Anbietervergleich Adress-/Datenqualität

Intro, warum hat das Thema Relevanz, warum ist das Thema strategisch so wichtig?

Für alle Unternehmen, die den direkten Kontakt zu ihren Kunden suchen, ist die Kundendatenbank der Dreh- und Angelpunkt abgestimmter Vertriebs- und Marketingaktivitäten. Die Überzeugung, dass dabei die Qualität – insbesondere die schlichte Korrektheit der Adressdaten – eine wesentliche Rolle spielt, setzt sich endlich durch.

Customer Relationship Management, Data Driven Marketing und Vertrieb, Value to the Customer oder Database Marketing verlangt geradezu eine kompromisslose Qualität und Aktualität. Die üblichen Buzzwords sind u.a. Adressprüfung, Data Cleaning, Data Cleansing, Data Quality Tools, Datenanalyse, optimale Datenerfassung durch eigene Mitarbeiter. Aber auch die optimale Unterstützung bei der Self-Service-Erfassung durch Interessenten und Kunden. Nur so werden E-Mail-Adressen für E -Mailings sowie E-Mail-Marketing von Anfang an fehlerfrei erfasst.

Im Juli 2020 haben wir die erste deutsche Adress- und Datenqualitätssoftware und -Dienstleister-Landscape erstellt und veröffentlicht.  Die durchaus große Vielfalt an Technik, Tools und Softwarelösungen bzw. -Solutions macht Produkt- und/oder Dienstleister-Auswahl nicht einfacher. Wir helfen dabei.

Hier, in diesem Dokument erfahren Sie die wichtigsten Schritte für pragmatisches Datenmanagement, wie Sie die Qualität Ihrer Kundenadressen Schritt für Schritt verbessern.

Best Practices-Beispiele – Wie fängt die Analyse meistens an?

Irgendwann erhält die oder der Vorstandsvorsitzende der Geschäftsführung einen Brief, in dem der Nach- oder Vorname falsch geschrieben ist. Dann kommt automatisch die „innere“ Frage auf:

Wie sieht das denn in meiner eigenen Firma aus und 
wer kümmert sich bei uns um das Datenqualitätsmanagement?

In der nächsten Führungskräftesitzung fragen Sie dann reihum: Ist es EDV/IT, Marketing, Vertrieb, Kundenservice oder Database-Marketing, die verantwortlich sind?

 Falls Sie überhaupt einen Verantwortlichen für Datenqualitätsmanagement finden, ist die nächste Frage: „Ist unser Datenbestand bzw. sind unsere Adressen in Ordnung? Was machen wir, dass das so bleibt? Gibt es fehlerhafte Daten? Wer achtet auf sie, wer korrigiert sie? Und was ist mit den anderen, vielen Daten?“

An dieser Stelle ist der oder die Angesprochene häufig mit politisch gefärbten Sätzen dabei, wie zum Beispiel, „Machen Sie sich keine Sorgen! Bei der letzten Aktion kamen keine Mailings mit „Unzustellbar“ zurück.“ (Wie denn auch, es war ja auch keine Vorausverfügung als Info für den Briefträger aufgedruckt, deshalb können keine Mailings zurückkommen. Eine Vorausverfügung ist der Text oberhalb des Adressfelds, „Wenn verzogen, bitte nachsenden und mit Anschriftenberichtigungskarte an uns zurück“.). Eine Vorausverfügung ist ein Premiumadress-Service der Deutschen Post. Letztendlich wird oft genug versucht, den Eindruck zu hinterlassen, dass alles in Ordnung sei.

Datenqualitätsmanagement: Warum sind gepflegte Adressen so wichtig?

Der Empfänger der Briefe beziehungsweise Nachricht liest ungern seinen Namen falsch geschrieben. Eine richtige und sinnvoll eingesetzte Personalisierung im Brief oder E-Newsletter führt zu einer Steigerung der Response-Quote. Alle Analysen werden durch mangelnde Adressqualität stark beeinträchtigt und damit auch die Entscheidungsgrundlagen. Falsche Adressen führen zu erhöhten Postrückläufen, zu unnötiger Verschwendung von Budgets und zu verlorenem Umsatz. Doppelte Adressen bzw. Anschreiben frustrieren die Empfängern („Mensch, müssen die Geld haben“).

Erhalten beispielsweise Mutter und Tochter zum gleichen Zeitpunkt Briefe oder Kataloge, jedoch mit unterschiedlichen Angeboten, führt das zu Umsatzverlust, da sie sich natürlich immer das günstigere Angebot heraussuchen.

Nur mit standardisierten, bereinigten und aktuellen Adressen können externe Daten hinzugespielt werden, die zu einer weiteren Segmentierung oder Qualifizierung führen (zum Beispiel mikrogeografische oder Lifestyle-Daten).

