Ohne Datenqualität keine Datenintelligenz, ohne Datenintelligenz keine belastbare digitale Unterstützung für menschliche Entscheidungsprozesse. Die Qualität von Daten steht ganz am Anfang der Data Value Chain. Aber welche Faktoren sind eigentlich ausschlaggebend für die Qualität? Wie kann hohe Datenqualität aufrechterhalten werden, damit Datenintelligenz dauerhaft ihre volle Wirkkraft entfalten kann? Das und Weiteres klären wir nachfolgend.
Datenqualität: Nährboden für alle intelligenten Geschäftsmodelle
Datenintelligenz – klar, in der Ära der digitalen Wertschöpfung ist sie von höchster Priorität; siehe Blog-Beitrag: Business Intelligence durch KI, Smart Data und Analytics.
Aber kontinuierliche Datenqualität – das ist zwingende und grundlegende Voraussetzung für Datenintelligenz und für alle datengestützten Geschäftsmodelle.
Datenqualität als geschäftskritischer Faktor
Um die Gewährleistung von Datenqualität muss man sich bereits im Sockel der Datenmanagement-Pyramide kümmern. Nämlich dann, wenn Stammdaten, Kundendaten und weitere Profildaten ins Unternehmen gelangen oder verarbeitet werden. Dort, wo diese Daten gespeichert werden und auf ihre (Weiter-)Nutzung warten.
Datenqualität stellt sicher, dass Daten genau für den gewünschten Zweck geeignet sind. Dies beginnt in dem Moment, wenn auf die Daten zugegriffen wird, und setzt sich über mehrere Integrationspunkte mit anderen Daten fort.
Es umfasst sogar den Zeitpunkt, bevor Daten veröffentlicht oder berichtet werden.
Als Kriterien gelten dabei die Korrektheit und die Relevanz der Daten sowie ihre Konsistenz und Verfügbarkeit auf verschiedenen Systemen.
Für Unternehmen ist eine ausreichende Datenqualität entscheidend für erfolgreiche operative Prozesse und für die Zuverlässigkeit von Berichten im Rahmen von Business Analytics und Business Intelligence.
Fehler in Datenbeständen verursachen mitunter enorme Kosten.
Deshalb ist es besonders wichtig, die Daten gleich bei der Ersteingabe (Data Entry) auf Vollständigkeit und Korrektheit zu überprüfen – man spricht dann vom First-Time-Right-Prinzip.
Experten empfehlen, beim Anlegen neuer Kundendaten ein einheitliches Schema zu benutzen. Bereits bestehende Fehler können mit entsprechenden Tools effizient bereinigt werden. Dieser Prozess besteht aus drei Teilprozessen:
- Beim Data Profiling werden die Daten in Bezug auf Inkonsistenzen, Fehler und Widersprüche in den Beständen analysiert. Aus den daraus gewonnenen Informationen können Maßnahmen zur Verbesserung der Datenqualität abgeleitet werden.
- Im Teilprozess Data Cleaning (Datenbereinigung) werden die erkannten Probleme durch Anwendung verschiedener Algorithmen wie Datentyp-Konvertierungen, Dubletten-Erkennung oder Vervollständigung lückenhafter Daten direkt behoben. Für die Bereinigung von Dubletten in großen Datenbanken gibt es Verfahren, die computergestützte Schlussfolgerungen mit menschlicher Intelligenz kombinieren.
Wenn etwa im Zuge der Globalisierung Namen unterschiedlicher Nationalitäten Einzug in Kundendatenbanken halten, versagen die üblichen mathematischen Prozeduren zur Dubletten-Erkennung und Adress-Validierung oftmals. Deshalb kommen hier wissensbasierte, KI-gestützte Methoden zum Einsatz, welche die Computerlinguistik zur Spracherkennung und -synthese anwenden.
- Beim Data Monitoring werden die Daten vor der Speicherung in den operativen und analytischen Systemen überprüft. In bestimmten Zeitabständen sollte man den gesamten Bestand prüfen (lassen), um die einmal erreichte Datenqualität zu bewahren.
Welche Vorteile hat eine Customer Identity Resolution?
