Von qualitativ hochwertigen Daten spricht man, wenn die in einer Datenbank oder in einem zentralen System hinterlegten Daten genau und korrekt sind. Dabei ist aber nicht unbedingt ausschlaggebend, ob der Kunde erreichbar ist oder nicht. Viel mehr kann man von einer guten Datenqualität sprechen, wenn die Daten nicht nur vorhanden sondern auch vollständig sind. Nur dann kann man nämlich sicher stellen, seinen Kontakt in jeder Situation zu erreichen.
Welche Bedeutung hat Datenqualität in der heutigen Zeit ?
Unter Qualität wird nach DIN Vorschrift ISO 8402 allgemein die Übereinstimmung der Eigenschaften eines Produktes oder einer Dienstleistung mit vorher festgelegten oder aber vorausgesetzten Anforderungen verstanden. Bei immateriellen Produkten, wie Daten, sind das keine materiellen Produktmerkmale sondern Nutzeffekte, die sich aus den Bedürfnissen und Anforderungen der Datenempfänger und Nutzer ableiten. Hohe Qualität wäre dann also gegeben, wenn die Daten diesen Bedürfnissen und Anforderungen vollständig entsprechen. Richtige Daten, insbesondere Kundendaten, sind für Unternehmen ein notwendiger immer wichtiger werdender strategischer Vermögenswert und Produktionsfaktor um wettbewerbsfähig zu bleiben. Ihre eigentliche Wertschöpfung besteht darin, das Unternehmen ihre Produkte und Dienstleistungen optimieren und damit kongruent zum Kundenverhalten nachfragegerecht und zielgerecht produzieren und anbieten können. Um diese Ziele jedoch zu erreichen, ist die Qualität aller Daten (Data Quality), insbesondere der Kundendaten, von entscheidender Bedeutung. Unvollständige oder veraltete Daten oder doppelt bzw. mehrfach vorhandene Daten schmälern den Unternehmenserfolg, weil sie Zeit und Geld kosten. Modernes Kontaktmanagement ist daher für viele Unternehmen mittlerweile Standard. Saubere Kontaktdaten (Namen, Adressen, Telefonnummern etc.) sind für guten Kundenservice und Vertriebserfolg unverzichtbar.
Wie können sich Qualitätsdefizite im Datenbestand auswirken ?
Die ursprünglich für bestimmte Zwecke erhobenen Daten unterliegen naturgemäß einer Datenalterung. Wird über einen längeren Zeitraum hinweg eine Aktualisierung der Daten versäumt, verschlechtert sich ihre Qualität aufgrund der Datenalterung fortlaufend. Beispielsweise können sich Adressen von Kunden durch Umzug, Heirat oder Todesfall ändern. Je mehr Zeit verstreicht, desto wahrscheinlicher ist es, dass der vorliegende Adressbestand in einem Unternehmen von solchen oft schleichend eintretenden Änderungen betroffen ist. Ohne entsprechende Gegenmaßnahmen verschlechtert sich alleine durch Datenalterung die Qualität der Kundendaten und damit ihre Werthaltigkeit. Falsche oder unvollständige Kundenadressen haben unweigerlich unmittelbare Auswirkungen auf die Vertriebsprozesse in den Unternehmen.
- Unzustellbare Adressen kosten unnötig Geld
- Adressdubletten führen zu doppelten Werbemittel an den gleichen Empfänger
- Doppeladressen verhindern Ausschöpfung von Kundenbeziehungen (Cross-Selling)
- Fehlerhafte Adressen verursachen aufwendige, kostenintensive Retouren
- Schlechte Adressqualität erschwert Marketingaktionen (z.B. Direktmailing)
Eine aktuelle Adressdatenbank ist die beste Voraussetzung für erfolgreiche Mailingaktionen. Über kein anderes Instrument kann ein Unternehmen seine Kunden so eng an sich binden wie über verschiedene Formen des Mailings. Von der klassischen Form des Mailings, dem Anschreiben über den Postweg, bis hin zu modernen, elektronischen Mailings (SMS und E-Mails) ermöglicht eine gute Kundendatenbank dem Unternehmen seine Kunden gezielt zu selektieren und anzuschreiben.
Fehler im Adressbestand eines Unternehmens kosten unnötige Zeit und Geld und können unmittelbar die Vertriebsproduktivität gefährden. Die Folge können dann vermeidbare Umsatzverluste sein.
Wie kann Datenqualität gemessen werden ?
Eine effiziente Qualitätsmessung und Ableitung gezielter Verbesserungsmaßnahmen, erfordert von den Unternehmen grundsätzlich die Definition und Festlegung von Mindeststandards der Datenqualitätsmerkmale. Für eine Aussage über die Qualität des Datenbestandes bei einem Unternehmen, ist zunächst die Überprüfung eines beliebigen Datenqualitätsmerkmals (z.B. Aktualität der Adressdaten) zur Feststellung möglicher Qualitätsdefizite erforderlich. Danach ist zu ermitteln wie viele Daten bzw. Datensätze fehlerhaft sind und wie viele Datensätze im Verhältnis dazu untersucht wurden. Mit diesen zwei Messergebnissen und Kenntnis der vorliegenden Qualitätsdefizite kann im Unternehmen eine aufarbeitungstaugliche Aussage über den Zustand des Datenbestandes getroffen werden. Mit Hilfe der Qualitätsmessung kann der Quotient, bzw. der prozentuale Anteil der fehlerhaften Daten, berechnet werden und damit eine Aussage über den Anteil der fehlerhaften Daten im Vergleich zum gesamten Datenbestand des Unternehmens getroffen werden. Ab einem gewissen Fehlerprozentsatz, der vom operativen Management festzulegen ist, besteht für das Unternehmen ein kritisches Datenqualitätsproblem. Das Ergebnis einer Datenqualitätsmessung sollte aber grundsätzlich nur in Zusammenhang mit den Unternehmenszielen objektiv bewertet werden. Die vom Management festgelegten Anforderungen zum Erreichen der Unternehmensziele müssen daher vorher genau ermittelt werden, um die Meßergebnisse aus einer Datenqualitätsprüfung abschließend und eindeutig bewerten zu können.
