DQM erfolgreiches CRM dank Daten-Quality-Management

DQM erfolgreiches CRM dank Daten-Quality-Management www.steria.com CRM-Forum, 11.06.2014, 14:00 (Speaker s Corner Winterthur ) Steria

Daten-Quality-Management www.steria.com Agenda Datenqualität, was ist das? Datenqualität, wo ist das Problem? Das DQM Daten-Quality-Management Das korrekte Vorgehen Die Lösung 2

Daten-Quality-Management www.steria.com Datenqualität, was ist das? 3

Daten-Quality-Management www.steria.com Merkmale der Datenqualität Die Datenqualität lässt sich auf vier Merkmale zurückführen: Genauigkeit: Die Daten müssen korrekt und exakt sein. Es hat keinen Platz für Zweideutigkeiten oder offensichtliche Fehler. Aktualität: Die Daten müssen auf dem neuesten Stand sein. Vollständigkeit: Die Daten müssen umfassend sein. Konsistenz: Die Daten müssen im ganzen Unternehmen einheitlich sein. 4

Daten-Quality-Management www.steria.com Datenqualität, wo ist das Problem? 5

Daten-Quality-Management www.steria.com Ungenügende Datenqualität ein reales Problem Daten von ungenügender Qualität stellen ein reales Problem dar, das Ihrem Unternehmen Kosten in Millionenhöhe verursachen kann. Studien zufolge belaufen sich diese durchschnittlichen Kosten pro Unternehmen auf über 8,2 Millionen US-Dollar pro Jahr. Allein in den USA summieren sich die Kosten auf 611 Milliarden US- Dollar. Die Zahlen klingen irreal, aber sie erklären sich durch die extreme Datenabhängigkeit der Unternehmen im Hinblick auf: effizienten Betrieb (56 % der Unternehmen treffen deshalb falsche Entscheidungen) Produktivität (47 % der Unternehmen klagen über qualitativ unzureichende Daten zur Erledigung ihrer Arbeit) Rentabilität (bis zu 12 % Einnahmenverlust aufgrund von Daten von ungenügender Qualität). 6

Daten-Quality-Management www.steria.com Datenqualität: Bedeutung und Nutzen Datenqualität ist wichtig, weil sie Auswirkungen auf den Gewinn hat und als Grundlage für strategische Geschäftsentscheidungen dient. In einer Studie von Bain & Company wurden das Kundenbeziehungsmanagement (Customer Relationship Management CRM) und die Kundensegmentation als wichtige Instrumente der Geschäftsführung zur Optimierung des Geschäftserfolgs eingestuft. Beide Instrumente erweisen ihren Nutzen nur bei hoher Datenqualität. 7

Daten-Quality-Management www.steria.com Datenqualität: häufige Probleme Ähnliche Informationen wie z. B. Kundendaten werden oft in unterschiedlichen und separaten Quellen gespeichert wie etwa CRM- Anwendungen, Buchhaltungssysteme oder Lohn-Systeme. Die Informationen werden in einer Quelle aktualisiert, aber nicht in der anderen und so entstehen Inkonsistenzen. Darüber hinaus sind manche Daten schwer zu finden. Wenn die Benutzer nicht in der Lage sind, auf die am dringendsten benötigten Informationen zuzugreifen und schnelle Entscheidungen zu treffen, sinkt der Wert der Unternehmensdaten. Ein kleiner Fehler kann Daten im gesamten Unternehmen unbrauchbar machen und beschädigte Daten können fatale Folgen haben. 8

Daten-Quality-Management www.steria.com Gartner Analyse Gartner prognostiziert, dass bis zum Jahr 2017 33 % der Fortune 100-Unternehmen Informationskrisen erleben werden, da sie nicht fähig sind ihre geschäftlichen Informationen angemessen zu bewerten, zu beherrschen und ihnen zu vertrauen. Quelle: Gartner Predicts 2014: Information Governance and MDM Are Critical for Digital Transformation, Analyst(s) (Information Governance und MDM sind von entscheidender Bedeutung für die digitale Umwandlung, Analyst(en): Saul Judah, Bill O'Kane, Andrew White, Ted Friedman, Debra Logan, November 22nd, 2013. 9

Daten-Quality-Management www.steria.com Hauptgründe für ungenügende Datenqualität Kein Sponsor für DQM im Top-Management etabliert Keine adäquaten Prozesse zur Verbesserung der Datenqualität aufgesetzt Keine Prozessverantwortlichkeiten hinsichtlich DQM definiert 10

Studien belegen www.steria.com 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 AG 11

