Suchen

Kommentar von Matthias Förg, Uniserv Symptome schlechter Daten – Tipps für mehr Datenqualität

| Autor / Redakteur: Matthias Förg / Nico Litzel

Trotz aller Bemühungen arbeiten Unternehmen häufig noch immer mit veralteten oder nicht korrekten Geschäftspartnerdaten – manchmal sogar ohne es zu wissen. Dabei sind die Folgen schlechter Daten vielseitig. Sie reichen von falscher Ansprache der Geschäftspartner bis hin zu fehlerhaften Unternehmensentscheidungen.

Firmen zum Thema

Der Autor: Matthias Förg ist Head of Sales & Marketing DQ-Solutions bei Uniserv
Der Autor: Matthias Förg ist Head of Sales & Marketing DQ-Solutions bei Uniserv
(Bild: Uniserv)

Immerhin sind sie ehrlich: Fast 40 Prozent aller Unternehmen sind mit der Qualität ihrer erfassten und bearbeiteten Geschäftspartnerdaten unzufrieden, das zeigt eine aktuelle Uniserv-Umfrage. Allerdings ergreift jeder Fünfte keine Maßnahmen zur Verbesserung. Und dann gibt es da noch eine Dunkelziffer derer, die gar nicht prüfen, wie es überhaupt um die Qualität ihrer Daten bestellt ist. Doch die besten CRM-Systeme und die aufwendigsten Marketingkampagnen nutzen wenig, wenn sie auf mangelhafter Datenqualität basieren. Hierzu gehören etwa veraltete und fehlerhafte Datenbestände sowie Dubletten.

Minderwertige Daten als Grundlage für strategische Geschäftsentscheidungen

Gleichzeitigt speichern Unternehmen Informationen meist organisationsweit verteilt in Silos, also teils redundant in verschiedenen Systemen, jedoch vielfach unvollständig. So kommt es vor, dass einige Unternehmensabteilungen nur vermeintlich mit den gleichen Daten arbeiten wie ihre Kollegen. Die für den Geschäftserfolg kritische 360-Grad-Sicht auf Kunden oder Geschäftspartner fehlt völlig. Darüber hinaus ist so das Risiko hoch, qualitativ minderwertige Daten als Grundlage für strategische Geschäftsentscheidungen zu nutzen, aus denen wiederum Unternehmensziele abgeleitet und Geschäftsprozesse modelliert werden. Wer also erfolgreich am Markt agieren will, braucht qualitativ hochwertige Daten.

Dubletten und Rückläufer als Symptome schlechter Daten

Ergänzendes zum Thema
Häufige Symptome für schlechte Datenqualität
  • Kunden und Geschäftspartner tauchen mehrfach im System auf
  • Hohe Rückläuferquoten
  • Mitarbeiter beklagen einen hohen manuellen Rechercheaufwand
  • Der Vertrieb verschenkt Cross-Selling-Möglichkeiten
  • geringe Response-Raten bei Marketingaktionen
  • Das Unternehmen kann bestimmte gesetzliche Vorgaben nicht einhalten
  • Mangelnde Planungssicherheit: Strategische Entscheidungen werden nur mit großer Unsicherheit gefällt

Die häufigsten Probleme bei der Datenqualität sind unvollständige Daten oder Dubletten, das bestätigen mehr als 80 Prozent laut Uniserv-Umfrage. Lückenhafte oder doppelte Informationen sind meist erste Indikatoren dafür, dass es um die Datenqualität im Unternehmen nicht optimal bestellt ist.

Um die Qualität der eigenen Daten zu prüfen und zu optimieren, lassen sich gesonderte Initiativen oder Projekte aufsetzen. Diese müssen kein Alles-oder-Nichts-Projekt sein, sondern können erst einmal abteilungsbezogen erfolgen und sukzessive im Unternehmen ausgeweitet werden.

1. Anforderungsanalyse bildet Grundlage, welche Maßnahmen ergriffen werden müssen

Im ersten Schritt einer Datenqualitäts-Initiative sollte immer eine Anforderungsanalyse stehen. Sie gibt erste Hinweise auf eine mangelhafte Datenqualität und analysiert die Symptome. Auf diese Weise sollte die Datenanalyse also möglichst einen objektiven und transparenten Status quo der Geschäftspartnerdaten im Unternehmen erheben.

