Zum Whitepaper

Whitepaper
Datenqualität
Der Schlüssel für die Umwandlung von Kundendaten in Kundenwert
Mit hoher Datenqualität von Big Data über Smart Data bis hin zur Smart Campaign
Whitepaper Datenqualität
Datenqualität
Der Schlüssel für die Umwandlung von Kundendaten in Kundenwert
Inhaltsverzeichnis
1.
Einleitung .................................................................................................................................. 3
2.
Gründe für Defizite in der Datenqualität ................................................................................... 4
3.
Warum ist Datenqualität so wichtig? ........................................................................................ 5
3.1 Kundenbindung ...................................................................................................................... 5
3.2 Marketing & Vertrieb ............................................................................................................... 6
3.3 Kosten..................................................................................................................................... 6
4.
Mit Data Governance von Big Data zu Smart Data.................................................................. 7
4.1 Data Profiling .......................................................................................................................... 7
4.2 Data Integration ...................................................................................................................... 8
4.3 Data Cleansing ....................................................................................................................... 8
4.4 Data Monitoring ...................................................................................................................... 8
5.
Case Study zur CRM-Datenbereinigung mit eoda ................................................................... 9
6.
Mit einem ganzheitlichen Ansatz zu hochwertigen Daten und smarten Kampagnen ............ 10
6.1 addRess................................................................................................................................ 11
6.2 signatuRe.............................................................................................................................. 11
6.3 fuzzychekC ........................................................................................................................... 12
6.4 associateR ............................................................................................................................ 13
6.5 optimizeR .............................................................................................................................. 14
6.6 Die Vorteile von eoda | consolidate auf einen Blick ............................................................. 16
7.
Fazit ........................................................................................................................................ 16
8.
Über eoda ............................................................................................................................... 17
© eoda 2015
www.eoda.de
2
Whitepaper Datenqualität
1. Einleitung
"Qualität ist nicht alles, aber ohne Qualität ist alles nichts!"
Prof. Dr. Walter Masing1
Im Zeitalter der Digitalisierung entwickelt sich das Thema Datenqualität immer mehr zum erfolgskritischen Faktor. Korrekte, aktuelle und vollständige Daten bilden das Fundament effizienter und
erfolgreicher Geschäftsprozesse. Die unaufhaltsam wachsende Datenmenge der heutigen Zeit
stellt viele Unternehmen jedoch vor große Herausforderungen. Aus der unüberschaubaren Datenflut die jeweils relevanten Informationen herauszufiltern und gesammelte Daten kontinuierlich auf
