Datenqualität in CRM - der frühe Vogel fängt den Wurm

Transkript

1 Datenqualität in CRM - der frühe Vogel fängt den Wurm DOAG 2013, Dr. Elmar Stenzel, Eugen Visinescu 1

2 Datenqualität im Kundenwertmanagement Agenda Kurzvorstellung Steria Mummert Consulting Relevanz und Kriterien der Datenqualität Wie erhalte ich langfristige Datenqualität Beispiele der DQ-Integration für Siebel und Fusion CRM Fokussierung als Lösungsansatz für ein schlankes MDM 3

3 Steria international und in Deutschland Steria Gruppe 1,83 Mrd. Umsatz Mitarbeiter (2012) Steria Mummert Consulting (2012) 244 Mio. Umsatz Mitarbeiter Präsenz in Deutschland und Österreich Berlin Düsseldorf Frankfurt Hamburg Köln Leipzig München Münster Wien Als Business Transformation Partner unterstützt Steria Mummert Consulting seine Kunden dabei, Innovation und Produktivität zu fördern und die Optimierung von Geschäftsprozessen und Informationstechnologien zu erreichen. 4

4 Datenqualität im Kundenwertmanagement Agenda Kurzvorstellung Steria Mummert Consulting Relevanz und Kriterien der Datenqualität Wie erhalte ich langfristige Datenqualität Beispiele der DQ-Integration für Siebel und Fusion CRM Fokussierung als Lösungsansatz für ein schlankes MDM 5

5 Auch neue Studien belegen die Relevanz der Datenqualität. Bedeutung der Datenqualität im Unternehmen Europäische bima-studie 2012/13 Befragt wurden ca. 500 Unternehmen aus Europa Fazit: Die Datenqualität bleibt Kernherausforderung der Unternehmen Quelle: Steria Mummert Consulting AG

6 Kriterien der Datenqualität. Datenqualität Datenqualität ist... die Gesamtheit aller Eigenschaften von Daten hinsichtlich der Fähigkeit, die Anforderungen des Anwenders zu erfüllen Merkmale der Datenqualität Glaubwürdigkeit Zeitlicher Bezug Nützlichkeit Verfügbarkeit Interpretierbarkeit Korrektheit Aktualität Vollständigkeit Zeitliche Verfügbarkeit Einheitlichkeit Widerspruchsfreiheit Zeitliche Konsistenz Genauigkeit Systemverfügbarkeit Eindeutigkeit Zuverlässigkeit Nicht-Volatilität Redundanzfreiheit Transaktionsv'barkeit Verständlichkeit syntakt' Korrektheit Zeitlicher Bezug Zugriffsrechte Datenherkunft Relevanz

7 Qualität ist vielschichtig Die Betrachtung aller Dimensionen bringt Transparenz 8

8 Qualität und Realität Qualität sichert den Wettbewerbsvorteil Qualität ist nicht alles, aber 9 ohne Qualität ist alles fast nichts

9 Datenqualität im Kundenwertmanagement Agenda Kurzvorstellung Steria Mummert Consulting Relevanz und Kriterien der Datenqualität Wie erhalte ich langfristige Datenqualität Beispiele der DQ-Integration für Siebel und Fusion CRM Fokussierung als Lösungsansatz für ein schlankes MDM 10

10 Proaktives DQ-Management ist deutlich wirkungsvoller als nachgelagerte Bereinigung hoch Proaktives Datenqualitätsmanagement Laissez faire niedrig Änderungshäufigkeit der Daten Langfristige Datenqualität Data Cleansing hoch niedrig Bedeutung der Daten 11

11 Phasenmodel Datenqualität Die richtigen Schritte zur richtigen Zeit Datenbereinigung Analysieren Bereinigen Rückspielen Online Prüfung Prozess Infrastruktur Anbindung Master Data Management Model Vorgehen Integration 12

12 Durchgehende Prüfung der Quellen sichert die Prozesseffizienz Datenqualität in der Architektur Firmen Personen CRM Lösung Objekte Verträge Adresskorrektur / Telefonnummernstrukturierung / Dublettenprüfung Einheitliche Schnittstellenarchitektur Datenimport 13 Manuelle Eingabe über die CRM Oberfläche Webportale

13 Durchgehende Prüfung der Quellen sichert die Prozesseffizienz Datenqualität in den Prozessen DQ-Company GmbH 14

14 Datenqualität im Kundenwertmanagement Agenda Kurzvorstellung Steria Mummert Consulting Relevanz und Kriterien der Datenqualität Wie erhalte ich langfristige Datenqualität Beispiele der DQ-Integration für Siebel und Fusion CRM Fokussierung als Lösungsansatz für ein schlankes MDM 15

15 Architekturansatz der Online-DQ-Integration Nutzung einer generalistischen DQ-Funktionsschicht Data Governance DQM Server Middleware Operative Systeme Master Data Repository 16 Geschlechtserkennung Rechtsformerkennung Kommerzielle Daten Formatierung Adressenverifizierung Standardisierung Adressen Umzugsdaten Datenanreicherung Sanktionslisten (Black List) Logische Prüfungen

16 Demo: DQ-Integration in Siebel CRM SOA Ansatz Ready to deploy package (Applets, IO s, DataMaps, VBC, ProxyServices) Standard EAI Ansatz über Inetegration Objects & Virtual Business Components Generisches Datenmapping 17

