Die Bedeutung der Bereinigung schmutziger Daten für verbesserte Betriebsabläufe und Kundenerfolg

Stellen Sie sich vor, Sie versuchen, den Ozean mit einem Boot zu überqueren, das Löcher hat. Du wirst nass. Sie könnten sogar untergehen. Sie werden es sicherlich nicht glatt hinüber schaffen.

Die Wahrscheinlichkeit, dass dies passiert, ist ziemlich gering, da jede vernünftige Person ihr Boot gründlich überprüfen würde, bevor sie sich auf ein solches Unterfangen einlässt.

Aber was ist mit den CRM-Daten, die Ihr Unternehmen verwendet, um Leads zu kontaktieren, Kunden zu segmentieren und strategische Entscheidungen zu treffen? Hast du mal geschaut, ob da Löcher sind?

Du solltest.

Schmutzige Daten wirken sich negativ auf Arbeitsabläufe, Marketingbemühungen und die Erfahrung Ihrer Kunden aus. Es kann Sie sogar in rechtliche Schwierigkeiten bringen.

Aber was genau sind schmutzige Daten?

Was sind schmutzige Daten?

Schmutzige Daten oder unsaubere Daten sind Daten, die in irgendeiner Weise fehlerhaft sind: Sie können Duplikate enthalten oder veraltet, unsicher, unvollständig, ungenau oder inkonsistent sein. Beispiele für schmutzige Daten sind falsch geschriebene Adressen, fehlende Feldwerte, veraltete Telefonnummern und doppelte Kundendatensätze.

Wenn sie ignoriert werden, können unsaubere Daten ernsthafte Probleme für Ihr Unternehmen verursachen. Es kann das Kundenerlebnis gefährden, zu einer falschen Darstellung von Geschäftsergebnissen führen und sich negativ auf strategische Entscheidungen auswirken.

Um die Risiken einer schlechten Datenqualität zu vermeiden, ist eine regelmäßige Datenbereinigung unerlässlich. Wir werden weiter unten in diesem Beitrag besprechen, wie Sie Daten bereinigen können. Aber zuerst werfen wir einen Blick darauf, wie Daten schmutzig werden.

Wie Daten schmutzig werden

Daten können schmutzig werden, wenn sie falsch eingegeben, gespeichert oder verwendet werden. Oft liegt dies an menschlichem Versagen oder fehlenden Standardisierungsregeln für die Dateneingabe, aber auch technische Probleme können zu unsauberen Daten führen.

Beispiele für schmutzige Daten

Doppelte Daten

Doppelte Daten beziehen sich auf Datensätze, die teilweise oder vollständig dieselben Informationen enthalten. Sie entstehen, wenn dieselben Informationen mehrmals eingegeben werden, manchmal in unterschiedlichen Formaten. Ein typisches Beispiel für doppelte schmutzige Daten ist, wenn ein Kunde mehrmals in Ihrem CRM vorhanden ist. Dies geschieht häufig, weil der Name des Kunden jedes Mal etwas anders geschrieben wird.

Zum Beispiel:

• Patty J. Greenfield
• Patty Julia Greenfield
• Patricia J. Greenfield
• Patricia Julia Greenfield

Da Kundeninformationen über verschiedene Datensätze verstreut sind, führen doppelte Kundendaten zu Folgendem:

• Schlechter Kundenservice
• Falsches Tracking und Reporting
• Doppeltes (oder dreifaches) Marketing-Targeting

Unsichere Daten

Unsichere Daten sind Daten, die nicht verschlüsselt oder zugriffskontrolliert sind. Es ist für jeden in Ihrem Unternehmen und im schlimmsten Fall sogar für Dritte zugänglich. Unsichere Daten stellen nicht nur ein Datenschutzrisiko dar, sondern auch eine rechtliche Bedrohung, da Unternehmen Gefahr laufen, Gesetze wie GDPR und CCPA nicht einzuhalten.

Unvollständige Daten

Ein Beispiel für unvollständige Dirty Data wäre, wenn Ihr Newsletter-Anmeldeformular ein Feld für den Vornamen des Leads enthält, das Feld jedoch kein Pflichtfeld ist. Leads können sich dann anmelden, ohne ihren Namen zu hinterlassen, was Ihre personalisierten E-Mail-Kampagnen weniger effektiv machen würde.

Ungenaue Daten

Ungenaue Daten sind Daten, die Fehler enthalten. Ein Beispiel für ungenaue Daten wäre ein Kunde, der seinen Nachnamen in eines Ihrer Formulare eingibt, sich aber vertippt. In diesem Fall haben Sie den Nachnamen des Kunden, aber er ist ungenau. Es ist eine schmutzige Platte.