dem aktuellsten Stand zu halten sind nur zwei der zahlreichen Schwierigkeiten, die sich für Unternehmen im Zuge von Big Data ergeben können.
Dabei bieten Daten vor allem eines: Die Möglichkeit, wertvolles Wissen zu generieren.
Hierfür ist in erster Linie die Datenqualität von großer Bedeutung. Nur korrekte Daten können belastbare, nutzenbringende Ergebnisse liefern und eine fundierte Entscheidungsfindung ermöglichen. Richtige, vollständige und aktuelle Daten sind somit essentiell für erfolgreiche operative Prozesse. Fehlentscheidungen und Ineffizienzen im täglichen Betrieb sind dabei nur die Spitze des
Eisbergs. Die Probleme schlechter Datenqualität erstrecken sich über verschiedene Bereiche und
schwächen ganze Unternehmensabläufe – zum Beispiel im Vertrieb:
Unkoordinierte Ansprache von Kunden und Interessenten, unklare Zuordnungen von Informationen
oder falsch adressierte Weihnachtskarten sind nur drei Beispiele für die Auswirkungen unzureichender Datenqualität in Vertriebsprozessen. Die Folgen für Unternehmen sind gravierend: Bestehende Kundenbeziehungen werden negativ beeinträchtigt, Neukundenkampagnen scheitern
und das Reporting liefert fehlerhafte Auswertungen. Auch mögliche Cross-Selling Potentiale bleiben ungenutzt. Die Begleiterscheinungen sind hohe Kosten und ein enormer Zeitaufwand.
Daten bilden die Grundlage für langfristige Unternehmensentscheidungen und können Unternehmen wertvolle Wettbewerbsvorteile beschaffen. Aus diesem Grund sollte das Thema Datenqualität
mit hoher Priorität behandelt und kontinuierlich auf Defizite untersucht werden, um diese beheben
zu können bevor sie sich negativ auf den Geschäftserfolg auswirken.
1
Prof. Dr. Walter Masing († 2004) war Ehrenvorsitzender der Deutschen Gesellschaft für Qualität e.V. (DGQ). Er
war maßgeblich an der Etablierung des Qualitätsmanagements in Deutschland und Europa beteiligt und Herausgeber des Masing Handbuch Qualitätsmanagement.
© eoda 2015
www.eoda.de
3
Whitepaper Datenqualität
2. Gründe für Defizite in der Datenqualität
Die Gründe für die Entstehung von Defiziten in der Datenqualität sind vielfältig. Zum einen nimmt
die Menge an gesammelten Informationen sowie die Anzahl der Kanäle, die für die Sammlung von
Daten genutzt werden können, fortwährend zu. Allein im Social Media Bereich steigt die Zahl der
Kanäle stetig. Neben etablierte Plattformen wie Facebook, Twitter und co. treten immer neue Möglichkeiten, sich zu vernetzen und auszutauschen. Zum anderen sind Daten in Zeiten von Big Data
oft kurzlebig; gerade Adressdaten verändern sich schnell. So stellte die Deutsche Post in ihrer
Untersuchung „Kundendaten-Qualität 2015“ fest, dass etwa acht Millionen Umzüge, 890.000 Todesfälle sowie 380.000 Hochzeiten und 170.000 Scheidungen jährlich zu einer Vielzahl von
Adress- und Namensänderungen führen.2 Insgesamt lag der Anteil unzustellbarer Kundenadressen im Jahr 2014 bei 14,2 Prozent im Branchendurchschnitt.
Häufig sind es auch schlicht menschliche Fehler oder mangelnde Kommunikation zwischen den
Abteilungen, die zu fehlerhaften und doppelten Einträgen führen. Außerdem wird die Wichtigkeit
einer hohen Datenqualität noch immer unterschätzt und zu wenige Ressourcen für ein sauberes
Datenqualitätsmanagement eingesetzt. Ein weit verbreitetes Problem ist auch das Fehlen einer
zentralen, konsistenten Koordination und unternehmensweiter Standards für den Umgang mit Daten. Die Folgen sind uneinheitliche Formatierungen sowie Duplikate und ähnliche Einträge in Datensätzen. Viele Unternehmen verfügen darüber hinaus nicht über die notwendige technische Unterstützung, um die täglich anfallenden und sich verändernden Datenmengen zu bewältigen. Hinzu
