| Datenmanagement
24. Oktober 2016 | 1134 Artikelaufrufe

Effektives Kundendatenmanagement – Doch wer ist eigentlich unser Kunde?

Effektives Kundendaten Management – Doch wer ist eigentlich unser Kunde?

Als wir von Uniserv neulich wieder einmal auf einen Workshop zur Regeldefinition für die DQ Scorecard bei einem Kunden waren, kam es zu folgender Szene: Die ersten Regeln waren definiert und jeder Workshop-Teilnehmer ging davon aus, dass die Stammdaten der Kunden im Fokus stehen. Da stellte einer der Teilnehmer die Frage, wer genau denn die Kunden seien?

Eine einfache Frage: Wie lautet die Definition des Begriffs „Kunde“?

Es entstand eine interessante Diskussion in deren Verlauf die verschiedenen Ausprägungen des Begriffs „Kunde“ zuhören waren:

  • Der Kunde ist der, der das Produkt besitzt.
  • Der Kunde ist der, der das Produkt benutzt.
  • Der Kunde ist der, der das Produkt bestellt.
  • Der Kunde ist der, der für das Produkt bezahlt.
  • Der Kunden ist der, der sich für das Produkt interessiert.
  • Der Kunde ist der, der bei uns in der Datenbank geführt wird.

Die letzte Definition kam von einem Vertreter der IT. So haben wir viele Antworten bekommen, alle sind irgendwie sicher richtig, aber die Bedeutung des Begriffs „Kunde“ konnte in diesem Moment nicht eindeutig geklärt werden.

Daten sinnvoll strukturieren – Was steht hinter unseren Datenfeldern?

Dieses kleine Beispiel ist nur eines von vielen, wenn es um die eindeutige Definition von ganz gewöhnlichen Begriffen geht. Je nachdem was unter dem einen oder anderen Terminus verstanden wird und wie eindeutig die Eingabe-Masken in (Kunden)-Stammdaten-Management-Systeme sind, können bei der Daten-Anlage ganz unterschiedliche Informationen aufgenommen werden.

Das mag bei einigen Datenfeldern nicht weiter tragisch sein, dennoch gibt es sicher auch Fälle, bei denen die unterschiedlichen Ausprägungen einer gewünschten Information zu späterer Fehlern in Folgeprozessen führen. Solche Folgeprozesse können einmalige Aktionen wie Datenmigrationen sein, bei denen nur „gute“ Datensätze in das neue Zielsystem übernommen werden sollen. Oder, wie in unserem Fall, nur Daten von Kunden, die das Produkt bestellt haben. Denn nur diese sollen in der Scorecard ausgewertet werden. Es ist also ein Prozess, der immer wieder ausgeführt wird. Ähnlich verhält es sich auch bei Marketing Kampagnen, dem Rechnungsversand oder ähnlichen, sich wiederholenden Vorgängen.

Eindeutige Datenfelddefinition – eine klassische Aufgabe von Data Governance

Wir sehen in fast allen Data Management Workshops, dass es immer wieder Felder in den Systemen gibt, deren Bedeutung nicht klar definiert ist und somit bei der Dateneingabe viel Raum für Eigeninterpretationen geben. Entsprechend „wild“ sehen die Einträge aus. Von daher empfehlen wir eine genaue Definition der Felder in den Stammdaten-Systemen.

Eine klassische Aufgabe von Data Governance. Denn nur wenn allen Mitarbeitern klar ist, welche Bedeutung die Stammdaten-Felder haben, können die Feldinhalte im richtigen Kontext genutzt und bewertet werden. In unserem Fall wäre das zum Beispiel, dass mit „Kunde“ nur diejenigen Geschäftspartner gemeint sind, die einen Bestellvorgang auch tatsächlich abgeschlossen haben. Das müssen nicht zwingend alle Geschäftspartnerdaten in der Datenbank sein. Das gilt im Übrigen auch für Folgeprozesse die beispielsweise Business Intelligence Analysen im Fokus haben. Wie aussagekräftig wären wohl die Analysen, wenn Kunden und Interessenten in einen Topf geworfen werden?

How to Create a Data Dictionary – die gute Nachricht…

Der Begriff „Data Governance“ mag nicht bei allen Mitarbeitern und Data-Management-Verantwortlichen Begeisterungsstürme auslösen. Data Governance schafft einen Rahmen für Standards, Metriken, Rollen und Prozessen rund um die Unternehmensdaten und geht damit in die Unternehmenskultur über. Data Governance muss aktiv gelebt werden.

Auf dem Markt gibt eine ganze Reihe von Anbietern von Data Governance Tools, die beim Aufbau eines Data Dictionary helfen. Wer allerdings klein anfangen will, der kann die ersten Begriffe auch in einer einfachen Excel-Tabelle oder einen Firmen-internen Wiki definieren. Das ist allemal besser als nichts und ein guter Startpunkt für spätere Data-Governance-Initiativen. Außerdem kann auf diese Weise schon mal ausprobiert werden, wie denn am besten ein Prozess für die Definitionen der wichtigsten Business-Begriffe aussehen könnte.

Auch ergeben sich die ersten Hinweise auf die Akzeptanz eines solchen Definitions-Werkes. Denn auch ein noch so gutes Tool kann diese Arbeit nicht alleine übernehmen. So müssen Abstimmungsprozesse etabliert werden. Denn weiterer Bedarf für Begriffsklärungen wird sicher kommen. Spätestens dann, wenn Data-Management-Projekte sich verzögern, weil man sich bei kritischen Datenfeldern nicht auf Definition oder die sinnvolle Nutzung in Folgeprozessen einigen kann. Gäbe es dann bereits eine Definition der wichtigsten Begriffe, wäre man schon ein ganzes Stück weiter bei der Integration neuer Datenquellen und einen großen Schritt näher am Golden Record der Kundenstammdaten.

Die Personen

uniserv-paul-tours

Paul Tours, Solution & Product Manager, Uniserv GmbH

 

 

 

uniserv-dr-christiana-klingenbergDr. Christiana Klingenberg, Solution & Product Manager, Uniserv GmbH

 

 

 

Uniserv ist in Europa Spezialist für erfolgreiches Customer Data Management (MDM für Kundendaten). Customer Data Management vereint Datenqualitätssicherung und Datenintegration zu einem ganzheitlichen Ansatz. Kundendaten stehen dabei im Mittelpunkt von Initiativen für Datenqualität, Datenmigration, Data Warehousing sowie Master Data Management, beispielsweise im Umfeld von CRM-Anwendungen, eBusiness, Direct- und Database-Marketing, CDI/MDM-Anwendungen und Business Intelligence. www.uniserv.com

Von der Zielgruppe zur Zielperson: Brauchen wir wirklich die Buyer Persona?

Effektives Kundendaten Management – Doch wer ist eigentlich unser Kunde?
Bewerten Sie als erster diesen Artikel!

Print Friendly

Die Redaktion der Vertriebszeitung.de

Schreiben Sie einen Kommentar