from dbarray(3) {
[0]=>
array(2) {
["deepdive"]=>
array(3) {
[0]=>
object(Content)#925 (15) {
["_e":"CComponent":private]=>
NULL
["_m":"CComponent":private]=>
NULL
["_errors":"CModel":private]=>
array(0) {
}
["_validators":"CModel":private]=>
NULL
["_scenario":"CModel":private]=>
string(6) "update"
["_new":"CActiveRecord":private]=>
bool(false)
["_attributes":"CActiveRecord":private]=>
array(17) {
["cID"]=>
int(197736)
["cPID"]=>
string(4) "mabo"
["cUID"]=>
string(10) "0000114519"
["cScenario"]=>
string(11) "fachartikel"
["cPublished"]=>
int(1)
["cPublishedUID"]=>
NULL
["cDeleted"]=>
int(0)
["cReferenceId"]=>
NULL
["cDate"]=>
string(19) "2024-09-17 12:30:00"
["cLastUpdate"]=>
string(19) "2024-09-16 12:14:13"
["cTitle"]=>
string(46) "Der Weg zu einer effektiven Data-Hub-Strategie"
["cTeaser"]=>
string(153) "Unternehmen benötigen eine Datenmanagementplattform und Data Governance, unterstützt durch den CDO, um Datensilos abzubauen und Qualität zu verbessern"
["cText"]=>
string(4574) "
Unternehmen, die nebeneinander her existierende Informationssilos beseitigen wollen, ein besseres Stammdatenmanagement und damit höhere Datenqualität erreichen möchten, brauchen eine Datenmanagementplattform (Data Hub). Mit bloßer Technik allein ist es jedoch nicht getan.
Um eine Data Governance zu etablieren – also Standards, Prozesse und Rollen zur sicheren und transparenten Nutzung von Informationen – müssen die Menschen in den Fachbereichen mit einbezogen werden, müssen Aufgaben neu zugeordnet werden. Kurz gesagt. Das Business muss die Technologie steuern und nicht umgekehrt. Zu einer effektiven Data-Hub-Strategie zählen vor allem folgende fünf Maßnahmen:
1. Den Chief Data Officer zum Evangelisten machen
Chief Data Officer (CDO) gibt es mittlerweile in vielen Unternehmen. Sie sollen IT-, Geschäfts- und Datenstrategien miteinander verbinden und verteilte Self-Services mit zentraler Steuerung in ein Gleichgewicht bringen. Genau dies ist auch das Kernziel einer Datenmanagementplattform. Der CDO muss demzufolge die Vision einer Datendrehscheibe im Unternehmen propagieren, nicht zuletzt weil er die Notwendigkeit für kreatives Denken und neue Tools zur Rationalisierung der Datennutzung am ehesten versteht. Um wirklich ihre volle Produktivkraft zu entwickeln und nicht als bloß optional angesehen zu werden, sind Data Hubs auf die Überzeugungskraft des CDOs angewiesen.
2. Umfassende Interaktion – mit Legacysystemen wie neuen Cloud-Plattformen
Datensilos und Informationsinseln lassen sich nur dann abschaffen, wenn der Data Hub umfassend interagiert: mit Altsystemen ebenso wie mit Cloud-basierten Plattformen, auf die heute immer mehr Unternehmen wechseln. Erst dann erzeugt er Stammdaten, die einen wirklich umfassenden Überblick über das Unternehmen bieten. Durch das Auflösen von Datensilos vereinfacht sich zugleich die Aufgabe der Datenverwalter (Data Stewarts).
3. Föderierte Organisationsstruktur
Um mit einem Data Hub zu höherer Produktivität, Standardisierung und einer Data Governance zu gelangen, müssen Business-Intelligence-Analysten und Manager ihn auch annehmen. Es braucht also ein Organisationsmodell, das Anwender*innen schult und ihnen vorgibt, wie Standardverfahren, Vorlagen und Datenmodelle zu verwenden sind. Data Scientists und Entwicklungsabteilungen brauchen gleichzeitig mehr Freiraum, um mit benutzerdefinierten Skripten und Innovationen zu experimentieren. Sobald deren neue Datenmodelle reif für den produktiven Einsatz sind, werden sie zentral integriert, nachdem sie die Governance-Kontrollen bestanden haben. Ohne eine Methode zur Zusammenführung von Aktivitäten gehen die Analysten in zu unterschiedliche Richtungen und untergraben so die Kontrolle der Datendrehscheibe.
