Daten sind wichtig für Unternehmen, aber Daten sind nicht gleich Daten. Die Data Quality oder Datenqualität bestimmt, wie gut vorhandene oder erworbene Daten für Analysen, Anwendungen und Aufgaben geeignet sind oder ob sie nicht viel taugen. Mithilfe mehrerer Kriterien können Sie die Qualität eines Datenbestandes bewerten, was maßgeblich für Ihre Entscheidungen im Business ist.

HubSpot CRM bietet Ihnen sämtliche Funktionen, um Ihre Kontaktdaten zu  verwalten, und die Beziehungen zu Ihren Kunden und Leads zu pflegen. Vollkommen  kostenlos, so lange Sie wollen.

Mit guter Data Quality haben Sie den Erfolg in der Hand

Die Aktualität, Korrektheit und Verfügbarkeit sind drei der wichtigsten Faktoren für die Datenqualität. Mit geeigneten beziehungsweise „guten“ Daten können Sie operative Prozesse zuverlässiger steuern. Auch die Erstellung von Geschäftsberichten oder die effiziente Ausführung von Systemen für Business Analytics und Business Intelligence haben Sie besser im Griff als mit veralteten, ungenauen oder „schlechten“ Daten.

Schlechte Daten sind zum Beispiel veraltete Datenbestände, unvollständige Datensätze oder einfach Informationen, die irrelevant für einen bestimmten Zweck wie eine Analyse, eine Markteinführung oder eine spezifische Kundenansprache sind. Gute Daten hingegen erfüllen diesen Zweck und bieten eine aktuelle, genaue und vollständige Datenmenge für die Analysten und Analystinnen.

Die Vorteile einer hohen Datenqualität im CRM-System liegen auf der Hand:

  • mehr Umsatz

  • weniger Einbußen bei der Produktivität

  • bessere Steuerung von Prozessen im Unternehmen

  • genauere Zukunftsprognosen

  • exaktere Kundenansprache

  • höhere Zufriedenheit bei der Kundschaft

Bei einer mangelnden Datenqualität entstehen Ihnen im schlimmsten Fall erhebliche Kosten. Doppelte Kundenadressen in etwa führen zu höheren finanziellen und zeitlichen Aufwänden beim Versenden von Mailings. Ein veralteter Datensatz bedeutet zurückgesendete Post und verschwendetes Porto.

Data Quality als durchgehender Maßstab

Die Datenqualität zieht sich wie ein roter Faden durch die Arbeit mit Daten. Das beginnt bei der Datenerhebung über die Qualität der Datenquellen bis zur Verwaltung, Speicherung und Bereitstellung der Datensätze. Deshalb sollten Sie in Ihrem Unternehmen Maßnahmen ergreifen, um die Zuverlässigkeit der Daten zu sichern.

Mit einer hohen Datenqualität können Sie Marketingaktionen zielgruppengerechter auf die Erwartungshaltung Ihrer Kundinnen und Kunden anpassen. Und nur mit den richtigen Daten können Sie Ihre Produkte und Dienstleistungen maßgeschneidert an die Kundschaft bringen.

Wichtige Kriterien für die Datenqualität

Für die Beurteilung der Datenqualität existieren elf Kriterien, die aber in den seltensten Fällen gleichzeitig angewandt werden. Vielmehr sollten Sie sich auf die wichtigsten zwei bis drei Kriterien für eine Bewertung konzentrieren und eventuell noch zwei bis drei weitere hinzunehmen.

Die elf Kriterien für die Qualität von Datenbeständen sind:

  1. Vollständigkeit

  2. Eindeutigkeit

  3. Korrektheit

  4. Aktualität

  5. Genauigkeit

  6. Konsistenz

  7. Redundanzfreiheit

  8. Relevanz

  9. Einheitlichkeit

  10. Zuverlässigkeit

  11. Verständlichkeit

Datenqualität mit den elf Kriterien messen

Bezüglich der Vollständigkeit sollte ein Datensatz alle notwendigen Einträge enthalten. Bei Adressen müssen alle Pflichtfelder wie Name, Adresse, Postleitzahl, Ort, Telefonnummer und E-Mail-Adresse ausgefüllt sein, um auf 100 % zu kommen. Die Eindeutigkeit hingegen bedeutet, dass ein Datensatz klar identifizierbar sein muss, zum Beispiel ob eine Kundennummer einmalig ist oder ein Geburtsdatum Sinn hat.

