Was ist Datenqualität?

Bei Datenqualität geht es um die Beschaffenheit von Daten; in unserem Kontext um die Beschaffenheit von Kunden- und Interessentendaten. Kunden- und Interessentendaten sind Daten, die im Zusammenhang mit Kunden und Interessenten stehen, also Vorname, Nachname, Straße, Hausnummer, Postleitzahl und Ort. Aber auch eine E-Mail-Adresse, eine Telefonnummer und eine Bankverbindung zählen dazu. Kauf- und Bestellhistorien sowie Interaktionen erweitern die Kundendaten zusätzlich. Und die Qualität? Wir sprechen dann von qualitativ hochwertigen Kundendaten, wenn sie folgende Kriterien erfüllen: Aktualität Vollständigkeit Korrektheit Eindeutigkeit

Wie wirkt sich mangelnde Datenqualität auf die Arbeit einzelner Fachbereiche aus?

Die Auswirkungen sind ganz unterschiedlich, aber deutlich spürbar. In der Regel wirken sie sich auf Umsatz und Ertrag aus: Marketing kann seine Kampagnen nicht datenbasiert personalisieren. Nach jedem Mailing kommen Unmengen von Rückläufern. Sales fehlt eine Basis für eine präzise Zielgruppenauswahl. Das belastet die Verkaufszahlen. Call Center können Anfragen, Bestellungen nur mit viel Aufwand und Rückfragen aufnehmen. Das ist ineffizient und verärgert Kunden und Interessenten. Finance fehlen die Daten für eine direkte Rechnungsstellung. Die Bereiche Business Intelligence und Data Science können keine belastbaren Auswertungen erstellen. Der Unternehmensführung fehlt die Grundlage für daten- und damit wissensbasierte Entscheidungen. Auf der letzten Meile erfolgt die Zustellung von Waren oft mit Mehrfachanfahrten oder viel Suchen und damit Zeitverlust.

Wie sehen typische Use Cases in verschiedenen Branchen aus?

Die Nutzbarkeit von Kundendaten für verschiedene Zwecke hängt von der Erfüllung der zentralen Kriterien für Datenqualität ab. Ohne qualitativ hochwertige Kundendaten können Unternehmen kein Geld verdienen. Anders gesagt: Wo immer Sie etwas für die Datenqualität tun, werden Sie die positiven Auswirkungen auf Produktivität, Effizienz und Flexibilität sofort spüren – bei Projekten und Initiativen einzelner Abteilungen sowie im gesamten Unternehmen. Typische Beispielbranchen sind: Wie soll ein im E-Commerce bestelltes Buch den Empfänger erreichen, wenn in der Zustelladresse die Postleitzahl fehlt? Wie soll der Mitarbeiter eines Verlags eine Abonnementänderung aufnehmen, wenn unter einem genannten Namen mehrere ähnliche Datensätze auftauchen? Wie soll der Newsletter eines Energieversorgers die Kunden und Interessenten erreichen, wenn die E-Mail-Adressen falsch sind? Wie will eine Versicherung das Renewal der Kfz-Versicherung an die versicherte Person schicken, wenn sie umgezogen ist und die neue Anschrift fehlt? Wie soll eine Bank ihren Kunden lebens- und situationsbegleitende Empfehlungen für Geldanlage und Vermögensaufbau geben, wenn die Stammdaten gar nicht stimmen? Hier finden Sie weitere Branchenbeispiele .

Warum braucht man ein langfristiges Datenqualitätsmanagement?

Daten sind ständiger Änderung unterworfen. Umzüge, Hochzeiten, Sterbefälle, Geburten, Neubaugebiete, Ortsumbenennungen und Eingemeindungen sowie Straßenumbenennungen sind Ursachen für das Altern von Daten . Werden daraus resultierende Änderungen nicht nachvollzogen, entsprechen die Daten irgendwann nicht mehr den genannten Kriterien für Datenqualität. Auch die Datenbestände, also die in Datenbanken zusammengefassten Datensätze, sind ständiger Änderung unterworfen. Dauernd wird auf die Daten zugegriffen, etwa vom Service, werden Daten geändert, gelöscht, neue Datensätze angelegt und und und. Dabei schleichen sich Fehler ein, zum Beispiel Hörfehler, Tippfehler oder Zahlendreher. Hinzu kommen digitale Touchpoints, auf einer Webseite, oder mobil, z. B. im E-Commerce. Waren werden bestellt. Neue Kundendaten kommen ständig hinzu. Fehlen geeignete Services für die Datenqualitätssicherung, etwa um festzustellen, ob ein Besteller schon im System ist, bricht eher früher als später das totale Datenchaos aus.

Welche weiteren Use Cases für Datenqualität gibt es?