Daten-Quality-Management www.steria.com Das DQM Daten-Quality-Management 12

Daten-Quality-Management www.steria.com Definition Datenqualitätsmanagement (DQM) bezeichnet alle qualitätsorientierten organisatorischen, methodischen, konzeptionellen und technischen Massnahmen, um Daten im Sinne eines Vermögenswertes für Unternehmen zu steuern und zu verwalten. Dabei wird über den Lebenszyklus von Daten hinweg eine kontinuierliche Qualitätsdefinition, Qualitätsmessung und Qualitätsanalyse durchgeführt. 13

Durchgehende Prüfung der Quellen sichert die Prozesseffizienz www.steria.com Vorgehen 14

Änderungshäufigkeit der Daten niedrig hoch Datenqualitätsprobleme fangen bei der Eingabe an Lösungen müssen hier ansetzen. www.steria.com Datenqualität - Immer noch eine Herausforderung Unterschiedliche Erfassungsquellen Erfassung findet nicht durch Fachpersonal statt Proaktives Datenqualitätsmanagement Fehler bei der Dateneingabe werden spät oder gar nicht erkannt Die nachträgliche Bereinigung ist komplex durch heterogene Systeme Gesetzliche Anforderungen müssen erfüllt werden Laissez faire niedrig Data Cleansing hoch Bedeutung der Daten Informationsmangel für optimale CRM Prozesse Viele CRM-Anbieter verfügen nur über rudimentäre Funktionen zur Datenqualitätssicherung Geringes Datenqualität führt zu erhöhten Kosten bei Kampagnen und Verärgerung bei den Kunden durch falsche Adressierung 15

Durchgehende Prüfung der Quellen sichert die Prozesseffizienz Datenqualität in den Prozessen www.steria.com 16

Betrachtungsbereich Phasenmodell des DQM-Ansatzes www.steria.com Die richtige Schritte zur richtigen Zeit Schritt 1: Datenbereinigung Analysieren Bereinigen Rückspielen Schritt 2: Online Prüfung Prozess Infrastruktur Anbindung Schritt 3: Master Data Management Modell Vorgehen Integration 17

Daten-Quality-Management www.steria.com Das korrekte Vorgehen 18

Strukturiertes Vorgehen zur Herstellung einer qualitätsgesicherten Datenbasis (Schritt 1) www.steria.com 5 Phasen Modell Dublettenbereinigung erfolgt in einem mehrstufigen, iterativen Prozess Qualitätssicherungsprozess ist Domänenunabhängig Qualitätssicherungsprozess ist Technologieunabhängig 19

Phase 1 - Datenanalyse www.steria.com 5 Phasen Modell Bereitstellung des Datenexport aus dem unterschiedlichen Datenquellen Stammdatenquantität messen Ermittlung des Feldbefüllungsgrad sämtlicher verfügbaren Felder bei Stammdaten Frequenz - und Formatanalyse der Daten Stammdatenqualität messen Analyse der Firmenbezeichnungs- und Namensfelder Analyse der Anschriftenfelder Analyse der Kommunikationsfelder Ermittlung von postalisch fehlerhaften Adressen (global) Ermittlung der Anzahl von Dubletten in den Kundenstammdaten (Firmen- und Ansprechpartner) Vorstellung der Analyseergebnisse Messungen schaffen Transparenz über den Ist- Zustand 20

Phase 2 - Datenkorrektur www.steria.com 5 Phasen Modell Erstellen von Standard LoV (z.b. Anrede/Titel) auf Basis von Häufigkeitsverteilungen Identifikation von Dummy Werten Identifikation Firmenbestandteile in den AP-Felder Identifikation von Vorname / Nachname Vertauschung, Rufnummern im Emailfeld, fehlende Ortsbezeichnung, Fehlende Anschrifteninformationen, fehlerhafte Internationale Anschriften Identifikation von Bereinigungspotenzialen 21

re Sicher e Phase 3 - Dubletten Prüfung www.steria.com 5 Phasen Modell Dublettendefiniton Was soll als Dublette identifiziert werden? Unterscheidung von gewollten und nicht gewollten Dubletten Dublettenprüfungsiteration Dublettenprüfung Präsentation der Ergebnisse und Diskussion der Abgleichsqualität ggf. Anpassung in der Dublettendefintion Identifizierung der Schwellenwerte für die Dublettenprüfung Schwelle sichere Dubletten Schwelle unsichere Dubletten Manuelle Prüfung von unsicheren Zuordnungen Sichere Sichere Unsichere Unikate Unikate 100 90 75 Unikate Unsiche 0 Jede Kategorie von Dublette hat eigene Bereinigungsmaßnahmen 22

Phase 4 - Zusammenführung www.steria.com 5 Phasen Modell Logische Zusammenführung der Daten Erstellung einer Verknüpfung/Markierung für die Dublettengruppe (keine Löschung der Daten) Physikalische Zusammenführung der Daten Ein Datensatz überlebt und die Folgedubletten werden gelöscht gesetzt Definition der Kopf- und Folgedubletten Bildung des goldenen Datensatzes (golden record) Zur Nachbearbeitung von potentiell unsicheren Korrekturen bei der postalischen Korrektur und unsicheren Zuordnungen bei der Dublettenprüfung können externe Datendienste unterstützten Duplettenprüfung selektiert nicht den richtigen Datensatz, sondern stellt den korrekten Datensatz zusammen 23

