Der Schlssel fr die Umwandlung von Kundendaten in Kundenwert
Mit hoher Datenqualitt von Big Data ber Smart Data bis hin zur Smart Campaign
Whitepaper
Datenqualitt
eoda 2015 www.eoda.de 2
Whitepaper Datenqualitt
Datenqualitt
Der Schlssel fr die Umwandlung von Kundendaten in Kundenwert
Inhaltsverzeichnis
1. Einleitung .................................................................................................................................. 3
2. Grnde fr Defizite in der Datenqualitt ................................................................................... 4
3. Warum ist Datenqualitt so wichtig? ........................................................................................ 5
3.1 Kundenbindung ...................................................................................................................... 5
3.2 Marketing & Vertrieb ............................................................................................................... 6
3.3 Kosten ..................................................................................................................................... 6
4. Mit Data Governance von Big Data zu Smart Data .................................................................. 7
4.1 Data Profiling .......................................................................................................................... 7
4.2 Data Integration ...................................................................................................................... 8
4.3 Data Cleansing ....................................................................................................................... 8
4.4 Data Monitoring ...................................................................................................................... 8
5. Case Study zur CRM-Datenbereinigung mit eoda ................................................................... 9
6. Mit einem ganzheitlichen Ansatz zu hochwertigen Daten und smarten Kampagnen ............ 10
6.1 addRess ................................................................................................................................ 11
6.2 signatuRe .............................................................................................................................. 11
6.3 fuzzychekC ........................................................................................................................... 12
6.4 associateR ............................................................................................................................ 13
6.5 optimizeR .............................................................................................................................. 14
6.6 Die Vorteile von eoda | consolidate auf einen Blick ............................................................. 16
7. Fazit ........................................................................................................................................ 16
8. ber eoda ............................................................................................................................... 17
eoda 2015 www.eoda.de 3
Whitepaper Datenqualitt
1. Einleitung
"Qualitt ist nicht alles, aber ohne Qualitt ist alles nichts!"
Prof. Dr. Walter Masing1
Im Zeitalter der Digitalisierung entwickelt sich das Thema Datenqualitt immer mehr zum erfolgs-
kritischen Faktor. Korrekte, aktuelle und vollstndige Daten bilden das Fundament effizienter und
erfolgreicher Geschftsprozesse. Die unaufhaltsam wachsende Datenmenge der heutigen Zeit
stellt viele Unternehmen jedoch vor groe Herausforderungen. Aus der unberschaubaren Daten-
flut die jeweils relevanten Informationen herauszufiltern und gesammelte Daten kontinuierlich auf
dem aktuellsten Stand zu halten sind nur zwei der zahlreichen Schwierigkeiten, die sich fr Unter-
nehmen im Zuge von Big Data ergeben knnen.
Dabei bieten Daten vor allem eines: Die Mglichkeit, wertvolles Wissen zu generieren.
Hierfr ist in erster Linie die Datenqualitt von groer Bedeutung. Nur korrekte Daten knnen be-
lastbare, nutzenbringende Ergebnisse liefern und eine fundierte Entscheidungsfindung ermgli-
chen. Richtige, vollstndige und aktuelle Daten sind somit essentiell fr erfolgreiche operative Pro-
zesse. Fehlentscheidungen und Ineffizienzen im tglichen Betrieb sind dabei nur die Spitze des
Eisbergs. Die Probleme schlechter Datenqualitt erstrecken sich ber verschiedene Bereiche und
schwchen ganze Unternehmensablufe zum Beispiel im Vertrieb:
Unkoordinierte Ansprache von Kunden und Interessenten, unklare Zuordnungen von Informationen
oder falsch adressierte Weihnachtskarten sind nur drei Beispiele fr die Auswirkungen unzu-
reichender Datenqualitt in Vertriebsprozessen. Die Folgen fr Unternehmen sind gravierend: Be-
stehende Kundenbeziehungen werden negativ beeintrchtigt, Neukundenkampagnen scheitern
und das Reporting liefert fehlerhafte Auswertungen. Auch mgliche Cross-Selling Potentiale blei-
ben ungenutzt. Die Begleiterscheinungen sind hohe Kosten und ein enormer Zeitaufwand.
Daten bilden die Grundlage fr langfristige Unternehmensentscheidungen und knnen Unterneh-
men wertvolle Wettbewerbsvorteile beschaffen. Aus diesem Grund sollte das Thema Datenqualitt
mit hoher Prioritt behandelt und kontinuierlich auf Defizite untersucht werden, um diese beheben
zu knnen bevor sie sich negativ auf den Geschftserfolg auswirken.