4. Rolle des Data Stewart aufwerten
Data Stewards profitieren in hohem Maße von Data Hub-Initiativen, da sie die taktische Arbeit der Stammdatenerstellung, -pflege usw. an Manager und BI-Analysten weitergeben – vorausgesetzt, sie werden vom CDO unterstützt und haben eine föderierte Organisationsstruktur aufgebaut. Vom Feuerwehrmann müssen sie zum Entscheidungsträger und Ausbilder werden und den Anwender*innen vorgeben, wie Daten kontrolliert zu verwalten sind. Tun sie dies nicht, verliert die Datendrehscheibe ihre wichtigsten Propagandisten.
5. Schnell zum ersten sichtbaren Erfolg kommen
Je eher sich Erfolge zeigen, desto mehr Unterstützung erhält die Datendrehscheibe durch die Führungskräfte. Deshalb am besten mit einem einfachen Projekt beginnen, das sich auf einen fachbereichsspezifischen Bedarf bezieht, einen begrenzten Datensatz betrachtet oder ein einfach strukturiertes Modell. Ist das (leicht messbare) Ziel erreicht, werden auch Bereitschaft und Budget steigen, um die Datenmanagementplattform auch in komplexeren Szenarien einzusetzen..
Um eine Datamanagement-Strategie mit der angestrebten Data Governance zusammenzuführen, braucht es viel Aufmerksamkeit. Erfolgreich dabei sind Organisation, die ihren Chief Data Officer zum Evangelisten machen, Anwender*innen schulen und die Rolle ihrer Data Stewarts stärken. Wer hier Schritt für Schritt vorgeht, wird mit seiner Data-Hub-Initiative auf lange Sicht Erfolg haben.
Der in einem Customer-Relationship-Management(CRM)-System hinterlegte Datenbestand bildet die Basis für die Pflege der Kundenbeziehungen. Er umfasst etwa Namen, Adressen und Kontaktdaten wie Telefonnummern und E-Mail-Adressen. Sind diese beispielsweise aufgrund von Tippfehlern oder eines Umzugs falsch, kann das unangenehme Folgen haben und sogar dazu führen, dass der Kunde seinen Anbieter wechselt.
Für Unternehmen ist ein CRM-System unter anderem die zentrale Komponente zur Planung, Steuerung und Durchführung von Marketingaktionen. So werden beispielsweise die Kundendaten bei Mailingaktionen genutzt. Doch wie soll ein Unternehmen seine Kunden ansprechen, wenn der Name unbekannt ist? Mit „Sehr geehrte Damen und Herren“? Die Wahrscheinlichkeit, dass dieses Mailing ungelesen in den Papierkorb verschoben wird, ist hoch. Noch schlimmer: „Sehr geehrte Frau Maier“, wenn die Kundin „Meier“ heißt – oder längst geheiratet hat und jetzt den Namen „Müller“ trägt. Kundendaten spielen aber auch eine Rolle, wenn Bestellungen auszuliefern sind. Diese werden nicht oder nicht rechtzeitig ankommen, wenn sich die Adresse des Kunden geändert hat. Die Folge sind hohe Retourenquoten und die damit verbundenen zusätzlichen Kosten bzw. Imageschäden.
Wenn Unternehmen in der Lage sind, diese Stolperfallen zu umgehen und allein nur ihre Kunden korrekt anzusprechen, ist bereits viel gewonnen. Jedoch ist auch das ein schwieriges Unterfangen. Allein in Deutschland ändert sich jedes Jahr ein Viertel aller Kundenkontakte. Doch nicht nur die Daten von Privatpersonen sind betroffen, sondern ebenfalls die von Unternehmen, etwa durch den Wechsel der Rechtsform durch Übernahmen oder aufgrund neuer Ansprechpartner im Hause. Insofern sind sowohl B2C- als auch B2B-Unternehmen gefordert, kontinuierlich ihre Kundendaten zu bereinigen.
Wie viel kostet schlechte Datenqualität?
Die seit Jahren gültige 1-10-100-Faustregel zeigt, welche Kosten entstehen, wenn Unternehmen die Qualität ihrer Kundendaten sicherstellen oder aber dem Zufall überlassen:
Es kostet durchschnittlich 1 Euro, Kundenstammdaten bei der initialen Dateneingabe mithilfe professioneller Software-Unterstützung zu verifizieren.
