So verbessern Sie die Qualität der Kundendaten

Von Stephan Lamprecht | 19. Januar 2015 |

big data
Alle Prozesse und Entscheidungen in einem Unternehmen basieren auf Daten. Und nirgendwo wirkt sich eine unzureichende Datenbasis so unmittelbar spürbar wie in Marketing und Fullfillment aus. Wann haben Sie sich denn zuletzt mit der Qualität der Daten in Ihrem Unternehmen beschäftigt?


Jeder kennt die Auswirkungen schlechter Datenqualität

Jeder von uns ist auch ein Kunde eines Unternehmens und mit Sicherheit hat jeder von uns auch schon einmal das Ergebnis schlechter Datenqualität erlebt. Das kann belustigend sein, aber auch eine ziemliche Verärgerung sein. Wer in einem Newsletter mit dem falschen Geschlecht angesprochen wird, hebt vielleicht nur irritiert die Augenbrauen. Eine nicht personalisierte Ansprache wirkt nur unprofessionell. Ärgerlich wird es aber dann, wenn der Paketservice eine Sendung retourniert, weil diese wegen einer falsch gespeicherten Hausnummer nicht zugestellt werden kann. Dabei spielt es aus Sicht des Kunden gar keine Rolle, wo der Fehler passiert ist. Stets trägt das Unternehmen die Schuld, selbst wenn der Kunde den Zahlendreher bei der Eingabe seiner Daten selbst verursacht hat.

Eine unzureichende Datenqualität verursacht aber auch aus Sicht des Unternehmens unnötige Aufwände und Kosten. Die klassischen Beispiele sind Rückläufer aus Kampagnen des E-Mail-Marketing oder klassischen Mailings. Die Irrläufer müssen manuell aussortiert und die Daten auf den aktuellen Stand gebracht werden. Das verursacht Aufwand. Berechnet werden müssen aber auch die anteiligen Produktionskosten für das Werbemittel, das den Kunden gar nicht erreicht. Falsche Kundendaten werden unter Umständen so gar richtig teuer, wenn Informationen zu Werbeverboten nicht aktuell sind.

Neben diesen ganz offensichtlichen Problemen verursachen falsche Kundendaten aber noch an einer anderen Stelle Schwierigkeiten. In einer wachsenden Zahl von Unternehmen sind "Big Data" und "Business Intelligence" mehr als nur Schlagworte. Als Basis für strategische Entscheidungen werden Daten aus verschiedenen Quellen zusammengeführt und dann analysiert. Es liegt auf der Hand, dass die Ergebnisse solcher Analysen zwangsläufig umso fehlerhafter sein müssen, je schlechter die Datenqualität ist. Datengetriebene Entscheidungen sind nur sinnvoll, wenn die Daten auch in Ordnung sind.

Herausforderung Datenqualität

Die Bedeutung korrekter (Kunden-) Daten im Unternehmen stieg im gleichen Verhältnis wie die Herausforderung, die Informationen korrekt zu speichern und zu verarbeiten. Dies beginnt bereits damit, dass aus einer immer größeren Zahl an Kanälen Informationen das Unternehmen erreichen. Die Kunden bestellen Waren auf unterschiedlichen Wegen, sie wenden sich das Unternehmen auf verschiedensten Kanälen. Diese Daten müssen lückenlos erfasst und integriert werden. Auch ohne potentielle Fehlerquellen keine leichte Aufgabe.

Die klassischen Probleme bei der Verarbeitung von Kundendaten sind:

•     Unvollständig vorliegende Daten: Es wurden zu wenig Informationen erfasst oder es gingen Daten beim Import aus anderen Quellen verloren. Statt der Hausnummer 103 ist etwa beim Datensatz nur die Nummer 10 erfasst.

•     Fehlende Daten: Es fehlen Informationen, die für die Bearbeitung eines Anliegens notwendig gewesen wären.

•     Veraltete Daten: Der Kunde ist längst umgezogen, die Bankverbindung hat sich geändert oder er nutzt bereits völlig andere Produkte des Unternehmens.

•     Fehlerhafte Daten: In diese Kategorien gehören die klassischen Buchstabendreher oder abweichende Schreibweisen. Aber auch die falsche Zuweisung des Geschlechts zu einem Kundensatz.

Die Ursachen für diese Probleme sind vielschichtig. Sie beginnen etwa mit Fehlern bei der Erfassung der Daten selbst. Nicht jeder Kunde liest sich am Ende des Bestellvorgangs noch einmal die Zusammenfassung aufmerksam durch. Aber auch technische Probleme kommen für fehlerhafte Daten in Betracht. Eine unzureichende inhaltliche Prüfung eines Formulars während der Eingabe, oder Schwierigkeiten bei der Datenübernahme aus anderen Systemen.