Datenqualitätsmanagement: Definition von Adress- und Datenqualität

Daten sind Informationen. Wichtige Informationen. Daten sind das neue Öl! Dieser Leitsatz hat sich in den letzten Jahren vermehrt durchgesetzt.

Daten, dazu gehören natürlich auch Adressen, sind die Grundlage für gutes Dialogmarketing, für gezielten Vertrieb, perfekten Service, „customized“ Produkte, ausgefeiltes Reporting und detaillierte Analysen, Ermittlung von Kennzahlen … und vieles Weitere. Es geht aus Unternehmenssicht um Individualisierung und Personalisierung. Der Interessent bzw. Kunde wünscht sich eine „gefühlte Nähe, er will verstanden werden …“

Je valider diese Daten sind, umso besser wirken diese Maßnahmen, umso besser fühlt sich der Interessent bzw. Kunde aufgehoben. Es geht bei den meisten Firmen um die Verbesserung des Status quo. Hohe Datenqualität ist somit das langfristige Ziel.

Neben den datenschutzrechtlichen Komponenten, auf die wir an dieser Stelle nicht eingehen, aber verweisen, sollten Unternehmen auch den Aspekt der Motivation betrachten:

Was bedeutet Achtsamkeit in bezug auf dieses Thema? Was motiviert Mitarbeiter eine gute Adress- und Datenqualität zu erzielen? Das ist letztendlich eine Führungsaufgabe und eine Frage der Haltung und Einstellung.

Alle Bestrebungen von Data Quality Management (Datenqualitätsmanagement) haben ein Ziel: 

Die beste Qualität der vorhandenen Daten auf effiziente Weise zu erreichen und zu erhalten.

Und wir belassen es nicht bei einer einmaligen Pflege, sondern versuchen mit allem, was einem Unternehmen zur Verfügung steht oder mithilfe eines Interessenten und Kunden, diese Daten immer Up-to-date zu halten.

Wikipedia schreibt dazu:

„Informationsqualität ist das Maß für die Erfüllung der „Gesamtheit der Anforderungen an eine Information bzw. ein Informationsprodukt, die sich auf deren Eignung zur Erfüllung gegebener Informationsbedarfe beziehen“.[1] Aussagen zur Qualität einer Information beziehen sich zum Beispiel darauf, wie genau diese die Realität ‚beschreibt‘ oder wie verlässlich sie ist, inwieweit sie also als Grundlage für eine Planung des eigenen Handelns verwendbar ist.

Der Begriff Datenqualität (als Qualitätsmaß für Daten) steht der ‚Informationsqualität‘ sehr nahe. Da die Grundlage für Informationen ‚Daten‘ sind, wirkt sich die ‚Datenqualität‘ auf die Qualität der Informationen aus, die aus den entsprechenden Daten gewonnen werden: Keine „gute“ Information aus schlechten Daten.“

Etwas weiter unten in diesem Artikel von Wikipedia wird noch geschrieben:

„Qualitätskriterien für Datenqualität unterscheiden sich von denen für Informationsqualität; Kriterien für Datenqualität sind nach^[7]:

• Korrektheit: Die Daten müssen mit der Realität übereinstimmen.
• Konsistenz: Ein Datensatz darf in sich und zu anderen Datensätzen keine Widersprüche aufweisen.
• Zuverlässigkeit: Die Entstehung der Daten muss nachvollziehbar sein.
• Vollständigkeit: Ein Datensatz muss alle notwendigen Attribute enthalten.
• Genauigkeit: Die Daten müssen in der jeweils geforderten Exaktheit vorliegen (Beispiel: Nachkommastellen).
• Aktualität: Alle Datensätze müssen jeweils dem aktuellen Zustand der abgebildeten Realität entsprechen.
• Redundanzfreiheit: Innerhalb der Datensätze dürfen keine Dubletten vorkommen.
• Relevanz: Der Informationsgehalt von Datensätzen muss den jeweiligen Informationsbedarf erfüllen.
• Einheitlichkeit: Die Informationen eines Datensatzes müssen einheitlich strukturiert sein.
• Eindeutigkeit: Jeder Datensatz muss eindeutig interpretierbar sein.
• Verständlichkeit: Die Datensätze müssen in ihrer Begrifflichkeit und Struktur mit den Vorstellungen der Fachbereiche übereinstimmen.“

Data Governance als Meta-Ebene – Wikipedia schreibt dazu:

„Hier liegt der Schwerpunkt auf einem einzelnen Unternehmen. Data Governance ist hier ein Datenverwaltungskonzept hinsichtlich der Fähigkeit, mit der ein Unternehmen sicherstellen kann, dass während des gesamten Lebenszyklus der Daten eine hohe Datenqualität vorhanden ist und Datenkontrollen implementiert werden, die die Geschäftsziele unterstützen.

