Fachthemen
Datenqualität im Kundendatenmanagement - Trendstudie 2019

Datenqualität im Kundendatenmanagement:
Ist das Glas halb voll oder halb leer?

Sie kennen wahrscheinlich den Unterschied zwischen einem Optimisten und einem Pessimisten: Geben Sie beiden ein bis zur Hälfte gefülltes Glas Wasser, wird der eine behaupten, das Glas sei halb voll, der andere, es sei halb leer. Betrachtet man sich die Ergebnisse der aktuellen Uniserv Trendstudie Kundendatenmanagement zur Datenqualität in den befragten Unternehmen, so lassen diese sich ebenfalls sehr unterschiedlich deuten und durchaus diesen beiden Gedankenpolen zuordnen.

Beurteilung der eigenen Datenqualität: Besser, aber noch nicht gut

So beurteilen in der aktuellen Umfrage 39 Prozent der befragten Unternehmen die Qualität ihrer Kundendaten als „niedrig“ bzw. „eher niedrig“. Der zu Beginn zitierte Optimist würde dies als ein gutes Ergebnis bewerten, denn es entspricht immerhin einem Rückgang von sechs Prozentpunkten im Vergleich zum Jahr 2018 (45 Prozent). Sein Gegenpart, der Pessimist, wird dagegen einwenden, dass dieser Wert noch immer deutlich über dem Wert des Jahres 2017 (34 Prozent) liegt.

Trendstudie 2019 - Qualität der Daten in Unternehmen

Objektiv betrachtet – und unter Berücksichtigung aller bisherigen Umfragen – kommt man zuerst einmal zu dem Ergebnis, dass die Bedeutung qualitativ hochwertiger Daten als Voraussetzung für erfolgreiches Kundendatenmanagement mittlerweile anerkannt wird. Es liegt außerdem die Vermutung nahe, dass mit dieser Erkenntnis auch die Bewertung der Qualität der eigenen Daten deutlich mehr in den Fokus gerückt ist als noch vor einigen Jahren. Doch je mehr sich die Unternehmen mit ihren eigenen Daten und deren Qualität auseinandersetzen, desto mehr werden auch Defizite sichtbar, die sich in den Symptomen schlechter Datenqualität widerspiegeln. 

Symptome schlechter Datenqualität: „Und jährlich grüßt das Murmeltier“

Unvollständige, doppelte und veraltete Daten führen dabei seit Jahren die „Hitliste“ der Symptome schlechter Datenqualität an. Die Gründe dafür liegen:

  1. Im Fehlen einer unternehmensweiten Betrachtung des Themas Datenqualität – Stichwort Datensilos. Dies führt dazu, dass beispielsweise einzelne Systeme überhaupt nicht berücksichtigt und einbezogen werden.
     
  2. In der Tatsache begründet, dass das Thema Datenqualität wie bereits erwähnt erst jetzt in den Fokus vieler Unternehmen rückt – Stichwort Digitalisierung. Damit stehen diese Unternehmen auch erst am Anfang, wenn es darum geht, Maßnahmen zur Optimierung der Datenqualität zu ergreifen.
     
  3. In der Reihenfolge, in der Unternehmen vorgehen. Sie zäumen nämlich vielfach das Pferd sprichwörtlich „von hinten“ auf, heißt, sie beginnen bei der Auswahl und Implementierung einer Software-Lösung beim letzten Schritt – Stichwort „A Fool with a Tool is still a Fool“. Ohne vorherige Regelung einer daten- und prozessorientierten Vorgehensweise nützt die Software allein überhaupt nichts.
     

Diskrepanz zwischen Resignation und „Rudern gegen den Strom“

Ein ähnlich ambivalentes Bild zeigt sich bei den Ergebnissen der Trendstudie Kundendatenmanagement bei den Optimierungsmaßnahmen im Bereich Datenqualität. Dort ist seit Jahren ein Sinken des Prozentsatzes der Unternehmen zu erkennen, die konkrete Maßnahmen ergreifen, um die Datenqualität zu halten bzw. zu verbessern. Im Jahr 2017 lag dieser Wert noch bei 90 Prozent, sank dann aber im Folgejahr auf nur noch 82 Prozent. In diesem Jahr liegt er mit 81 Prozent sogar noch einen Prozentpunkt niedriger.

Konträr dazu stieg der Anteil der Unternehmen, die kontinuierlich Maßnahmen zur Optimierung der Datenqualität durchführen, in der Umfrage 2019 auf 69 Prozent, sage und schreibe zwölf Prozentpunkte mehr im Vergleich zum Vorjahr und immer noch deutlich höher als der Wert im Jahr 2017 (64 Prozent).

Wie lässt sich dieses Ergebnis erklären?


Blickt man auf die nackten Zahlen, muss konstatiert werden, dass es auf der einen Seite eine immer größere Anzahl von Unternehmen gibt, die beim Optimieren der Qualität ihrer Daten resigniert haben und wohl keinen Sinn darin sehen, dafür Zeit und Geld zu investieren. Auf der anderen Seite hat ein immer größer werdender Teil der Umfrageteilnehmer sich dazu entschlossen, sich gegen die „schleichende Veralterung“ seiner Daten zu stemmen und kontinuierlich Optimierungsmaßnahmen durchzuführen. Auf Grund der vielfältigen Phänomene, die zu diesem schleichenden Veralten der Daten führen (Umzüge, Firmenschließungen, Firmenübernahmen, Personalwechsel, Todesfälle, u.v.m.), passt das häufig verwendete Bild vom „Rudern gegen den Strom“ eben sehr gut.

Qualitativ hochwertige Daten: Grundlage für nachhaltigen Geschäftserfolg

„Quitting is Not an Option“ – Vor dem Hintergrund der zentralen Bedeutung, die qualitativ hochwertige Daten heute für professionelles Kundendatenmanagement und damit nachhaltigen Geschäftserfolg in einem digitalen und vernetzten Wettbewerbsumfeld haben, ist für Resignation kein Platz. Stattdessen geht es darum, sich schnellstens einen Überblick zu verschaffen,

  • welche der im Unternehmen eingesetzten Systeme Daten führen,
  • in welchen Prozessen diese Daten genutzt werden und
  • in welchem Zustand sich diese Daten befinden.

Uniserv bietet dazu mit dem DQ-Check eine schnelle und kostenfreie Möglichkeit. Liegen die Ergebnisse des DQ-Checks vor, ermöglicht der DQ-Audit dann die Möglichkeit, sich einen ganzheitlichen Überblick über die Datenqualität im Unternehmen zu verschaffen.

Der Vorteil dieser Vorgehensweise besteht insbesondere darin, dass damit ein strukturierter Prozess angestoßen wird, der rasch zu ersten Ergebnissen mit schnell umsetzbaren Maßnahmen führt.