NACHRICHTEN / DATENMARKETING
10. September 2020
Die Sicherstellung der data-Qualität ist für die meisten Unternehmen schwierig, unabhängig von ihrer data-Reife, Größe oder Branche. Fabien Cros, Data Consulting Director und Marine Sortais, Data Consulting Manager bei Artefact, nennen fünf Möglichkeiten, wie Marken die Qualität ihrer data verbessern können.
Die Genauigkeit eines Algorithmus kann mit hochwertigen data um bis zu 28% verbessert werden - was zu besseren targeting und mehr Umsatz führt. Das Problem ist jedoch, dass viele Unternehmen nicht über qualitativ hochwertige data verfügen. Tatsächlich betreffen 44% der Projekte, die wir bei Artefact erhalten, die Bereinigung von data-Sätzen, die unvollständig, teilweise beschädigt oder nicht charakterisiert sind.
Um die Qualität ihrer organisatorischen data zu verbessern, sollten Markenvermarkter mit Folgendem beginnen:
1. Nehmen Sie sich Zeit, um die Problembereiche zu identifizieren
Anstatt zu versuchen, Probleme zu lösen, beginnen Sie damit, sie zu verstehen. Sehr oft sind data Qualitätsprobleme tief in den Abteilungen verwurzelt. Daher ist es wichtig, einen “problemorientierten Weg” einzuschlagen, um Probleme zu definieren, zu sammeln und die Tiefe und die Ursachen jedes data-Problems zu verstehen.
Ein Beispiel: Ein Kunde machte die schlechte data-Qualität für die schlechten Ergebnisse seines CRM retargeting-Anwendungsfalls verantwortlich. Aber als wir uns den Umfang des Falles ansahen, stellten wir fest, dass sie die falsche Google Analytics-Aktivierungsgruppe verwendet hatten. Das Problem war nicht die data-Qualität, sondern ein Missverständnis der verschiedenen data-Sets.
2. Ernennen Sie einen data Steward, um Probleme zu lösen
Nachdem Sie herausgefunden haben, wo die data-Qualitätsprobleme liegen, bestimmen Sie einen data-Verantwortlichen, der Wege findet, diese Herausforderungen zu lösen, das operative data zu verwalten, zu steuern und zu überwachen.
Ein data-Verwalter setzt alle notwendigen data-Aktions- und Sanierungspläne um. Er stellt die Qualität der produzierten data sicher (Lücken zwischen verschiedenen Quellen und Systemen, Vollständigkeit, Frische usw.) und dokumentiert alle data (Quellen, Typen, Qualität, Zuverlässigkeit usw.), damit sie sicher aufbewahrt und ordnungsgemäß aufgerufen und verwendet werden können.
Es ist nicht einfach, einen qualifizierten data Steward zu finden. Eine Möglichkeit, die Schaffung dieser Rolle zu beschleunigen, besteht darin, mit einem externen Berater zu beginnen und dann eine interne Ressource zu schulen, die diese Aufgabe übernimmt.
3. Bilden Sie ein data SPOC (Single Point of Contact) Team
Obwohl der data Steward die data-Qualität verwalten kann, benötigen Sie die Unterstützung aller Abteilungen in Ihrem Unternehmen, um den Erfolg aller data-Qualitätsprojekte sicherzustellen. Ein starkes Netzwerk von data-erfahrenen SPOCs kann dem data-Steward wichtige und rechtzeitige Informationen, Dokumentationen und Einblicke in die Vorgänge in den einzelnen Abteilungen liefern.
Der data-Steward sollte auch mit Ihren data-SPOCs als “Feature-Team” zusammenarbeiten und Ansprechpartner aus den relevanten Abteilungen einladen, in agilen Sprints mit klar definierten Zielen zu arbeiten. Es ist wichtig, dass die SPOCs ihre Abteilungen auf dem Laufenden halten, damit der gesamte data-Prozess transparent, verständlich und leicht zugänglich ist.
