In der heutigen Zeit wird im Marketing häufig über datengestützte Entscheidungen diskutiert. Doch was geschieht, wenn eure Entscheidungen aufgrund von ungenauen, irrelevanten oder überflüssigen Daten getroffen werden? Darüber wird in den Managementteams häufig zu wenig gesprochen. Um die zuverlässigsten Insights zu gewinnen, müssen der Datenbereinigung (Data Cleansing oder Data Cleaning) und Datenanreicherung (Data Enrichment) die gleiche Priorität eingeräumt werden wie der Datenerfassung im Data Analytics-Bereich selbst.
Den meisten Unternehmen mangelt es nicht an Informationen über ihre KundInnen. Dies ist sowohl ein Segen als auch ein Fluch, denn Unternehmen müssen den vorhandenen Informationen vertrauen und wissen, wie sie diese nutzen können. Beides ist leichter gesagt als getan.
Mit dem Erfassen von Daten ist es für Agenturen und Unternehmen noch nicht getan. Vielmehr müssen sie sich in einem nächsten Schritt Gedanken darüber machen, wie diese Daten zur Verbesserung der Unternehmensperformance beitragen können.
Hier erklären wir dir, warum Datenbereinigung und Datenanreicherung für die Datenqualität wichtig sind und wie du beides einsetzen kannst, um die Qualität eures CRM zu verbessern.
Inhalt
Was ist Datenbereinigung (Data Cleansing)?
Was ist Datenanreicherung (Data Enrichment)?
Wie unterscheiden sich Datenbereinigung und Datenanreicherung?
Weshalb sind Data Cleansing und Data Enrichment so wichtig?
Data Cleansing Tools - Wie werden Daten bereinigt?
Wie werden Daten angereichert?
Wie kann die Datenbereinigung und Datenanreicherung euer CRM verbessern?
Was ist Datenbereinigung (Data Cleansing)?
Bevor wir in die Einzelheiten eintauchen, möchten wir die grundlegende Data Cleansing Definition erläutern. Zunächst einmal: Was ist Datenbereinigung?
Datenbereinigung ist quasi die Marie-Kondo-Methode für eure B2B-Daten. Anstatt die Ansammlung mangelhafter Daten zuzulassen, werden unvollständige oder ungenaue Datensätze mittels Data Scrubbing proaktiv bereinigt, Überflüssiges (wie zum Beispiel doppelte Daten) entfernt und irrelevante Informationen aussortiert. Am Ende bleiben übersichtliche Kundendatensätze übrig und wichtige Informationen lassen sich leichter finden.
Data Cleansing vs. Data Cleaning vs. Data Scrubbing
Die Begriffe Data Cleansing, Data Cleaning und Data Scrubbing werden oft synonym füreinander verwendet. In den meisten Fällen werden sie als ein und dasselbe angesehen. Manchmal wird Data Scrubbing jedoch als ein Element der Datenbereinigung angesehen, bei dem es speziell darum geht, doppelte, schlechte, nicht benötigte oder alte Daten aus den Datensätzen zu entfernen.
Data Scrubbing hat auch eine andere Bedeutung im Zusammenhang mit der Datenspeicherung. In diesem Zusammenhang handelt es sich um eine automatisierte Funktion, die Festplattenlaufwerke und Speichersysteme überprüft, um sicherzustellen, dass die darin enthaltenen Daten gelesen werden können und um fehlerhafte Sektoren oder Blöcke zu identifizieren.
Was ist Datenanreicherung (Data Enrichment)?
Die Datenanreicherung (auch Data Enrichment, Datenanfügung oder Datenerweiterung genannt) ist das Data Cleansing-Intrument. Dabei handelt es sich oft um Datentools, Software oder Prozesse von Drittanbietern, die deine Erstanbieterdaten verfeinern und verbessern. In CRM-Anwendungsfällen können Data Enrichment Tools nach unvollständigen Datensätzen suchen und auf externe Quellen zurückgreifen, um die Lücken zu schließen. Wenn beispielsweise die Adress- und Telefonnummernfelder eines Unternehmens leer sind, kann Data Enrichment Software diese mithilfe externer Hinweise importieren.