kommt, dass sich die Probleme schlechter Datenqualität immer weiter anhäufen und sich so zunehmend verschlimmern, wenn keine entsprechenden Maßnahmen ergriffen werden.
2
Deutsche Post Direkt GmbH. https://www.deutschepost.de/content/dam/dpag/images/D_d/DDP/Downloads/stu-
dien/20150318_studie_kundendatenqualitaet_2015.pdf.
© eoda 2015
www.eoda.de
4
Whitepaper Datenqualität
Studien zufolge leiden über 90 Prozent der Unternehmen unter gängigen Datenfehlern wie etwa
unvollständige, fehlende oder veraltete Informationen. Dabei gibt es zwischen verschiedenen Branchen große Unterschiede. Während Banken mit 6,3 Prozent unzustellbaren Kundenadressen die
höchste Adressdatenqualität aufweisen, bildet der gemeinnützige Sektor mit fast 18 Prozent unzustellbaren Kundenadressen das Schlusslicht im Branchenvergleich.3
3. Warum ist Datenqualität so wichtig?
3.1 Kundenbindung
Die Vielzahl täglich neuer Produkte, deren zunehmende Austauschbarkeit, die steigende Zahl der
Wettbewerber sowie die Möglichkeit, Produkte und Anbieter mühelos online zu vergleichen, erschweren es den Unternehmen, Kunden für sich zu gewinnen und langfristig eine Bindung herzustellen. Aus diesem Grund ist der optimale Umgang mit potenziellen und bestehenden Kunden in
der heutigen Zeit wichtiger denn je. Denn die Gewinnung eines Neukunden kostet etwa fünfmal
mehr als die Bindung eines Bestandskunden. Außerdem sind Stammkunden auf lange Sicht die
profitableren Kunden. Die Zufriedenheit der Kunden ist daher ein wichtiger Erfolgsfaktor, denn nur
zufriedene Kunden bleiben einem Unternehmen treu und generieren einen hohen Customer
Lifetime Value. Richtige Daten sind dafür eine essentielle Grundlage. Denn eine hohe Datenqualität ist der Schlüssel für die Umwandlung von Kundendaten in Kundenwert.
Im Umgang mit Kunden entstehen täglich große und vielfältige Datenmengen. Und auch indirekt,
beispielsweise über die sozialen Medien oder mit Marketingaktionen wie Gewinnspielen, lassen
sich viele wertvolle Informationen sammeln. Über verschiedene Kommunikationskanäle häufen
sich diese im Laufe der Zeit an und entwickeln sich so zu einem riesigen Datenpool. Für das Kundenbeziehungsmanagement bedeutet dies in erster Linie wertvolle Informationen. Denn gerade im
Zeitalter von Big Data halten diese Daten ein enormes Wissenspotential bereit, welches in vielfältiger Weise genutzt werden kann. Voraussetzung hierfür sind valide Kundeninformationen und somit eine kontinuierlich hohe Datenqualität. Kundendaten müssen stets korrekt, aktuell und möglichst vollständig sein, anderenfalls können Beeinträchtigungen der Kundenbeziehungen die Folge
sein. Mit richtigen Daten können die folgenden Probleme vermieden werden:
3
Deutsche Post Direkt GmbH. https://www.deutschepost.de/content/dam/dpag/images/D_d/DDP/Downloads/stu-
dien/20150318_studie_kundendatenqualitaet_2015.pdf.
© eoda 2015
www.eoda.de
5
Whitepaper Datenqualität
3.2 Marketing & Vertrieb
Kundendaten sind das Fundament datenbasierter Marketingstrategien und erfolgreicher Kampagnen. Diese können mithilfe zuverlässiger Daten ideal an die gewünschte Zielgruppe angepasst
werden und eine höhere Wirksamkeit erlangen. Somit ist das Thema Datenqualität auch für ein
effektives Data-Driven Marketing essentiell. Daten bilden dabei die Handlungsgrundlage für Mitarbeiter im Marketing, Service und Verkauf. Zudem liefern Informationen über das Zahlungs- und
Kaufverhalten sowie die Präferenzen der Kunden eine erhöhte Planungs- und Entscheidungssicherheit. Kenntnisse über Kunden und ihre Bedürfnisse sind auch für den Vertrieb von Vorteil. Sie
tragen zu einer optimalen Ansprache der Kunden bei, erhöhen so zusätzlich deren Zufriedenheit
und Loyalität und binden sie so nachhaltig an das Unternehmen. Laut einer Studie sind jedoch
