Datenqualitätsmanagement im Customer Relationship Management

Transkript

1 Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011

2 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI 1 Einführung Problemstellung Aufbau der Arbeit Abgrenzung 7 2 Grundlagen \ Datenqualität Daten,*Informationen und Wissen Daten Informationen Wissen Qualität Datenqualität Datenqualitätsdimensionen Datenqualitätsprobleme t Customer Relationship Management Definition ', Prozesse im CRM ' Strategische CRM-Prozesse Analytische CRM-Prozesse Übergreifende Prozesse 20 IX

3 Maßnahmenspezifische Prozesse Operative CRM-Prozesse IT-Systeme im CRM Kundendatentypen Typologie der Kundendaten Identifikationsdaten Deskriptionsdaten Kundencharakteristika Soziografie Transaktionsdaten Kaufhistorie Kontakthistorie Produktnutzungsdaten Empirische Analyse der Bedeutung der Kundendatentypen Anforderungen an die Datenqualität im CRM Wirkungszusammenhänge zwischen Datenqualität und CRM Bestehende Ansätze zur Analyse der Wirkungszusammenhänge zwischen Datenqualität und CRM Modellgestützte Analyse von Heinrich und Helfen Empirische Analyse von Roh et al Theoretisches Modell der Wirkungszusammenhänge zwischen Datenqualität und CRM Einfluss auf die Wirkungskette der Kundenbindung Indirekter Einfluss auf die moderierenden Faktoren der Wirkungskette Direkter Einfluss auf die moderierenden Faktoren der Wirkungskette Einfluss auf die Effizienz der Prozesse Direkter Einfluss auf die Effizienz der Prozesse Indirekter Einfluss auf die Effizienz der Prozesse Fazit zur Relevanz der Datenqualität im CRM 52 3 Datenqualitätsmanagement 5 X

4 3.1 Begriffsdefinition Data Quality Program nach Redman Total Data Quality Management nach Wang Total Quality data Management nach English Methodenbasiertes Datenqualitätsmanagement nach Helfert Data Cleansing mit intelligentem Qualitätsmanagement nach Hinrichs Datenqualitätsmanagement mit Six Sigma nach Schieder Zusammenfassung der vorgestellten DQM-Konzeptionen Bestandteile eines Datenqualitätsmanagements Aulbauorganisation Ablauforganisation Strategische Ebene Operative Ebene Definition Aufgaben im Prozess der Definition Aktueller Stand der Forschung Messung Prozess der Messung Messverfahren Subjektive Datenqualitätsmessung Objektive Datenqualitätsmessung Interpretation der Messergebnisse Aktueller Stand der Forschung Analyse ' Prozess der Analyse Stand der Forschung Verbesserung Prozess der Verbesserung Stand der Forschung 86 XI

5 3.3 Ableitung der Forschungsfragen Beschreibung der empirischen Analyse Entwicklung des Fragebogens Zielgruppe der Umfrage Deskriptive Analyse der Umfrageteilnehmer 91 4 Stand des Datenqualitätsmanagements im CRM Datenqualitätsniveau Allgemeines Datenqualitätsniveau Zusammenhang zwischen Datenqualitätsniveau und Kundenzufriedenheit Qualität unterschiedlicher Kundendatentypen Entwicklungsstand des Datenqualitätsmanagements Reifegradmodell für das Datenqualitätsmanagement Empirische Analyse des Reifegrads der Unternehmen Fazit zum Stand des Datenqualitätsmanagements im CRM Ursachen für Datenqualitätsprobleme Bisherige Arbeiten zu Ursachen von Datenqualitätsproblemen Modelle zur Ursachenanalyse im Qualitätsmanagement M-Modell Gap-Modell 113 / 5.3 Entwicklung eines Gap-Modells für Datenqualität Identifizierung von Ursachen mithilfe des Gap-Modells für Datenqualität Lücke 1: Diskrepanz zwischen den Erwartungen der Nutzer und deren Wahrnehmung durch das Management Lücke 2: Diskrepanz zwischen den Vorstellungen des Managements über die Anforderungender Nutzer und den Spezifikationen Lücke 3: Diskrepanz zwischen den Spezifikationen und der Ausführung in den Prozessen Lücke 4: Diskrepanz zwischen dem Ergebnis des Datenproduktionsprozesses und dem versprochenen Ergebnis 122 XII