Dieser Betrag steigt auf 10 Euro pro Datensatz, wenn die Daten nur von Zeit zu Zeit bereinigt werden, um eine ursprünglich fehlerhafte Eingabe zu korrigieren und Dubletten zu beseitigen.
Es kostet pro Datensatz etwa 100 Euro, wenn ein Unternehmen die Adressqualität komplett vernachlässigt und überhaupt nichts unternimmt.
Software-basierte Lösungen zur Adressvalidierung können umfänglich dabei unterstützen, die Kosten gering zu halten. Das beginnt bereits beim Onboarding. Wenn der Kunde während des Bestellprozesses seine Adresse eingibt, werden seine Daten auf Basis einer standardisierten Datenbank mit validen Orts- und Straßennamen automatisch vervollständigt. Dies sorgt nicht nur für reibungslose Geschäftsabläufe, sondern etabliert auch ein Muster für die Data Governance. Darüber hinaus haben Kunden durch die Autovervollständigung einen geringeren Eingabeaufwand, was sich wiederum positiv auf die Customer Experience auswirkt.
Neben der Erfassung vollständiger und korrekter Daten sollten auch Dubletten vermieden werden. Denn diese erhöhen nicht nur den Pflegeaufwand, sondern sorgen auch für Inkonsistenzen. Sie entstehen vor allem durch Tippfehler oder unterschiedliche Anordnungen der Daten, etwa in der Form „Michael Müller“ und „Müller Michael“. Folglich würde Herr Müller im Rahmen einer Marketingkampagne zweimal angeschrieben, was ihn wahrscheinlich verärgern würde, von den doppelten Portokosten ganz zu schweigen.
Datensilos aufbrechen
Indes bemängelten im Rahmen einer aktuellen Umfrage der IDC 37 Prozent der befragten Unternehmen, dass sie nicht in der Lage seien, eine hohe Datenqualität zu gewährleisten. Das Problem sei zwar bekannt, eine Lösung aber nicht. Noch immer agieren Unternehmen mit dezentralen Datenbanken in unterschiedlichen Abteilungen und/oder haben keine Kontrollmechanismen zur Datenvalidierung implementiert.
Dies belegt auch das Ergebnis einer aktuellen CRM-Studie von ADITO. Demnach speichern viele Unternehmen Daten in mehreren Systemen. Der Vertrieb arbeitet mit den im CRM-System abgelegten Kontaktdaten, und Rechnungen werden auf die im ERP-System erfassten Adressen ausgestellt. Zusätzlich gibt es noch Kontaktdaten, die Interessenten auf der Website eingetragen haben, um beispielsweise einen Newsletter zu abonnieren oder weitere Produktinformationen anzufordern. Wollen Marketingverantwortliche nun auf dieser Basis eine Online-Kampagne starten, stehen sie vor der Frage, aus welchem Pool sie die Adressen verwenden sollen. Einfach alle zu nutzen, ergibt keinen Sinn, weil Kunden bzw. Interessenten dann mit hoher Wahrscheinlichkeit mehrfach angeschrieben werden – auf resultierenden Ärger und Kosten wurde schon verwiesen.
Damit solche separaten Datensilos gar nicht erst entstehen, sollten Unternehmen auf ein zentrales CRM-System mit Schnittstellen zu Shop-, ERP- und Marketing- bzw. Vertriebssteuerungstools setzen. Mit der Definition einer Datenstruktur lässt sich festlegen, welche Daten erfasst werden sollen. Doch wie können Unternehmen ihre Kundendaten, die sie in der Vergangenheit in unterschiedlichen Systemen gepflegt haben, jetzt konsolidieren?
Zunächst sollten sie definieren, welches System als Master, sozusagen als Single Point of Truth, fungiert und damit künftig die Basis für korrekte Daten bildet. Ob das die CRM- oder die ERP-Lösung ist, bestimmen die individuellen Abläufe. Im nächsten Schritt werden die darin enthaltenen Daten überprüft und bereinigt, also auch eventuelle „Karteileichen“ aussortiert. Manuell durchgeführt, ist diese Arbeit mit einem unverhältnismäßig hohen Aufwand verbunden. Günstiger und schneller arbeiten Lösungen, welche die Kontaktdaten automatisiert validieren. Anschließend wird ermittelt, welche zusätzlichen Daten in anderen Systemen abgelegt sind. Auch diese müssen zunächst validiert und können anschließend in dem Master-System gespeichert werden. Die akkuraten Daten liegen dann konsolidiert in einem System vor (Stichwort: Golden Record). Dies ist allerdings nur eine Momentaufnahme, denn Stammdaten sind keinesfalls statisch, wie bereits deutlich wurde.
