Data Science | 6 Minuten Lesezeit
HERAUSFORDERUNG DATENQUALITÄT: GUTES STAMMDATENMANAGEMENT IST HALB GEWONNEN.
09. Dezember 2020
09. Dezember 2020
Die effiziente Verwaltung von Kundenstammdaten ist im 21. Jahrhundert ein wichtiger Schlüssel zum Unternehmenserfolg – das sehen inzwischen auch zahlreiche Unternehmer selbst so. So erklärt der BI-Trend-Monitor 2019 des Business Application Research Center (BARC) das Thema Stammdaten- und Datenqualitätsmanagement zum aktuellen Top-Trend unter Anwendern, Dienstleistern und Händlern, die mit Business-Intelligence-Software zu tun haben. Auch die Teilnehmer der Trendstudie Kundendatenmanagement 2019 von Uniserv legen ein klares Bekenntnis ab: über 90 Prozent der befragten Entscheider glauben, das Thema werde künftig weiter an Bedeutung gewinnen.
Die Gründe liegen auf der Hand: fehlerhafte Stammdaten führen zu fehlerhaften Analysen und Auswertungen, zu schlecht informierten Managemententscheidungen und fehlerhaften operativen Prozessen im Unternehmen. Lesen Sie in diesem Beitrag alles über nachhaltiges Management von Kundenstammdaten.
Stammdaten (engl.: master data) sind, im Gegensatz zu Bewegungs- oder Transaktionsdaten eher statische, zustandsorientierte Daten, die sich über einen längeren Zeitraum nicht verändern. Kundenstammdaten wiederum bilden lediglich eine Unterart von Stammdaten, die neben Material-, Produkt- und Mitarbeiterdaten jedoch zu den wichtigsten zählen. Sie beinhalten verschiedene Informationen über die einzelnen Kunden eines Unternehmens, wie beispielsweise deren Namen, Anschriften oder Bankverbindungen.
Stammdaten wollen in irgendeiner Weise gemanagt werden. Das heißt, man muss sie aktiv verwalten, was wiederum so viel bedeuten kann wie: sie regelmäßig prüfen, pflegen, vereinheitlichen, bereinigen, zusammenführen, aktualisieren, ergänzen und gegebenenfalls löschen. Das ist nicht zum Nulltarif zu haben. Aktives Stammdatenmanagement bindet Ressourcen, kostet Zeit, Geld und Nerven. Aber es ist ein bisschen wie beim Klimaschutz: nichts zu tun ist auf lange Sicht die deutlich teurere und unangenehmere Variante.
Anders ausgedrückt: wenn die Stammdatenbank intakt ist, fällt das nicht unbedingt auf – die Dinge nehmen einfach ihren gewohnten und erwartbaren Gang. Deshalb leuchtet es zunächst nicht unmittelbar ein, für den Erhalt des Status quo Ressourcen zu investieren. Erst, wenn die Datenbasis spürbar zu erodieren beginnt, operative Abläufe ins Stottern geraten, unternehmensinterne Statistiken unzuverlässig werden, Mitarbeiter mehr und mehr Zeit für Fehlersuche und Korrekturen aufwenden müssen, Kunden abspringen und das Geschäft leidet, wird die Notwendigkeit der Stammdatenpflege offenkundig. Und selbst dann sind verständlicherweise viele Entscheider in Unternehmen bemüht, den Schaden lediglich mit minimalen Investitionen und mit minimalem Aufwand zu beheben. Nicht immer reicht das.
Bleibt ein aktives Stammdatenmanagement aus, führt das unweigerlich zu fehlerhaften, veralteten, inkonsistenten, unvollständigen und ungenauen Datensätzen. Das hat viele Gründe: Daten gelangen auf einer Vielzahl an Kanälen ins System, die jeweils unterschiedlichen Regeln unterworfen sind. Kundendaten werden beispielsweise per Online-Formular von den Kunden selbst eingegeben, von Service-Mitarbeitern am Telefon erfasst und manuell eingetragen oder von anderen Systemen übernommen. Die manuelle Erfassung ist sozusagen per definitionem fehleranfällig, denn irren ist bekanntlich menschlich.
Auch an jeder anderen Schnittstelle, an der Daten von einem Programm oder Tool, von einer Datenbank in eine andere übertragen werden, entstehen leicht Fehler, die sich aus unterschiedlichen Datenstrukturen und Regeln bei der Datenverarbeitung ergeben. Mit der Zunahme der Vertriebs- und Marketingkanäle steigt auch die Zahl der Touchpoints entlang der Customer Journey, an denen Daten generiert und abgelegt werden. Mit ihnen steigt auch die Zahl potenzieller Datenverarbeitungsfehler. Beziehen Sie daher bei der Konzeption Ihrer Multichannel-Strategie rechtzeitig Überlegungen zur sauberen, systemübergreifenden Datenintegration ein.
