Versicherungsbetriebe

Customer Relationship Management boomt. Nach einer aktuellen Studie von intelligent systems solutions planen über die Hälfte der befragten Unternehmen der DACH-Region Investitionen in CRM-Projekte. Als Ziele geben 88 Prozent der Befragten die Verbesserung der Datenqualität an, gefolgt von Umsatzerhöhung, Erschließung neuer Märkte und Neukundengewinnung.

Die Datenqualität stellt dabei für 28 Prozent der Befragten das Hauptproblem während des Betriebs eines CRM-Systems dar. Dieses Ergebnis stimmt nachdenklich, ist eine hohe Datenqualität in Form korrekter und dublettenfreier Daten doch unabdingbare Voraussetzung für erfolgreiches Kundenbeziehungsmanagement – egal ob auf analytischer oder auf operativer Ebene.

Beim analytischen CRM ist eine hohe Datenqualität elementar, um valide Auswertungen im Rahmen von Business Intelligence überhaupt durchführen zu können. Im Bereich des operativen CRMs werden qualitativ hochwertige Daten unter anderem für zielgruppengerechte Marketingmaßnahmen sowie für den Aufbau einer stabilen Kundenbeziehung benötigt. Eine schlechte Datenbasis kann hier schnell zu unzufriedenen Kunden führen. Generell gilt: Korrekte und dublettenfreie Daten sind Voraussetzung für eine ganzheitliche Sicht auf den Kunden.

Eine hohe Datenqualität lässt sich am besten durch einen dreistufigen Prozess erreichen.

Schritt 1: Initiale
Datenbereinigung

Bevor die Daten aus verschiedenen Systemen in ein CRM-System übernommen werden, ist es sinnvoll, eine initiale Bereinigung durchzuführen. Dabei wird der gesamte Datenbestand softwaregestützt in einem Batchlauf geprüft und bereinigt. Mit leistungsstarken Datenqualitätstools lassen sich beispielsweise Daten in ein einheitliches Format bringen, Adressen postalisch auf ihre Korrektheit prüfen oder um Zusatzinformationen wie Geokoordinaten ergänzen. Auch die Anreicherung mit benutzerdefinierten Informationen ist möglich. Darüber hinaus lassen sich potenzielle Dubletten anhand individuell angepasster Suchalgorithmen zuverlässig identifizieren.

Schritt 2: Data Quality Firewall

Nach der Übernahme des initial bereinigten Datenbestands ist es wichtig, bestimmte Standards festzulegen, um die bereits erreichte hohe Datenqualität beizubehalten. So können Anwender im CRM-System beispielsweise selbst darauf achten, dass bestimmte Eingaberegeln eingehalten werden. Bei Feldern für Telefonnummern oder E-Mail-Adressen ist eine Syntaxprüfung möglich.

Zusätzlich lässt sich auch die angegebene Adresse per Mausklick oder ohne Interaktion auf ihre Richtigkeit prüfen, so dass Callcenter-Mitarbeiter bei Unklarheiten direkt nachfragen können. Eine einfache, schnelle und fehlertolerante Suche nach der jeweiligen Adresse mit korrekter Schreibweise ist genauso elementar wie die vollautomatische Prüfung auf doppelte Datensätze. Für alle Prüfungen gilt: Dauern sie zu lange oder liefern sie nicht die gewünschten Ergebnisse, werden die Funktionen nicht genutzt und die Data Quality Firewall wird umgangen.

Uniserv hat die Anforderungen an die Data Quality Firewall bei CRM-Systemen mit Hilfe von DQ-Konnektoren umgesetzt. Diese binden die Datenqualitätsmechanismen nahtlos in die wichtigsten CRM-Systeme ein und machen eine systemindividuelle Programmierung überflüssig. So werden bereits bei der Datenaufnahme und der satzweisen Bearbeitung konkrete Datenqualitätsregeln umgesetzt.

Schritt 3: Data Maintenance

Über die Datenbereinigung und die Aufrechterhaltung der erreichten Datenqualität hinaus ist es sinnvoll, periodisch den Gesamtdatenbestand zu prüfen. So sollte beispielsweise regelmäßig eine Prüfung auf Straßen- und Ortsumbenennungen erfolgen. Umzüge sollten nachvollzogen und eingepflegt sowie die Datensätze verstorbener Kunden zumindest gekennzeichnet werden. Es ist ratsam, diese periodischen Prüfungen ebenfalls im Batchverfahren durchzuführen. Alle Daten des Gesamtbestands entsprechen dann zu bestimmten Zeitpunkten einem gemeinsamen Datenqualitätsstandard.

Wenn Unternehmen alle drei Prozessschritte implementieren und gewissenhaft umsetzen, ist eine hohe Datenqualität im CRM-System garantiert. Die Potenziale vom Kundenbeziehungsmanagement lassen sich dann sowohl auf analytischer wie auch auf operativer Ebene voll ausschöpfen. Fest steht: CRM ohne hohe Datenqualität, das ist wie eine Suppe ohne Salz es hinterlässt einen mehr als faden Beigeschmack.