Phase 5 - Rückspielung www.steria.com 5 Phasen Modell Zurückführen der bereinigten Daten in das eigentliche Produktivsystem Beachtung von notwendigen Anforderungen Historisierungsabhängigkeiten Nachvollziehbarkeit Datenmodellanpassungen Neuberechnung von Aggregaten resultierender Stammdatenkonsolidierung Rückführung der Daten muss Rahmenbedingungen beachten 24

Daten-Quality-Management www.steria.com Die Lösung 25

DQ-Tools Phasenmodell des DQM-Ansatzes www.steria.com Die richtigen Schritte zur richtigen Zeit Schritt 1: Datenbereinigung Analysieren Bereinigen Rückspielen Schritt 2: Online Prüfung Prozess Infrastruktur Anbindung Schritt 3: Master Data Management Modell Vorgehen Integration 26

Daten-Quality-Management www.steria.com Wichtige Funktionen der Datenbereinigung Adressen Standardisierung Dubletten Prüfung Telefon Formatierung Email Prüfung Namen Verifizierung Adressen Standardisierung Dublettenprüfung Telefon Anreicherung Email Prüfung Namen Verifizierung Adressen Standardisierung Dubletten Prüfung Telefon Formatierung Email Prüfung 27

DQ-Connector Phasenmodell des DQM-Ansatzes www.steria.com Die richtigen Schritte zur richtigen Zeit Schritt 1: Datenbereinigung Analysieren Bereinigen Rückspielen Schritt 2: Online Prüfung Prozess Infrastruktur Anbindung Schritt 3: Master Data Management Modell Vorgehen Integration 28

So früh wie möglich Eingabe von Stammdaten www.steria.com Lösung: Generische CRM-DQ Integration Die Lösung: SMC DQ Connector Generische nahtlose Integration einer externen Datenqualitätslösung in update CRM, MS-CRM und Siebel über eine serviceorientierte Echtzeitschnittstelle. Einbindung der Datenqualitätsfunktionen in die CRM-Systeme über eine modular aufgebaute und leicht anpassbare Workflowsteuerung. Modulare Integration von: Adresskorrektur Blacklistenabgleich Sanktionslistenabgleich Dublettenprüfung Anreicherung 29

Nutzen einer nachhaltigen Lösung www.steria.com Generische CRM-DQ Integration Elemente einer nachhaltigen Lösung Fehlertolerante Erfassungsunterstützung Systemgestützte Prozessführung Intelligente Datenvalidierung Nutzen einer nachhaltigen Lösung Steigerung der Datenqualität Kostensenkung beim Datenmanagement Höhere Kundenzufriedenheit Effizienzsteigerung der Folgeprozesse 30

Daten-Quality-Management www.steria.com Zusammenfassung Datenqualität, was ist das? Genauigkeit, Aktualität, Vollständigkeit und Konsistenz Datenqualität, wo ist das Problem? Daten von ungenügender Qualität stellen ein reales Problem dar, das Ihrem Unternehmen Kosten in Millionenhöhe verursachen kann. Kein Sponsor, keine adäquaten Prozesse und keine Verantwortlichkeiten Das DQM Daten-Quality-Management Das DQM bezeichnet alle qualitätsorientierten organisatorischen, methodischen, konzeptionellen und technischen Massnahmen, um Daten im Sinne eines Vermögenswertes für Unternehmen zu steuern und zu verwalten Das korrekte Vorgehen Datenbereinigung (Schritt 1) mit Hilfe des 5 Phasen Modells Die Lösung Steria DQ-Connector für die nachhaltige online Prüfung der Daten (Schritt 2) 31

Daten-Quality-Management www.steria.com Fazit Datenqualitätsfragen sind in Unternehmen jeder Grösse und in allen Branchen präsent. Unabhängig von der Ursache kosten diese Probleme die Unternehmen Jahr für Jahr Milliardenbeträge. Je länger die Probleme unerkannt bleiben, desto mehr Schaden richten sie an. Neue Verfahren helfen Unternehmen dabei die gravierendsten Probleme zu überwinden. Mit den vorgestellten Methoden und Lösungen können sie Ihre Datenqualitätsprobleme step by step in den Griff bekommen und zukünftig noch erfolgreicher werden! 32

www.steria.com Einen Vorsprung im Leben hat, wer da anpackt, wo die anderen erst einmal reden. John F. Kennedy www.steria-mummert.de 33

Datenqualitätsmanagement www.steria.com Fragen / Antworten 34

Besten Dank für Ihre Aufmerksamkeit www.steria.com Steria