mehr als ein Fünftel aller in einem Unternehmen erhobenen Daten für Marketing oder Vertrieb
unbrauchbar, weil die darin enthaltenen Informationen unvollständig, fehlerhaft oder veraltet sind.
Das Thema Datenqualität ist also auch hier ein kritischer Faktor.
3.3 Kosten
Fehlerhafte Daten kosten Geld und zwar deutlich mehr, als die Maßnahmen zur kontinuierlichen
Erhaltung einer guten Datenqualität. Gerade im Zusammenhang mit Adressdaten wird dies deutlich: Dubletten und ähnliche Einträge führen auch im digitalen Zeitalter noch zu unnötig hohen
Kosten durch Mehrfachversand an denselben Empfänger. Auch unzustellbare Sendungen aufgrund von fehlerhaften oder nicht mehr aktuellen Adressen verursachen Kosten, die durch eine
hohe Datenqualität vermieden werden könnten. Eine Studie von „The Data Warehousing Institute“
(TDWI) bestätigt das: Allein in den USA entstehen durch Fehler in Adressdatenbanken jährlich
Wirtschaftsschäden von rund 600 Milliarden Dollar. Auf Deutschland übertragen entspräche das
etwa 186 Milliarden Euro.4 Doppelt versendete oder falsch adressierte E-Mails verursachen im
4
www.marketing-boerse.de/Fachartikel/details/1428-Unternehmen-kommen-um-effizientes-Datenmanagement-
nicht-herum-1/48240.
© eoda 2015
www.eoda.de
6
Whitepaper Datenqualität
Gegensatz zum Briefversand nahezu keine direkten Mehrkosten, aber auch bei Ihnen können die
entstehenden Folgekosten eminent sein.
Die Behandlung von Rückläufern und die manuelle Überarbeitung von Adressdaten kosten neben
Geld auch jede Menge Zeit. Mit der notwendigen technischen Unterstützung und automatisierten
Prozessen können sich Mitarbeiter wieder auf ihr Kerngeschäft konzentrieren.
4. Mit Data Governance von Big Data zu Smart Data
Eine rein manuelle Bereinigung solch großer Datenmengen kann nicht in effizienter Weise durchgeführt werden. Aus diesem Grund ist der Einsatz geeigneter Technologien unabdingbar. Mit ihrer
Hilfe kann auch der Prozess der Datenintegration teilweise automatisiert werden. Eine geeignete
technologische Unterstützung ist aber nur ein Teil der Lösung, die zu konsolidierten, hochwertigen
Unternehmensinformationen führt. Daneben kommt es auch auf die richtige Methodik für den Umgang mit Daten, also ein effizientes Data Governance, an.
Der ideale Data Governance Prozess besteht aus mehreren Schritten, die zusammen eine umfassende Strategie zur Erhöhung der Datenqualität bilden und am Ende die volle Nutzbarkeit der Daten gewährleisten. Zu diesen Schritten zählen u.a. datenorientierte Maßnahmen wie
mit deren Hilfe Daten analysiert, bereinigt und überwacht werden können. Daneben geht es bei
Data Governance auch um die Festlegung von Zuständigkeiten, die Entwicklung geeigneter Strategien und die Definition möglichst einheitlicher Standards. Zusammen mit weiteren Komponenten
stellen sie eine ganzheitliche Herangehensweise dar, mit der sich der Prozess für eine verbesserte
Datenqualität erfolgreich managen lässt. Für das Thema Datenqualität nehmen insbesondere die
datenorientierten Elemente des Data Governance Prozesses eine Schlüsselrolle ein.
4.1 Data Profiling
Das Data Profiling dient dazu, Unternehmensdaten zu analysieren und Fehler, Inkonsistenzen sowie fehlende Einträge zu erkennen. Aus den so gewonnenen Informationen lassen sich anschließend Maßnahmen zur Verbesserung der Datenqualität ableiten. Das Data Profiling stellt somit den
Ausgangspunkt für die nachfolgenden Schritte dar.
© eoda 2015
www.eoda.de
7
Whitepaper Datenqualität
4.2 Data Integration
In diesem Schritt geht es um die Zusammenführung von Daten aus verschiedenen Quellen, das
Hinzufügen neuer Daten und die Ergänzung vorhandener Einträge mit externen Informationen. Da
