Saubere Kundendaten sind kein Hexenwerk

Datenschlamperei geht ins Geld, wie kürzlich wieder eine Studie der Unternehmensberatung „Camelot Management Consultants“ gezeigt hat. Doch wie lässt sich die Adressdatenqualität im E-Commerce verbessern? Ein 10-Punkte-Programm für erfolgreiches Master Data Management (MDM) beschreibt einen gangbaren Weg. Basis für diese Zusammenstellung ist das Whitepaper „Auf Schatzsuche in Ihren Datenbanken“. Es steht hier zum kostenlosen Download bereit.

1. Data Governance: Klare Regeln sind Chefsache

Werden die gleichen Stammdaten in verschiedenen Unternehmensbereichen, auf unterschiedlichen Hierarchie-Ebenen oder in mehreren Geschäftsprozessen genutzt, ist die Einführung einheitlicher Standards, Regeln und Abläufe unumgänglich. Dafür hat sich der Begriff Data Governance eingebürgert. Die Entwicklung einer einheitlichen Strategie und gemeinsamer Prinzipien ist Chefsache. Sie wird ergänzt durch die Definition von verbindlichen Datenpflegeprozessen und die Festlegung von Kennzahlen.

2. Data Steward: Einer hat den Hut auf

Immer freundlich lächeln und das Essen servieren: Trotz des etwas irreführenden Namens hat der Data Steward ganz andere Aufgaben. Als Verantwortlicher für die Verbesserung der Datenqualität soll er die in der Data Governance festgelegten Prinzipien im gesamten Unternehmen durchsetzen, Metriken entwickeln, die Interessen der einzelnen Fachabteilungen miteinander in Einklang bringen und für die nachhaltige Konsistenz und Genauigkeit der Daten sorgen.

3. Datenmodell: Struktur erkennen

Als zentrales Element steuert das Datenmodell sämtliche Prozesse und Ereignisse im Master Data Management. Denn keine Datenquelle ist wie die Andere, und die wertvollen Daten des Unternehmens finden sich oft über eine ganze Reihe von Datenbanken verteilt. Fusionen, Übernahmen und neue Anforderungen erfordern oft Anpassungen des Datenmodells und der benutzten Datenquellen – dementsprechend flexibel sollte es sein.

4. Datenreinigung: Frühjahrsputz in der Datenbank

Daten falsch einzugeben, ist ganz einfach. Ausgesprochen kompliziert dagegen ist es festzustellen, ob Informationen korrekt, eindeutig und vollständig sind. Um dies zu erreichen, wird der gesamte Bestand mit Hilfe einer Datenqualitätssoftware gesäubert. Das Tool erkennt die Struktur von Adressen, Namen, Telefonnummern oder anderen Kundendaten und prüft sie auf ihre Plausibilität – und das für alle Länder. Buchstabendreher und andere Fehler werden automatisch korrigiert.

5. Data Matching: Dubletten beseitigen

Für die Mitarbeiter im Call Center oder im Vertrieb ist es häufig einfacher, einen Kunden neu in der Datenbank anzulegen, statt zunächst zu kontrollieren, ob diese Person bereits bekannt ist. Dadurch wächst der Anteil an Mehrfacheinträgen in vielen Unternehmen jährlich um 20 Prozent, was fatal für eine einheitliche Sicht auf den Kunden ist. Data Matching stellt den Grad der Übereinstimmung zwischen verschiedenen Datensätzen fest und zeigt Dubletten an, damit sie entfernt werden können.

6. Zusammenführung: Das „Golden Record“

Dabei handelt es sich nicht um eine goldene Schallplatte, sondern um den „einzig wahren“ Stammdatensatz. Er wird zentral verwaltet, dient als verlässliche und aktuelle Informationsquelle und kann an den verschiedensten Stellen im Unternehmen genutzt werden. Die Zusammenführung erfolgt nach unterschiedlichen Kriterien, z.B. der Aktualität oder Priorität für eine bestimmte Quelle. Bei Bedarf findet auch noch eine Anreicherung der Datensätze statt. Beispielsweise um Informationen aus den sogenannten „Robinsonlisten“, in denen Verbraucher den Versand von Werbung untersagen.

7. First Time Right: Gleich alles richtig machen

Nachdem die Daten mit Hilfe der Datenqualitätssoftware erfolgreich gesäubert wurden, sollte dieser Zustand möglichst erhalten bleiben. Schon bei der Dateneingabe einer neuen Adresse in eines der operationellen Systeme ist deshalb sicherzustellen, dass alle Elemente eines Datensatzes korrekt sind. Dafür sorgt das „First Time Right“-Prinzip, bei dem eine neue Adresse blitzschnell mit den bereits vorhandenen Daten verglichen und auf Fehler überprüft wird. So gelangen nur saubere und korrekte Daten in das Master Data Management-System.

8. Hierarchiemanagement: Beziehungen abbilden

Im E-Commerce hat man als Unternehmen nicht nur mit einzelnen Individuen zu tun, sondern z.B. auch mit Mehrpersonen-Haushalten oder Firmen, in denen die Kunden bestimmte Funktionen ausüben. Über das Hierarchiemanagement können diese Beziehungen in der Datenbank abgebildet werden. Dadurch ergibt sich eine neue Sicht auf mögliche Cross-Selling-Potenziale.

9. Identitätsbestimmung: Wichtige Unterschiede

Für ein Unternehmen, das mit umfangreichen Datenbeständen zu tun hat, ist die eindeutige und exakte Unterscheidung zwischen natürlichen und juristischen Personen sehr wichtig. Denn damit sind zum Beispiel Fragen der Haftung, der Ansprache oder von unterschiedlichen Datenschutzregeln verbunden. Zum Teil gibt es auch für Geschäftskontakte zu Firmen und zu natürlichen Personen unterschiedliche Datenbanken, die bei einer Zusammenfassung in der MDM-Lösung differenziert behandelt werden müssen.

10. Laden von Daten: Quellen miteinander verbinden

Für eine einheitliche Kundensicht muss das MDM-System mit allen erforderlichen Quellen verbunden werden, um die dort gespeicherten Daten ohne Komprimittierung hochladen zu können. Neben kommerziellen und Open Source-Datenbanken mit unterschiedlichsten Dateiformaten zählen dazu beispielsweise auch Excel-Dateien im Marketing oder Social Media-Anwendungen. Am Sinnvollsten findet bereits vor dem Ladevorgang eine Analyse statt, so dass sich direkt ein Eindruck von der Qualität und Vollständigkeit der Daten gewinnen lässt.

Kostenloser Download des gesamten Whitepaper

Kommentieren Sie den Artikel