Customer Identity Resolution (CIR, deutsch: Kundendaten-Identitätszuordnung) hat die Aufgabe, Unternehmen bei den Herausforderungen im Umgang mit Kunden-Identitätsdaten zu helfen – also beim Handling von Daten aus unterschiedlichen Quellen, die spezifisch und korrekt einen Kunden oder etwa auch einen Lieferanten, Interessenten oder Patienten identifizieren.
Traditionelle Verfahren in der Customer Identity Resolution setzen Zeichenketten-Vergleiche und Match Codes ein.
Heute werden darüber hinaus zunehmend mathematische Verfahren insbesondere aus der Fuzzy-Logik verwendet, die durch landesspezifisches Wissen ergänzt werden.
Diese Wissensbasen sind offen und lassen sich daher im Lauf der Zeit mittels Lernverfahren weiter verbessern. So können zunächst allgemeine Wissens-Pools problemspezifisch angepasst werden.
Wie können Sie mit externem Know-how die Qualität nachhaltig steigern?
Eine Steigerung der Datenqualität in operativen Systemen macht sich sofort bemerkbar – etwa im Einkauf, in der Kundenverwaltung und in der Logistik.
Deshalb ist es absolut wichtig, den Zustand der eigenen Kundendaten zu kennen und zu optimieren.
Für die Erledigung des damit einhergehenden Aufgabenspektrums an Datenbank-Analysen, Datenbank-Abgleichen und Datenbank-Knowhow-Transfer empfiehlt es sich, einen kompetenten Database-Service-Anbieter auch für das eigene Kundendaten-Management einzubeziehen.
- parallele Verarbeitung vieler Datensätze
- schneller Import von Daten
- schnelle Suche und Abfrage von Daten
- gleichzeitige Bearbeitung mehrerer Abfragen
- Analyse unterschiedlicher Informationstypen
Im Idealfall kann solch ein spezialisierter Service Provider nicht nur die notwendigen Maßnahmen für eine gepflegte Kundendatenbank übernehmen. Er ist auch in der Lage, die bereinigten Kundendaten für ambitionierte Marketing- und Sales-Maßnahmen gezielt mit geschäftskritischen Unternehmensmerkmalen anzureichern. Dazu zählen etwa Umsatz, Mitarbeiterzahl, Standorte, IT-Budget, Jobfunktionen, Beteiligungsstrukturen. Voraussetzung dafür: Der Database Service-Anbieter muss über eine leistungsfähige, topaktuelle und umfangreiche Referenz-Datenbank verfügen.
Die richtige Power-Kombination für hohe Ziele
Gehen wir davon aus, die Frage der Datenqualität sei geklärt: Wie steht’s nun um das Zusammenspiel von Big Data, Data Intelligence, Business Intelligence und hochentwickelter Analyse-Technologien? Was sind die typischen Einsatzbereiche für diese Power-Kombination? Welche Vorteile können erwartet werden, und welche Schritte sind dazu notwendig?
Das alles ist natürlich stark abhängig von den individuellen Vorhaben und Projektzielen der Unternehmen. Etwa im Bereich Marketing & Sales können folgende Etappen und Ansprüche als Orientierungshilfe dienen:
- Aufbau eines kollaborativen Datenpools als professionelle Grundlage für die Analyse, Berechnung und Modellierung von Datensätzen.
- Kreation hochwertiger Zielgruppensegmente für stringentes Targeting.
- Zielgruppenkonforme, personalisierte Kampagnen mit hoher Trefferwahrscheinlichkeit.
- Erfolgsträchtige Möglichkeiten zur datengetriebenen Ansprache von Interessenten und (potenziellen) Kunden über validierte und reichweitenstarke Segmente.
- Mittels Machine Learning genaue Hochrechnung bereits bestehender Datensätze zur Monetarisierung von Daten.
- Auf Basis von smartem Datenpool besseres Kennenlernen von Zielgruppen, etwa durch Analyse der Merkmale von Webseiten-Besuchern.
So läuft das Ganze aus organisatorischer Sicht ab: Ein professionelles, möglichst automatisiertes Datenintegrations-Instrumentarium sorgt dafür, dass Daten von zahlreichen Plattformen für Werbung, Handel, CRM, ERP, FiBu, Analytics etc. zusammengeführt und veredelt werden.