So verbessern Sie die Qualität der Kundendaten

Oft versuchen Unternehmen die Qualität der Daten durch rein manuelle Korrekturen zu verbessern. Ein aufwändiges Vorhaben, das noch dazu das Risiko weiterer Fehler birgt. Deutlich sinnvoller ist es, die Verbesserung der Datenqualität gezielt anzugehen.

1.   Dazu gehört zuerst die Entwicklung einer Strategie. Die umfasst Entscheidungen, welche Datentöpfe auf welche Weise, in welcher Abfolge und mit welchen Mitteln verbessert werden sollen. Ganz wichtig ist aber auch, welche Maßnahmen ergriffen werden sollen, um die Datenqualität zukünftig zu verbessern.

2.   Nicht selten kümmern sich in Firmen verschiedenen Abteilungen und Ansprechpartner um die Erfassung und Bearbeitung der Daten. Damit fühlen sich die Mitarbeiter auch immer nur für einen Teilbereich der Daten verantwortlich. Wie Doubletten vermieden werden können, ist hier meist unzureichend geregelt. Die Verbesserung der Datenqualität ist als wichtiges firmeninternes Projekt zu verstehen, und muss auch so in Angriff genommen werden. Idealerweise wird also eine Arbeitsgruppe eingerichtet, in der Entscheidungsträger unterschiedlicher Abteilungen und auch der IT zusammenkommen.

3.   Im nächsten Schritt werden alle Datenquellen, die konsolidiert werden sollen, erfasst und einander gegenübergestellt. Dabei geht es natürlich auch um die Verknüpfung der Datenfelder in den verschiedenen Quellen. In diesem Zusammenhang wird auch über die Frage entschieden, ob es zukünftig möglicherweise besser ist, mit einer geringeren Zahl an Datenbanken zu arbeiten, aus der sich dann die verschiedenen Abteilungen die benötigten Informationen besorgen.

4.   Erst im nächsten Schritt geht es um die Aufbereitung der Daten. So viele Datensätze und Datenquellen wie möglich müssen jetzt überarbeitet werden. Dabei können externe Anwendungen helfen, die Doubletten herausfiltern und auch zusammenfassen können. Unter Einbeziehung von zusätzlichen Quellen und Werkzeugen werden Daten validiert und offensichtlich falsche Angaben automatisiert korrigiert. Entsprechende Programme werfen Datensätze zur manuellen Korrektur aus, wenn die Algorithmen hinsichtlich der Fehlerfreiheit keine ausreichenden Sicherheitswerte ausgeben. Nicht vergessen werden darf der Faktor Mensch. Wann immer sich Kunden an das Unternehmen wenden, sollten deren Angaben kontrolliert und ergänzt werden, zum Beispiel als Routineprozess bei Kundentelefonaten. Dazu müssen die Mitarbeiter natürlich durch Hinweise im CRM oder einer anderen Software darauf hingewiesen werden, dass die Daten abgefragt werden müssen.

5.   Zur Abrundung der Strategie zählen Maßnahmen, bereits am so genannten Point of Capture, also bereits während der Datenerfassung, die Datenqualität zu verbessern. Diese Maßnahmen umfassen Kontrolle bzw. Programmierung von Pflichtfeldern in Bestellformularen. Zusätzlich sollten die Dienste von Spezialanbietern gebucht werden, die mittels einer API bereits während der Eingabe von Informationen deren Plausibilität überprüfen. Solche Prüfungen werden für geografischen Daten, Schreibweisen von Namen aber auch hinterlegte Bankdaten angeboten.

So kann ein Unternehmen Schritt für Schritt die Qualität seiner Daten verbessern und damit etwa die Grundlage für bessere Analysen schaffen.


Kindle Kindle
Drucken Artikel versenden

Thema: Technologie

Schlagworte: Big Data

10 Startups und
Am Anfang eines Unternehmens steht die Idee. Manchmal ist es eine Nische. Zuweilen ein cleveres Mode ...
Topartikel
6 ausgewählte Tools für Ebay-Händler
eBay ist für viele Händler die erste Anlaufstelle, um den Onlinehandel zu proben. Doch wer nicht nur ...
So helfen Sie sich selbst - kostenfreie SEO-Tools
An Agenturen und Dienstleistern, die sich um die Optimierung von Shops für Suchmaschinen kümmern, he ...
So schafft der Shop Vertrauen - einfach umsetzbare Tipps
Handel ist mehr als nur eine Frage des Preises und des Angebots. Es ist immer auch eine Frage des Ve ...
10 Startups und
Am Anfang eines Unternehmens steht die Idee. Manchmal ist es eine Nische. Zuweilen ein cleveres Mode ...
7 Mompreneure mit Sinn für Kids und Klicks
Marion von Kuczkowski, die 1999 als eine der ersten Deutschen den Powerseller-Status bei eBay erhiel ...

Die Kommentare für diesen Artikel sind geschlossen.

stats