Fachthemen

Kundendatenmanagement: Rudern gegen den Strom

Optimieren der Datenqualität: Haben die ersten beim „Rudern gegen den Strom“ aufgegeben?

„Lernen ist wie Rudern gegen den Strom. Hört man damit auf, treibt man zurück.“ Diese alte chinesische Weisheit wird häufig auf andere Tätigkeiten und Lebensbereiche übertragen, zum Beispiel die Aufgabe, die Qualität der Kundendaten im eigenen Unternehmen zu optimieren. Denn auch hier gilt: Hört man damit auf, kontinuierlich Maßnahmen zur Verbesserung der Datenqualität zu ergreifen, wird die Qualität dieser Daten sukzessive schlechter werden.

Die Betonung liegt dabei in Analogie zum Rudern auf dem Wort „kontinuierlich“. Ab und zu einmal ein einzelner Ruderschlag reicht beim Rudern genauso wenig, um voranzukommen, wie ab und zu einmal eine Optimierungsmaßnahme.

Obwohl dieser Zusammenhang zwischen Kontinuität und Datenqualität eigentlich schon seit längerem bekannt ist, scheint bei immer mehr Unternehmen in diesem Bereich ein gewisser Stillstand einzusetzen. Dies unterstreichen die Ergebnisse der aktuellen Trendstudie Kundendatenmanagement: Während 2017 noch 64 Prozent der Befragten kontinuierliche Optimierungsmaßnahmen durchgeführt haben, sind es 2018 nur noch 57 Prozent, also ein Rückgang um 7 Prozentpunkte.

Weshalb das Optimieren der Datenqualität einem Rudern gegen den Strom gleicht

Wie gut das Bild vom „Rudern gegen den Strom“ in den Kontext zur Datenqualität passt, verdeutlichen allein schon die nachfolgenden Fakten:

  • Jedes Jahr ziehen in Deutschland acht Millionen Menschen um
  • Jedes Jahr gibt es in Deutschland mehr als 800.000 Sterbefälle
  • Pro Jahr werden in Deutschland 45.000 Straßennamen und fast 2.000 Ortsnamen umbenannt
  • Im Business-to-Business-Bereich sorgen Insolvenzen (im Jahr 2017 laut Creditreform 116.000 Unternehmen), Firmenübernahmen und -zusammenschlüsse sowie Mitarbeiterwechsel für sich ständig ändernde Firmen- und Adressdaten.

Darüber hinaus spielt natürlich auch der Faktor Mensch bei der Beeinträchtigung der Datenqualität eine zentrale Rolle. Falsche Angaben des Kunden im direkten Kontakt (Post, Telefon, Online-Formular) bzw. Fehler beim Erfassen der Daten durch einen Mitarbeiter (Vertrieb, Kundendienst, Buchhaltung) führen dazu, dass die Qualität der Kundendaten sukzessive sinkt – wenn keine Gegenmaßnahmen ergriffen werden.

Optimieren der Datenqualität ist keine Einmalaktion

Allein schon das Volumen an Veränderungen, die sich kontinuierlich bei Kundendaten ergeben, zeigt, dass es beim Optimieren der Datenqualität nicht funktionieren kann, mit einer einmaligen Aktion alle Versäumnisse der Vergangenheit zu beseitigen und quasi „über Nacht“ wieder auf qualitativ hochwertige, nämlich aktuelle, korrekte, vollständige und präzise Kundendaten zugreifen zu können. Erst die Durchführung kontinuierlicher Maßnahmen über einen längeren Zeitpunkt bringt nachhaltigen Erfolg. 

Allerdings scheinen viele Unternehmen das Thema Datenqualität nicht anpacken zu wollen. Vielleicht, weil sie der Meinung sind, es handele sich um ein „Alles-oder-Nichts-Projekt“. Genau das Gegenteil ist der Fall: Häufig braucht es gar nicht viel, um zumindest eine grundlegende Verbesserung der Datenqualität herbeizuführen. Eine regelmäßig durchgeführte postalische Prüfung und ein Dublettenabgleich der vorhandenen Kundendaten sind wichtige erste Schritte in die richtige Richtung. Denn wie in vielen anderen Bereichen gilt auch hier das Pareto-Prinzip, nach dem sich mit 20 Prozent Aufwand bereits 80 Prozent der Optimierungsmaßnahmen umsetzen lassen. Weiterführende Maßnahmen wie das Etablieren von Key Performance-Indikatoren (KPIs) für Datenqualität und Data Governance können dann in weiteren Schritten ergänzt werden.