1 Prof. Dr. Walter Masing ( 2004) war Ehrenvorsitzender der Deutschen Gesellschaft fr Qualitt e.V. (DGQ). Er war mageblich an der Etablierung des Qualittsmanagements in Deutschland und Europa beteiligt und Her-ausgeber des Masing Handbuch Qualittsmanagement.
eoda 2015 www.eoda.de 4
Whitepaper Datenqualitt
2. Grnde fr Defizite in der Datenqualitt
Die Grnde fr die Entstehung von Defiziten in der Datenqualitt sind vielfltig. Zum einen nimmt
die Menge an gesammelten Informationen sowie die Anzahl der Kanle, die fr die Sammlung von
Daten genutzt werden knnen, fortwhrend zu. Allein im Social Media Bereich steigt die Zahl der
Kanle stetig. Neben etablierte Plattformen wie Facebook, Twitter und co. treten immer neue Mg-
lichkeiten, sich zu vernetzen und auszutauschen. Zum anderen sind Daten in Zeiten von Big Data
oft kurzlebig; gerade Adressdaten verndern sich schnell. So stellte die Deutsche Post in ihrer
Untersuchung Kundendaten-Qualitt 2015 fest, dass etwa acht Millionen Umzge, 890.000 To-
desflle sowie 380.000 Hochzeiten und 170.000 Scheidungen jhrlich zu einer Vielzahl von
Adress- und Namensnderungen fhren.2 Insgesamt lag der Anteil unzustellbarer Kundenadres-
sen im Jahr 2014 bei 14,2 Prozent im Branchendurchschnitt.
Hufig sind es auch schlicht menschliche Fehler oder mangelnde Kommunikation zwischen den
Abteilungen, die zu fehlerhaften und doppelten Eintrgen fhren. Auerdem wird die Wichtigkeit
einer hohen Datenqualitt noch immer unterschtzt und zu wenige Ressourcen fr ein sauberes
Datenqualittsmanagement eingesetzt. Ein weit verbreitetes Problem ist auch das Fehlen einer
zentralen, konsistenten Koordination und unternehmensweiter Standards fr den Umgang mit Da-
ten. Die Folgen sind uneinheitliche Formatierungen sowie Duplikate und hnliche Eintrge in Da-
tenstzen. Viele Unternehmen verfgen darber hinaus nicht ber die notwendige technische Un-
tersttzung, um die tglich anfallenden und sich verndernden Datenmengen zu bewltigen. Hinzu
kommt, dass sich die Probleme schlechter Datenqualitt immer weiter anhufen und sich so zu-
nehmend verschlimmern, wenn keine entsprechenden Manahmen ergriffen werden.
2 Deutsche Post Direkt GmbH. https://www.deutschepost.de/content/dam/dpag/images/D_d/DDP/Downloads/stu-
dien/20150318_studie_kundendatenqualitaet_2015.pdf.
eoda 2015 www.eoda.de 5
Whitepaper Datenqualitt
Studien zufolge leiden ber 90 Prozent der Unternehmen unter gngigen Datenfehlern wie etwa
unvollstndige, fehlende oder veraltete Informationen. Dabei gibt es zwischen verschiedenen Bran-
chen groe Unterschiede. Whrend Banken mit 6,3 Prozent unzustellbaren Kundenadressen die
hchste Adressdatenqualitt aufweisen, bildet der gemeinntzige Sektor mit fast 18 Prozent unzu-
stellbaren Kundenadressen das Schlusslicht im Branchenvergleich.3
3. Warum ist Datenqualitt so wichtig?
3.1 Kundenbindung
Die Vielzahl tglich neuer Produkte, deren zunehmende Austauschbarkeit, die steigende Zahl der
Wettbewerber sowie die Mglichkeit, Produkte und Anbieter mhelos online zu vergleichen, er-
schweren es den Unternehmen, Kunden fr sich zu gewinnen und langfristig eine Bindung herzu-
stellen. Aus diesem Grund ist der optimale Umgang mit potenziellen und bestehenden Kunden in
der heutigen Zeit wichtiger denn je. Denn die Gewinnung eines Neukunden kostet etwa fnfmal
mehr als die Bindung eines Bestandskunden. Auerdem sind Stammkunden auf lange Sicht die
profitableren Kunden. Die Zufriedenheit der Kunden ist daher ein wichtiger Erfolgsfaktor, denn nur
zufriedene Kunden bleiben einem Unternehmen treu und generieren einen hohen Customer
Lifetime Value. Richtige Daten sind dafr eine essentielle Grundlage. Denn eine hohe
