22 MARKETING� Marketing�&�Kommunikation�10/13���

keine befriedigende Datenqualität erreichen.

Mögliche Konsequenzen: Die falsche Anrede rückt den Absender in ein schlechtes Licht und die Bot-schaft landet ungelesen im Papier-korb. Alte Adressen sorgen für Alt-papier in Form von Retouren und verursachen unnötige Produktions- und Portokosten. Kennzahlen wie Cost per interest (CPI) und Cost per order (CPO) werden verfälscht. Gesetze und Richtlinien (Com - pliance) werden verletzt, ohne dass sich jemand dessen bewusst ist – zumindest bis die ersten Reakti-onen darauf eintreffen.

Ein weiterer Aspekt der Da-tenqualität ist das Sammeln und sinnvolle Verknüpfen von Infor-mationen über den Dialogpartner. Jeder Empfänger freut sich darü-ber, wenn der Absender Interes-se und Wertschätzung zeigt. Der Empfänger fühlt sich dann ernst genommen, wenn er Informa-tionen erhält, die für ihn wich-tig sind. So verstärkt sich nicht

Schlechte Daten wirken sich auf vielfältige Weise negativ aus. Eine der Folgen schmerzt die Wirt-schaft besonders: Es geht Geld verloren. Viel Geld. Eine Studie des Data Warehousing Institute errechnet für die USA einen Wirt-schaftsschaden von umgerech-net 570 Milliarden Franken. Das heisst für die Schweiz: Wenn der Schaden im Verhältnis zum Brut-toinlandsprodukt gleich gross ist wie in den USA, beträgt er hierzu-lande 25 Milliarden Franken. Pro Jahr, wohlverstanden.

Ein beträchtlicher Teil des Schadens geht auf das Konto falscher Entscheidungen. Oder besser von Entscheidungen, die an und für sich richtig waren, aber auf der falschen Datenla-ge basierten. Im Grossen gehen so Millionen verloren. Im Klei-nen verbrennen ungepflegte und falsche Daten täglich Ressourcen, Zeit, Geld und Nerven. Der Auf-wand, seine Daten auf den aktu-ellsten Stand zu bringen und kon-

sequent zu pflegen, zahlt sich al-so rasch aus.

Auch wenn der Fokus im vor-liegenden Artikel auf den Daten liegt, ist eines klar: Datenqualität umfasst viel mehr Aspekte. Eben-falls zur Datenqualität gehören Themen, wie zum Beispiel: über welche Software Daten gepflegt werden; wie Daten dargestellt werden; wie einfach Daten genutzt werden können; ob die Datenaus-gabe die Bedürfnisse des Anwen-ders deckt und anderes mehr. Die Deutsche Gesellschaft für Informa-tions- und Datenqualität e.V. defi-niert vier Kategorien der Daten-qualität mit insgesamt 15 Dimen-sionen – die Grafik zeigt dieses Modell.

Datenqualität in Dialogmarketing und CRMWer den Dialog mit seinen (po-tenziellen) Kunden ernst nimmt, muss sich zwingend mit dem Thema Datenqualität auseinan-dersetzen. Um einen guten Dialog

führen zu können, braucht es zu-nächst einmal einen Gesprächs-partner – beispielsweise einen potenziellen Kunden. Aktuelle

und richtige Daten stellen sicher, dass dieser erreicht und richtig angesprochen wird. Was in der Theorie klar erscheint, ist in der Praxis nicht selbstverständlich. Studien – zum Beispiel von der Zürcher Hochschule für Ange-wandte Wissenschaften (ZHAW) oder der ec4u – haben ergeben, dass die meisten Unternehmen

Logische Konsequenz für unternehmerisch DenkendeDATENQUALITÄT Daten�sind�der�Brennstoff�des�Unternehmens.�Sind�sie�schlecht,�verfeuern�sie�Geld.�Ist�ihre�Qualität�gut,�treiben�sie�den�Unternehmensmotor�an.�Das�Erreichen�und�Halten�einer�hohen�Datenqualität�ist�deshalb�nicht�«nice�to�have»,�sondern�logisches�Muss.�Wichtig�dabei:�Datenqualität��umfasst�weit�mehr�als�nur�fehlerfreie�Daten.

VON ROGER DOBLER

Informationsqualität

Das Datenqualitäts-modell der Deutschen Gesellschaft für In - formations- und Da-tenqualität e.V. ba-siert auf einer Studie des Massachusetts Institute of Techno-logy MIT. Das Modell zeigt die 15 Dimen-sionen der Daten-qualität, die in vier Kategorien aufgeteilt sind. Eine kurze Er-klärung zum Modell lässt sich als PDF herunterladen unter http://www.az-direct.ch/ aktuelle-themen/ datenqualitaet.html

systemunterstützt

darstellungsbezogen

zweckabhängig inhärentNutzung Inhalt

System

Darstellung

Zugänglichkeit Bearbeitbarkeit

Aktualität

Wertschöpfung

Vollständigkeit

Angemessener Umfang

Relevanz

hohes Ansehen

Fehlerfreiheit

Objektivität

Glaub- würdigkeit

Verständ- lichkeit

Übersicht- lichkeit

einheitliche Darstellung

eindeutige Auslegbarkeit

IQ

«Der Aufwand, seine Daten auf den aktuellsten Stand zu bringen und konsequent zu pflegen, zahlt sich rasch aus.»