Sowohl die Bereinigung als auch die Anreicherung zielen darauf ab, eure Daten so aufzuwerten, dass sie optimal genutzt werden können.
Wie unterscheiden sich Datenbereinigung und Datenanreicherung?
Data Cleaning und Datenanreicherung fallen beide unter den Begriff ‘Datenerweiterung‘. Der Hauptunterschied liegt in den Zielen, die damit verfolgt werden.
Bei der Datenbereinigung geht es darum, die bereits vorhandenen Daten zu bereinigen. Wenn zum Beispiel zwei Einträge für die/denselbe(n) Kundin/en (Dubletten) vorhanden sind, kannst du diese Einträge zu einer einzigen Kundendatei zusammenfassen. Bei der Bereinigung werden doppelte Daten oder ungenaue Datensätze entfernt und die korrekten Daten behalten.
Data Enrichment verfolgt das Ziel, möglichst vollständige Kundendatensätze zu erhalten. Um datengetriebene Geschäftsentscheidungen zu treffen, ist ein möglichst umfangreiches Wissen über deine Zielgruppe wichtig. Je mehr du über deine KundInnen weißt, desto gezielter kannst du diese mit Cross-Selling-Angeboten ansprechen und die Kundenbindung stärken.
Wenn in eurem CRM also wichtige Kundeninformationen wie z. B. Kontaktinformationen fehlen, helfen euch angereicherte Daten, die Lücken zu schließen. Auf diese Weise könnt ihr eure Marketingkampagnen für bestehende und potenzielle KundInnen durch äußerst zielgerichtete Angebote verbessern.
Weshalb sind Data Cleansing und Data Enrichment so wichtig?
Data-Driven Marketing, Lead-Generierung und das gesamte Kundenerlebnis setzen saubere Daten voraus. Sind die Rohdaten fehlerhaft, werden eure Marketingkampagnen ihre optimale Wirksamkeit nicht erzielen können.
Die Vorteile von einwandfreien Kundendaten sind grenzenlos:
- Verbesserte Erstellung von Personas, um relevante Angebote an die richtigen Interessenten zu senden
- Sicherstellung, dass Direktmarketing an die korrekte Person und Adresse gesendet wird
- Verringerung der Streuverluste, die durch Marketing an fehlerhafte E-Mails, Adressen usw. entstehen
- Anreicherung der bestehenden Daten mit zusätzlichen Informationen für bessere Kenntnisse über eure KundInnen
- Gewinnung von zusätzlicher Kontrolle über die gesamte B2B Customer Journey
- Sie machen Big Data zu einem wertvollen Asset im Business Intelligence-Bereich
Mit den heutigen Data Augmentation Deep Learning Technologien von Data Cleansing Tools könnt ihr eure Daten ohne viel eigenes Zutun bereinigen und anreichern. Das ist vor allem bei einem wachsenden CRM ein großer Vorteil, denn du musst dich nicht mehr um die manuelle Aktualisierung von Datensätzen kümmern, wenn sich Kundendaten ändern.
Weil das Datenmanagement für euch mit geringem Aufwand verbunden ist, gibt es keinen Grund, es nicht zu einer Top-Priorität zu machen.
Data Cleansing Tools - Wie werden Daten bereinigt?
Wenn du deine Daten anreichern willst, empfehlen wir dir, mit der Datenbereinigung zu beginnen. Die Anreicherung von irrelevanten oder ungenauen Daten ist sinnlos.
Schauen wir uns die Grundlagen vom Data Cleaning an:
Schritt 1: Duplikate und irrelevante Einträge entfernen
Entscheidend ist nicht die Größe eurer Datenbank, sondern die Qualität der darin enthaltenen Daten. Deshalb ist die Aufbewahrung von doppelten oder irrelevanten Einträge, die eure Insights vernebeln können, sinnlos.