Eine hohe Datenqualität erfordert somit einen Plan und geeignete Technologien. In diesem Rahmen ist eine konsequente Adressvalidierung unumgänglich, wenn Unternehmen erfolgreich agieren wollen. Sie unterstützt außerdem bei der Betrugsprävention, indem sie unplausible und falsche Adressen zuverlässig erkennt. Unternehmen sparen sich somit teure personenbezogene Prüfungen für offensichtlich inakkurate Daten.
Einfach bessere Datenqualität erreichen
Die Umsetzung eines solchen Projektes zur Datenqualität ist keine Raketenwissenschaft und kann mithilfe verschiedener Lösungen erfolgen. Dazu zählen:
Adressvalidierung: Sie behebt Fehler in nationalen und internationalen Anschriften und reduziert die oft hohe Rate unzustellbarer Sendungen auf circa drei Prozent.
Adressen-Autovervollständigung: Ein Echtzeit-Adresseingabeassistent sorgt für eine korrekte Datenerfassung und beschleunigt durch ein Suggest die Adresserfassung um bis zu 50 Prozent.
E-Mail-Validierung: Eine solche Lösung validiert, korrigiert und standardisiert E-Mail-Adressen, um die Zustellbarkeit zu verbessern sowie Spam zu reduzieren.
Telefonnummernprüfung: Damit können Unternehmen Festnetz- und Mobiltelefonnummern auf nationaler und internationaler Ebene checken, um ihr Telefon- und SMS-Marketing zu verbessern.
Namensvalidierung: Fehler im Namen, ein falsches Geschlecht oder ein vulgäres Wort? – Lösungen zur Namensvalidierung helfen.
Dublettenprüfung: Redundante Datensätze lassen sich mithilfe dieser Software identifizieren und zusammenführen.
Wettbewerbsfähigkeit erhalten
Laut dem unabhängigen CRM-Berater Georg Blum ist die Adress- und Datenqualität kein Kostenfaktor, sondern ein Wertschöpfungsfaktor, womit er den Nagel auf den Kopf trifft. Denn akkurate Adressen sorgen dafür, dass Unternehmen Kosten senken und gleichzeitig Umsätze steigern können. Die unmittelbar verfügbare 360-Grad-Sicht auf einheitliche, korrekte Daten liefert konkretes Wissen, das Unternehmen nutzen können, um wirtschaftlich und effizient zu operieren. Mithilfe Software-gestützter Lösungen gelingt es, Adressdaten kontinuierlich in ihrem CRM-System zu standardisieren, zu überprüfen und zu korrigieren. Dabei ist der Einsatz einer Datenvalidierung als skalierbarer Web-Service vorteilhaft. Neben ihrer Integrationsfähigkeit ist sie standortunabhängig über eine Online-Schnittstelle verfügbar und lässt sich plattformunabhängig nutzen. Darüber hinaus müssen Unternehmen sich nicht um das Einspielen aktualisierter Datenbestände kümmern und haben mehr Zeit für ihr Kerngeschäft.
Daten sind ein enormer Wettbewerbsvorteil für nahezu jedes Unternehmen. Diese Aussage ist im Zuge der Digitalisierung nicht neu. Eine verlässliche Kenntnis zur Datenlage im eigenen Unternehmen ist dafür von großer Bedeutung. So wissen aber nur wenige Unternehmen, was schlechte Datenqualität sie wirklich kostet. Sichtbar ist oft nur die Spitze des Eisbergs.
Es gibt – neben direkt sichtbaren – auch vermeintlich unsichtbare Konsequenzen von mangelnder Datenqualität. Wie bei einem Eisberg sieht man nicht sofort, was sich unter der Wasseroberfläche versteckt.
Auch für Kundenkampagnen und das ideale Kundenerlebnis sind saubere Daten ein entscheidender Erfolgsfaktor. Kunden- und produktebezogene Affinitäten ermitteln, Kundensegmentierung, Ermittlung von Käuferprofilen, Kunden Priorisierung, Minimierung der Streuverluste, Steigerung der Rücklaufquoten und vieles mehr. Um der Dynamik der Märkte sowie den steigenden Anforderungen der Kunden gerecht zu werden, brauchen Unternehmen verlässliche Analysen ihrer Kundendaten.