Das Ziel: sofort erkennbare und umsetzbare Erkenntnisse gewinnen und dadurch schnelle, datenbasierte Entscheidungsprozesse kreieren.
Die Umsetzung: auf Basis von leistungsstarker Datenintelligenz die Marketing- und Sales-Teams in die Lage versetzen, hocheffizient mit Daten aus allen sinnvollen Medien-, Marketing- und E-Commerce-Quellen arbeiten zu können.
Wie setzen Sie echte Marketing Automation um?
Was nunmehr klar ersichtlich ist: Der Weg von hoher Datenintelligenz mitsamt aller angenehmen datenrelevanten Begleitumstände hin zu ausgeprägter Marketing Automation ist nicht weit. Und MA kann mit zwei Kerntrümpfen aufwarten: effizienteren Marketing-Prozessen und einer Verbesserung der Kundenbeziehungen.
Unterm Strich führt dies zu einer Steigerung der Umsätze.
Dies sind die Einzelvorteile beim Erreichen des Gesamtziels:
- Personalisierte Kommunikation – zur richtigen Zeit am richtigen Ort
- Anpassung der Werbetexte für die Zielgruppe
- Push in der Lead-Generierung dank innovativer Datentechnik
- Verringerung von repetitiven Tätigkeiten
- Besseres Targeting von Kunden und Leads
- Mehrwertige Analyse der Kampagnen und Prozesse
- Verkürzung von Reaktionszeiten
- Schaffung von lückenloser Customer Journey
- Stärkung der Customer Interaction & Customer Loyalty
- Sicherstellung einer besseren Customer Experience
Datenintelligenz ist ein weites Feld – neben dem Bereich Marketing & Sales gibt es natürlich zahlreiche Einsatzbeispiele aus dem breiten Spektrum an Unternehmensanwendungen. Nachfolgend zwei interessante Szenarien.
Praxis: Wie können Sie das Datengold in der Sprache bergen und nutzen?
In den Contact Centern der Unternehmen lagern immens viele Datensätze – oft auch in Form von Sprachaufzeichnungen. Bei vielen Anrufen im Kundenservice wird die Erlaubnis eingeholt, das Gespräch aufzeichnen zu dürfen – und das war’s für gewöhnlich. Wirklich genutzt werden diese Recordings, auch Voice Files genannt, nicht.
„Insbesondere das Gesagte liefert jedem Unternehmen, was es über seine Kunden wissen möchte. Denn jedes Telefongespräch beinhaltet unendlich viel mehr als das, was der Agent nach Gesprächsende in ein Formular eingeben kann. Im Idealfall sollte ein Agent gar keine Zeit mehr damit verbringen müssen, die vom Kunden gesagten Inhalte irgendwo eingeben zu müssen – denn dafür gibt es heute Technologie“, erklärt Ralf Mühlenhöver, Head of Product Strategy and Marketing bei VIER GmbH. Das Unternehmen versteht sich als Wegbereiter für die Zukunft der intelligenten, kommunikationsgetriebenen Arbeit.
Was Mühlenhöver damit meint: Eine automatisierte Sprachanalyse – die je nach Verfahren in Echt- oder Nahzeit erfolgen kann – ist viel schneller und präziser als jede Feedback-E-Mail oder Kundenzufriedenheitsbefragung. Zudem ist sie neutraler: Das vom Kunden Gesagte wird umgehend analysiert und nicht – vermischt mit anderen Eindrücken und subjektiv eingefärbt – vom Agenten bewertet.
Wie verwandeln Sie Datenüberfluss in konzentrierte Datenintelligenz?
Sprachanalyse, verfügbar aus der deutschen Cloud, erfasst sehr große Mengen an Information, z. B. alle Telefonate im Kundenservice, in denen Beschwerden geäußert wurden, oder alle Telefonate im Vertrieb, in denen ein Kunde ein Produkt gekauft hat – oder eben nicht. So ist es möglich, anhand von zigtausenden Datensätzen zu erfahren, was Kunden lieber kaufen und warum.
