Die Konzernstruktur vieler Finanzunternehmen hat zu ähnlichen Datensilos geführt, wie dies eingangs bei Unternehmen in anderen Branchen beschrieben wurde. Dringendste Aufgabe ist es deshalb auch hier, diese Datensilos „aufzubrechen“, um eine konzernweite Transparenz und einheitliche Qualität der Kundendaten zu ermöglichen.

Predictive Analytics – was nützt die schönste Prognose, wenn sie falsch ist

Ein weiterer Bereich, in dem qualitativ schlechte Kundendaten den Unternehmensmotor „zum Stottern“ bringen können, ist der Bereich Predictive Analytics. Laut einer Forbes-Studie vom Beginn des Jahres 2016 steht Predictive Analytics in diesem Jahr auf der Roadmap von 89 Prozent aller B2B-Marketingverantwortlichen. Doch auch in diesem Bereich erweist sich die Datenqualität als kritischer Erfolgsfaktor.

Allerdings führen Analysen auf der Grundlage unvollständiger und unpräziser Daten zwangsläufig zu falschen Prognosen über das zukünftige Kundenverhalten und damit auch zu schlechten Geschäftsentscheidungen

Schleichender Verfall statt „Motorplatzer“

Unabhängig vom Einsatzbereich von Kundendaten spielt die Diagnose einer niedrigen Datenqualität eine zentrale Rolle. In Analogie zum eingangs gewählten Beispiel der Oktanzahl müssen Unternehmen in der Lage sein, möglichst früh das „Klopfen im Motor“ zu erkennen. Denn nur dann sind sie in der Lage, den „schleichenden Verfall“ der Kundendatenqualität zu verhindern und Maßnahmen zur Optimierung der Datenqualität zu ergreifen – bevor „der Motor platzt“.

Mögliche Präventionsmaßnahmen sind dabei das Einrichten so genannter „DQ-Checks“ an den Stellen im Unternehmen, an denen Daten ins Unternehmen gelangen. So kann sichergestellt werden, dass bereits beim ersten Erfassen der Daten eine hohe Datenqualität erreicht wird. Ein „schleichendes Verschmutzen“ der Daten wird damit verhindert. Unternehmen richten dazu nach dem „First Time Right“-Prinzip so genannte DQ-Firewalls ein. Um die Datenqualität kontinuierlich zu überprüfen, eignen sich so genannte DQ Scorecards. Damit kann die Qualität einzelner Datenbestände auf einen Blick erfasst und beurteilt werden. Auch diese Maßnahme hilft dabei, ein „schleichendes Verschlechtern“ des vorgegebenen bzw. erforderlichen Datenqualitätslevels zu verhindern.

Das große Ziel: 360-Grad-Sicht auf den Kunden – das Golden Profile“ 

Ziel aller Maßnahmen muss es letztendlich sein, das große Endziel zu erreichen, nämlich eine möglichst aktuelle, präzise, vollständige und korrekte 360-Grad-Sicht auf den Kunden, sozusagen ein eisernes Grundvertrauen in die eigenen Daten. Diese 360-Grad-Sicht ist gerade heute im digitalen Zeitalter die zentrale Voraussetzung für eine erfolgreiche Customer Journey und eine positive Customer Experience. Sie hilft dabei, Compliance-Vorschriften jederzeit vollumfänglich zu erfüllen und dient als Grundlage für wirklich korrekte Predictive-Analytics-Prognosen und als Folge für richtige strategische Geschäftsentscheidungen. 

Ground Truth

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 „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. Ground Truth sorgt darüber hinaus für eine kontinuierliche Aktualisierung dieser Daten sowie eine Synchronisierung der Daten über die unterschiedlichen Datenquellen hinweg.

Speziell für Predictive Analytics entwickelt Uniserv in Kooperation mit der Hochschule der Medien (HdM) Stuttgart einen Prototypen auf der Basis des Ground Truth. Anhand dieses Prototypen soll die Bedeutung der Datenqualität als kritischer Erfolgsfaktor für die Güte von Prognosen veranschaulicht werden.

Ground Truth wird damit in der digitalen Welt endgültig zur zentralen Komponente für eine optimale und nachhaltige Datenqualität im Unternehmen, eine Art „automatische Klopfregelung“, wie sie aus dem Management moderner Benzinmotoren bekannt ist. Wie digital Unternehmen dabei heute wirklich schon sind, können Unternehmen mittels einer kurzen Umfrage via www.digital-ready.net herausfinden.

Fazit: „Daten sind der Rohstoff des 21. Jahrhunderts“ – diese häufig zitierte Aussage von Bundeskanzlerin Angela Merkel sollte eigentlich erweitert werden auf „Daten sind der Treibstoff für unternehmerischen Erfolg im 21. Jahrhundert“ – allerdings nur, wenn sie über die nötige „Oktanzahl“ verfügen, um ein „Klopfen im Unternehmensmotor“ oder gar einen unternehmerischen „Motorplatzer“ zu verhindern.

© 2016 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.