Foto: fotodo - Fotolia.com
Eine 360°-Sicht auf den Kunden ist das traditionelle Ziel von Kundendatenmanagement. Es gilt die Kundendaten mit externen Daten anzureichern und stets aktuell zu halten. Das ist im Zeitalter von Big Data schwieriger denn je. Eine 360°-Sicht ist ohne die entsprechende Technikunterstützung kaum mehr erreichbar, da man so niemals alle Daten komplett erfassen kann. Softwarelösungen zur Schaffung einer 360°-Sicht werden somit unabdingbar. Es gilt Quellen aus Social Media, Blogs, Foren, Internetseiten, Lokalisierung, Navigation und vielen anderen zu evaluieren und entsprechend zur Anreicherung zu nutzen. Aus Big Data Smart Data zu machen, bedeutet, neue Daten und Datenquellen permanent den jeweiligen Kunden zuzuordnen und die 360°-Sicht so kontinuierlich up-to-date zu halten. Gerade im digitalen Zeitalter ist dies für Unternehmen besonders wichtig. Denn Kundenerlebnismanagement steht und fällt insbesondere mit der Art, Menge und Qualität zur Verfügung stehender Daten.
Auffrischen und Anreichern von Kundendaten ist zunächst einmal nichts Neues. Es ist ein Standardprozess im Kundendatenmanagement. Das Ziel dieses Prozesses ist es, eine 360°-Kundensicht zu erreichen, also alle Daten aus allen Quellen aktuell und in definierter Qualität zur Kundenanalytik zur Verfügung zu haben. Dabei teilte man bisher Kundendaten in die folgenden Kategorien ein:
Kunden-Verhaltensdaten (Bestellungen, Transaktionen, Zahlungshistorie, Verweildauer etc.),
den Kunden beschreibende Daten (Attribute, Charakteristiken, Selbstangaben, Demographie etc.),
Kundencharakteristiken (Meinungen, Vorlieben, Bedürfnisse, Wünsche etc.),
Kunden-Interaktionsdaten (Angebote, Ergebnisse, Kontext, Click Streams, Notizen etc.).
Die ursprüngliche Idee einer 360°-Kundensicht war, "alles über jeden Kunden zu wissen". Der Nutzen stellt sich ein, wenn es gelingt, das Kundenwissen auf Basis einer 360°-Kundensicht in jeder geeigneten Kundeninteraktion in Aktionen und Maßnahmen umzusetzen. Dazu dient vor allem Predictive Analytics.
Ein gängiges Beispiel hierzu ist eine Kaufempfehlung im Webshop auf Basis einer Regelmaschine und eines prädiktiven Modells als Cross- beziehungsweise Upselling beim Abschluss einer Kaufinteraktion. Weiteren Nutzen erzielt man in vielfältiger Hinsicht, bei der Senkung von Kunden-Akquisitionskosten, zielgerichteter Kundenansprache in neuen geografischen Gebieten, proaktiven Kundenbindungsmaßnahmen, Priorisierung von hochwertigen Kunden, gezieltem Upgrading von Kunden aus niedriger-wertigen in höher-wertige Kundensegmente und bei vielem anderen.
- Self-Service Analytics bauen die vorherrschende Rolle der Daten aus
Ähnlich wie sich die Landschaft der Business Intelligence von statischen Reports zur interaktiven Self-Service Daten verändert hat, so wandelt sich deren Herrschaft. Ansätze wie die Isolation der Daten in einem Unternehmen oder Neutralisation der gesamten Prozesse haben ausgedient. Unternehmen müssen lernen, was Führung bedeutet in einer Welt der Self-Service Analytics. Neue Prozesse und beste Methoden werden sich etablieren, um die Daten zu schützen, während Geschäftsleute ihre Antworten von den Daten bekommen. - Vermarkter und Verkäufer nutzen Social Intelligence
2014 haben Unternehmen erstmals angefangen soziale Daten ernsthaft analysiert. Im kommenden Jahr werden die Verantwortlichen aus diesem Potential ihren Vorteil ziehen. Durch das Beobachten von Online-Unterhaltungen von Beginn an, werden Unternehmen in der Lage sein, wann ein Thema beginnt ein Trend zu werden und worüber die Kunden reden. Soziale Analytics öffnen die Tür zu bedarfsgesteuerter Produktoptimierung. Und als weiteres Resultat wird dieser soziale Vorteil den Wettbewerb vermitteln, dass solche Unternehmen eine unheimliche Fähigkeit haben, in die Zukunft zu schauen. - Die Analytic-Kompetenzen innerhalb eines Unternehmens wachsen
Der heutige Datenanalyst ist vielleicht ein operativer Manager, ein Verantwortlicher der Lieferkette oder eine Vertriebsperson. Neue Technologien, die einfache Nutzung und Browser-basierte Analytics erlauben, lassen Menschen unmittelbar Geschäftsfragen beantworten, während Daten-Analysten weiterhin die komplexen und hochentwickelten Datenanalysen bearbeiten und die Ergebnisse in das Tagesarbeit einfließen lassen. Unternehmen, die diese Entwicklung als strategischen Vorteil erkennen, werden anfangen, den "Alltaganalysten" bei seiner Arbeit mit Daten, Werkzeug und Training zu unterstützen. - Nutzer-Communities im Bereich Software machen den Unterschied
Die Consumerization of IT ist nicht länger eine Theorie, sie ist Fakt. Menschen gebrauchen Technologie, die ihnen Spaß macht und Analyse-Software gehört dazu. Der Wunsch, sich im Unternehmen und außerhalb mit anderen Nutzern auszutauschen und zu sprechen, nimmt enorm zu. Die Unternehmen, die diese Entwicklung unterstützen, haben eine wachsende Gemeinde. Und für potenzielle Kunden wie der Blick auf zufriedene und gesunde Produkt-Gemeinden zu einem wichtigen Entscheidungsaspekt auf dem überfüllten Marktplatz der Angebote.