Ein weiteres Beispiel wäre, wenn ein Vertriebsmitarbeiter eine falsche Telefonnummer für einen Lead in Salesforce protokolliert. In diesem Fall ist es entscheidend, die Salesforce-Daten zu verbessern, um das Gespräch mit diesem Lead fortzusetzen.

Veraltete Daten

Veraltete Daten sind ungenau, nicht weil sie falsch eingegeben wurden, sondern weil sie früher richtig waren und jetzt nicht mehr. Ein typisches Beispiel für veraltete schmutzige Daten ist, wenn Ihr CRM immer noch die alte Adresse eines Kunden auflistet, nachdem er umgezogen ist.

Andere Beispiele für veraltete Daten sind:

• E-Mail-Adressen, die nicht mehr verwendet werden
• Titel von Personen, die den Job gewechselt haben
• Veraltete E-Mail-Segmente

Falsche Daten

Falsche Daten sind Daten, die außerhalb der zuvor angegebenen Parameter liegen. Als solches ist es einfacher zu verhindern. Ein Beispiel wäre, wenn ein Kunde sein Geburtsdatum über ein Dropdown-Menü eingibt. Ihr System wird ihnen wahrscheinlich nur erlauben, einen von 12 Monaten, einen von 31 Tagen auszuwählen, und vielleicht können sie auch kein Geburtsjahr auswählen, das sie älter als 130 Jahre machen würde.

Inkonsistente Daten

Inkonsistente Daten werden auch als Datenredundanz bezeichnet. Es tritt auf, wenn Unternehmen dieselben Informationen an verschiedenen Orten speichern, ohne diese Informationen zu synchronisieren. Ein Paradebeispiel wäre ein Unternehmen, das Kundeninformationen sowohl in seinem CRM als auch in seinem E-Mail-Marketing-Tool speichert.

So bereinigen Sie Daten

Alle oben genannten Arten von schmutzigen Daten stellen Risiken für Ihr Unternehmen dar, daher ist es von entscheidender Bedeutung, Daten zu bereinigen und diese Situationen zu vermeiden.

So geht's:

Erstellen Sie Datenqualitätsrichtlinien

Bevor Sie mit der Datenbereinigung beginnen, definieren Sie, wie ein sauberer Datensatz für Ihr Unternehmen aussieht und welche Best Practices befolgt werden sollten, um Ihre Daten so sauber wie möglich zu halten.

Daten standardisieren

Zu einer Datenqualitätsstrategie gehört die Definition einer Methode zur Standardisierung von Daten, sobald sie in Ihr System gelangen. Listen Sie alle Möglichkeiten auf, wie Sie derzeit Daten sammeln, was die Eingangspunkte für diese Daten sind und wie Sie sicherstellen, dass alle diese Daten unabhängig vom Ursprungsort auf die gleiche Weise eingegeben werden.

Führen Sie eine Prüfung durch

Sobald Sie die Datenqualitätsregeln Ihres Unternehmens festgelegt haben und sicher sind, dass alle neuen Daten auf standardisierte Weise eingegeben werden, ist es an der Zeit, eine Prüfung Ihrer vorhandenen Daten durchzuführen. Leider ist es nicht einfach, alle schmutzigen Daten zu finden, und obwohl Sie eine 100-prozentige Erkennung anstreben sollten, sollten Sie wissen, dass Sie wahrscheinlich einige Probleme übersehen werden. Deshalb ist es wichtig, nicht nur einmal, sondern regelmäßig ein Audit durchzuführen.

Eine Möglichkeit, diesen Prozess zu vereinfachen, besteht darin, kontinuierlich Feedback von den verschiedenen Abteilungen in Ihrem Unternehmen einzuholen, die mit Daten arbeiten. Diese Art von Feedback zeigt Ihnen, wo schmutzige Daten Probleme bei alltäglichen Aktivitäten verursachen.

Ein Beispiel: Ihr Marketingteam teilt mit, dass es festgestellt hat, dass Vornamen in personalisierten E-Mails manchmal nicht großgeschrieben werden. Dies sagt Ihnen, dass Vornamenwerte nicht immer auf die gleiche Weise formatiert sind – wahrscheinlich, weil E-Mail-Abonnenten sich nicht immer die Mühe machen, ihren eigenen Namen großzuschreiben.

Reinigen Sie schmutzige Daten

Sobald Sie einen Überblick über Ihre schmutzigen Daten haben, starten Sie den Bereinigungsprozess. Die Datenbereinigung kann eine grausame, zeitraubende Aufgabe sein. Es gibt verschiedene Möglichkeiten, dies zu tun, jede mit ihren eigenen Vor- und Nachteilen.

1. Manuell

Die manuelle Bereinigung von Daten sollte nur sparsam erfolgen. Es ist in Ordnung, einen Datensatz zu bereinigen, den Sie gerade verwenden müssen, aber alle Daten, die Ihr Unternehmen besitzt, manuell zu bereinigen, ist eine unmögliche Aufgabe.