Migrationsprojekte: Hohe Datenqualität beschleunigt zum Beispiel CRM-Migrationen oder die Migration nach SAP S/4HANA . Einführen einer Unique Customer ID: Als einheitlicher, persistenter Identifikator benötigt die Einführung eine hohe Datenqualität. Infrastrukturwechsel: Der Move von OnPremise in die Cloud umfasst neben Strukturen und Prozessen auch die Kundendaten. Ihre Datenqualität ist essenziell. Merger & Acquisition: Gehen zwei oder mehr Unternehmen zusammen, müssen auch die Datenbestände zusammenwachsen, wenn Potenziale gehoben werden sollen. Dazu braucht es Daten mit hoher Datenqualität. 360-Grad-Sicht: Ohne hohe Datenqualität können aus bestehenden Datensätzen keine Golden Records als Grundlage für die ganzheitliche Sicht auf jeden einzelnen Kunden gebildet werden.

Datenqualität

Maßgeschneiderte Lösungen für Ihre Herausforderungen im Business

Unternehmen sollten bei der Überprüfung und Sicherstellung ihrer Datenqualität Schritt für Schritt vorgehen. Zwei Bereiche, die eng miteinander verflochten sind, müssen bewertet werden: die Qualität der Daten und die damit verbundenen Prozesse. Wir beraten Sie, wie Sie das Beste aus Ihren Daten herausholen.

Sprechen Sie uns an

Datenqualität langfristig und differenziert betrachten

Daten werden heute in einer Vielzahl von Geschäftsprozessen eingesetzt. Diese Prozesse beschreiben den Verwendungszweck der Daten und geben das notwendige Datenformat und die Qualitätsanforderungen vor. Liegen zum Beispiel qualifizierte Leads in einer Excel-Tabelle vor und sollen für Mailings eingesetzt werden, muss das Format dem neuen Prozess entsprechend angepasst werden. Dazu gehört, dass Datenfelder ergänzt, angereichert und so kodiert werden, dass sie für das Mailing-Tool importfähig sind. Dementsprechend hat jeder Prozess Einfluss auf die Datenqualität.

Doch welche Schritte sind in welcher Reihenfolge nötig, um langfristig und tragfähig Datenqualität aufzubauen? Dafür haben wir bei Uniserv ein flexibles Vorgehensmodell. Gemeinsam optimieren wir Ihre Daten für Ihre Anforderungen im Business. Das Ziel: Ihre Daten haben am Ende genau die benötigte Qualität. Heißt: Sie sind so beschaffen, dass sie für Ihren spezifischen Use Case optimiert sind. Sprechen Sie uns an, wir beraten Sie, wie Ihr Weg zu optimalen Daten aussehen kann. Mit diesem Vorgehensmodell in Kombination mit unserer All-in-One-Lösung Data Quality Hub setzen Sie Ihre Datenqualitätsprojekte effizient und flexibel in Ihrer Systemlandschaft um.

Inhalte

„Als Experte für Kundenstammdaten holen wir das Beste aus Ihren Daten heraus und helfen Ihnen dabei, Ihre Kunden zu verstehen."

Sebastian Krebs, Head of Customer Success bei Uniserv

„Als Experte für Kundenstammdaten holen wir das Beste aus Ihren Daten heraus und helfen Ihnen dabei, Ihre Kunden zu verstehen."

Sebastian Krebs, Head of Customer Success bei Uniserv

Was kosten schlechte Daten?

Der Preis für schlechte Datenqualität ist hoch. Aber: Fehlerhafte Adressen und mangelhafte Datenqualität sind ein Kostenfaktor, den Unternehmen einfach vermeiden könnten.

Wie hoch solche Kosten ganz konkret werden können und wie Sie sie von Anfang an vermeiden, lesen Sie in unserem Paper „Was kosten schlechte Daten?“

Warum Datenqualität mit Uniserv?

Uniserv ist seit über einem halben Jahrhundert mit dem Fokus auf Datenqualität am Markt. Und hat in dieser Zeit Hunderte verschiedener Datenqualitätsprojekte aus ganz unterschiedlichen Branchen erfolgreich umgesetzt. Daraus ist viel Erfahrung entstanden, die unsere Kunden seit Jahrzehnten sehr schätzen. Sowie das besondere Uniserv-Mindset. Bei den Uniserv Customer Data Experts stehen Ihre Kunden- und Interessentendaten immer im Mittelpunkt. Das sind Ihre Vorteile:

Arbeit direkt an und mit Ihren Daten. Schnelle Ergebnisse statt viel Papier.

Individuelle Lösungen und umfassende Customizing-Möglichkeiten, je nach individuellem Use Case.

Hochperformante Software für einige Tausend bis hin zu Millionen Datensätze umfassende Datensammlungen.

International einsetzbar auf Basis landesspezifischer Wissensbasen.

Cloud, OnPremise oder hybrid.

Fehlertolerant, skalierbar, branchenneutral.