Duplikate entstehen in der Regel bei Datenerfassungsprozessen. Wenn du Third-Party-Data importierst oder bereinigst oder Datensätze aus verschiedenen Abteilungen zusammenführst, läufst du Gefahr, dass es zu Überschneidungen kommt. Beim Prozess der Duplikatsbereinigung werden Datensätze konsolidiert, um Störfaktoren zu minimieren und nur relevante Informationen zu behalten.
Während dieses Schritts kannst du zudem alle Daten aussortieren, die für eure Datenbank irrelevant sind. Wenn du beispielsweise eine Datenbank mit KundInnen aus dem Großraum Berlin erstellen willst, möchtest du nicht, dass KundInnen aus München oder Frankfurt darin zu finden sind.
Das Ergebnis nach Schritt 1 ist eine saubere und übersichtliche Datenbank mit ausschließlich relevanten Einträgen.
Schritt 2: Strukturelle Fehler beheben
Beim Zusammenführen von Datensätzen stimmen die Felder nicht immer perfekt überein. Andere Datensätze haben vielleicht eigene Bezeichnungen oder Formate, die anders aussehen als die Daten, mit denen sie zusammengeführt werden.
So kann es vorkommen, dass in manchen Feldern Großbuchstaben verwendet wurden oder dass Einträge falsch geschrieben oder falsch angeordnet wurden.
Die Beseitigung von strukturellen Fehlern verschafft euren unsauberen Daten sofort ein ordentlicheres Aussehen. Alle Informationen werden einheitlich dargestellt und folgen einem Standardformat. Dadurch sinkt die Wahrscheinlichkeit, dass einige Daten in die falsche Kategorie eingeordnet oder anderweitig nicht korrekt verwendet werden.
Schritt 3: Datenbereinigung standardisieren
Die Bereinigung eurer Daten darf keine einmalige Angelegenheit sein, sondern sollte als fortlaufender Prozess angesehen werden. Es können jederzeit Fehler passieren und routinemäßiges Data Cleaning sorgt für einen möglichst genauen und aktuellen Datenbestand.
Die Fehlerquote lässt sich jedoch auch durch die Standardisierung der Datenprozesse verringern. Setze Regeln für die Eingabe der Daten und die Art der zu erfassenden Daten fest. Damit sorgst du für mehr Genauigkeit und kannst deine Daten mit größerem Vertrauen nutzen.
Schritt 4: Prüfe, ob ein Data Cleansing Tool für euch in Frage kommt
Der hier beschriebene Data Cleaning Prozess kann aufwendig und manuell sein. Wenn ihr besonders datengetrieben arbeiten, aber dennoch möglichst wenig Ressourcen für die Durchführung aufwenden wollt, solltet ihr die Anschaffung eines Data Cleaning Tools in Erwägung ziehen. Denn solche Software spart euch Zeit und Geld.
Was sind die besten Data Cleansing Tools zur Datenbereinigung?
- Melissa Clean Suite
- TIBCO Clarity
- Winpure Clean & Match
- OpenRefine
- Trifacta Wrangler
- Cloudingo
- RingLead
- Data Ladder
Wie werden Daten angereichert?
Mit der Bereinigung eurer Unternehmensdaten hast du ein starkes Fundament geschaffen. Nun ist es an der Zeit, sie durch Data Enrichment auszubauen. So verwandelst du unvollständige Einträge in hochwertige Daten:
Schritt 1: Evaluierung deiner Daten
Data Enrichment besteht aus drei Teilen:
- Was du weißt
- Was du nicht weißt
- Was du wissen musst
Nach der Datenbereinigung solltest du eine genauere Vorstellung der bestehenden Daten haben. Anschließend kannst du entscheiden, welche zusätzlichen Informationen für die Erstellung eines idealen Kundenprofils noch benötigt werden.
