Datenqualität beschreibt, wie gut Daten für ihren Zweck geeignet sind. Bei Kontakt- und Leaddaten geht es vor allem um Vollständigkeit, Richtigkeit, Aktualität und Eindeutigkeit. Eine hohe Datenqualität ist Voraussetzung dafür, dass der Vertrieb Interessenten erreicht und Auswertungen verlässliche Ergebnisse liefern.
Bedeutung und Dimensionen
Vollständigkeit bedeutet, dass alle für die Bearbeitung nötigen Angaben vorhanden sind, etwa Name, Telefonnummer, Anliegen und Herkunft. Richtigkeit heißt, dass die Angaben stimmen: Die Telefonnummer ist erreichbar, die Postleitzahl passt zum Ort. Aktualität beschreibt, ob die Daten noch dem aktuellen Stand entsprechen, etwa nach einem Umzug oder einem inzwischen abgeschlossenen Vertrag. Eindeutigkeit bedeutet, dass jede Person nur einmal im System geführt wird.
Datenqualität entsteht an mehreren Stellen: bei der Eingabe im Formular, bei der Übertragung ins CRM und bei der laufenden Pflege durch den Vertrieb. Jede dieser Stellen kann Fehler verursachen oder beheben. Mängel wirken sich doppelt aus: Der Vertrieb verliert Zeit mit nicht erreichbaren oder doppelten Kontakten, und Auswertungen zu Quellen, Kosten und Abschlüssen zeichnen ein verzerrtes Bild.
Beispiel aus dem Leadvertrieb
Ein Energieanbieter bezieht Anfragen über mehrere Portale. Bei der Auswertung fällt auf, dass manche Interessenten doppelt angelegt sind, einmal mit Mobilnummer und einmal mit Festnetznummer. Zwei Berater rufen dieselbe Person an, und im Bericht erscheinen mehr Leads, als tatsächlich vorhanden sind. Das Team führt daraufhin eine Prüfung beim Import ein. Wie sich doppelte Einträge erkennen lassen, beschreibt der Beitrag zum Prüfen von Lead-Dubletten im CRM.
Prüfliste für gute Datenqualität
- Pflichtfelder für die Bearbeitung festgelegt und im Formular abgefragt
- Formate für Telefonnummer, E-Mail-Adresse und Postleitzahl geprüft
- Dubletten beim Import und regelmäßig im Bestand abgeglichen
- Herkunft und Einwilligung jedes Datensatzes nachvollziehbar gespeichert
- Veraltete oder nicht erreichbare Kontakte gekennzeichnet
Typischer Fehler
Häufig wird Datenqualität als einmaliges Bereinigungsprojekt verstanden. Nach der Bereinigung schleichen sich jedoch neue Fehler ein, wenn Eingabe und Pflege nicht geregelt sind. Ein weiterer Fehler ist, Freitextfelder für Angaben zu verwenden, die eigentlich einheitliche Werte brauchen, etwa Produkt oder Quelle. Solche Felder lassen sich kaum auswerten.
Wer ist für die Datenqualität verantwortlich?
Die Verantwortung sollte klar zugeordnet sein, auch wenn viele Beteiligte Daten erfassen. Bewährt hat sich, eine Person oder Rolle zu benennen, die Regeln festlegt und deren Einhaltung prüft. Die tägliche Pflege bleibt Aufgabe aller, die mit den Daten arbeiten.