Marketing�&�Kommunikation�10/13���� MARKETING 23

nur die Bindung an den Absen-der, sondern auch die Wirkung von Cross- und Up-Selling-An-geboten. Zusätzliche Informati-onen lassen sich oft einkaufen. Wenn es um Personen geht, kön-nen dies zum Beispiel demogra-fische Angaben wie Alter, Wohn-situation oder Einkommens-klassen sein. Um einschätzen zu können, wie eine Zielgrup-pe denkt und handelt, gibt es

psycho grafische Typologien wie die GfK Roper Consumer Styles. Beide Arten von Informationen bieten Unternehmen wie die AZ Direct AG an.

Datenqualität und MitarbeitendeUmfragen zeigen, dass sich die Datenqualität auf Mitarbeiten-de und deren Leistung auswirkt. Ungenügende Datenqualität frust - riert und macht unzufrieden. Un ternehmen umschiffen diese Klippen, wenn …… die gewünschten Daten in

sinnvollem Umfang schnell und einfach verfügbar sind

… die Daten sauber (ohne Ein- gabefehler) erfasst sind

… die Datenerfassung klar und einheitlich geregelt ist

… die Eingabelogik klar ist… die Daten eindeutig sind,

es also keine Dubletten und Redundanzen gibt

… usw.

Wie lässt sich eine hohe Datenqualität erreichen?Eine hohe Datenqualität setzt klar definierte Abläufe voraus. Das Business Application Research Center (BARC) empfiehlt, bei Da-tenqualitätsprojekten folgende Punkte zu berücksichtigen:1. Holen Sie für das Planen und Einführen des Datenqualitätspro-zesses alle Fachbereiche ins Boot, die vom Thema betroffen sind.2. Datenqualität ist eine Füh-rungsaufgabe und braucht Spon-soren. So steigt das Vertrauen in die Daten.

3. Stellen Sie die Auswirkungen schlechter Daten dem Nutzen ei-ner hohen Datenqualität gegen-über. So identifizieren Sie dieje-nigen Bereiche, die am stärksten profitieren.4. Eine grundlegende Prüfung der Datenqualität zeigt den Ist-Zu-stand. Arbeiten Sie bei Bedarf mit externen Datenspezialisten und Beratern zusammen.5. Informieren Sie Ihre Mitarbei-tenden, sobald die ersten Erfolge da sind. Nutzen Sie erfolgreiche Pilotprojekte als Best-Practice-Beispiele.6. Ein Daten-Management- oder Business-Intelligence-Compe-tence-Center schafft klare Verant-wortlichkeiten und erleichtert die Zusammenarbeit zwischen den Fachbereichen.7. Fachbereiche und IT müssen sich darüber einig sein, welche Datenqualitätswerkzeuge sie einsetzen wollen. Dabei zählen fachliche Anforderungen und die Nutzbarkeit.8. Spezialisierte, massgeschnei-derte Datenqualitätswerkzeuge sind nicht in jedem Fall nötig und sinnvoll. Oft deckt eine Standard-software viele Bedürfnisse ab.9. Die Prozesse müssen den ge-samten Datenqualitätszyklus ab-decken.10. Ein nachhaltig wirksamer Datenqualitätsprozess umfasst Massnahmen zur Analyse, Berei-nigung, Anreicherung und Über-wachung der Datenqualität.

FazitDer Weg zu einer hohen Daten-qualität beginnt meist steinig und steil, ist aber in jedem Fall lohnend. Das Einführen von Da-tenqualitätsprozessen muss im Unternehmen breit abgestützt sein. Das Thema gehört zu den Führungsaufgaben und muss von «ganz oben» gestützt sein. Damit die Mitarbeitenden ebenfalls voll hinter dem Projekt stehen, müs-sen sie rechtzeitig ins Boot geholt werden. Allen muss klar sein, dass Datenqualität für den Erfolg des Unternehmens wichtig ist. Die Arbeit wird effizienter und ef-fektiver, die Mitarbeitenden sind dadurch zufriedener. Brachlie-gende Potenziale können gezielt angegangen werden, Umsatz und Erfolg steigen.�n

* Roger Dobler,

Chief Business Development

Officer (CBDO) und Mitglied

der Geschäftsleitung der

AZ Direct AG

Anzeige

Inserat 98x282 «Der Empfänger

fühlt sich dann ernst genommen, wenn er Infor- mationen erhält, die für ihn wichtig sind.»