So optimieren Sie die Datenqualität

Kundendaten gelten als das neue Gold. Ob sie für das Marketing wirklich Gold wert sind, hängt von der Datenqualität ab. Denn ohne spezielles Augenmerk darauf schleichen sich in den Daten rasch Lücken, Mängel und Inkonsistenzen ein. Mit diesen Tipps sorgen Sie systematisch für eine hohe Datenqualität und sichern sie dauerhaft.

Wenn Sie im Marketing auf Daten setzen, hat dies gleich mehrere Vorteile: effizientere Prozesse, sicherere Entscheidungen, eine höhere Werbewirkung und bessere Kundenerlebnisse. Dabei kommt es aber nicht primär auf die Datenmenge an, sondern auf die Datenqualität.

Diese bemisst sich daran, wie Ihre Daten bei mehreren Kriterien abschneiden. Deren Gewichtung variiert allerdings je nach Verwendungszweck. Zum Beispiel ist bei Adressdaten, die Sie für den Versand eines Mailings einsetzen, die Korrektheit das entscheidende Kriterium. Nutzen Sie hingegen Daten aus verschiedenen Quellen, um eine Customer Journey zu ermitteln, müssen die Daten auch bei der Konsistenz punkten. Einfach gesagt: Die Qualität von Daten hängt von ihrem Verwendungszweck ab.

Der Einsatz hochwertiger Daten im Marketing basiert auf drei Säulen: der Datenkultur, der Datenstrategie und der Daten-Governance.

Säule 1: Datenkultur

Ob es Ihnen gelingt, eine hohe Datenqualität zu etablieren und zu sichern, hängt neben den Prozessen und Systemen primär vom Verhalten der Mitarbeitenden ab. Entscheidend ist eine Unternehmenskultur, die Daten positiv gegenübersteht und ihren Wert erkennt.

Tipp 1: Schaffen Sie das Bewusstsein für eine hohe Datenqualität. Zeigen Sie den Mitarbeitenden auf,

• wie wichtig Daten für den Erfolg im Marketing sind,
• wie Ihr Unternehmen sie einsetzt,
• dass die Qualität über den Nutzen der Daten entscheidet und
• was die Mitarbeitenden im Arbeitsalltag zu einer hohen Datenqualität beitragen können.

Dieses Bewusstsein sollte direkt die Geschäftsleitung vermitteln. Zudem müssen die Führungspersonen den richtigen Umgang mit Daten vorleben.

Säule 2: Datenstrategie

Die Datenstrategie ist der übergeordnete Plan, wie Sie Daten nutzen, um Ihre Marketingziele zu unterstützen.

Tipp 2: Beantworten Sie die wichtigsten Fragen. Ihre Datenstrategie sollte unter anderem die folgenden Fragen beantworten:

• Für welche Anwendungsfelder und Aufgaben setzen Sie Daten ein?
• Welche Ziele wollen Sie damit erreichen?
• Wie priorisieren Sie die Anwendungsfelder?
• Welche Daten brauchen Sie dafür?
• Über welche internen und externen Datenquellen erschliessen Sie diese Daten?
• Welche Teams übernehmen das Erfassen, Bearbeiten und Analysieren der Daten?
• Mit welchen Massnahmen befähigen Sie die Mitarbeitenden der involvierten Teams für diese Aufgaben?
• Wer trägt die strategische Verantwortung für den Einsatz der Daten im Marketing (im Gegensatz zur operativen Verantwortung für die Datenqualität, siehe «Datenverantwortlichkeiten»)?
• Welche Aufgaben, Kompetenzen und Verantwortlichkeiten hat diese Person?
• Wie wird der Dateneinsatz im Marketing mit der übergeordneten Datenstrategie des Unternehmens synchronisiert?
• Wo läuft die Verwaltung der Stammdaten (Master Data Management, MDM) – der wohl wichtigsten Daten im Unternehmen – zusammen, wie erfolgt sie und welche Rolle spielt das Marketingteam dabei?
• Wie messen Sie den Erfolg des Dateneinsatzes?

Tipp 3: Erstellen Sie einen Datenkatalog. «Als zentrales Inventar für alle Daten ist der Datenkatalog ein wichtiger Asset jedes Unternehmens und eine Grundlage der Datenstrategie», so Alexander Rieder, Leiter Produktmanagement Kundenbezogene Daten bei Swiss Post Advertising. «Der Datenkatalog macht transparent, welche Daten vorliegen, woher sie stammen, wer für welche Datensätze verantwortlich ist, wer welche Daten nutzen darf und wie es um die Qualität der Daten steht. Das ist eine wichtige Voraussetzung, um mit den Daten effektiv und verantwortungsvoll arbeiten zu können.»