Zu den am häufigsten auftretenden Fehlern gehören Dubletten. Das sind Datensätze, die sich auf dieselbe Sache oder dieselbe Person beziehen und meist nur minimal voneinander abweichen. Sie entstehen beispielsweise durch unterschiedliche Schreibweisen von Namen und Adressen oder durch Vertipper und Zahlendreher bei Artikelbezeichnungen oder Seriennummern. Viele ERP- (Enterprise Ressource Planning) und CRM-Tools (Customer Relations Management) erkennen heutzutage einen großen Teil der Dubletten selbständig und führen die entsprechenden Datensätze zusammen oder weisen den User zumindest auf sie hin. Dennoch können Fälle unerkannt bleiben. Um sie aufzuspüren, bedarf es letztlich regelmäßiger gezielter Datenbankscreenings und der manuellen Überprüfung zweifelhafter Kandidaten.
Wird die Pflege beispielsweise der Kundendaten vernachlässigt, können im Laufe der Zeit eine beträchtliche Anzahl an Kundendubletten entstehen, die dann reihenweise Probleme in unterschiedlichen Unternehmensbereichen nach sich ziehen:
So entsteht ein verfälschtes Bild von Ihrem Kunden, wenn Ihnen verborgen bleibt, dass dieser nicht nur Produkt A, sondern auch Produkt B bei Ihnen gekauft hat und sich zudem für Produkt C zu interessieren beginnt. Zielgerichtete Werbe- und Marketingmaßnahmen werden falsch ausgespielt, weil Sie keine 360-Grad-Sicht auf Ihren Kunden mehr haben. Ihre Umsatzstatistiken für besagten Kunden sind irreführend, weil sie sich auf zwei scheinbar separate Kundenidentitäten in ihrem System verteilen. Möglicherweise bleiben sie deshalb unterhalb einer bestimmten Schwelle, die den Kunden eigentlich für eine Gutschrift oder Bonus-Aktionen qualifiziert, die Sie auf Ihrer Website groß beworben haben? Dann dürfte es den Kunden, sehr verärgern, dass er dem versprochenen Rabatt erst hinterhertelefonieren muss. Vermutlich wendet er sich künftig lieber einem Anbieter zu, der seine Kundendatenbank besser im Griff hat.
Werden die Mängel in der Datenbank nicht angegangen, vervielfältigen sie sich im Laufe der Zeit und ziehen immer mehr Bereiche der Organisation in Mitleidenschaft. So wirkt sich die Datenqualität unter anderem negativ auf die Motivation von Mitarbeitern aus, wenn diese viel Zeit in die Überprüfung zweifelhafter Datenbankeinträge investieren und wiederholt Fehler manuell korrigieren müssen. Irgendwann könnten sie ganz aufhören, auf die Daten im System zu vertrauen. Stattdessen legen sie sich möglicherweise eigene Excel-Tabellen oder Zettelkataloge an und pflegen lieber diese als die Daten im ERP oder CRM, die dadurch weiter verwahrlosen und noch mehr Chaos verursachen – ein Teufelskreis.
George Labovitz und Yu Sang Chang haben bereits 1992 die bekannte 1-10-100-Regel formuliert. Sie besagt, dass sich die durch unsaubere Daten verursachten Kosten pro Eskalationsstufe jeweils verzehnfachen. Demnach kostet es einen Dollar, einen Datensatz präventiv bereits während der Übernahme ins System zu verifizieren. Bleibt dieser Schritt aus, kostet es im Nachgang bereits zehn Dollar, die durch besagten Datensatz entstandenen Folgefehler zu finden und sowohl diese als auch den Datensatz selbst zu korrigieren. Wird diese Korrektur nicht vorgenommen, potenzierten sich die Prozessfehler immer weiter, bis die Kosten für den einen anfänglichen Fehler bei der Datenerfassung schließlich die 100-Dollar-Marke erreichten. Spätestens an dieser Stelle sollte die Einsicht reifen, dass der eine präventiv aufgewendete Dollar zu Beginn eine sinnvolle Investition gewesen wäre.
Die Faktoren 10 bzw. 100 in der 1-10-100-Regel sind kein empirischer Befund. Sie sollen lediglich die exponentiell wachsenden Folgekosten unterlassener Datenpflege illustrieren. Welche Maßnahmen aber lassen sich konkret ergreifen, um die Gefahr ausufernder Folgekosten systematisch zu reduzieren?
Die schlechte Nachricht: Es gibt nicht die eine Maßnahme, die das Problem allumfassend löst. Stattdessen braucht eine unternehmensweite Datenstrategie, die eine Vielzahl von Maßnahmen zur Sicherung der Stammdatenqualität bündelt. Unter folgenden Voraussetzungen kann nachhaltiges Stammdatenmanagement gelingen:
Schlechtes Stammdatenmanagement kommt Sie auf lange Sicht wesentlich teurer zu stehen als frühzeitige und regelmäßige Investitionen. Master Data Management beginnt beim richtigen Mindset und hört bei einer Vielzahl kleinerer Maßnahmen im Zusammenhang mit der Datenerhebung, -speicherung und dem Datentransfer noch lange nicht auf. Je nach Budget können Software und externe Dienstleister eine große Hilfe sein. Die Gesamtverantwortung für die Qualität Ihrer Stammdaten kann Ihnen jedoch niemand abnehmen.
Von der Gesetzesänderung
bis hin zu neuen Data-Science-Lösungen aus dem
Hause Regis24 – wir sichern
uns das Wissen, damit Sie
Ihren Marktvorsprung ausbauen: dafür engagieren
sich die Regis24-Experten
in diversen Brancheninstitutionen.