Zu den wichtigsten Schwerpunktbereichen der Data Governance gehören Verfügbarkeit, Benutzerfreundlichkeit, Konsistenz[2], Datenintegrität und Datensicherheit. Dazu gehört auch die Einrichtung von Prozessen, die eine effektive Datenverwaltung im gesamten Unternehmen gewährleisten, wie z. B. die Rechenschaftspflicht für die nachteiligen Auswirkungen einer schlechten Datenqualität und die Sicherstellung, dass die Daten, über die ein Unternehmen verfügt, von der gesamten Organisation genutzt werden können.

Ein Data Steward ist eine Rolle, die sicherstellt, dass Data-Governance-Prozesse befolgt und Richtlinien durchgesetzt werden, und die außerdem Empfehlungen für Verbesserungen der Data-Governance-Prozesse ausspricht. Übersetzt mit www.DeepL.com/Translator (kostenlose Version)

Dieser Abschnitt könnte auch bei dem Abschnitt 6 „Adress- und Datenqualität ist eine Führungsaufgabe“ stehen. Denn es geht um die Verantwortung. Nur unten geht es um die Führungsverantwortung. Ein Data Steward oder ähnliches entspricht teilweise einem Datenschutzbeauftragten und teilweise einem operativen Verantwortlichen.

Hierzu werden wir in den nächsten Wochen noch vertieft Stellung beziehen.

Data Quality: Gibt es einen Unterschied zwischen Adressen und Daten

Es ist kein großer Unterschied, dennoch wollen wir ein paar Stichpunkte dazu schreiben.

Die Adressqualität bezieht sich auf die Daten, die zur Adresse gehören. Das sind meist Variablen, wie z.B. Anrede, Titel, Vorname, Nachname, Straße und Hausnummer bzw. das Postfach, Postleitzahl und Ort. Wobei die Postleitzahl noch einmal nach PLZ-Straße und PLZ-Postfach unterschieden werden kann. Hierzu gehören auch Variablen, wie z.B. die E-Mail-Adresse, die Telefonnummer, Smartphone-Nummer, Fax-Nummer etc. Denn es geht bei der Adressqualität um die Zustellung der Botschaft. Unabhängig über welchen Kommunikationsweg diese stattfindet.

Alle anderen Daten, die NICHT direkt zur Adresse gehören, betrachten wir separat unter dem Namen der Datenqualität. Das ist zwar nicht ganz überschneidungs- und damit widerspruchsfrei. Dennoch fassen wir das Thema Datenqualitätsmanagement an dieser Stelle noch einmal wie folgt zusammen.

• Daten sind Informationen –> Informationsqualität als übergeordneter Begriff
• Daten und Adressen zu einem Interessenten und Kunden –> Datenqualität als Klammer
• Adressen Kontaktinformationen zu einem Interessenten und Kunden –> Adressqualität
• Daten (wie Kaufverhalten, Branche, Vorlieben …) zu einem Interessenten und Kunden –> Datenqualität

Hinzukommen die Kriterien, die nicht direkt einem Interessenten oder Kunden zugeordnet werden können, aber im Rahmen von Transaktionen eingesetzt werden. Hierzu werden Begriffe wie Produkt-Informations-System (PIM), Master Data Management (MDM) oder ähnliche Begriffe verwendet.

Data Quality: Grundlagen-Know-how des Adressqualitätsmanagements

Wie stellen Sie nun innerhalb der Datenqualitätsmanagement-Aktivitäten die Adressqualität fest? Wir haben hierzu eine einfache Methode entwickelt. Was sind die wichtigsten Maßnahmen? Führen Sie bitte folgende, einfache Prüfungen durch:

Schritt eins – Sichtprüfung

Sie übernehmen aus einem zusammenhängenden PLZ-Gebiet (am besten ist eines, in dem Sie sich persönlich gut auskennen) alle vorhandenen Adressen (Kunden, Interessenten, Gewinnspiele, Kundenserviceanfragen etc.) in eine Excel-Datei. Eine Anzahl von z.B. ca. 5.000 Adressen ist schon ausreichend. Bevor die Prüfung beginnt, fügen Sie eine oder mehrere Spalten ein, in der zu jeder Adresse Anmerkungen eingetragen werden können.

Dann sortieren Sie die Adressen nach den verschiedenen Kriterien und nehmen beispielsweise die ersten 1.000 und die vierten 1.000 Adressen stichprobenweise genauer unter die Lupe.