Die Achillesferse für eine erfolgreiche Kampagne und ein optimales Kundenerlebnis liegt zunächst aber nicht darin, Affinitäten oder die richtigen Kundensegmente zu finden. Der entscheidende Schwachpunkt sind die Daten selbst. Wie wollen Unternehmen sinnvolle Segmente und Zielgruppen definieren und eine Kampagne aufsetzen, wenn sie nicht wissen, welche Informationen in den Daten stecken und ob die Daten sich überhaupt als valide Entscheidungsbasis eignen? Einfache Beispiele, die jedes Unternehmen kennt, sind etwa Dubletten im Datenbestand, fehlende Daten im Kundenstamm (E-Mail, Anrede Nachname) sowie Schreib- oder Tippfehler. Immer wieder führen vermeintlich einfache Fehler zu falschen Rückschlüssen und am Ende zu unzufriedenen Kunden. Existieren etwa für einen Kunden zwei Datensätze, kann dies dazu führen, dass er unterschiedliche Hinweise zu einer Aktion erhält, dass er doppelt kontaktiert oder wie ein C-Kunde behandelt wird, obwohl er tatsächlich zu den B-Kunden zählt. Das heißt, durch Dubletten können Inkonsistenzen und widersprüchliche Datensätze entstehen. Viele Schwachstellen in Datenbeständen bleiben unerkannt, da Unternehmen es nicht schaffen, einen ganzheitlichen Überblick über die Datenbestände sicherzustellen. Kurzum: Eine schlechte Datenqualität beeinflusst die Effizienz und das Ergebnis einer Kundenkampagne maßgeblich.
Nur in wenigen Unternehmen sind die tatsächlichen Kosten bekannt, die Dubletten in den Kundendaten verursachen.
Data Literacy (Datenverständnis) als ideale Voraussetzung einer erfolgreichen Kampagne
Eine korrekte Datenbasis ist die Grundvoraussetzung für ein ideales Kundenerlebnis – mit geeigneten Maßnahmen verbessern Unternehmen die Kundenkommunikation, indem sie Schwachstellen in Daten aufdecken und die Transparenz in ihrem Datenbestand erhöhen.
Doch wie kann Transparenz in Millionen von Datensätzen geschaffen werden, die unter Umständen auch noch auf mehrere Systeme verteilt sind? Data Literacy, das Schaffen von Datenverständnis, ist die Lösung. Data Literacy bezieht sich in erster Linie auf die Fähigkeiten, Daten zu lesen, zu verstehen, zu analysieren und zu kommunizieren. Es umfasst zudem das Verständnis von Datenquellen und -typen, Datenanalyse-Tools und -Techniken sowie der Datenvisualisierung und -kommunikation. Datenkompetente Unternehmen, die diese Bereiche vereinen, können Daten nutzen, um fundierte Entscheidungen zu treffen, Geschäftsprozesse zu verbessern, neue Geschäftsmöglichkeiten zu identifizieren und um komplexe Probleme zu lösen.
Ausgangspunkt hierfür ist, den Ist-Zustand der Daten zu kennen. Das ist ein wesentliches Kriterium, um erfolgreich Profit aus den eigenen Daten zu ziehen. Das bestätigt auch der aktuelle BARC Data, BI & Analytics Trend Monitor 23. Bereits zum 6. Mal in Folge landen die Themen Datenqualität und Master Data Management im BARC Data, BI & Analytics Trend Monitor auf Platz 1 der befragten Anwender. Das Gesamtbild zeigt, dass sich Unternehmen auf die Grundlagen der Nutzung und Verwaltung der Daten konzentrieren, bevor sie die Prioritäten auf fortgeschrittene Analysemethoden verlagern (1).
Das Ergebnis verwundert nicht, denn wollen Unternehmen Daten erfolgreich nutzen, müssen Sie zunächst folgende Fragen beantworten können:
Welche Daten haben wir und wo liegen diese?
Welche Daten brauchen wir?
Wie sieht die Qualität aus?
Können wir mit den vorhandenen Daten unsere Ziele erreichen?
Wo gibt es Handlungsbedarf?