Die Korrektheit sagt aus, das sämtliche Daten mit der Realität übereinstimmen. Wenn ein Kunde oder eine Kundin etwa mit dem Geburtsjahr 1900 heute 121 Jahre alt wäre, ist das sehr unwahrscheinlich. Die Aktualität eines Datenbestandes bezieht sich auf das Alter der Informationen. Sind Kunden oder Kundinnen verstorben, umgezogen oder haben ihren Namen geändert? Hier ist eine ständige Aktualisierung gefragt.

Die Genauigkeit bestimmt, in welchem Maße Daten in der geforderten Exaktheit vorliegen. Ist ein Geburtsdatum im deutschen oder angloamerikanischen Format vorhanden? Sind bei Zahlen aufgerundete Werte gegeben oder genauere mit Zahlen hinter dem Komma? Hier gilt, das vorgegebene Format präzise einzuhalten.

Unternehmen profitieren von einem einheitlichen Datenbestand

Bei der Konsistenz geht es darum, inwiefern Datensätze voneinander abweichen. Fehlt die Postleitzahl oder der Geburtsname einer Person? Hier sollte für alle Einträge dieselbe Datendichte gelten. Die Redundanzfreiheit hingegen bedeutet, dass Dubletten vermieden werden. Ist eine Person zweimal in verschiedenen Schreibweisen, zum Beispiel als Herr oder Frau Meier und Maier, vorhanden, wird sie als zwei Personen gezählt.

Die Relevanz der Datenqualität bedeutet, dass der Informationsgehalt auch den Informationsbedarf erfüllt. Wenn Rechnungen aus einem bestimmten Quartal für einen Geschäftsbericht angefordert werden, sind Belege aus anderen Quartalen überflüssig und verfälschen das Resultat. Die Einheitlichkeit von Datenbeständen bezieht sich vor allem auf die durchgehende Präsentationsform.

Zuverlässigkeit heißt, dass die Herkunft der Daten seriös und nachvollziehbar ist. Stammen sie aus eigenen oder fremden Quellen? Wurde adäquat nachgeforscht? Die Verständlichkeit schließlich bezieht sich darauf, dass die Daten dem Verständnis der Empfänger und Empfängerinnen, wie einer bestimmten Abteilung, entsprechen. Sind sie klar verständlich oder lassen sie Interpretationsspielräume zu?

Datenqualität erfolgreich steuern

Um eine hohe Data Quality zu gewährleisten, sollten Sie in Ihrem Unternehmen drei wichtige Prozesse bei den Datenbeständen regelmäßig durchführen:

  1. Datenanalyse

  2. Datenbereinigung

  3. Datenüberwachung

Für eine hohe Datenqualität: Vor der Datenintegration erfolgt die Datenanalyse

Die Datenanalyse erkennt Fehler, Dopplungen und Widersprüche in den Datenbanken. Das können unbeständige Datensätze sein oder fehlerhafte beziehungsweise unvollständige Daten. Mit diesen Erkenntnissen können Sie eine Matrix oder Norm festlegen, um Abweichungen schnell zu erkennen und die Qualität zu verbessern.

Bei der Datenbereinigung werden Missstände durch die Fehleranalyse beseitigt. Für dieses „Reinigungsverfahren“ kommen unterschiedliche Algorithmen zum Einsatz. Durch eine zunehmende Automatisierung dieser Prozesse ist der manuelle Aufwand gering. Hierbei können Sie unter anderem Dubletten beseitigen oder leere Pflichtfelder vervollständigen.

Die Datenüberwachung beziehungsweise das Datenmonitoring prüft regelmäßig die Qualität, Vollständigkeit und Aktualität der Datensätze. Gibt es größere Abweichungen oder häufige Fehler, können Alarm-Benachrichtigungen oder Trendberichte Sie über negative Entwicklungen informieren.

Die Qualität von Daten macht den Unterschied

Um die Datenqualität in Ihrem CRM-System aktuell und korrekt zu halten, sollten Sie die Bestände regelmäßig kontrollieren und aktualisieren. Dabei hilft die Beschränkung auf absolut notwendige Informationen, die Festlegung von Konventionen wie Schreibweisen von Daten und Namen, die Definition von Pflichtfeldern und die Validierung von E-Mail-Adressen.

Jetzt anmelden und mit dem kostenlosen CRM von HubSpot durchstarten

Titelbild: Luis Alvarez / DigitalVision / Getty Images Plus

Ursprünglich veröffentlicht am 18. Mai 2021, aktualisiert am Mai 18 2021

Themen:

CRM