Nichts geht ohne hochwertige Daten

Nach einer aktuellen CRM-Studie der Züricher intelligent systems solutions (i2s) GmbH planen mehr als die Hälfte der Unternehmen in Deutschland, Österreich und der Schweiz, in CRM-Projekte zu investieren. Befragt wurden Unternehmen aus Dienstleistung, Handel und Industrie. Als Projektziele geben 88 % der Befragten die Verbesserung der Datenqualität an und bei 28 % der Befragten stellt die Datenqualität auch das Hauptproblem während des Betriebs eines CRM-Systems dar – egal ob auf analytischer oder auf operativer Ebene.

Beim analytischen CRM ist eine hohe Datenqualität elementar, um valide Auswertungen im Rahmen von Business Intelligence überhaupt durchführen zu können. Denn sind schon die Analysen verfälscht, lassen sich darauf aufbauend auch keine sinnvollen strategischen Entscheidungen treffen. Im Bereich des operativen CRM dagegen werden qualitativ hochwertige Daten unter anderem für zielgruppengerechte Serviceangebote sowie für den Aufbau einer stabilen Kundenbeziehung benötigt. Eine schlechte Datenbasis kann hier schnell zum Gegenteil führen.

Egal, ob neues CRM-System, Optimierung eines bestehenden oder Zusammenfassung unabhängiger Systeme zu einem einheitlichen CRM-System – eine hohe Datenqualität lässt sich am besten durch einen dreistufigen Prozess erreichen:

Bevor die Daten aus den verschiedenen Systemen in ein CRM-System übernommen werden, ist es sinnvoll, eine initiale Bereinigung durchzuführen. Bei diesem Vorgang wird der gesamte Datenbestand softwaregestützt in einem Batch-Lauf geprüft und bereinigt. Mit leistungsstarken Datenqualitäts-Tools lassen sich beispielsweise Daten in ein einheitliches Format bringen, Feldinhalte unterschiedlicher Datenquellen einheitlichen Feldern zuordnen, Adressen postalisch auf ihre Korrektheit prüfen oder im Falle von Umzügen aktualisieren. Ferner werden Adressen in länderspezifische Formate gebracht oder um Geokoordinaten oder Branchenschlüssel ergänzt. Auch die Anreicherung mit unternehmenseigenen oder benutzerdefinierten Informationen ist möglich. Darüber hinaus lassen sich auch potenzielle Dubletten anhand individuell angepasster Such-Algorithmen zuverlässig identifizieren.

Nach der Übernahme des initial bereinigten Datenbestands ist es wichtig, bestimmte Standards festzulegen. Nur so lässt sich die bereits erreichte hohe Datenqualität beibehalten. Denn was hilft es, wenn ein Support-Mitarbeiter bereits ein halbes Jahr später eine veraltete Kundenhistorie verwendet, nur weil die aktuelle Historie falsch abgelegt wurde. Hier gibt es unterschiedliche Möglichkeiten: So kann der Anwender im CRM-System selbst darauf achten, dass bestimmte Eingaberegeln eingehalten werden. Straßennamen beispielsweise dürfen dann nur in die dafür vorgesehenen Felder eingetragen werden. Zusätzlich lässt sich auch die angegebene Adresse auf ihre Richtigkeit prüfen – per Mausklick oder automatisch. Support-Mitarbeiter erfahren es dann sofort, wenn die Adresse nicht korrekt oder eindeutig ist. Ebenso wichtig ist es, dass die Anlage doppelter Datensätze vollautomatisch vermieden wird. Leistungsstarke Datenqualitätslösungen prüfen bei der Dateneingabe oder bei Änderungen der Adressdaten eigenständig, ob der Kunde bereits im System registriert ist. In diesem Fall muss kein neues Kundenkonto angelegt werden. Sinnvoll ist hier eine fehlertolerante Suche. Damit diese Prüfmechanismen jedoch akzeptiert und genutzt werden, muss die dahinter stehende Technik entsprechend performant, die Prüfung also einfach, schnell und effizient sein. Dauert diese Prüfung zu lange oder liefert nicht die gewünschten Ergebnisse, wird die Funktion nicht genutzt und die Data Quality Firewall umgangen.

Die initiale Datenbereinigung und die implementierten Mechanismen zur Aufrechterhaltung der erreichten Datenqualität sind ein großer Schritt in Richtung einer qualitativ hochwertigen Datenbasis. Darüber hinaus ist es jedoch sinnvoll, periodisch den Gesamtdatenbestand zu prüfen. So sollte beispielsweise regelmäßig eine Prüfung auf Straßen- bzw. Ortsumbenennungen erfolgen. In Deutschland gibt es im Jahr rund 30 000 Änderungen bei Straßen, Postleitzahlen und Orten. Unter Umständen ist es auch notwendig, bereits vorhandene Daten mit Zusatzinformationen anzureichern. So stellen Produzenten sicher, dass ihre Produkte auch am richtigen Ort ankommen. Dabei ist es ratsam, diese periodischen Prüfungen ebenfalls im Batch-Verfahren durchzuführen. Alle Daten des Gesamtbestands entsprechen dann zu bestimmten Zeitpunkten einem gemeinsamen Datenqualitätsstandard. wm