6 5.4.5 Lücke 5: Diskrepanz zwischen dem zur Verfügung gestellten und dem wahrgenommenen Ergebnis Evaluation der ermittelten Ursachen Bedeutung der Ursachen Ableitung von Hypothesen Hypothesentest und Interpretation der Ergebnisse Ansätze für weitergehende Forschung Analyse der Unternehmen nach den Ursachen für Datenqualitätsprobleme Vorgehensweise Bestimmung der Ähnlichkeiten Auswahl des Fusionierungsalgorithmus Bestimmung der Clusterzahl Ergebnisse Ansätze für weitergehende Forschung Fazit zu den Ursachen für Datenqualitätsprobleme Maßnahmen zur Sicherung und Steigerung der Datenqualität Ausrichtung von Verbesserungsmaßnahmen Reaktive Maßnahmen Proaktive Maßnahmen Kombinierter Einsatz von reaktiven und proaktiven Maßnahmen Verfügbare Verbesserungsmaßnahmen,.' 143 \ Kategorie Mensch \ Förderung des Verständnisses für Daten als wichtige Ressource im Unternehmen Sensibilisierung der Mitarbeiter auf die Bedeutung der Qualität der Kundendaten Verbesserung der Kommunikation zwischen den Beteiligten Motivation der Mitarbeiter Schulungen zur Systembedienung Kategorie Organisation 150 XIII

7 Festlegung von Verantwortlichkeiten für Datenbestände und deren Qualität Dokumentation der Bedeutung von Daten Berücksichtigung des DQMs bei der Ressourcenplanung Integration von Anweisungen zur qualitätskonformen Erfassung und Pflege von Kundendaten in Arbeitsanweisungen Kategorie Prozesse Berücksichtigung von Datenqualitätsanforderungen bei der Systementwicklung Verbesserung der Anforderungen aus Erkenntnissen in der Datennutzung Optimierung von operativen Geschäftsprozessen und CRM-Prozessen Vermeidung des Einsatzes von Intermediären und Medienbrüchen Prüfung bei der Datenerfassung Intelligente Plausibilitätsprüfungen bei der Datenerfassung Clearing-Stelle zur Vermeidung fehlerhafter und doppelter Kundendaten Kontinuierliche Messung und Ursachenanalyse Kategorie Technologie Markierung unplausibler Daten zur späteren Überprüfung Korrektur von Formatierungen und Standardisierung Korrektur auf Basis von Referenzverzeichnissen Ergänzung fehlender Daten aufgrund von Regeln Zusammenführung identischer Datensätze Vermeidung redundanter Datenhaltung Verbesserung der Usability Zwischenfazit Evaluation der identifizierten Verbesserungsmaßnahmen Bedeutung der Maßnahmen Einsatz der Verbesserungsmaßnahmen Analyse der Unternehmen nach dem Einsatz von Verbesserungsmaßnahmen Vorgehensweise Bestimmung der Ähnlichkeiten 177 XIV

8 Auswahl des Fusionierungsalgorithmus Bestimmung der Clusteranzahl Ergebnisse der Analyse Ansätze für weitergehende Forschung Fazit zu Maßnahmen zur Steigerung der Datenqualität Einsatz der Forschungsergebnisse im DQM-Prozess Prozessdarstellung Exemplarische Anwendung des Prozesses Beispiel: Fehlerhafte -Adressen Definition Messung 192 t Analyse Verbesserung Beispiel: Unvollständige Reaktionsdaten Definition Messung Analyse Verbesserung Fazit zum Einsatz der Forschungsergebnisse im DQM-Prozess Fazit und Ausblick Zusammenfassung der Erkenntnisse Ausblick 203 Anhangverzeichnis Literaturverzeichnis XXIII XLIH XV