Daten interpretieren und Konsens schaffen
In diesem Zusammenhang ist es wichtig, Kolleg:innen die richtigen Skills an die Hand zu geben, um Daten auch interpretieren zu können. Hiermit ist die Befähigung von Mitarbeitern gemeint, gemeinsam mit allen Beteiligten über Daten zu sprechen und Konsens über die Datenlage zu schaffen. Hierfür benötigen Unternehmen geeignete Tools, die sich nicht an IT-Spezialisten richten, sondern die die jeweiligen Fachabteilungen dabei unterstützen, die Daten zu interpretieren.
Vorhandene Lösungen wie CRM- oder ERP-Systeme liefern hier keine Funktionalität. Und auch BI-Tools legen ihren Fokus häufig eher auf die Analyse bestehender Daten und nicht auf die Visualisierung und vorherige Bereinigung von Schwachstellen im Datenbestand.
Aufgrund der hohen Marktdurchdringung wird dann aus der Not geboren häufig auf Microsoft Excel zurückgegriffen. Aber auch Excel kommt insbesondere bei großen Datenmengen schnell an seine Grenzen und ist weit von einer Best-of-Breed-Lösung entfernt, die Transparenz in Datenbestände bringt.
Letztlich bedarf es ergänzender Tools, wie zum Beispiel InfoZoom, die darauf spezialisiert sind, eine gemeinsame Datengrundlage herzustellen und Datenschwachstellen aufzuzeigen und zu beseitigen. Nur dann ist es möglich, eine valide Entscheidungsgrundlage für die nächste Kundenkampagne zu gewinnen.
InfoZoom wurde im BARC & Analytics Survey (2), der weltweit größten Befragung unter BI- und Analyse-Software-Anwender:innen, zum besten Produkt in puncto Datenqualität gewählt. Mit InfoZoom können Projektteams ihre Datenquellen realistisch beurteilen und Daten auf der Basis von Fakten statt Annahmen analysieren. Alle Rohdaten aus verschiedenen Vorsystemen werden komprimiert und übersichtlich auf einer einzigen Bildschirmseite darstellt. In den aggregierten Werten können Anwender frei navigieren, filtern und Datensätze bis auf das einzelne Datenfeld zurückverfolgen.
Wissensvorsprung durch Ad-hoc Analysen
Nach abgeschlossener Bewertung des Ist-Zustandes und der Bereinigung der Daten geht es darum, Muster und Trends zu erkennen, die eine erfolgreiche Kundenkampagne auf den Weg bringen. Entscheidend ist hierbei ebenfalls die Flexibilität und die einfache Handhabung, so dass sich Mitarbeitende aus den unterschiedlichen Fachabteilungen auch ohne IT-Kenntnisse sicher in Datenbeständen bewegen und diese genauer unter die Lupe nehmen können. Das entlastet nicht nur die IT-Abteilung, sondern sorgt dafür, dass Analysen endlich dort entstehen, wo die eigentlichen Ideengeber und Spezialisten sitzen. Völlig freie Filter- und Selektionsmöglichkeiten sowie ein intuitiver Umgang mit Daten unterstützen Mitarbeiter dabei, Zusammenhänge aufzudecken und innovative Kundencluster oder -segmente zu bilden.
Serviceorientierte Kommunikation statt Informationen mit der Gießkanne
Wer die Kontrolle behält und die Massendaten jederzeit flexibel auswerten kann, kennt den Bedarf seiner Kunden und verschafft sich den nötigen Wissensvorsprung für treffsichere Vertriebs- und Marketingkampagnen. So berichten Unternehmen immer wieder von langwierigen Selektionsdurchläufen im CRM-System, die aufgrund großer Datenmengen oft erst nach einigen Stunden die gewünschten Abfrageergebnisse liefern. Eingriffe oder Korrekturen während des Durchlaufs sind nicht möglich, eine flexible Anpassung und ein Nachsteuern der Abfragekriterien über CRM-Systeme daher meist nicht gegeben. Dabei basiert gezieltes Kampagnenmanagement auf sauberen Daten und der Möglichkeit, ad hoc Filter- und Selektionsmechanismen anpassen zu können. Mit genau platzierten Kampagnen verzeichnen Unternehmen höhere Erfolgsquoten, während Kosten und Ressourcen in Vertrieb und Marketing im Blick bleiben.
Die Erstveröffentlichung dieses Beitrages erfolgte im eBook "Erfolgreicher Kundendialog". Dieses kann hier kostenfrei heruntergeladen werden.
Die BARC-Studie „The BI & Analytics Survey 23“ wurde von März bis Juni dieses Jahres zum 21. Mal durchgeführt. Insgesamt haben weltweit 1.951 Anwender detaillierte Fragen zur Nutzung ihrer Business-Intelligence- und Analytics-Lösung beantwortet.