Tipp 4: Stellen Sie den Nutzen ins Zentrum. «Unternehmen sollten sich im Klaren darüber sein, was sie mit ihren Daten primär erreichen wollen», erklärt Christoph Weber, Lead Consultant beim IT-Beratungsunternehmen ipt. «Geht es um mehr Effizienz oder darum, zusätzliche Kundinnen und Kunden zu gewinnen? Das macht einen grossen Unterschied für die Datenstrategie.» Diese Auffassung teilt Shkumbin Sadriu, Data & Analytics Product Manager bei Swiss Post Advertising: «Es gilt der Grundsatz: Business first, Data second. Unternehmen sollten von ihren Zielen ausgehen und sich dann fragen, welche Daten sie dafür brauchen.»

Tipp 5: Beginnen Sie klein. «Wenn Unternehmen von Anfang an eine umfassende Datenstrategie entwickeln, ist die Gefahr grösser, dass sie sich zu einem Papiertiger entwickelt», sagt Alexander Rieder. «Erfolgsversprechender ist es, mit einem konkreten Anwendungsfall zu starten, Erfahrungen zu sammeln und die Strategie auf dieser Basis schrittweise zu erweitern.»

Tipp 6: Vermeiden Sie Insellösungen. «Ein Unternehmen sollte immer eine einzige Datenstrategie haben, die für alle Abteilungen gilt und in die Unternehmensstrategie eingebettet ist», so Christoph Weber. «Bei der Entwicklung der Datenstrategie bringt jeder Fachbereich seine eigenen Anforderungen ein.»

Säule 3: Daten-Governance

In der Datenstrategie haben Sie festgelegt, wofür und wie Sie Daten nutzen. Mit der Daten-Governance setzen Sie nun die Leitplanken, um eine hohe Datenqualität zu erreichen und zu sichern. Sie beschreibt Standards, Technologien, Aufgaben und Prozesse sowie Verantwortlichkeiten.

Datenstandards

Durch die Datenstandards beeinflussen Sie die Qualität der Daten in einem entscheidenden Moment – dann, wenn sie von Ihren Mitarbeitenden, Kundinnen und Kunden oder interessierten Personen erfasst werden. Denn Daten nachträglich zu bereinigen und zu verbessern, erfordert einen grossen Aufwand.

Tipp 7: Legen Sie verbindliche Standards für die Dateneingabe fest. Definieren Sie, wie bzw. in welchem Format häufige Daten – zum Beispiel Vor- und Nachnamen, Adressen, Telefonnummern, Geldbeträge – zu erfassen sind. Arbeiten Sie mit Ländercodes statt ausgeschriebenen Ländernamen. Platzieren Sie für die Dateneingabe wenn möglich Auswahllisten, Checkboxen und Datumsfelder statt fehleranfälliger Textfelder. Bestimmen Sie überall, wo Daten eingegeben werden, welche Felder zwingend auszufüllen sind.

Tipp 8: Lassen Sie die eingegebenen Daten automatisch überprüfen. Trotz der zuvor genannten Standards schleichen sich bei der Eingabe Fehler ein. Um diese sofort zu entdecken, hilft Ihnen eine automatische Datenvalidierung. Intelligente Eingabemasken überprüfen die eingegebenen Daten in Echtzeit auf Format, Lücken, Plausibilität, Konsistenz, Doppelungen und weitere Kriterien. Dabei können Sie Regeln definieren, die die Daten erfüllen müssen, damit sie akzeptiert und ins jeweilige System überführt werden. Zum Beispiel sollte Ihr System E-Mail-Adressen ablehnen, die kein @, keine Domain oder keine bekannte Endung haben.

Tipp 9: Stellen Sie sicher, dass Sie Personendaten fürs Marketing nutzen dürfen. Zu den wichtigsten Dimensionen von Datenqualität gehört die Nutzbarkeit. Für jede Nutzung persönlicher Daten brauchen Sie heute die explizite Zustimmung (Consent) der betroffenen Personen. Holen Sie deshalb bei E-Commerce, E-Mail-Marketing oder auf anderen digitalen Kanälen mittels Opt-in die explizite Einwilligung der Kunden zur Datennutzung ein.

Tipp 10: Legen Sie fest, wie lange Sie Daten speichern. Bei den Daten fürs Marketing geht Qualität vor Quantität: Grosse Mengen von Daten zu speichern, die allmählich veralten, belastet nur Ihre IT-Systeme. Definieren Sie daher für jede Art von Daten, wie lange Sie diese aufbewahren und wie Sie sie anschliessend löschen.

