Bei einer internationalen Umfrage über die Folgen von sauberen Daten gaben ergaben sich die folgenden Benefits:

  • Zuwachs in operativer Effizienz (60%)
  • bessere Entscheidungen (47%)
  • Kostenersparnis (44%)
  • besser Kundenservice (54%)
  • mehr Umsätze (43%)

Um eine „Culture of Clean Data“ zu entwickeln müssen im ersten Schritt einmal die richtigen Fragen gestellt werden. Eine Studie von Forbes hat ergeben, dass jedes Unternehmen einen Datenzuwachs von etwa 40% pro Jahr verbucht. Der Schaden von schlechten Daten beträgt etwa 25% des Gesamtumsatzes. Man sollte sich also die Fragen stellen:

Wie viele neue Daten erzeugt mein Unternehmen jedes Jahr? Wie viele Daten werden wieder gelöscht?

Wie viel kostet die schlechte Datenqualität mein Unternehmen?

Schritt 1: Die Unternehmensziele festlegen

Was will man durch saubere Daten erreichen?

Einige Beispiele:

Zuverlässige Accountbeurteilung:
– Umsatz, Anzahl der Mitarbeiter, Territorium

Zuverlässigen Kontaktinformationen:
– 95% aller Kontakte haben eine Telefonnummer und E-Mail eingetragen
– weniger als 0,5% Bounce-Rate bei allen ausgehenden E-Mails

Schritt 2: Prozessaudit und Datenauswertung

Zu diesem Zweck sollten Sie einen Datenflow Workshop halten. Dabei sollten Sales Manager, Marketing, Vertriebler und IT teilnehmen.

Der Hauptfokus während dieses Workflows liegt auf folgenden Bereichen:

Identifizieren, welche Datenflows existieren und wovon diese Abhängig sind.

  • Wo kommen die Daten her?
  • Was passiert im CRM-System mit ihnen?
  • Wo gehen die Daten hin? (externe Systeme)
  • Welches ist das Mastersystem?

Top 3 Fragen, die zu beantworten sind:

  • Wo liegen die Quellen von schlechten Daten?
  • Wo liegen die Flaschenhälse?
  • Wo existieren Lücken in den Prozessketten?

Wichtig bei der Festlegung der Audits ist, dass eine Strategie gewählt wird, die bei dem aktuellen Geschäftsmodell angemessen erscheint.

Schritt 3: Datenqualitätsplan

Als erstes wird in diesem Schritt die Data Governance festgelegt. Das bedeutet, dass festgelegt wird, wie Daten erstellt werden und wer Inhaber der Daten ist. Der Datenzugriff bzw. die Datenfreigabe werden definiert und erforderliche Felder beim erstellen von Datensätzen werden festgelegt. Auch hier gilt: Die richtige Balance zwischen Business Needs und der erforderlichen Datenqualität finden.

Zusätzlich werden in diesem Schritt Prozesse zur Optimierung der Daten festgelegt. Als erstes sollte man eine „Single Source of Truth“ definieren. Hat man dies erst einmal definiert, sollten die „idealen“ Daten-Workflows erstellt werden und Standards für die Datenpflege. Dieser Prozess ist vor allem evolutionär – nicht revolutionär!

Schritt 4: Daten aufbereiten und aufräumen!

Die Datenaufbereitung hilft dabei die Daten zu standardisieren und Übereinstimmung für Reports zu schaffen. Einige Beispiele was in diesem Schritt getan werden sollte:

  • Duplikate im System entfernen
  • Adressen standardisieren
  • Fehlende Adressfelder kompletieren (PLZ, Stadt, Bundesland)
  • Telefonnummern standardisieren
  • Daten „triangulieren“ (z.B. PLZ gegen Stadt prüfen)

Schritt 5: Laufendes Monitoring und Pflege

Sind die Daten erst einmal entsprechende gepflegt worden, sollte an diesem Punkt ein Prozess der ständigen Datenpflege in Gang gebracht werden. Dabei spielt sowohl Automatisierung als auch regelmäßige Datenreviews eine Rolle (einmal pro Quartal ist Minimum).

Final kann in diesem Schritt dann auch der ROI bestimmt werden: Was sind die Daten des Unternehmens wert?