Gleichzeitig können die Ursachen mangelhafter Datenqualität bei den Geschäftsprozessen liegen. Unter Umständen kann es daher sinnvoll sein, die Prozesse im Unternehmen ebenso entsprechend zu analysieren.

2. Unternehmensindividueller Maßnahmenkatalog sichert auch langfristig hohe Datenqualität

Erst auf Basis der vorangegangenen Anforderungsanalyse kann anschließend ein individueller Maßnahmenkatalog erstellt werden, wie die Datenqualität im Unternehmen konkret erhöht und später auch beibehalten werden kann.

Der Maßnahmenkatalog kann etwa den Einsatz geeignete Software-Lösungen umfassen, die die Daten automatisch bereinigen oder Schritte zur Optimierung von Unternehmensprozessen, die den Umgang mit Daten betreffen. Nicht zu vernachlässigen sind auch Maßnahmen wie Mitarbeiter-Schulungen oder Weiterbildungen, um über das Thema Datenqualität zu informieren. Unternehmen sollten jedoch darauf achten, dass diese unternehmensindividuellen Maßnahmen immer so implementiert werden, dass diese keine Hindernisse für Mitarbeiter im laufenden Betrieb darstellen.

3. Implementierung

Ist der Maßnahmenkatalog ausgearbeitet, geht es darum, diejenigen Software-Komponenten auszuwählen, die sich am Besten in die Prozesse und Systemlandschaft des Unternehmens integrieren lassen. Eine entsprechende Software kann verschiedene Faktoren der Datenqualität prüfen und steigern. Dies kann konkret etwa eine Adressüberprüfung sein, ein Dublettencheck, die E-Mail-Validierung, eine Bankdatenprüfung, eine Datenanreicherung oder ein Blacklist-Check. Bei der Auswahl dieser Software-Komponenten sind vorhandene CRM-, ERP- oder andere datenhaltende Systeme auf jeden Fall zu berücksichtigen.

Zudem sollten Unternehmen darauf achten, Testszenarien durchzuspielen und erwartete Ergebnisse bereits im Vorfeld zu definieren. Die Software-Komponenten sollten in iterativen Schritten so lange optimiert werden, bis die Testergebnisse den Erwartungen der Fachabteilungen entsprechen. Das heißt, dass die Komponenten auch von Mitarbeitern der Fachabteilungen getestet und abgenommen werden sollten, um die Praxistauglichkeit zu prüfen und die Akzeptanz bei den Mitarbeitern zu sichern.

Ergänzendes zum Thema
Wie ein Datenqualitätsprojekt abläuft
  • Initiales Cleansing des Datenbestands (in Form einer Batch-Verarbeitung)
  • Einrichtung einer Data Quality Firewall, damit nur qualitativ hochwertige Datensätze ins System gelangen
  • Festlegen individueller Optimierungsmaßnahmen
  • Anpassung der Prozesse und damit einhergehend Anpassung der Systemlandschaft, damit die Daten in der Form vorliegen, wie sie benötigt werden
  • Schulung der Mitarbeiter, damit ein Bewusstsein und eine Kultur für gute Datenqualität entstehen können

Nachhaltige Sicherung der Datenqualität

Ist eine hohe Datenqualität einmal hergestellt, sollte sie auch gewahrt werden. Dazu ist es nötig, die Qualität regelmäßig zu überprüfen, nicht nur einmalig. Einer schleichenden Alterung des Datenbestandes und der damit einhergehenden unaufhaltsam fortschreitenden Erosion der Datenqualität können Unternehmen nur so entgegenwirken. Gerade Kunden- und Geschäftspartnerdaten ändern sich regelmäßig durch Umzüge, Straßen- und Ortsumbenennungen oder Eingemeindungen, pro Jahr gibt es allein in Deutschland etwa 8 Millionen Umzüge. Laut Adress-Studie der Post sinkt die Qualität von Kundendaten seit 2015 kontinuierlich.

Unternehmen sollten daher auch nach dem eigentlichen Datenqualitäts-Projekt darauf achten, dass künftig nur qualitativ hochwertige Daten in die Unternehmenssysteme aufgenommen werden (First Time Right). Zur Überwachung der Datenqualität kann beispielsweise ein Monitoring implementiert werden. Im Fall einer qualitativen Verschlechterung können Projektverantwortliche dann zeitnah Maßnahmen ergreifen, die die Datenqualität wieder auf das erforderliche Niveau bringen.

(ID:46268180)