Köln. Melissa Data hat ein umfassendes White Paper zur digitalen Identitätsprüfung veröffentlicht. Darin stellt der Anbieter globaler Datenqualitäts- und Adressmanagementlösungen proaktive Maßnahmen zur Betrugsprävention vor, mit denen Unternehmen finanzielle Verluste und Imageschäden vermeiden können.
„Die Zahl der Betrugsfälle mit gefälschten Identitäten nimmt stetig zu. So wurden etwa laut Statista im Jahr 2023 in Deutschland allein rund 32.600 Geldwäschedelikte polizeilich erfasst, was einen neuen Höchststand darstellt“, betont Çağdaş Gandar, Geschäftsführer der Melissa Data GmbH, und ergänzt: „Mit unserem White Paper wollen wir Unternehmen darin unterstützen, ihre Sicherheitskonzepte auf den neuesten Stand zu bringen und sich so vor Betrügern zu schützen.“
Dazu erläutert das White Paper die wichtigsten Maßnahmen zur Identitätsprüfung, zu denen Unternehmen – insbesondere aus dem Finanzdienstleistungssektor – teils sogar gesetzlich verpflichtet sind. Zu diesen Maßnahmen zählen Know-Your-Customer(KYC)- und Know-Your-Business(KYB)-Prozesse, die Identifizierung politisch exponierter Personen (kurz PEP), Sanktionslistenprüfungen sowie das Adverse Media Screening, in dessen Rahmen nach möglichen negativen Nachrichten über Personen oder Unternehmen gesucht wird.
Darüber hinaus beschreibt Melissa in seinem White Paper anschaulich, wie Unternehmen die Identitätsprüfung beim Onboarding automatisieren können, ohne dass die Customer Experience durch Sicherheitsabfragen oder die Aufforderung zum Einreichen von Dokumenten leidet.
Ein weiteres Kapitel zeigt, warum die Basis für eine zuverlässige Identitätsprüfung eine hohe Datenqualität ist und wie Unternehmen diese ohne großen Personalaufwand sicherstellen können. Abschließend gibt Melissa Empfehlungen, worauf Unternehmen bei der Auswahl eines Anbieters von Lösungen zur elektronischen Identitätsprüfung achten sollten, und nennt Tipps für eine erfolgreiche Implementierung.
Das informative White Paper „Sicher und erfolgreich mit digitaler Identitätsprüfung“ kann kostenlos hier heruntergeladen werden.
Köln / München. Die Melissa Data GmbH zeigt auf der Seamless Europe die zahlreichen Vorteile einer hohen Datenqualität auf und stellt ihr diesbezügliches umfassendes Produktportfolio vor. Mit diesem können Händler, Fintechs und Zahlungsanbieter ihre Customer Experience verbessern, Kosten senken und Betrugsrisiken minimieren. Als Neuheit präsentiert das Unternehmen ein Plug-in für die E-Commerce-Software Shopify, das Adressen bereits während der Eingabe in Echtzeit überprüft, korrigiert und auf das offizielle länderspezifische Anschriftenformat standardisiert. Darüber hinaus beschleunigt die Lösung den Bestellprozess, indem eingegebene Adressen nach nur wenigen Tastenanschlägen automatisch vervollständigt werden. Die Seamless Europe findet am 10. und 11. September 2024 auf dem Messegelände in München statt, wo Melissa am Stand B60 zu finden ist.
„Mit unseren Lösungen können Unternehmen den manuellen Aufwand zur Sicherstellung einer hohen Datenqualität auf ein Minimum reduzieren“, erläutert Çağdaş Gandar, Geschäftsführer der Melissa Data GmbH, und ergänzt: „So setzen beispielsweise unsere Adressvalidierung und die Autovervollständigung bereits bei der Eingabe einer Bestellung an. Der Nutzer tippt nur wenige Buchstaben seiner Adresse, die dann automatisch vervollständigt wird. Anschließend erfolgt eine Überprüfung der Anschrift, sodass sichergestellt ist, dass nur korrekte Daten in weiterführende Systeme gelangen.“
Das Thema Datenqualität spielt darüber hinaus bei der Betrugsprävention eine wichtige Rolle, in deren Rahmen die Identität von Kunden und Interessenten überprüft werden sollte. Auch hier kann die Adressvalidierungslösung von Melissa helfen, indem sie unplausible oder falsche Angaben erkennt. Zudem bietet der Kölner Softwareanbieter eine elektronische Identitätsprüfung (eIDV) als Web Service an. Dabei handelt es sich um einen internationalen Echtzeitdienst, der Namen und Adressen überprüft, bereinigt, vervollständigt und standardisiert sowie die Identität eines Kunden verifiziert. Zusätzlich wird geprüft, ob Personen oder Unternehmen einschließlich ihrer Mitarbeiter auf Sanktionslisten oder in Verzeichnissen politisch exponierter Personen (PEP) stehen oder bereits negativ in den Medien in Erscheinung traten (Adverse Media Screening).