4. Wählen Sie einen anwendungsfallorientierten data Qualitätsansatz
Wenn es um die data-Organisation geht, haben die meisten Marketingfachleute ein Backlog und wissen nicht, wo sie anfangen sollen. Sie sollten ihre Sprints auf der Grundlage der Anwendungsfälle definieren, die sie mit besserer data-Qualität verbessern oder freischalten können. Hier ist der Grund dafür:
- Sie müssen beweisen, dass data-Qualität nicht nur “nice to have” ist. Indem Sie über geschäftliche Erfolge berichten und die damit verbundenen Umsätze oder Einsparungen in all Ihren Abteilungen aufzeigen, schaffen Sie eine Dynamik rund um data-Qualität.
- Sie müssen konkret und pragmatisch sein. Sie können data nicht von einem erhabenen Standpunkt aus betrachten. Um data-Qualitätsprobleme zu lösen und Sprints rund um Anwendungsfälle zu organisieren, müssen Sie sich auf die operative Ebene begeben und mit den SPOCs und allen Beteiligten zusammenarbeiten.
- Sie müssen die aktuellen und zukünftigen data-Anforderungen für jeden Anwendungsfall verstehen. Auf diese Weise können Sie nicht nur das aktuelle Problem lösen, sondern die data-Qualität langfristig ausrichten und sicherstellen, dass der data-Verantwortliche die zukünftigen data-Anforderungen aller SPOCs kennt und die relevanten Abteilungen auf dem Laufenden hält. Das ist entscheidend, denn viele Marken haben data-Qualitätsprojekte aufgrund kurzfristiger Ansätze, die sich auf ein einzelnes data-Qualitätsproblem konzentrieren.
5. Erwerben Sie data-Qualitätswerkzeuge, um diesen Ansatz zu unterstützen und zu erleichtern.
Sobald Sie eine Gemeinschaft von data-Qualitätsexperten in Ihrem Unternehmen haben, können Sie diese mit den richtigen Methoden und Tools ausstatten.
Rüsten Sie Ihr Unternehmen jedoch nicht gleich mit speziellen Tools zur Erkennung, Bewertung, Bereinigung und Behebung von data-Qualitätsproblemen aus. Beginnen Sie im Gegenteil mit manuellen, aber gut definierten Prozessen, um das Wissen über Ihr data-Erbe wiederherzustellen und Ihr Verständnis für die Ursachen Ihrer data-Qualitätsprobleme zu verbessern.
Legen Sie dann Prioritäten für einen data-Bereich fest (data für Kunden, data für den Vertrieb usw.), der für Ihr Unternehmen von entscheidender Bedeutung ist - aber nicht zu viele komplexe Probleme aufweist - und definieren Sie teamübergreifende Prozesse, um zu erkennen, wann es ein data-Qualitätsproblem gibt und wie Sie es lösen können. Sie könnten zum Beispiel ein internes Dashboard einrichten, um die Vollständigkeit und Gültigkeit der data Ihrer Kunden regelmäßig zu überprüfen, indem Sie Benchmarks wie E-Mail-Adressen oder die Anzahl der Website-Besuche vergleichen.
Sobald Sie einen fortgeschrittenen Reifegrad der data-Qualität erreicht haben, können Sie in Tools wie Talend oder Attacama investieren, die Sie bei der automatischen Erkennung, Profilierung und Erstellung von Abhilfeplänen unterstützen können. Spezielle Tools wie diese werden in Ihr data-Ökosystem (data Lake, data Warehouse usw.) integriert und machen es zu einem echten Kontrollturm für data-Qualität.
Unbeaufsichtigt gelassen, kann schlechtes data die Wachstumsambitionen von Unternehmen zunichte machen - aber das muss nicht so sein. Vermarkter können mit ein paar taktischen und pragmatischen Maßnahmen ganz einfach damit beginnen, die Dinge zu bereinigen. Das Wichtigste ist, dass man damit anfängt. Wie Lao Tzu sagte: ’Eine Reise von tausend Meilen beginnt mit einem Schritt.“
Erstmals veröffentlicht von DecisionMarketing.de.
