Whitepaper Datenqualität

Transkript

1 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

2 Datenqualität Der Schlüssel für die Umwandlung von Kundendaten in Kundenwert Inhaltsverzeichnis 1. Einleitung Gründe für Defizite in der Datenqualität Warum ist Datenqualität so wichtig? Kundenbindung Marketing & Vertrieb Kosten Mit Data Governance von Big Data zu Smart Data Data Profiling Data Integration Data Cleansing Data Monitoring Case Study zur CRM-Datenbereinigung mit eoda Mit einem ganzheitlichen Ansatz zu hochwertigen Daten und smarten Kampagnen address signature fuzzychekc associater optimizer Die Vorteile von eoda consolidate auf einen Blick Fazit Über eoda eoda

3 1. Einleitung "Qualität ist nicht alles, aber ohne Qualität ist alles nichts!" Prof. Dr. Walter Masing 1 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

4 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, Todesfälle sowie Hochzeiten und 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. eoda

5 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 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. eoda

6 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 s verursachen im 4 eoda

7 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

8 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

9 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

10 Einträge überprüft werden. Eine intelligente Mustererkennung kann dabei zwischen verschiedenen Elementen der Kundendaten wie etwa Straßenname, Postleitzahl oder adresse 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

11 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

12 signature von eoda optimiert nun diese Abläufe: Die Signaturerkennung integriert neue Kontakte schnell und zuverlässig in Ihr CRM. Die App liest 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

13 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

14 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

15 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

16 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

17 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 Kassel Tel. +49(0) Fax +49(0) Web: Mail: eoda