Jedes dieser 1.000-Adressen-Pakete wird nun folgendermaßen untersucht:

Als Erstes sortieren Sie die Adressen nach Namen und Vornamen unabhängig von der PLZ. Schauen Sie sich die Schreibweise der Namen und Vornamen an und Sie werden schnell feststellen, in welchen unterschiedlichen Schreibweisen eindeutige Namen und Vornamen erfasst worden sind: falsche Groß-/Kleinschreibung. Der Vorname steht im Nachnamenfeld bzw. umgekehrt. Der Firmenname steht im Namensfeld. Es fehlt die Gesellschaftsform.

Danach prüfen Sie, ob die Anrede zum Vornamen passt. Auch der Titel wird regelmäßig falsch in Adressfelder eingegeben. Einmal steht er beim Vornamen, das andere Mal steht er im eigenen Feld, dann wird „Dr.“ neben „Doktor“ und „Prof.“ neben „Professor“ geschrieben und so weiter. Nun sortieren Sie die Adressen nach PLZ, Straße, Namen und Vornamen.

Schnell stellen Sie fest, ob Personendubletten in der Datei enthalten sind oder ob unter derselben Adresse mehrere Familienmitglieder erfasst sind. Sind das nun Oma, Mutter, Tochter? Oder ist das Zufall? Im letzten Schritt prüfen Sie dann, ob alle PLZ fünfstellig sind. Fehlt die führende „Null“ bei den ostdeutschen Adressen (was sich bei einem Excel-Export leider sehr oft einschleicht)? Haben sich evtl. ausländische Adressen eingeschlichen? Sind diese entsprechend gekennzeichnet? Jetzt zählen Sie innerhalb der Pakete die Anzahl der Adressen mit Fehlern. Ist die Fehlerquote höher als zwei bis drei Prozent, sollten Sie umgehend die nachfolgenden Schritte einleiten.

Kleiner Exkurs ins B2B zum Thema Datenqualitätsmanagement:

Sehr oft haben die Adressmodelle von ERP-Systemen, E-Commerce oder anderen Systemen zwei oder drei Felder, die für den Firmennamen gedacht sind. Dies führt in der Regel zu einem gewaltigen Problem: Der erste Teil einer Firma wird im ersten Feld eingetragen, der Zusatz zur Firmenzeichnung im zweiten Feld, der Rest sowie die Rechtsform findet man dann im dritten Feld.

Ist erst einmal ein solcher Firmenname angelegt, dann könnte folgendes passieren: Ein Mitarbeiter prüft bei der Neuanlage, ob diese Firma schon vorhanden ist. Sie/er gibt jedoch den Firmennamen auf andere Weise ein und schon wird dieser vom Dubletten Prüfprogramm nicht gefunden. Die vermeintlich neue Firma wird ein zweites Mal angelegt.

Oder der Interessent/Kunde selbst schreibt sich etwas anders als die bisher im System vorhandene Bezeichnung. in der Verbindung mit E-Commerce, würde diese Firma auch ein weiteres Mal angelegt werden, weil auch hier das Dubletten Prüfprogramm die Dublette meist nicht erkennt. Legt ein Mitarbeiter diese Bezeichnung an, wird im Nachhinein oft argumentiert „der Kunde hat es so gewollt“, also habe ich ihn genauso angelegt.

Zwischenfazit zu B2B-Datenqualitätsmanagement:

Gerade im B2B ist genau an dieser einfachen Stelle oft viel Mist in den Datenbanken. Wir haben in unseren Projekten nicht selten zwischen 6 und 10 verschiedene Schreibweisen als Dubletten gefunden. Und dies kann man durch Schulung und Regeln vermeiden.

Schritt zwei – Adress-Audit

Viele Adressendienstleister bieten ein kostengünstiges Adress-Audit an. Ihre Adressen werden dabei mit unterschiedlichen Referenzdaten abgeglichen. Als Ergebnis erhalten Sie eine Beurteilung darüber, wie gut die gesamten Daten sind. Nach diesem Check sind Sie in der Lage, die notwendigen Qualifizierungsmaßnahmen gezielter zu steuern. Sie schließen somit das viel zu teure Gießkannenprinzip „alles für alle“ aus.

Tipp aus der Praxis: Senden Sie nicht eine Datei mit allen Adressen zum Check. Teilen Sie Ihre Daten in sinnvolle Gruppen ein und lassen Sie diese getrennt auf Qualität prüfen. Für eine Dublettenprüfung sind natürlich alle auf einmal in sich zu prüfen.

Schritt drei – Daten-Audit

Hier werden mit univariaten bzw. einfachen statistischen Methoden die Inhalte der Variablen analysiert und „Anomalien“, Fehleingaben oder unnötige Ausprägungen aufgezeigt. Mehr dazu – weiter unten im Abschnitt Grundlagen-Know-how Datenqualität.