Hier ist es besonders wichtig, selektiv vorzugehen. Das kann heikel sein, denn selektiv ist nicht immer gleichbedeutend mit vollständig. Es mag zahlreiche Felder geben, die du ausfüllen könntest. Konzentriere dich jedoch am besten nur auf die relevantesten Informationen. Zu viele Daten lenken ab und machen es einem schwer, sich auf das Wesentliche zu konzentrieren.
Die Segmentierung kann bei der Evaluierung deiner Daten eine hilfreiche Sache sein. Je nach Zweck deines Datensatzes kannst du entscheiden, welche Informationen, die noch nicht vorhanden sind, du benötigst.
Schritt 2: Einsatz eines Data Enrichment Tools
Du hast also festgestellt, dass dir von einigen deiner Kunden die Telefonnummern fehlen. Schickst du nun jedem einzelnen eine E-Mail und bittest um die Telefonnummern? Nein, natürlich nicht!
Data Enrichment Software kann dir einen Großteil der Arbeit abnehmen. Tools können Daten von vertrauenswürdigen Drittanbietern in Echtzeit importieren. Sie füllen die wichtigen fehlenden Felder aus, ohne dass du die Informationen manuell eintippen musst.
Was sind die besten Data Enrichment Tools?
- Clearbit
- Snov.io API
- InsideView
- BeenVerified
- Data Axle Genie
- RingLead
- Datanyze
- LeadGenius
- FullContact
- Enricher.io
Schritt 3: Auffrischen und Wiederholen
Daten haben nicht zwingend ein Verfallsdatum, aber sie sind schnell einmal veraltet. Deshalb sollte die Datenanreicherung (und Datenbereinigung) als fortlaufender Prozess betrachtet werden.
Menschen ziehen um. Sie wechseln den Arbeitsplatz. Sie erhalten neue E-Mail-Adressen. Vielleicht wechseln sie sogar die Branche! Wenn ihr diese Entwicklungen im Auge behaltet, bleibt ihr am Ball und könnt mit diesen Beziehungen immer wieder neue Möglichkeiten schaffen.
Doch auch bei einer Standardisierung sollte dem Stammdatenmanagement eine bewusste Priorität zugeschrieben werden und darf nicht eine einmalige Angelegenheit sein. Es können jederzeit Fehler auftreten und eine routinemäßige Überprüfung kann sicherstellen, dass der Datensatz so genau und aktuell wie möglich ist.
Wie kann die Datenbereinigung und Datenanreicherung euer CRM verbessern?
Daten tragen maßgeblich zur Verbesserung von Marketingkampagnen bei. Jeder Touchpoint hängt von zuverlässigen und vollständigen Kundendaten ab, auf die du dich verlassen können musst. Eure Mailinglisten stellen sicher, dass Direktwerbung an die richtige Person und den richtigen Ort gelangt. Euer Vertriebsteam erreicht KundInnen auf Anhieb unter der richtigen Telefonnummer.
Und nicht zuletzt könnt ihr euch leichter in die Köpfe der VerbraucherInnen hineinversetzen und eure Marketingkampagnen weiterentwickeln.
Data Augmentation Deep Learning Systeme machen die Datenbereinigung und -anreicherung für MarketingexpertInnen einfacher, schneller und praktikabler. Durch den Einsatz von maschinellem Lernen und Automatisierung wird die Anreicherung und Bereinigung von Daten zu einem kontinuierlichen Zyklus, über den du nicht mehr nachdenken musst.
Eine bessere Qualität der Daten wirkt sich auf alle Bereiche aus, von der Datenanalytik bis hin zum Kundenerlebnis. Außerdem könnt ihr durch den Einsatz von Machine Learning Tools das Outsourcing von Daten in Data Enrichment Software vermeiden und alle eure Daten im eigenen Haus verwalten.