„Oftmals versuchen Unternehmen heute immer noch, aus 100 Datensätzen herauszufinden, ob die Kunden lieber Produkt A oder B kaufen wollen. Die Information ist in den vielen Gesprächsmitschnitten, die im Keller liegen, vorhanden. Die Kunst besteht darin, diese Informationen professionell zu analysieren, in intelligente Daten zu überführen und gezielt zu nutzen. Dadurch können sogar Trends erkannt werden und beispielsweise Abwanderungen von Kunden verhindert werden. Das vermeidet überflüssige Prevention- oder sogar Retention-Calls“, so der Sprachanalyse-Experte.
Gefragt sind agile und schnell einzuführende Lösungen, um diese Daten zu analysieren und in Smart Data zu konvertieren. Im Bereich der Sprachkommunikation ist das besonders wichtig, da hier dramatisch mehr Inhalte vorzufinden sind als in der oft sehr fachlich bezogenen schriftlichen Kommunikation.
Praxis: Wie können Sie Content dank Datenintelligenz effektiver nutzen?
Bilddateien für die Corporate Website oder Videos für das Employer Branding – für eine zeitgemäße Kommunikation werden immer mehr digitale Inhalte produziert. Doch große Datenmengen machen das Media Asset Management, kurz MAM, zu einer echten Belastung.
Die Herausforderung: die stetig wachsenden Datenvolumina mit hoher Geschwindigkeit zu analysieren und Metadaten vom gesprochenen Wort bis hin zu bestimmten Bildern zu erfassen und zu nutzen.
Lösungen auf Basis von KI bringen frischen Wind in die Mediathek. Sie machen es unkompliziert und kostengünstig, bestimmte Inhalte beispielsweise über eine einfache Stichwortsuche aufzuspüren.
Der Einsatz von KI beim Management digitaler Assets hilft ganz konkret dabei, personalaufwendige Prozesse zu automatisieren und damit effizienter und schneller zu gestalten.
Lässt sich zum Beispiel eine Mediendatei schnell wiederfinden, etwa über eine Stichwortsuche, die auch gesprochene Sprache in Videos und Audios analysieren kann, bekommt der Content Manager die Möglichkeit, sie in unterschiedlichen Kontexten wiederzufinden und wiederzuverwerten.
Das kann zum einen unerwartet effektiv sein, wenn sich herausstellt, dass das Asset im neuen Kontext hervorragend funktioniert. Zum anderen kann es Geld sparen, das man sonst für eine neue Bildlizenz oder ein neues Agenturvideo ausgegeben hätte.
Warum bieten Metadaten echten Mehrwert?
Dank automatisierter Datenintelligenz wird relevanter Content heute in einer bislang unvorstellbaren Geschwindigkeit in digitalen Medienspeichern jeder denkbaren Größe auffindbar. KI liest Metadaten aus gespeicherten digitalen Inhalten automatisch aus.
Außerdem erkennt sie Bilder und Videos genauso wie menschliche Sprache. Ssie reduziert den Zeit-, Arbeits- und Kostenaufwand für die Wertschöpfung mit digitalem Medienmaterial erheblich.
Ohne den Einsatz von Tools aus dem Bereich der Datenintelligenz kann kein Unternehmen seine etwa über Jahrzehnte gewachsenen Inhalte nicht mehr vollständig überblicken und managen. Und damit kann es sie auch nicht durch Content Marketing und Leadgenerierung monetarisieren.
„Bei der Produktion von digitalen Medien ermöglicht es das Ensemble aus Datenintelligenz und KI, etwa solche gespeicherten Videos zu identifizieren, welche die Unternehmenskommunikation, das Marketing und den Vertrieb bereichern können. Und auch interne Prozesse im Unternehmen selbst können mit Hilfe der durch KI erzeugten Metadaten unterstützt werden“, sagt Dave Frederick, Senior Director, Product Marketing, bei Quantum, Spezialist für die Speicherung und Verwaltung von Video Content.
Denkbar sei zum Beispiel, dass der Zugriff auf den gesamten transkribierten Text aus einem Video der Rechtsabteilung bei ihrer Arbeit hilft. Oder das PR-Team bekommt für die Vorbereitung des Firmenjubiläums die Möglichkeit, historisches Filmmaterial aufzuspüren.
In diesen und vielen anderen Szenarien können die Ergebnisse der automatisierten Datenintelligenz die Arbeitsweise eines Unternehmens optimieren und die Nutzung seiner digitalen Ressourcen effektiver machen.