Schritt vier – Zusammenfassung der Audits und Sichtprüfung

Aus den drei Prüfschritten entsteht ein Summary für die Geschäftsführung. Die Detailanalyse umfasst das Aufzeigen der Schwachstellen und guten Leistungen. Für die Schwachstellen gibt es Empfehlungen a) zur einmaligen Bereinigung und b) zur laufenden Optimierung und Kontrolle.

Ideen für Kennzahlen (KPIs), spezielle Führungsaufgaben, Prozess-Optimierungen oder IT-Unterstützungen runden das Bild ab.

Dies ist die Grundlage für das weitere Vorgehen, Handeln und Steuern.

Schritt fünf – Entscheidung „Selbst machen“ oder „Machen lassen“

Bevor die ganze Prozedur der Bereinigung gestartet werden kann, stellt sich die Frage: Selbst machen oder beim Dienstleister durchführen lassen?

Für „Selbst machen“ spricht ganz klar die Regel: „Adressen gehören in die Kernkompetenz einer jeden Firma, die CRM und Dialogmarketing macht“. Nur bei kleineren Adressbeständen oder in der Anfangsphase kann es bei einem Dienstleister schneller und einfacher gehen.

Mittelfristig sollten Sie die Adressen immer in der Firma bearbeiten. Adressen sind das Kapital einer jeden Firma. Ein Dienstleister (außer er ist ein für diese Branche nachgewiesener Spezialist) kann die Individualität einer Firma nicht abbilden. Dies geht auch einher mit der Schulung der Mitarbeiter. Es werden Regeln erstellt, wie zukünftig Adressen zu erfassen sind beziehungsweise wie die Datenqualifizierung vorgenommen wird.

► Tipp aus der Praxis: Auch internationale Unternehmen sollten das Thema Adressqualität im jeweiligen Land bearbeiten lassen. In der Zentrale liegt oft zu wenig Kenntnis über die regionalen Besonderheiten und Rahmenbedingungen vor.

Schritt sechs – die Einmal- oder Erstbereinigung

Normierung bzw. Standardisierung: Sie bereiten die Adressdaten so auf, dass alle Informationen, die verarbeitet werden können, in die zugehörigen Felder geschrieben werden. Danach überprüfen und korrigieren Sie die Anrede über eine Vornamentabelle und die richtige Anrede. Diese Tabellen gibt es bei verschiedenen Anbietern, auch für viele west- und osteuropäische Länder.

Postalische Bereinigung: Mit den Tabellen von der Post standardisieren Sie die Schreibweisen der Straße, die Ortsbezeichnung und eventuell die Postleitzahl. Bei Adressen, die schon länger (sechs bis zwölf Monate) nicht mehr validiert worden sind, bietet sich eine Umzugsprüfung an. Sie können mit deren Hilfe entsprechend auf die neue Adresse umstellen. Mit einem Abgleich der Daten von Verstorbenen oder insolventen Personen und Firmen können Sie in einem weiteren Schritt Ihre Adressen bereinigen.

Vervollständigung: Mit der richtigen Anschrift ist nun eine Vervollständigung oder Korrektur von Unternehmensbezeichnungen möglich.

Dublettenbereinigung: Nachdem Sie alle notwendigen oder möglichen Korrekturen und Anreicherungen durchgeführt haben, ist der Dublettenabgleich sinnvoll. Sie müssen die Prüfung auf Personen- und Familiendubletten (Business-to-Consumer) sowie Firma und Ansprechpartner (Business-to-Business) durchführen.

Manuelle Korrektur: Der letzte Schritt sind nun die manuellen Korrekturen. Dies ist sicherlich aufwändig, ist jedoch abhängig vom Kundenwert zwingend durchzuführen. Leider erkennt die Software nicht alle Fehler und kann sie somit auch nicht automatisch korrigieren oder bereinigen. Diese „unsicheren Dubletten bzw. Schreibweisen“ werden nun Datensatz für Datensatz von Ihren Fachleuten für Adressqualität durchgesehen, evtl. noch eine Recherche auf Google, dem Impressum oder beim Einwohnermeldeamt durchgeführt und dann entweder mit „korrekt“ bestätigt oder entsprechend korrigiert.

Externe Anreicherung: Erst jetzt können Sie Ihre Adressen mit Telefonnummern, Branchen- oder mikrogeografischen beziehungsweise Lifestyle-Daten anreichern.

Verknüpfungen herstellen: Des Weiteren sollten Sie Verknüpfungen von mehreren Personen aus einer Familie bzw. Firma herstellen. Darüber hinaus empfiehlt die Praxis, bei Firmenadressen Konzernverbindungen herzustellen beziehungsweise Mutter- und Tochtergesellschaften zu verbinden.