Datenarchitektur

Die Datenarchitektur beschreibt die Technologien und Systeme, die erforderlich sind, um die Datenstrategie und die Datenstandards umzusetzen.

Tipp 11: Bringen Sie die Anforderungen des Marketings an die Datenarchitektur ein. Die Datenarchitektur zählt zu den Aufgaben der IT-Fachleute Ihres Unternehmens. Das Marketingteam ist oft nicht direkt involviert. Sorgen Sie aber dafür, dass die Anforderungen des Marketings gebührend berücksichtigt werden. «Wichtige Punkte sind etwa, auf welche Daten das Marketingteam zugreifen kann, wie der Zugriff erfolgt und welche Funktionen die Systeme und Plattformen für Datenbearbeitung und Datennutzung bieten», erklärt Shkumbin Sadriu. Ein weiterer zentraler Aspekt: Klären Sie gemeinsam mit der IT, welche konkreten Use Cases heute bestehen – und welche mittel- bis langfristig hinzukommen könnten. Nur so lässt sich die Datenarchitektur flexibel genug gestalten, um künftige Anforderungen abzudecken.

Datenpflege

Tipp 12: Ermitteln Sie die Qualität Ihrer Daten. Machen Sie für Ihre Daten regelmässig eine Bestandsaufnahme: Wie ist der aktuelle Zustand Ihrer Daten? Wo sind systematische Verbesserungen erforderlich? Dazu analysieren Sie, wie stark die bestehenden Daten von den definierten Datenstandards abweichen und wie sie in den relevanten Dimensionen der Datenqualität abschneiden.

Bei diesem sogenannten Data Profiling identifizieren Sie zum Beispiel fehlende, veraltete oder doppelte Daten sowie Inkonsistenzen und Unstimmigkeiten. Gehen Sie dazu wie folgt vor:

• Wählen Sie eine Datenstichprobe aus. Sie können Daten von allen Datenquellen untersuchen oder bewusst nur von Datenquellen, die Sie für fehleranfällig halten. Möglicherweise wollen Sie auch nur neue oder besonders alte Daten untersuchen.
• Definieren Sie die Kriterien, nach denen Sie die Daten überprüfen. Für Ihr erstes Data Profiling beschränken Sie sich am besten auf einzelne Dimensionen.
• Bestimmen Sie Kennzahlen, die Sie im Rahmen des Data Profilings ermitteln wollen. Beispiele: Anteil Dubletten, Anteil fehlende Werte, Anteil Werte mit falschem Format, Anteil veraltete Adressen. So können Sie bei nächsten Profilings messen, wie sich die Kennzahlen verändert haben – und damit die generelle Datenqualität.
• Legen Sie fest, wie Sie die Daten der Stichprobe analysieren: Welche Tools setzen Sie dafür ein – Onlinedienste von Anbietern wie der Schweizerischen Post, spezifische Data-Quality-Software, Funktionalitäten innerhalb des CRM oder andere Lösungen? Christoph Weber empfiehlt, ein Tool zu wählen, das nah an der bestehenden Systemlandschaft liegt: «Arbeitet ein Unternehmen zum Beispiel mit SAP, bietet sich eine Lösung wie SAP Information Steward an.»
• Führen Sie die Datenanalyse durch. Dokumentieren Sie alle Mängel und bewerten Sie sie qualitativ: Wie gravierend sind sie? Ermitteln Sie bei der Analyse zudem die zuvor festgelegten Kennzahlen.
• Beseitigen Sie die erkannten Mängel bei den Daten der Stichprobe. Spezielle Datenbereinigungstools übernehmen dieses sogenannte Data Cleansing für verschiedene Arten von Mängeln automatisiert.
• Leiten Sie Erkenntnisse und Massnahmen ab, um die Datenqualität systematisch zu verbessern – also auch bei den restlichen Daten. Müssen zum Beispiel die Datenstandards verschärft werden, etwa durch eine erweiterte Datenvalidierung bei der Eingabe?

Tipp 13: Stellen Sie sicher, dass Ihre Profilierungsmodelle rechtlich abgesichert sind. Modelle, die Daten analysieren oder verknüpfen, dürfen nur innerhalb der bestehenden Nutzungsrechte und Datenschutzvorgaben eingesetzt werden. «Wichtig ist, dass die Profilierungen mit den Nutzungsbedingungen und den allgemeinen Geschäftsbedingungen übereinstimmen», betont Shkumbin Sadriu. «Sonst besteht die Gefahr, dass Daten auf eine Weise kombiniert oder interpretiert werden, die rechtlich gar nicht zulässig ist.»