Daten häufig in mehreren Datenbanken parallel verwaltet werden, entstehen immer wieder Duplikate und ähnliche Einträge. Bei der Data Integration erfolgt deshalb eine Konsolidierung der verschiedenen Datenquellen, um diesen Datenqualitätsproblemen vorzubeugen.
4.3 Data Cleansing
Im Zuge des Data Cleansing, also der Datenbereinigung, werden Duplikate und ähnliche Einträge
in Datensätzen identifiziert und Fehler korrigiert. Auf diese Weise werden Daten bereinigt und deren Qualität optimiert. Nur so können sie zuverlässig genutzt und wertvolle Informationen aus ihnen
gewonnen werden.
4.4 Data Monitoring
Mithilfe von Profiling, Integration und Cleansing wurde die Qualität der Daten optimiert. Da sich
Daten ständig verändern, ist eine einmalige Bereinigung allerdings nicht ausreichend. Stattdessen
müssen sie fortlaufend gepflegt und ihre Qualität kontinuierlich überwacht werden. Nur so kann
sichergestellt werden, dass das erlangte Qualitätsniveau nicht durch die allmähliche Rückkehr von
Datenfehlern zunichtegemacht wird. Mit dem Data Monitoring sind Unternehmen jederzeit über den
Zustand ihrer Daten informiert und können Qualitätsprobleme schnell identifizieren und korrigieren.
Nur mit einer hohen Datenqualität gelingt die Umwandlung
von Big Data zu Smart Data
© eoda 2015
www.eoda.de
8
Whitepaper Datenqualität
5. Case Study zur CRM-Datenbereinigung mit eoda
In dieser Case Study erfahren Sie, wie eoda ein weltweit führendes Industrieunternehmen bei der
Bereinigung seiner CRM-Daten unterstützt hat. Im Zuge einer geplanten CRM-Migration zu Microsoft Dynamics CRM® führte der Konzern eine Analyse seiner Kundendaten durch und stellte dabei
fest, dass die schlechte Datenqualität keine 1:1 Migration der Daten erlaubte. Da eine manuelle
Datenbereinigung in Anbetracht des umfangreichen Datenbestands mit tausenden Kundendaten
aus über 40 Ländern nicht praktikabel gewesen wäre, wurde eoda angefragt, eine schnelle und
zielführende Verbesserung der Datenqualität mittels einer automatisierten Bereinigung und Strukturierung der Daten durchzuführen.
Als Spezialist für die Verbesserung der Datenqualität auch in großen Datenbeständen, passte eoda
einige der Applikationen der hauseigenen Serviceplattform „Results as a Service“ auf die speziellen
Anforderungen beim Kunden an und führte das Data Cleansing mit intelligenten Algorithmen durch.
Dies umfasst neben der Analyse auch eine Mustererkennung und Standardisierung der Daten,
welche eine einheitliche Formatierung sicherstellen. Die Lösung zum Data Cleansing von eoda hat
die Datenqualität des Unternehmens entscheidend verbessert und so die erfolgreiche CRM-Migration nach Microsoft Dynamics CRM® ermöglicht.
Die Vorteile des eoda Data Cleansing:
 Hoher Automatisierungsgrad (~ 95%) entlastet Mitarbeiter und spart Zeit
 Durchgängig einheitliche Formatierung nach länderspezifischen Mustern (z.B. Vorwahlen)
 Einträge werden automatisch ergänzt, validiert, korrigiert und einheitlich formatiert
 Kompatibilität mit sämtlichen Sprachen oder Zeichensätzen
Mithilfe von zuverlässigen Referenzlisten (z.B. Informationen über länderspezifische Adressformate der Deutschen Post) können CRM-Daten abgeglichen und auf Unstimmigkeiten und fehlende
© eoda 2015
www.eoda.de
9
Whitepaper Datenqualität
Einträge überprüft werden. Eine intelligente Mustererkennung kann dabei zwischen verschiedenen
Elementen der Kundendaten wie etwa Straßenname, Postleitzahl oder E-Mailadresse unterscheiden und sie dementsprechend formatieren. Außerdem werden fehlende Einträge automatisch ergänzt, falsche Einträge korrigiert und alle Einträge einheitlich formatiert. Das Data Cleansing von
eoda bietet neben einer weitestgehend automatischen Strukturierung auch Unabhängigkeit von
bestimmten Sprachen oder Zeichensätzen. Somit können Kundendaten auch in der Schrift des