Von Little Data zu Big Data
Die Quelle war "Little Data", bestehend aus Unternehmensdaten und externen Datenquellen, die in der Regel käuflich angeboten wurden und werden. Die Aufgabe bestand darin, all diese Datenquellen zu integrieren, um eben durch kontinuierliches Auffrischen und Anreichern der Unternehmenskundendaten die gewünschte Rundumsicht auf den Kunden zu haben. Das war schon eine ordentliche Aufgabe, die vor allem auch eine professionelle Datenmanagement-Plattform erforderte.
Das ist heute im Zeitalter von Big Data noch schwieriger geworden. Denn insbesondere die Quellenvielfalt und die Menge an Daten sind kaum mehr überschaubar. Dazu kommt, dass neue Datenquellen spontan und jederzeit entstehen, während alte Datenquellen plötzlich versiegen können. Schließlich ist noch die schiere Menge an Daten zu bewältigen, die auch neuere Ansätze wie ein auf Hadoop basierter Datensee an ihre Grenzen stoßen lassen. Daraus folgt als Konsequenz: Das Thema "360°-Kundensicht" muss neu kontextuiert und angesichts der unüberschaubaren Vielfalt an Quellen sowie der schieren Menge an Daten anders angegangen werden.
360°-Kundensicht - neu definiert
Was also ist zu tun? Das Konzept der 360°-Kundensicht aufgeben? Das ist keine gute Idee, denn der heutige digitale Kunde erwartet vom Unternehmen, dass es ihn kennt, egal welchen Kanal oder welchen Kontaktpunkt er wählt. Er will seine Erlebniswelt vorfinden, komplett und rundum. Er will auf Augenhöhe kommunizieren: Er kennt uns, das Unternehmen, also sollten wir, das Unternehmen, auch ihn kennen. Er will vor allen Dingen nicht jedes Mal wieder seine Geschichte wiederholen müssen und erzählen, wer er denn sei und was er denn wolle. Mit anderen Worten: In der digitalisierten Welt ist die Maxime "alles über jeden Kunden zu wissen" wichtiger denn je!
Von Big Data zu Smart Customer Data
Das bedeutet auf technischer Ebene: eine professionelle Stammdatenmanagement-Plattform für Kundendaten ist entscheidend, denn ein professionelles Kundenstammdatenmanagement ist die Voraussetzung für unsere Idealvorstellung einer 360°-Kundensicht. Dabei ist es nicht nur wichtig, strukturierte Daten aus dem Big Data zu verarbeiten. Gleichzeitig gilt es, auch unstrukturierte Informationen in Textform wie Kommentare von Kunden in Webshops oder im Call Center, Facebook-Kommunikation, Tweets, Blog-Inhalte etc., Fotos oder Videos zu verarbeiten. Die machen in der Regel allein ca. 80% aller Kundendaten aus.
