Müll rein, Müll raus: Wie man ein CRM laut hupend gegen die Wand fährt

Datenbasiert sollen sie sein, die Prozesse, Produkte, Services und Geschäftsmodelle von Unternehmen. Entscheider schaffen hochpreisige Data-Analytics-Lösungen an, um weiterhin wertschöpfend wirtschaften zu können. Schnell wird dabei übersehen: Selbst das performanteste Tool kann nur so gut sein wie die Daten, mit denen es gefüttert wird.

(3d / Pixabay-Lizenz)

Das Feld der Data Analytics unterteilen Experten in vier Kategorien:

• Deskriptiv: Was ist in der Vergangenheit passiert?
• Diagnostisch: Warum ist etwas in der Vergangenheit passiert?
• Prädiktiv: Was wird zukünftig passieren?
• Präskriptiv: Wie sollte das Unternehmen handeln?
  
  

Das Ziel aus Marketing- und Vertriebs-Sicht: Produkte, Services und Inhalte punktgenau dann der Zielgruppe anzubieten, wenn diese kaufbereit ist. Mehr noch: zu wissen, was der Kunde will, bevor er es selbst weiß.

Data-Analytics-Tools für das Customer-Relationship-Management (CRM) gibt es viele und immer mehr von ihnen wollen Sales-Potenziale datenbasiert optimieren. Somit vereinen moderne CRM-Lösungen beide Welten betrieblicher Software: 

• Online Transaction Processing (OLTP, operativ und zeitpunktbezogen): z. B. klassische ERP- und CRM-Lösungen.
• Online Analytical Processing (OLAP, analytisch und zeitraumbezogen): z. B. Data-Warehouse- und Business-Intelligence-Systeme.

Problem: Dafür braucht es zunächst einen Daten-Input – und dessen Qualität steht und fällt mit der Frage, wie sorgfältig und gewissenhaft die Anwender diese Daten pflegen. 

Wann liegt Datenintegrität vor?

Daten sind integer, wenn sie jederzeit gültig und genau sind. Andernfalls kann das CRM-Tool weder Geschäftsprozesse optimieren, noch Sales- und Marketing-Entscheidungsprozesse bestmöglich unterstützen.

Folgende Aspekte der Datenintegrität sind betroffen:

➤ Daten-Konsistenz: Die CRM-Daten müssen logisch richtig sein, sie müssen den zuvor festgelegten Regeln entsprechen. 

➤ Daten-Validierung: Jedes Mal, wenn ein CRM-Anwender Daten eingibt, muss er prüfen, ob diese korrekt und verifiziert sind. Weiterhin muss er Duplikate entfernen.

Was passiert bei einer mangelhaften Datenpflege?

Dann verkommt das CRM-Tool zu einer Daten-Rumpelkammer, einem ungepflegten Informations-Haufen, der in Sachen datenbasierter Aussagekraft jämmerlich versagt. Die Daten in solch einem Rumpelkammer-CRM sind 

• nicht zuverlässig,
• ungültig,
• unlogisch,
• nicht korrekt.

Muss ein CRM mit dieser Datengrundlage arbeiten, kann kein brauchbares Ergebnis rauskommen. Besonders bitter wird es, wenn es sich um CRM-Lösungen handelt, die jährlich einen hohen fünfstelligen Betrag kosten. 

➤ Kann das Tool aufgrund der schlechten Datenpflege keine optimalen Sales-Analysen und -Potenziale kalkulieren, stehen diesen Kosten keine optimierten Umsatz-Potenziale gegenüber.

Auch im Data-Analytics-Bereich gilt der von IT-Administratoren oft bemühte Spruch, dass das Problem meistens vor dem PC sitzt. Hat das im administrativen Bereich oft mit Unwissenheit oder Überforderung zu tun, so mangelt es im Sales-Bereich leider mitunter an Sorgfalt oder schlicht Interesse – oft resultierend aus einem ausgeprägten Silo-Denken.

➤ Wenn kurzfristig-punktueller Umsatz über langfristige Sales-Strategien gestellt wird, hilft auch das beste CRM-Tool nichts mehr. 

Oder bildhaft gesprochen: 

Wer vorne Schrott reinsteckt, darf nicht erwarten, dass hinten Gold rauskommt.

Link-Tipps:

• Digitales Kundenmanagement: Was leisten CRM-Systeme 2020?
• Digitale Transformation in der Praxis: Die IT-Systeme
• Digitalisierung: Daten analysieren & Kunden begeistern
• Predictive Analytics im B2B-Marketing: Ich weiß, was du nächsten Sommer kaufen wirst
• CSRD 2024: Wie kann Software Unternehmen nachhaltiger machen?