jeweiligen Herkunftslandes aufgenommen und bearbeitet werden.
Sehen Sie sich die komplette Case Study auf unserer Website an.
6. Mit einem ganzheitlichen Ansatz zu hochwertigen Daten und smarten Kampagnen
eoda unterstützt Sie mit maßgeschneiderten IT-Lösungen aus dem Bereich Datenbereinigung und
-konsolidierung, um die Qualität Ihrer Daten nachhaltig zu optimieren. Wir bieten Ihren Mitarbeitern
in Marketing, Vertrieb und Service damit die Grundlage, Daten schneller und zielorientierter zu
nutzen. Damit erhöhen Sie nachhaltig die Effektivität Ihrer Geschäftsprozesse und Ihres Kundenbeziehungsmanagements. Wir von eoda haben individuell anpassbare Anwendungen und effiziente Methoden für die datenorientierten Maßnahmen des Data Governance Prozesses entwickelt.
Zusammen bilden sie eoda | consolidate:
eoda | consolidate ist unser ganzheitliches Angebot zur Steigerung der Qualität Ihrer Daten. Es
ermöglicht neben der Bereinigung auch eine Mustererkennung. Diese macht es möglich, selbst in
© eoda 2015
www.eoda.de
10
Whitepaper Datenqualität
unstrukturierten Daten mit unterschiedlichen Fehlerbildern automatisch gewinnbringende Informationen zu identifizieren. Die Anwendungen addRess, signatuRe und fuzzychekC auf Basis der eoda
Serviceplattform Results as a Service sind Teil von eoda | consolidate und unterstützen Sie auf
dem Weg zu hochwertigen Daten.
6.1 addRess
Hochwertige Adressdaten bei gleichzeitiger Senkung des Aufwands – dafür steht addRess von
eoda. Für eine zielgruppengenaue Ansprache bedarf es stets aktueller Adressdaten und kontinuierlicher Datenpflege. eoda | addRess findet automatisiert und zuverlässig die aktuellen Informationen über Ihre Kunden und Partner, bereitet sie auf und ermöglicht einen anwenderfreundlichen
Abgleich mit Ihren bereits vorhandenen Adressdaten.
Die selbstlernende Adressdatenbank addRess findet eigenständig fehlende Einträge in Adressdatensätzen und vervollständigt sie. Zusätzlich überprüft sie vorhandene Einträge auf Fehler und
korrigiert diese. Die Datenbank aktualisiert sich selbstständig und entwickelt sich stetig weiter. Auf
diese Weise können Sie die Qualität Ihrer Adressdaten nachhaltig ohne großen Aufwand verbessern. So erzielen Sie bessere Zustellbarkeits- und Response-Quoten und erhöhen den Erfolg Ihrer
Maßnahmen in Marketing und Vertrieb. Gleichzeitig senken Sie mit addRess die Kosten für Handling, Druck und Versand Ihrer Kundenansprache.
6.2 signatuRe
Automatische Signaturerfassung – schnell und zuverlässig. Auf der Basis von Kundendaten können CRM-Systeme die gesamten Prozesse zwischen Unternehmen und Kunden systematisch und
effizient unterstützen. Dafür müssen diese Systeme aber kontinuierlich gepflegt und aktualisiert
werden. Dies durch manuelle Eintragungen zu gewährleisten ist aufwendig, zeitintensiv und unterbricht die wichtigen Prozessabläufe im Kerngeschäft.
© eoda 2015
www.eoda.de
11
Whitepaper Datenqualität
signatuRe von eoda optimiert nun diese Abläufe: Die Signaturerkennung integriert neue Kontakte
schnell und zuverlässig in Ihr CRM. Die App liest E-Mail Signaturen ein, analysiert sie und erzeugt
eine einheitliche Ausgabe für jede beliebige Signatur. So sparen Sie wertvolle Zeit, vermeiden manuelle Eingabefehler und sorgen für Entlastung in der alltäglichen Arbeit.
6.3 fuzzychekC
Mit fuzzychekC bietet eoda eine Lösung, die ähnliche Einträge in Datenbeständen wie Adressdatenbanken, Stücklisten etc. findet. fuzzychekC kann dabei je nach Bedarf angepasst werden und
steht Ihnen so für individuelle Anforderungsszenarien in Ihrem Unternehmen zur Verfügung. Automatische oder manuelle Prozesse im Umgang mit ähnlichen Einträgen können so je nach Kundenanforderung beliebig gestaltet werden.