Hier noch einmal der komplette Ablauf in einer Übersicht:

Abb. 7.24 Beispiel für Adress- und Datenqualitätskreislauf (Quelle: bdl, 2014)

► Tipp aus der Praxis: Datensätze, die gegeneinander geprüft wurden, sollten markiert werden, dass beim nächsten Mal die gleichen Datensätze nicht noch einmal bearbeitet werden. Dann sollten nur die hinzugekommenen unsicheren Problemfälle wieder geprüft werden.

Jetzt kommt der Dauerlauf: die laufende Bereinigung bzw. nachhaltiges Datenqualitätsmanagement

Alle oben genannten Prüfschritte der Erst- oder Einmalbereinigung sind natürlich innerhalb der laufenden Prozesse immer wieder, regelmäßig durchzuführen. In Firmen, bei denen sehr viele Beteiligte die Adressen anfassen und eventuell korrigieren, ist ein laufendes Qualitätsmanagement notwendig. Genauso verhält es sich, wenn es Webshops oder andere Internet-Erfassungsquellen (Newsletter etc.) gibt, in denen sich die Kunden selbst erfassen.

Zusätzlich sollte der Kunde bei jedem Kontakt, in regelmäßigen Abständen, mindestens jedoch einmal pro Jahr nach möglichen Änderungen gefragt werden, oder er erhält ein Schreiben beziehungsweise eine E-Mail mit personalisierter Landeseite und der Aufforderung, die unvollständige Adresse bitte zu korrigieren. Ein Response-Anreiz für mehr Aufmerksamkeit bzw. Rücklauf ist zu empfehlen.

Es geht im Grundsatz um Vermeidung von a) typischen Fehlern, b) unzureichender Datenqualität, c) unnötigen Kosten und somit dem Erreichen von hoher Qualität.

Schlussbemerkung zum Thema operatives Data Quality Management (DQM) und besseren Adressqualität:

Je nach Adressmenge und Qualität/Zustand der notwendigen Adressen kann eine Erstbereinigung zwischen drei und neun Monaten dauern. Die Kosten sind natürlich sehr unterschiedlich. Das hängt zum Beispiel von der eingesetzten Software ab und davon, wie hoch der manuelle Nachbearbeitungsaufwand ist und wie häufig im laufenden Geschäft die Adressen überprüft werden müssen. Firmen, die jeden Monat ein Mailing an die Mehrheit ihrer Kunden senden, haben andere Prozesse als Firmen, die nur vier Mailings im Jahr an eine ausgewählte Zielgruppe senden. Es gilt, ein ausreichend großes Budget für die anfängliche externe Unterstützung, für Software sowie für die Validierung und die manuelle Pflege zur Verfügung zu stellen.

Wundern Sie sich bitte nicht, wenn Ihre Bank bei der nächsten Kreditanfrage diesen Aspekt „Wie gut sind Ihre Adressen?“ prüft.

Perfektes Adressmanagement ist die notwendige Grundlage für Ihren zukünftigen Erfolg und somit eine der wichtigsten Aufgaben in jeder Unternehmung – unabhängig davon, ob es sich nur um 500 oder um fünf Millionen Adressen handelt. Gelohnt haben sich diese gezielten Bereinigungen und Qualitätsmaßnahmen meist nach sechs – spätestens nach zwölf Monaten.

Data Quality: 

Grundlagen-Know-how der Datenqualität

Wie oben schon kurz beschrieben werden hier mit univariaten bzw. einfachen statistischen Methoden die Inhalte der Variablen analysiert und „Anomalien“, Fehleingaben oder unnötige Ausprägungen aufgezeigt.

Im ersten Teil des Audits definieren wir die wichtigsten 20 oder 30 Variablen, die für das Unternehmen besonders wichtig sind. Es macht in der Regel keinen Sinn, dass man alle in den Kundendaten vorhandenen Variablen anschaut. Das wäre eine Herkules-Aufgabe.

Tipp aus der Praxis: Selbst Felder, die normalerweise durch Auswahlfelder keine Freiheit bei der Eingabe besitzen, sollte man analysieren. Warum? Oft wurden durch mehrfache Migrationen aus Alt-Systemen Feldinhalte übernommen, die den aktuellen Regeln nicht mehr entsprechen, aber eben drin stehen – und meist falsch oder veraltet sind.

Was sind wichtige Daten, die einem Kunden direkt zugeordnet werden können: Bei Personen ist das z.B. das Alter bzw. Geburtsdatum, Adels- oder wissenschaftlicher Titel, der Beruf, die Position, die Anrede, das Geschlecht, Segment-Codes und viele mögliche mehr.

Bei Unternehmen wäre das z.B. die Rechtsform, Landcode, Codes für Bundesland, Sprache, Währung, Customer- und Segment-Codes, welchem Vertriebsgebiet ist die Firma zugeordnet, welcher Mitarbeiter der eigenen Firma ist dieser Firma bzw. dem neuen Ansprechpartner  zugeordnet, ist es ein Key-Account-Kunde, etc.