Es würde nicht nur ewig dauern, sondern Sie werden auch Dinge verpassen und Fehler machen, was noch mehr Fehler verursacht.

2. Verwenden von Excel

Die Verwendung von Excel-Formeln kann den Reinigungsprozess beschleunigen, ist aber immer noch ziemlich manuell. Sie müssen die Formeln selbst erstellen, und einige Datenprobleme sind möglicherweise zu kompliziert, um sie mit einer Excel-Formel zu lösen.

Darüber hinaus kann Excel keine großen Datenmengen verarbeiten, sodass Sie in Stücken und Stücken arbeiten und sich merken müssen, welche Datensätze Sie bereits bereinigt haben.

Schließlich sind Sie gezwungen, statische Datensätze in Excel hochzuladen. Wenn Sie am Montag Kundendaten importieren, sind diese am Freitag wahrscheinlich schon veraltet.

3. Sich auf Dritte verlassen

Wenn Sie keine interne Zeit für Ihre Datenbereinigung aufwenden möchten, kann die Beauftragung eines Datenberaters eine gute Option sein. Datenberater sind Spezialisten, die mehr tun, als nur Ihre schmutzigen Daten zu bereinigen. Sie können auch ein Audit für Sie durchführen und dabei helfen, Ihre bestehenden Datenprozesse zu verbessern, sodass die Wahrscheinlichkeit, dass in Zukunft schmutzige Daten erstellt werden, geringer ist.

Zu den Nachteilen bei der Einstellung von Beratern gehören die hohen Kosten und die Tatsache, dass Sie ihnen wahrscheinlich Zugriff auf alle Ihre Daten gewähren müssen, was zu einigen Datenschutzbedenken führen kann.

4. Engagierte Entwickler einstellen

Da die Datenverwaltung ein fortlaufendes Projekt ist, könnten Sie einen oder mehrere Entwickler einstellen, die sich voll und ganz der Reinhaltung Ihrer Daten widmen. Da diese Personen intern arbeiten, sind sie Ihrem Unternehmen wahrscheinlich loyaler als ein externer Berater und können sich mit Ihrem Angebot besser vertraut machen.

Außerdem ist es oft billiger, jemanden für ein laufendes Projekt wie die Datenpflege einzustellen.

5. Verwenden von Software

Es gibt eine Vielzahl von Tools, mit denen Sie schmutzige Daten identifizieren und bereinigen können. Diese Tools sind oft billiger als die Einstellung eines Beraters oder eines engagierten Entwicklers, und sie machen keine menschlichen Fehler.

Allerdings sind nicht alle diese Tools gleich. Wählen Sie eine aus, die Datenkonflikte erkennen, die Formatierung (z. B. von Datumsangaben) überprüfen und erkennen kann, welche Felder zusammengeführt werden sollen.

Sie sollten auch ein paar Tests mit kleinen Datenproben durchführen, um sicherzustellen, dass das Tool so funktioniert, wie es soll. Wenn Sie dies nicht tun und es auf Ihre gesamte Datenbank loslassen, riskieren Sie, mit größeren Problemen zu enden, als Sie begonnen haben.

Richten Sie eine fortlaufende Datenbankverwaltung ein

Hoffentlich haben Sie bereits eine Datenbankverwaltung eingerichtet. Wenn nicht, ist es höchste Zeit, es einzurichten. Während Sie Ihre Daten wahrscheinlich in regelmäßigen Abständen bereinigen müssen, ist es keine gute Praxis, Probleme so lange ansammeln zu lassen, bis sie die Gesamtqualität Ihrer Datenbank untergraben.

Als Unternehmen sammeln, organisieren, speichern und bearbeiten Sie ständig neue Daten. Die fortlaufende Datenbankverwaltung umfasst die Prozesse und Praktiken, die erforderlich sind, um die Qualität dieser Daten zu gewährleisten und zu verhindern, dass sie verschmutzt werden.

Schmutzige Daten erfordern eine kontinuierliche Verwaltung

Bei der Menge an Daten, die Unternehmen heutzutage sammeln und verarbeiten, ist es praktisch unmöglich zu vermeiden, dass einige dieser Daten schmutzig werden. Unterschiedliche Arten von unsauberen Daten haben unterschiedliche Konsequenzen für Ihr Unternehmen. Daher sollten Sie Aufzeichnungen regelmäßig bereinigen, um eine Eskalation der Probleme zu vermeiden.

Sie können Daten manuell bereinigen, Excel verwenden, einen Drittanbieter beauftragen, ein internes Team von Datenbereinigungen aufbauen und/oder sich auf spezialisierte Software verlassen.

Möchten Sie mehr erfahren?

Eine Schritt-für-Schritt-Anleitung zum Bereinigen Ihrer CRM-Daten finden Sie in unserem eBook: „The Dirt on Data Quality“.