Die intelligente Mustererkennung erkennt darüber hinaus typische Muster wie Städtenamen, Telefonnummern oder andere spezifische Merkmale Ihrer Datenbestände. Zusätzlich gibt es die Möglichkeit, fehlende Daten automatisch durch die Anbindung weiterer zugänglicher Listen zu ergänzen. Beispielsweise können öffentlich zugängliche Daten genutzt werden, um Ihre Adressdaten zu
vervollständigen. Hier können Sie sich ein Screencast zur Funktionsweise von fuzzychekC ansehen:
Weitere Infos zu eoda consolidate finden Sie auf unserer consolidate Seite.
© eoda 2015
www.eoda.de
12
Whitepaper Datenqualität
Mithilfe von Smart Data zur Smart Campaign
Nachdem die Qualität der Daten optimiert wurde, können diese in vielfältiger Weise genutzt werden. Sie können zum Beispiel Kunden anhand der vorliegenden Informationen clustern und Marketingkampagnen für alle Zielgruppen optimieren. Auf diese Weise können Sie Ihre Kundendaten
ideal zur Verbesserung der Kundenansprache nutzen. Mit unseren Anwendungen bieten wir einen
ganzheitlichen Ansatz für die Umwandlung von Kundendaten in Kundenwert und unterstützen Sie
auf dem Weg von Big Data über Smart Data bis hin zur Smart Campaign:
Wir bieten Ihnen neben den eoda | consolidate Anwendungen auch Apps für eine effiziente Nutzung Ihrer Daten, unter anderem in den Bereichen Marketing und Verkauf. Hierfür haben wir beispielsweise associateR und optimizeR entwickelt.
6.4 associateR
Das richtige Angebot für die richtige Kundengruppe zur richtigen Zeit am richtigen Platz – auf Basis
der Erkenntnisse der Warenkorbanalyse ist dies möglich. Statistische Verfahren, die unter dem
Begriff Assoziationsanalyse zusammengefasst werden, nutzen historische Kaufdaten, sog. Warenkörbe, um Muster und Regeln innerhalb des Kaufverhaltens für Produkte und Dienstleistungen
zu detektieren. Entdecken Sie so auf Basis anschaulicher Visualisierungen Abhängigkeiten im
© eoda 2015
www.eoda.de
13
Whitepaper Datenqualität
Kaufverhalten Ihrer Kunden und erhalten Sie neue Grundlagen für die Ausrichtung Ihres Unternehmens. Nutzen Sie hierfür associateR von eoda, die Anwendung für Warenkorbanalysen.
Die Daten für eine Warenkorbanalyse sind insbesondere im Handel oft vorhanden und werden mit
bestehenden Warenwirtschaftssystemen – wie beispielsweise Scannerkassen – permanent erfasst. Kundenkarten ermöglichen es darüber hinaus, den Warenkörben demografische Informationen wie Alter, Geschlecht, Wohnort und Bildungsstand zuzuordnen und in die Analyse einzubeziehen. Weitere Informationen finden Sie auch auf unserer customer analysis Seite.
6.5 optimizeR
optimizeR ist die Lösung für Ihre individuellen Optimierungsaufgaben. Gemeinsam mit Ihnen ermitteln wir Ihre Bedürfnisse und Anforderungen und passen den optimizeR an Ihren Anwendungsfall und Ihre Zielsetzung an. Nutzen Sie die Verbesserungspotentiale Ihres Unternehmens mit empirisch nachvollziehbaren und verlässlichen Optimierungsverfahren.
Optimieren Sie Ihre betriebswirtschaftlichen Tätigkeiten, finden Sie die bestmögliche Alternative für
Ihr Unternehmen und verbessern Sie so Ihre Wettbewerbsposition. Der optimizeR liefert Ihnen Erkenntnisse, die Sie wirklich weiter bringen. Er unterstützt Sie dabei, Ihre Kampagnen ganzheitlich
über alle Zielgruppen hinweg unter Berücksichtigung verschiedenster Randbedingungen wie
Sperrfristen oder Budgetrestriktionen zu optimieren. Mit optimizeR unterbreiten Sie dem richtigen
Kunden das richtige Angebot zur richtigen Zeit über den richtigen Kanal.
© eoda 2015
www.eoda.de
14
Whitepaper Datenqualität
Anwendungsbeispiel: Kampagnenmanagement im Weinhandel mit optimizeR
Ein Weinhändler strebt durch die simultane Planung der beiden Dimensionen Kampagnen
und Kunden eine Maximierung des Kampagnenerfolgs an. Dabei muss er unter anderem
folgende Rahmenparameter beachten:

Kampagnen für verschiedene Produkte wie Rotwein, Weißwein, Sekt etc.

Verschiedene Kanäle wie Telefon, Brief, Mail etc.

Budget und Kapazität-Restriktionen für die Kanäle

Verschiedene Kosten pro Kontakt je Kanal

Sperrfristen (gesamt und individuell je Kanal)

Maximale Gesamtkontakte

Verschiedene erwartete Erfolgswerte (Response, Umsatz, Deckungsbeitrag) in
den Zielgruppen
optimizeR gibt unter Berücksichtigung der gegebenen Restriktionen Auskunft über den
Kampagnenverlauf, also wann welcher Kunde mit welcher Teilkampagne über einen Kanal
optimal angesprochen werden kann. Außerdem ermittelt optimizeR die aufzuwendenden
Kosten, um ein für die Kampagne vorgegebenes Umsatzziel zu erreichen. Sehen Sie sich
die Funktionsweise des optimizeR in einem Screencast an:
© eoda 2015
www.eoda.de
15
Whitepaper Datenqualität
6.6 Die Vorteile von eoda | consolidate auf einen Blick

Verbesserung der Datenqualität durch:

Erkennung und Vermeidung von Duplikaten und ähnlichen Einträgen

Vereinheitlichung von Formaten und Schreibweisen

Eliminierung ungültiger Angaben

Anreicherung von Daten

Effiziente Projektdurchführung

Zuverlässige Zusammenführung mehrerer Datenquellen

Schneller ROI durch Verbesserung der Prozessqualität auf Basis der Datenqualität

Individuelle Konfiguration des Automatisierungsgrades, um Aufwand und Nutzen zu justieren

Integrationsfähigkeit der eoda Lösungen in bestehende Systeme

Mit unseren Data Mining Verfahren decken wir zusätzliches Wissenspotential in Ihren Daten
auf und unterstützen Sie bei der Umsetzung gewinnbringender Handlungsmöglichkeiten
7. Fazit
„Qualität ist nicht alles, aber ohne Qualität ist alles nichts!“ – dieses Zitat von Prof. Dr. Masing hat
dieses Whitepaper eingeleitet und es ist im Zeitalter von Big Data aktueller denn je. Daten gelten
als das Gold der digitalen Welt, doch es mangelt zu oft an Ihrer Reinheit. Über 90% der Unternehmen haben Probleme mit unzureichender Datenqualität. Die Folgen davon bekommen die Kunden
zu spüren. Schlecht gepflegte Kunden- und Adressdaten belasten das Kundenbeziehungsmanagement, die Neukundenakquise und kosten die Unternehmen in Deutschland jährlich Milliarden. Eine
manuelle Bereinigung der zum Teil riesigen Datenbestände ist nicht umzusetzen.
Für eine nachhaltige Verbesserung der Datenqualität braucht es die Kombination aus einem umfassenden Data Governance Prozess und einem unterstützenden Toolset. eoda bietet genau dieses umfassende Paket aus Know-how und maßgeschneiderten Lösungen, die sich einfach in bestehende IT-Umgebungen integrieren lassen. Mit eoda | consolidate wird aus Big Data Smart Data.
© eoda 2015
www.eoda.de
16
Whitepaper Datenqualität
8. Über eoda
Wir bei eoda haben eine Leidenschaft für Daten und Analysen. Wir sind Data Scientists, Softwareentwickler, Unternehmensberater und Schulungsanbieter mit einem Fokus auf alle Aspekte von
Big Data. Auf der Basis reichhaltiger Erfahrung in Data Mining und Predictive Analytics generieren
wir strategische Wettbewerbsvorteile aus Daten.
Unser Team entwickelt Handlungsempfehlungen und Lösungen, die Ihnen helfen, sich bestmöglich
an kommende Trends oder anstehende Marktveränderungen anzupassen. Dieses Wissen teilen
wir auch gerne mit Ihnen – in unserer R-Akademie bieten wir Ihnen die Möglichkeit, zu erlernen,
wie Sie selbst sinnvoll mit statistischen Methoden und den anfallenden Daten in Ihrem Umfeld
umgehen. Ebenso bieten wir Ihnen maßgeschneiderte Individualsoftware sowie cloudbasierte
SaaS-Lösungen. Vor neuen Herausforderungen und individuellen Anliegen schrecken wir nicht zurück. Mit unserer Hands-on-Mentalität sowie unseren bewährten Methoden und Technologien sind
wir bereit für neue und spannende Aufgaben – sprechen Sie uns an.
eoda GmbH
Universitätsplatz 12
34127 Kassel
Tel. +49(0) 561 202724 40
Fax +49(0) 561 202724 30
Web: www.eoda.de
Mail: [email protected]
© eoda 2015
www.eoda.de
17