Doch auch an dieser Stelle nochmals der Hinweis: Wird – egal mit welchen Maßnahmen und/oder Prozessen – nicht regelmäßig auf Datenqualität geachtet, verschlechtert sich das Qualitätsniveau unaufhörlich. Oder – um nicht schon wieder das „Rudern-Zitat“ zu verwenden: „Nur der stete Tropfen höhlt den Stein!“

Unternehmen sehen sich Fülle an Herausforderungen gegenüber

Wenn es also für die kontinuierliche Optimierung der Kundendatenqualität klar nachvollziehbare Gründe gibt und wenn der Einstieg in entsprechende Maßnahmen gar nicht so schwierig ist, stellt sich die Frage, warum offensichtlich immer mehr Unternehmen gerade bei dieser unternehmenskritischen Aufgabe resignieren. 

Wie die Praxis zeigt, sehen sich viele Unternehmen derzeit mit einer Fülle an Herausforderungen konfrontiert. Und bei den meisten dieser Herausforderungen spielen Kundendaten und deren Qualität eine zentrale Rolle. Die Digitalisierung von Geschäfts- und Vertriebsprozessen in vielfältigen Ausprägungen, das Schaffen einer möglichst angenehmen, plattformübergreifenden Kundenerfahrung, neue rechtliche Vorgaben beispielsweise durch die EU-Datenschutzgrundverordnung (EU-DSGVO) oder der immer häufigere Einsatz innovativer Technologien wie Künstliche Intelligenz oder Machine Learning: Alle diese Bereiche verlangen als Grundlage qualitativ hochwertige Kundendaten. Umgekehrt formuliert stellen die Unternehmen bei allen diesen Themen fest, dass sie Defizite bei der Datenqualität haben. Sie müssen eingestehen, dass sie es lange versäumt haben, die richtigen „Skills“ aufzubauen. Der immer größere Fachkräftemangel verschärft die Situation zusätzlich.

Was also tun, um der vermeintlichen Mammut-Aufgabe Datenqualität Herr zu werden?

Motivationsschub für mehr Datenqualität

Wichtig ist, sich zu verdeutlichen, dass, wie bereits erläutert, der Einstieg in die Optimierung der Datenqualität einfacher ist als von vielen Unternehmen gedacht, beispielsweise mit einem unverbindlichen und kostenfreien DQ-Check. Er liefert im Ergebnis als eine Art Standortbestimmung wichtige Hinweise, wo und wie sich die Datenqualität verbessern lässt. Durch Umsetzen dieser Hinweise lassen sich wertvolle „quick wins“ erzielen, die die Motivation im Unternehmen erhöhen, sich intensiver – und vor allem nachhaltiger – mit dem Thema auseinanderzusetzen. Wenn dieses Umdenken einsetzt, wird auch das „Rudern gegen den Strom“ deutlich leichter.
 

Datenqualität - Kreislauf

Wichtig ist in diesem Zusammenhang, gemäß dem Kreislauf der Datenqualität zu agieren. Dieser „Closed Loop“ verdeutlicht, dass Datenqualität ein kontinuierlicher Prozess ist. Maßnahmen greifen nahtlos ineinander und stellen kontinuierlich eine hohe Datenqualität sicher.

Mit dem Data Quality Service Hub von Uniserv beispielsweise erhalten Unternehmen genau diese Unterstützung, einen solchen Datenqualitätskreislauf zu etablieren und eine nachhaltige Optimierung der Qualität ihrer Kundendaten sicherzustellen.

Wenn Sie an den vollständigen Ergebnissen der Trendstudie Kundendatenmanagement 2018 interessiert sind, können Sie diese hier anfordern.