Entscheidend zur Integration von Kundendaten sind die Meta- und Stammdaten, weil nur so die Kunden in den verschiedenen Kanälen identifiziert werden können. Man will ja wissen, ob ein Besucher der Webseiten, ein Blogger oder ein Tweeter bereits ein Kunde ist, und wenn ja, welches seine Profitabilität und vor allem seine Erwartungen an seine persönliche Kundenerlebniswelt sind. Dazu braucht man intelligente und fehlertolerante Matching-Algorithmen zur Customer Identity Resolution, damit alle vorhandenen Daten - strukturiert und nicht strukturiert - zu einem Kunden gefunden und zugeordnet werden können. So entsteht ein "Golden Record", ein Datensatz, der sämtliche Information rund um einen Kunden enthält und die 360°-Kundensicht auf der Ebene der Kundendatensätze darstellt.
Bevor die Daten aus den unterschiedlichsten Quellen überhaupt verarbeitet werden, sollten Datenqualitätsmanagement-Werkzeuge für bereinigte und aktuelle Daten sorgen. Bereits bei der Datenerfassung sollten solche Qualitätsmechanismen die Konsistenz der Kundendaten über alle Datenquellen hinweg sicherstellen.
Weiterhin muss Data Governance unterstützt werden. Dazu werden Werkzeuge gebraucht, mit denen entsprechende Regelwerke, Richtlinien, Workflows und Prozesse definiert und verwaltet werden können. Dabei müssen alle Veränderungen durch Auffrischen und Anreichern der Daten bei den Stammdaten nachvollziehbar sein. Schließlich sind noch die Zugriffsberechtigungen zu definieren und kontinuierlich à jour zu halten.
- Information Governance in der Praxis
Die Analysten von AIIM untersuchen in ihrer Studie "Automating Information Governance - assuring compliance", wie Informations- und Datenschutz in der Unternehmenspraxis umgesetzt werden. Die Studie basiert auf Angaben von rund 500 Entscheidern. - Reifegrad
Lediglich 15 Prozent der Befragten geben an, über stabile unternehmensweite Policies zu verfügen. 38 Prozent sagen, sie hätten zwar ein Informations-Management - man könne es aber nicht als ausgereift bezeichnen. - Systemfrage
Rund jedes vierte Unternehmen arbeitet mit eigenen Systemen für aktives Content-Management. Andere binden das Management elektronischer Unterlagen in das allgemeine Enterprise Content Management (ECM) ein - manche wiederum haben gar kein ECM-System. - Vorteile
Die Reduktion von Kosten gilt als größter Vorteil von Information Governance. Außerdem nennen die Befragten das Teilen von Wissen und schnellere Reaktionsfähigkeit. - Verantwortlichkeiten
Die Verantwortlichkeiten für Information Governance regeln die Firmen unterschiedlich. Gut jedes vierte Unternehmen setzt ein eigenes Team ein (Anmerkung: RM heißt in dieser Grafik Record Management, nicht Risk Management). Rund jeder Zehnte nimmt die IT in die Pflicht. Und nicht wenige Firmen legen die Verantwortlichkeiten gar nicht klar fest. - Schwierigkeiten
Mehr als vier von zehn Befragten geben an, beim Aufstellen von Information Governance Policies gestalte sich die Unterstützung der Firmenspitze am schwierigsten. Rund jeder Dritte bekommt nicht die richtigen Leute an den Tisch.
Mit Hilfe einer solchen Plattform zum Kundenstammdatenmanagement mit all den genannten Werkzeugtypen kommt man dann zum Ziel: Aus Big Data wird Smart Customer Data herausgefiltert und steht zur Kundenanalyse zur Verfügung: Die Spuren des digitalen Kunden werden les- und interpretierbar. Solche state-of-the-art Plattformen findet man nicht nur bei weltweiten Marktführern wie IBM und Informatica, sondern auch bei entsprechenden Spezialisten in Smart Customer Data Management wie Uniserv.
Fazit: Auch in der digitalen Welt ist und bleibt die 360°-Kundensicht weiterhin das Ideal, nach dem Unternehmen das Kundendatenmanagement ausrichten müssen, denn sie gibt die bestmöglichen Einsichten in das Verhalten und die Erwartungen der Kunden. Aber man muss sich gleichzeitig klar machen, dass ein Kundensatz - auch wenn er bestens integriert und so vollständig wie möglich ist - nur ein Kundendatensatz ist und nicht der Kunde selbst. Wenn man das berücksichtigt, dann bietet die Information, die im Kundendatensatz steckt, die beste Basis, um die Erwartungen digitaler Kunden auf Basis der Kundenhistorie zu erfüllen. Das unterstreicht die Bedeutung und Notwendigkeit von Kundendatenmanagement: Ein kontinuierliches Auffrischen und Anreichern der Kundendaten ist eine Kernaufgabe sowohl in traditionellen wie auch in digitalen Unternehmen. Smart Customer Data ist entscheidend, wenn man digitale Kunden langfristig und profitabel an sich binden will. (bw)