Mehrwert aus Kundendaten ziehen

Auch wenn heute viele Unternehmen glauben, sie würden ihre selbst gesammelten Kundendaten mit den vorhandenen Tools angemessen auswerten, entsteht dadurch noch keine zeitgemäße Datenstrategie. Vielmehr brauchen Management und Fachabteilungen eine umfassende Analyse, über welche Daten sie bereits verfügen und welche sie darüber hinaus benötigen, um alle Aspekte zu ihrem Markt, ihrem Wettbewerb und ihren Kunden abzudecken. Wichtig ist dabei ein Datenmodell, das beschreibt, welche Daten in welcher Kombination geeignet sind, um ihre Geschäftsprozesse optimal zu unterstützen und Mehrwert daraus zu generieren.

Sechs Erfolgsfaktoren hat Dunnhumby identifiziert, die aufzeigen, wie Unternehmen einen echten Mehrwert aus ihren Kundendaten ziehen können:

1. Die richtigen Daten und Quellen identifizieren: Am Anfang einer Datenstrategie gilt es, alle externen und internen Datensilos und Quellen zu identifizieren, die im engeren und weiteren Sinne Relevanz für die Geschäftsprozesse entfalten. Welche Daten benötigen Management und Fachabteilungen, um Key Performance Indicators (KPI) aufzustellen, mit denen sie ihre Erfolge messen können? Und welche KPIs benötigen sie, um ihre Entscheidungsprozesse zu fundieren und neue Geschäftsprozesse zu etablieren?

2. DSGVO-konforme Data Governance definieren: Für die Zusammenführung und Auswertung von Daten sollten Unternehmen Richtlinien und Prozesse definieren, die die Datenschutzgrundverordnung beachten. Für das Vertrauen der Kunden ist es erforderlich, die Datensicherheit über die komplette Prozesskette zu gewährleisten. Alle Mitarbeiter sollten durch Schulungen auf die Data Governance verpflichtet werden.

3. Datenarchitektur entwickeln: Für die Auswertung verschiedener Datenquellen brauchen Unternehmen eine Dokumentation, wo und wie Daten gespeichert, integriert und genutzt werden. Es gilt, einen „Single Point of Truth“ zu schaffen, damit alle Datenquellen stets aktuell, valide und konsistent sind, um sie für die regelmäßige Zusammenführung und Auswertung bereitzustellen.

4. Eigene Datensilos und externe Datenquellen integriert analysieren: Eigene Kundendaten liegen oft verstreut in isolierten Datensilos. Diese gilt es zusammenzuführen und mit externen Datenquellen für die Auswertung zu verbinden. Zum besseren Verständnis von Kundenbedürfnissen sind alle Kanäle zu integrieren und in einer technisch innovativen sowie rechtlich zulässigen Weise aufzubereiten.

5. Personelle Ressourcen für Umsetzung der Datenstrategie bereitstellen: Noch wichtiger als die Entwicklung einer Datenstrategie ist für Unternehmen die Schaffung der personellen Grundlagen für die Umsetzung. Kompetenzprofile, Qualifikationen und Zusammensetzung der Teams sowie ihre Arbeitsstrukturen müssen passen, um für Management und Fachabteilungen aus den Daten die richtigen Analysen liefern zu können.

6. Geschäftsprozesse für die Daten-Monetarisierung etablieren: Denn es gilt nach der Umsetzung der Datenstrategie, Analysen zu liefern, die neue Geschäftsprozesse ermöglichen. Durch die Auswertung von Marketing- und Vertriebsmaßnahmen entstehen idealerweise neue Monetarisierungs-Ansätze, die ohne die Datenstrategie bisher nicht identifizierbar waren.

Um aus Kundendaten Mehrwert zu generieren, sind diese sechs Erfolgsfaktoren aber nur der Anfang. Eine erfolgreiche Datenstrategie benötigt eine kontinuierliche Überprüfung und Verbesserung. Ein regelmäßiger Data Healthcheck zur Optimierung der Prozesse minimiert das Risiko und maximiert den Nutzen der Datenanalyse.

Hier geht es zu Dunnhumby