Ist das Feld Homepage gefüllt? Kann man das aus der E-Mail-Adresse ableiten? Sind die Branchencodes alle korrekt gepflegt? Gibt es einen Verweis zur Schwester-, Tochter oder Muttergesellschaft?  und viele mögliche mehr.

Nun spielt man diese Variablen in einen Flatfile und lässt Standard-Analysen drüber laufen.

Das ist zum einen eine Auszählung nach „Häufigkeit der Ausprägungen“ (Frequency). In Alphanumerischen-Feldern findet man nun die herrlichsten Ideen, wie eigentlich identische Feldinhalte auf die unterschiedlichste Weise geschrieben werden. In numerischen Feldern stehen oft Werte drin, die normalerweise hier nicht stehen dürften.

Bei numerischen Feldtypen macht durchaus auch eine Mittelwertberechnung Sinn. Dabei erkennt man schnell Ausreißerwerte. Gibt es Fehlprogrammierungen oder falsche Auswahlllisteninhalte oder Datenübernahmen aus dem Testsystem die die Qualität entsprechend beeinflussen.

Das Schöne an dieser Analyse ist: Man erkennt, an welcher Stelle die Erfassungsregeln nicht eingehalten werden. Man sieht auch, welche Prozesse noch nicht rund sind.

Unser Leitspruch: Zeig mir Deine Daten und ich sage wer Du bist bzw. wie gut Du misst!

Data Quality Management (DQM): Adress- und Datenqualität ist eine Management- bzw. Führungsaufgabe

Ja, diese Aufgabe ist eine sehr wichtige Aufgabe für das Management. Es geht eben nicht allein nur um IT-Systeme. Wenn die Mitarbeiter nicht wissen, warum und wofür sie das machen oder neue Anreize existieren, Daten in das System zu pflegen, funktioniert das nicht. Nur, wenn die Mitarbeiter es wissen, dann Achtsamkeit walten lassen, sind Sie mit Ihrem Unternehmen erfolgreich.

Es geht – wie schon gesagt – zum einen darum, dass jemand für das Thema im Unternehmen die Verantwortung übernimmt. Der sich als Leader und Kümmerer zu diesem Thema zeigt, der laufend darauf achtet, dass die Qualität hoch bleibt.

Zum anderen ist eine dauerhafte Qualität nur durch KPIs zu steuern. Diese sind damit auch in Zielvereinbarungen eingebunden. So kann das Management- und Führungsteam erkenne, ob man in die richtige Richtung steuert, die Qualität sich sukzessive steigert und das Reporting damit automatisch besser wird.

Eine Erklärung und Motivation, warum Daten- und Adressqualität so wichtig ist, gehört natürlich auch dazu. Warum soll ein Außendienst-Mitarbeiter die bei im Kopf befindlichen Datenschätze in ein CRM eingeben. Was hat er davon? Was haben andere davon? Warum kann er sich selbst dadurch besser steuern? Wie kann ihm durch Automatisierung von Aufgaben auf Basis guter Daten seine Arbeit erleichtert werden? Welche Aufgaben sollten gemeinsam für ein integriertes Datenqualitätsmanagement erfolgen?

Eine Führungsaufgabe ist dieses Thema Data Quality Management auch deshalb, weil …

Adress- und Daten-Qualität ist kein Kostenfaktor, sondern ein Wertschöpfungsfaktor!

Datenpflege und Data Quality muss zur Unternehmenskultur werden. Es braucht eine unternehmerische Haltung jedes Mitarbeiters, dass bestimmte, ausgewählte Daten für das Unternehmen extrem wichtig sind. Ohne Wenn und Aber.

Data Quality: Kennzahlen im Bereich Daten- und Adressqualität

Kennzahlen sind beispielsweise „Anzahl Adressen vollständig gefüllt“, „Datum letzte Bestätigung“, „Datum letzte Korrektur“, „Anzahl Postrückläufer“, „Anzahl aktuell nicht bewerbbare Adressen“ etc. Alle Kennzahlen sind – nach Segmenten geordnet – interessant, da die guten Kunden eher häufig angeschrieben werden und damit eine regelmäßige Bestätigung oder Korrektur stattfindet. Bei weniger guten Kunden (geringer Kundenwert) ist damit ein anderer Aufwand zu betreiben. (Siehe auch „Bewertung von Adressen im Unterkapitel „CRM-Cockpit“)

Wir definieren zum Einstieg ein paar einfache, wichtige KPIs bzw. Kennzahlen.