Über Melissa: Melissa ist ein führender Anbieter von Datenqualitäts-, Identitätsprüfungs- und Adressmanagementlösungen. Melissa unterstützt Unternehmen bei der Kundengewinnung und -bindung, bei der Validierung und Korrektur von Kontaktdaten, bei der Optimierung des Marketing-ROIs sowie beim Risikomanagement. Seit 1985 ist Melissa für Unternehmen wie die Mercury Versicherung, Xerox, Disney, AAA und Nestlé ein zuverlässiger Partner bei der Verbesserung der Kundenkommunikation. Weitere Informationen: www.melissa.de
- Datengestützte Marketingstrategien - So bauen B2C-Marken erfolgreiche Zielgruppen auf - Effektive Zielgruppenbildung im B2C-Bereich
B2C-Marketer stehen vor erheblichen Herausforderungen bei der Nutzung von Daten zur Zielgruppenbildung. Laut einer Studie von Porch Group Media und Ascend2 haben zwei Drittel der Marketer Probleme mit der Datenqualität und -nutzung. Trotz dieser Herausforderungen nutzen 65 % der Marketer intensiv First-Party-Daten und 65 % Zero-Party-Daten, die freiwillig von Kunden bereitgestellt werden. Allerdings greifen 67 % immer noch auf Third-Party-Daten zurück, obwohl nur 25 % diese intensiv nutzen, berichtet MediaPost.
Abhängigkeit von Third-Party-Daten und deren Reduzierung Ein bedeutender Fortschritt ist, dass 53 % der Marketer Strategien entwickelt haben, um ihre Abhängigkeit von Third-Party-Cookies zu reduzieren. Die größten Herausforderungen bei der Zielgruppenbildung sind die Personalisierung der Kommunikation (57 %), korrekte Kontaktdaten fürdie kanalübergreifende Ansprache (43 %) und die Kombination verschiedener Datentypen und -quellen (39 %).
Hürden bei der Segmentierung von Zielgruppen Fehlende oder ungenaue Kontaktdaten (39 %) und die Verteilung der Daten über mehrere Kanäle (36 %) erschweren die Segmentierung. Dennoch sehen die Marketer erhebliche Vorteile durch die Nutzung von First-Party-Daten: verbesserte Kundenerfahrung (40 %), höhere Kundenbindung (39 %) und verbesserten ROI auf Werbung (36 %).
Vielfältige Datenquellen für die Zielgruppenbildung Um effektive Zielgruppen zu bilden, sind korrekte Daten zur Personalisierung (59 %) und genaue Kontaktdaten (45 %) essentiell. Die erfolgreichsten Marken nutzen eine Vielzahl von Datenquellen, darunter Website-Daten (64 %), Social-Media-Daten (58 %) und Umfragedaten (57 %).
Zur Studie Die Studie, die im Februar durchgeführt wurde, befragte 353 Fachleute aus B2C- und D2C-Unternehmen. Ein Drittel der befragten Unternehmen erzielte einen Jahresumsatz zwischen 25 und 99,99 Millionen US-Dollar, weitere 33 % hatten Umsätze zwischen 100 und 499,99 Millionen US-Dollar und 32 % über 500 Millionen US-Dollar.
Die Firmendatenbank der Schober Information Group Deutschland ist nun bequem und schnell per Internet nutzbar. So können Marketer und Vertriebsprofis mit der Business TargetBase ONLINE ortsunabhängig auf mehr als 4,5 Millionen Firmenadressen bonitätsgeprüfter Unternehmen sowie auf über 5 Millionen Ansprechpartner zugreifen. Die Lösung für Firmeninformationen und effiziente Werbemaßnahmen ist ab sofort im Internet unter www.businesstargetbase.de verfügbar. >>weiterlesen
