Sechs praktische Schritte zur höheren CRM-Datenqualität
ec4u mit Tipps für eine systematische Beseitigung der Qualitätsprobleme im Kundenmanagement
(Karlsruhe, 27.06.2012) Wenn die Probleme der konkreten CRM-Praxis analysiert werden, nimmt in praktisch jeder Studie die Datenqualität eine vordere Position ein. Zu diesem Ergebnis kam auch eine aktuelle Erhebung der ec4u expert consulting ag, der zufolge ein Großteil der Unternehmen bei diesem Thema offenbar schon Resignationserscheinungen zeigt. So geben zwei Drittel der Befragten an, dass sie schon vielfältige Initiativen gestartet hätten, aber trotzdem nicht zu nachhaltig befriedigenden Ergebnissen gelangt seien. Mario Pufahl, Direktor der ec4u und Autor verschiedener CRM-Fachbücher, gibt konkrete Tipps, wie Vertriebs- und Marketingabteilungen das Problem systematisch in den Griff bekommen können:
1. Die Qualitätskriterien klar definieren: Daten im Kundenmanagement müssen sehr unterschiedliche Merkmale aufweisen, um einen Wert für die CRM-Prozesse darzustellen. Dazu gehört zunächst einmal, dass sie nicht vom Ursprung abweichen, also keine Erfassungsfehler aufweisen. Zudem müssen sie vollständig, konsistent und aktuell sein. Aber auch die Eindeutigkeit in dem Sinne, dass die Daten nur einmal und nicht in verschiedenen Varianten in den Datenbanken enthalten sind, ist von wesentlicher Relevanz. Zudem kann die Datensicherheit dazu gehören. Diese Kriterien müssen die Leitplanken jeglicher Maßnahmen für ein Qualitätsmanagement auf der Ebene der CRM-Daten darstellen, weil sich ansonsten keine ausreichende Methode für strukturelle Optimierungsmaßnahmen etablieren lässt.
2. Typische Ursachen der Qualitätsmängel analysieren: Die prinzipiellen Ursachen für falsche, unvollständige oder anderweitig unzureichende Daten können sehr verschieden sein. Sie beginnen bei unklaren Qualitätsanforderungen oder Nutzung inkonsistenter Datenquellen und reichen bis zu unklar definierten Erfassungsprozessen oder auch unkorrekt ermittelten Werten. Soll ein stabiles Qualitätsmanagement realisiert werden, kommt das Unternehmen nicht um eine differenzierte Analyse und Kategorisierung der typischen Problemursachen hinweg. Sie muss alle potenziellen Wirkungsfaktoren bis hin zu den technischen Bedingungen umfassen und in ihren jeweiligen Einflüssen auf die Datenqualität beurteilt werden.
3. Spezifizierung der Problemanalyse durch Daten-Profiling: Mittels toolgestützter Analysetechniken werden die bestehenden Metadaten validiert und Datenqualitätsprobleme identifiziert. Bei diesen automatisierten Verfahren werden im Datenbestand Unregelmäßigkeiten über alle Datenebenen hinweg erkannt und selbst verdeckte Datenprobleme lassen sich ermitteln. Die Analyse von Schwächen bei den CRM-Daten erstreckt sich dabei nicht nur auf die Ermittlung von Duplikaten, sondern untersucht beispielsweise auch die Tabellen- und Objektstrukturen, Regelhaftigkeiten sowie Werte und ungültige Kombinationen von Daten bzw. Werten.
4. Eine regelmäßige Datenbereinigung durchführen: Weil der Bestand an Daten permanent wächst und sich verändert, gleichzeitig auch aber immer neue Fehler in die Datensysteme eingeschleust werden, kommen die Unternehmen an einem zyklischen Prozess der Datenwäsche nicht vorbei. Ein solches Data Cleansing verlangt den Einsatz verschiedener Algorithmen zur durchgängigen Duplikaterkennung über alle Datenebenen/-systeme hinweg sowie automatisierte Methoden, um Duplikate zu vereinheitlichen oder zu ergänzen bzw. um ein Löschen der überflüssigen Dubletten vorzunehmen.
5. Regelkreis zur Qualitätsoptimierung implementieren statt sich auf Einzelmaßnahmen zu beschränken: Das Management der Datenqualität muss als umfassender und kontinuierlicher Prozess verstanden und als solcher gestaltet werden. Denn punktuelle Maßnahmen der Analyse und Optimierung vernachlässigen regelmäßig die vielfältigen Einflussfaktoren auf die Qualität und sind insofern nur sehr begrenzt wirkungsvoll. Hilfreich ist es deshalb, Methoden zu etablieren, die in einem Regelkreis kontinuierlich und nach definierten Vorgehensmodellen ein systematisches Monitoring der Qualitätsbedingungen vornehmen, die ermittelten Probleme analysieren und gezielt Optimierungsmaßnahmen initiieren. Hilfreich ist hierfür auch der Einsatz eines Dashboards, dem definierten Schwellwerte der Datenqualität hinterlegt sind. Ein Ampelsystem gibt dabei Informationen zur Nutzbarkeit der Daten und ermöglicht mittels Drill-down-Funktionalitäten eine differenziertere Betrachtung von Qualitätsproblemen.
6. Qualitätsmanagement für CRM-Daten etablieren: Alle Maßnahmen zur Sicherung der Qualitätsbasis im Kundenmanagement machen letztlich nur dann Sinn, wenn sie strategisch klar positioniert und auf Nachhaltigkeit angelegt sind. Dies verlangt zwangsläufig, dass dafür die notwendigen organisatorischen Bedingungen, Verantwortlichkeiten und Techniken bestehen müssen. Davon sind viele CRM-Anwender jedoch noch weit entfernt, obwohl von ihnen die Problematik der Datenqualität regelmäßig festgestellt wird und sie sich damit in einem strukturellen Widerspruch befinden.
Autor:
Sabine Kirchem
Mario Pufahl