17 Demo: DQ-Integration in Fusion CRM SOA Ansatz Ready to deploy package (Proxy Service, UI Integration) EAI Ansatz in Fusion CRM über Outbound WebService Integration & JavaScript injection Initiale Datensynchronisation über WS aus OER (Oracle Enterprise Repository) Generisches Datenmapping 18

18 Datenqualität im Kundenwertmanagement Agenda Kurzvorstellung Steria Mummert Consulting Relevanz und Kriterien der Datenqualität Wie erhalte ich langfristige Datenqualität Beispiele der DQ-Integration für Siebel und Fusion CRM Fokussierung als Lösungsansatz für ein schlankes MDM 19

19 Die Dimensionen des MDM Implementierungsmodell (Consolidation, Registery, Coexistence, Transaction) Funktionsumfang MDM Die Fokussierung ist auf allen Ebenen möglich Domänen (Unternehmen, Person, Produkt,...) 20 (Datenhaltung, Integration, Datenqualität, )

20 Domain-Fokussierung: Im ersten Schritt nur MDM für Firmen- und Personendaten Fokussierung als Lösungsansatz In vielen Situationen sind Firmen- und Personendaten die Auslöser für MDMVorhaben Der größte Nutzen lässt sich aus einer MDM-Lösung für diese Daten ziehen Oft reduziert sich so die Zahl der zu betrachtenden Systeme erheblich Beschränkt man sich auf wenig anzubindende Systeme, vereinfacht sich die (Kommunikations-) Architektur 21 CRMVertrieb MDM für Firmen, Personen DQ ERP Referenzdaten CRMService

21 Funktionale Fokussierung: Viele Schlüsselelemente kommen aus dem DQ-Bereich Fokussierung als Lösungsansatz Beschränkt man sich auf Firmen- und Personendaten, so decken Datenqualitätslösungen bereits einen größeren Teil des Funktionsspektrums ab (inkl. Data Governance) Wir betrachten nur Online-Kommunikation über Web Services Verteilen, synchronisieren Überprüfen und bewerten Referenzdaten 22 Daten verwalten Batch online Daten bereinigen und zuordnen Daten anreichern

22 Implementierungsmodelle Die Ablage der Quelldaten sichert die Skalierung Consolidation Style Speicherung des Golden Record Trigrammvergleich Phonetischer Vergleich 23 Coexistence Style Transaction Style x x x (nicht aktuell (nur Index auf die Quelldaten) (nicht garantiert) (nicht garantiert) x x x x (dynamisch) (weiterhin Bearbeitung in unterschiedlichen Systemen) (weiterhin Bearbeitung in unterschiedlichen Systemen) (weiterhin Bearbeitung in unterschiedlichen Systemen) Auswertung, Analyse und zentrale Auswertung Eignung Registry Style Hauptsächlich als zentrale Referenz in Echtzeit Zum Abgleich von Datenbanken und für zentrale Referenz Als Herkunftsübersicht zur Unterstützung von Transaktionsaktivitäten

23 Implementierungsmodel Registry Style Zentrale Referenz für Echtzeitumgebungen Marketing Vertrieb Datensatz: System A Stammdaten: Name: J. Jameson Address: Gubbins Lane A City: Romford Postal code: Service Datensatz: System B - 76 Name: Address: City: Postal code: Operatives System A J. H. Jameson Gubbins Lane B - 76 Romford RM3 5TH Datensatz: System C Operatives System B Name: Address: City: Postal code: John H. Jameson 1, Gubbins Lane Operatives C System C Romford RM3 5TH Verarbeitungsbus Gubbins Lane 1 Romford RM3 5TH Quelldaten (Schlüssel und Daten) A 113 J. Jameson Gubbins Lane Romford B 76 J.H. Jameson Gubbins Lane Romford, RM3 5TH C 986 John H. Jameson 1, Gubbins Lane Romford, RM3 5TH Delete Jameson Update J.H. Read 12 Create Golden Record CDI MDM Datenbank Datenmodell 24

24 Funktionsumfang: Oberflächenintegration Anwendungen Ein wichtiger Baustein für die erfolgreiche Einführung Vertrieb Marketing Service ecommerce Frontend Anwendungen Synchronisieren Erstellen Ändern Connector Datendrehscheibe Middleware Datenbanken ETL Vertrieb 25 ETL Marketing ETL ETL Service ETL ETL ecommerce MDM4CRM Datenbank

25 Vorteile eines derartigen Vorgehens 26 Stufenweise Einführung durch ein sukzessives Zuschalten neuer Systeme Schnelle Einführung Hohe Zukunftssicherheit durch einfache Erweiterbarkeit Single Point of Truth für Firmen- und Kundendaten Fehlervermeidung bereits bei der Eingabe Verkürzte Prozesslaufzeiten Ganzheitliche Kundensicht. Kostensenkung in der Prozessdurchführung durch Effizienzsteigerung und Fehlervermeidung

26 Dr. Elmar Stenzel Senior Manager Enterprise Information Management Eugen Visinescu Senior Consultant Enterprise Information Management Mobile: Mobile: Steria Mummert Consulting AG Friedrichstraße 148, Berlin Tel.: +49 (0) Steria Mummert Consulting AG Mainzer Landstraße 209, Frankfurt Tel.: +49 (0) Vielen Dank für Ihre Aufmerksamkeit. Eine digitale Kopie der bima -Studie steht für Sie auf unserer Website bereit