Tipp 14: Setzen Sie die Datenstandards um. Mit den Datenstandards haben Sie viele Leitplanken für die Datenpflege gesetzt. Konkretisieren Sie diese Standards wenn nötig und definieren Sie die Prozesse für ihre Umsetzung.

Tipp 15: Halten Sie Ihre Adressdaten aktuell. Fürs Dialogmarketing und alle weiteren postalischen Massnahmen der Kundenkommunikation ist Ihr Unternehmen auf korrekte Postadressen angewiesen. Nutzen Sie für die regelmässige Aktualisierung von Adressen zum Beispiel die verschiedenen Lösungen der Schweizerischen Post. Auch Adressbroker bieten solche Dienstleistungen an. Allerdings beziehen sie ihre aktualisierten Adressen ebenfalls von der Post.

Tipp 16: Verarbeiten Sie Meldungen zu Umzügen und personellen Wechseln sofort. Sorgen Sie mit klaren Verantwortlichkeiten dafür, dass solche Meldungen sofort verarbeitet werden. Dabei dürfen Sie aber keine Informationen verlieren. Sie sollten die Historie der Daten weiterhin nachvollziehen können – auch um Dubletten zu verhindern. Im B2B-Bereich ändern nicht nur Standorte, sondern noch häufiger die Ansprechpersonen. Achten Sie darauf, bei solchen Wechseln die bisherigen Personendaten nicht einfach zu überschreiben. Nehmen Sie neue Personen stattdessen als zusätzliche Datensätze in die Datenbank auf. Und erfassen Sie bei den Vorgängerinnen und Vorgängern das neue Unternehmen, sofern es Ihnen bekannt ist.

Tipp 17: Verarbeiten Sie Bounces sofort. Bei jedem E-Mail-Versand erkennt das System E-Mail-Adressen, an die das Mailing nicht zugestellt werden konnte. Definieren Sie einen klaren Prozess, wie solche Bounces manuell oder automatisch verarbeitet und Ihre E-Mail-Daten entsprechend bereinigt werden.

Tipp 18: Erfassen Sie die Mobilenummern. Da immer weniger Leute einen Festnetzanschluss haben, werden Festnetznummern für die Kundenkommunikation im B2C-Bereich bedeutungsloser. Erfassen Sie im Rahmen der laufenden Datenpflege schrittweise bei möglichst vielen Kundinnen und Kunden die Mobilenummer. Dadurch steigern Sie die Datenqualität, weil Sie diese Personen bei Bedarf einfacher erreichen. Bei B2B-Kunden empfiehlt es sich, sowohl Mobilenummer als auch Festnetznummer zu erheben.

Tipp 19: Überwachen Sie die Datenqualität kontinuierlich. Beim Data Profiling (Tipp 12) überprüfen Sie die Datenqualität vertieft, aber stichprobenweise. Mit einem zusätzlichen Data Monitoring überwachsen Sie Ihre Daten kontinuierlich und automatisiert, wenn auch weniger detailliert. Spezielle Data-Monitoring-Tools entdecken vor allem Datenlücken und Anomalien. Sie dienen Ihnen als Frühwarnsystem, damit Sie keine grösseren Datenmengen mit systematischen Fehlern verwenden. Doch nicht nur das: «Das Monitoring überprüft auch, ob die Ziele der Datenstrategie erreicht werden und ob Datenschutz und Data Governance eingehalten werden», so Shkumbin Sadriu.

Christoph Weber empfiehlt zudem, im Data Monitoring einen Alarm für Musterverschiebungen in den Daten einzurichten. Dieser schlägt an, wenn neue Daten zu weit von den Mustern bisheriger Daten abweichen – etwa die Altersstruktur der Bestandskundschaft. «Solche Abweichungen können auf Marktveränderungen hinweisen und geben Anlass, die Unternehmensstrategie zu überprüfen.»

Datenverantwortlichkeiten

Tipp 20: Definieren Sie die Verantwortlichkeiten für die Datenqualität. Legen Sie erstens fest, wer der Data Owner ist, der die operative Hauptverantwortung für die Datenqualität trägt, und welche Kompetenzen und Weisungsbefugnisse diese Person hat. Bestimmen Sie zweitens, welche operativen Rollen im Umgang mit Daten nötig sind – etwa für die Eingabe, die Kontrolle, die Bereinigung und die Pflege von Daten. Für jede dieser Rollen beschreiben Sie die Aufgaben, Kompetenzen und Verantwortlichkeiten sowie den benötigten Zugriff auf Systeme und Daten.