• Anzahl Postretouren bzw. Mailingrückläufer
• Anzahl Soft-Bounces und Anzahl Hard Bounces
• Anzahl Päckchenretouren
• Je wichtiges Feld gibt es die Kriterien
  • „Füllgrad in %“
  • Inhaltliche Qualität ist „gut“, „mittel“ oder „schlecht“

Jetzt kann man je Land, je Gebiet oder Zielgruppe die KPIs noch erweitern oder verfeinern. Aber zuallererst sind die jüngsten Interessenten, die aktiven Kunden sowie die jüngst passiv gewordenen (schon länger nicht mehr bestellt) Kunden zu bereinigen und auf hohem Niveau zu halten.

Diese KPIs kann das Unternehmen im Reporting, in einer Business Intelligence (BI)-Anwendung den Anwendern zum Monitoring zur Verfügung stellen.

Data Quality – Ausblick:

Daten sind das neue Öl. Diesen Satz hört man immer öfters. Aber zuerst, bevor die Ölquelle angezapft, eine hohe Qualität erreicht wird oder KI-Analysen durchgeführt werden können, muss die Basis geschaffen – der Datenbestand bereinigt – werden. Viele reden über Big Data. Ja, die Masse der Daten nimmt immer mehr zu. Aber Big Data ist am Anfang gar nicht das Problem.

Die Aktualität der wichtigsten Daten ist die Herausforderung!

Erst, wenn das Unternehmen sich den vielen möglichen externen Anreicherungen und vielen eigenen Daten (im Webshop, Logfile der Webseite, Social Media …) widmet, dann ist Big Data angesagt. Aber auch hier darf man den (Daten-)Berg nicht als Ganzes betrachten und versuchen auf einmaal zu besteigen.

Das Unternehmen sollte sich auf diejenigen Daten konzentrieren, die vermutlich den höchsten Mehrwert bringen. „Viel hilft viel“, war und ist leider immer der schlechteste Ratgeber auf dem Weg zur höheren Adressqualität.

Wo die wichtigsten Daten liegen, ist grundsätzlich erst mal fast egal. Je weniger Quellen umso besser. Aus der Blissfully-Studie wissen wir, dass es leider dann doch viel zu viele Cloud- bzw. Saas-Anwendungen gibt. Die Daten sind weit verstreut bzw. in Silos versteckt, kaum jemand hat einen Überblick.

Ob im CRM, im ERP, im E-Commerce oder auf einer Data Management Platform (DMP) – on-premise oder in der Cloud. Hauptsache man hat einen einfachen Zugriff bzw. kann die extrahierten und bereinigten Daten einfach zurückspielen. Die Daten sollten veredelt werden. Die Mitarbeiter durch Ziele an der Veredelung beteiligt werden.

Auch das Modethema Digitale Transformation funktioniert nur, wenn nachhaltig, gute Datenqualität (perfect Quality) vorliegt. Für die Transformation benötigt man Verlässlichkeit, sollte schlechte Daten bzw. schlechte Datenqualität vermeiden, optimiert laufend die wichtigsten Daten.

Diese Aufgaben dauern oft 6-9 Monate, aber sie lohnen sich. Denn nach kurzer Zeit existiert eine optimale Datenqualität, ein ROI für diese Investition ist garantiert und schnell erreicht. Das haben wir bisher in jedem der Projekte nachgewiesen. Und zum anderen spart man Budget bei den Aussendungen ein, das Reporting und die Entscheidungen werden besser, man vermeidet Kosten und hat deutlich mehr Umsatzchancen.

Daten- und Adressqualität ist ein erfolgskritischer Faktor. Genauigkeit ist eine Pflicht. Schon allein wegen der DSGVO. Heute ist das schon so. Und in Zukunft mehr denn je. Allein die DSGVO verpflichtet jedes Unternehmen zur absoluten Aktualität.

Wie schon geschrieben, Automatisierung in Marketing, Vertrieb und Service oder KI-Analysen und -Prognosen funktionieren nur, wenn die Daten sauber sind. Und letztendlich ist das Management dafür verantwortlich die Aufgabenzuordnung, die operativen Aufgaben sowie die Steuerung dafür übernehmen.

Fazit: Adressqualität ist kein Kostenfaktor, sondern ein Wertschöpfungsfaktor!

Weitere Informationen, weiterführende Literatur, wer schreibt außer uns noch über dieses spannende Thema:

• Sicherlich die Tools und Solution-Anbieter auf unserer Landscape.
• Marco Geuer auf seinem Blog Business-Information-Excellence
• Das Schweizer Unternehmen bzw. Institut CDQ aus St. Gallen sowie deren Versuch einer Business-Case-Kalkulation
• Die Adressfactory der Deutsche Post AG sowie alle dazugehörigen Tochtergesellschaften
• Vortrag eines Professors zum Thema Datenqualität und Beurteilung mit „R“
• Ein HBR-Artikel zum Thema künstliche Intelligenz, maschinellem Lernen (Machine Learning) und schlechter Datenqualität