Wie ist eine gute Datenqualität zu erreichen ?
Zunächst ist eine Datenanalyse (Qualitätskontrolle) erforderlich. Ziel und Zweck einer Qualitätskontrolle ist es, fehlerhafte oder unvollständige Daten aufzuzeigen und welche Auswirkungen sie im Unternehmen haben. Empfehlenswert ist dabei die Erstellung einer Prioritätenliste, wobei Adressdaten höchste Priorität haben sollten. Richtige Adressdaten machen den Dialog mit Kunden erst möglich. Im Anschluss sind die Feststellungen der Datenanalyse durch eine Datenbereinigung zu korrigieren. Im Ergebniss sollte das Unternehmen dann wieder über einen sauberen Datenbestand verfügen. Doch eine einmalige Datenbereinigung ist noch keine Garantie für eine gleichbleibende und dauerhafte Qualität der Daten. Qualitätskontrollen und sich anschließende Datenbereinigungen sind regelmäßig zu wiederholen. Zur Umsetzung sind im Unternehmen daher ein Datenqualitätsmanagement und entsprechende Datenqualitätsprozesse (Datamonitoring) zu implementieren. Um die Werthaltigkeit von Daten effizient und nachhaltig zu steigern und langfristig zu sichern, müssen durch im Unternehmen etablierte Datenqualitätsprozesse die vorher festgelegten Datenqualitätsmerkmale sichergestellt werden. Als Mindeststandards sind folgende Qualitätsmerkmale einzuhalten:
Vollständigkeit der Kundendatensätze : Das Vollständigkeitskriterium ist erfüllt, wenn alle Daten gemäß dem Datenmodell erfasst sind. Mit Datenmodell ist z.B. ein Adressdatensatz gemeint. Ein vollständiger Adressdatensatz kann zum Beispiel Vorname, Nachname, Straße, Hausnummer, PLZ und Ort enthalten. Fehlt eine dieser Daten, ist der Adressdatensatz unvollständig und es liegt ein Datenqualitätsmangel vor.
Korrektheit der Kundendatensätze: Das Korrektheitskriterium ist erfüllt, wenn alle Kundendaten mit der Datendefinition übereinstimmen. Mit Datendefinition ist die Realität gemeint. Beispiel: falsche Geburtsdaten im Datenbestand entsprechen nicht der Realität und sind damit ein Datenqualitätsmangel.
Eindeutige Interpretierbarkeit der Kundendatensätze: die Daten weisen keine Widersprüche innerhalb des Datenbestands, zu anderen Datenbeständen oder im Zeitverlauf auf. Beispiel: Zwei Adressdatensätze haben identische Daten, unterscheiden sich aber beim Geburtsdatum. Beide Datensätze sind nicht eindeutig interpretierbar, da nicht zweifelsfrei bekannt ist ob es sich hier tatsächlich um zwei unterschiedliche Kunden handelt und ob eines oder sogar keines der Geburtsdaten richtig ist.
Aktualität der Kundendatensätze: Das Aktualitätsmerkmal ist erfüllt, wenn alle Kundendaten auf den gegenwärtigen Zeitpunkt (tagesaktuell) erfasst sind. Das heißt nach Möglichkeit keine veralteten Daten im Datenbestand. Beispiel: Kunden ziehen im Laufe der Zeit öfters um. Der gespeicherte Adressdatensatz ist dann veraltet und es liegt ein Datenqualitätsmangel vor. Um dies zu verhindern ist eine regelmäßige Anschriftenprüfung dringend zu empfehlen.
Redundanzfreiheit der Kundendatensätze: Beispiel: Im Datenbestand dürfen keine Dubletten vorkommen.
Da Daten immaterieller Natur sind, ist eine anwenderbezogene Betrachtungsweise wohl die zweckmäßigste Methode um die Qualität der Daten in einem Unternehmen zu ermitteln. Das heißt grundsätzlich sind die Anforderungen des Datenempfängers bzw. Nutzers für die Datenbewertung bezüglich ihrer Qualität heranzuziehen. Aus Sicht des Unternehmens erfordern Fehler im Adressbestand zwingend eine umfassende Anschriftenprüfung mit anschließender Korrektur der fehlerhaften Adressen. Nur so kann ein eingerichtetes Kontaktmanagement erfolgreich den Zielen des Unternehmens dienen. Üblicherweise setzen Kontaktmanager heutzutage standardmäßig Programme zur Kommunikation mit dem Kunden ein. Immer wenn mit Hilfe solcher Programme zum Beispiel Mailingaktionen zur engeren Bindung des Kunden an das Unternehmen durchgeführt werden sollen, greift das Kommunikationssystem auf die vorhandenen Daten im Adressbestand zu. Mit falschen Daten laufen die Mailingaktionen ins Leere.
Grundsätzlich lästig für betroffene Kunden und unerwünscht für ein Unternehmen ist es, wenn ein Kunde z. B. zweimal die gleiche Werbung erhält oder Mailings aufgrund veralteter Adressen wieder zurück kommen.
FAZIT: Die Qualität der Daten bekommt in unserer digitalen Welt zunehmend eine immer höhere Bedeutung. Um mögliche Fehlentscheidungen zu vermeiden, muss sich jedes Unternehmen daher darüber im Klaren sein, dass strategische Entscheidungen nur auf Daten von hoher Qualität basieren sollten.