Blog

Entitätsauflösung für eine einzelne Kundensicht

„Die Fähigkeit, den Kunden durch eine einzige Linse zu betrachten, ermöglicht entscheidende Messungen, Optimierungen, Effizienz und personalisierte Anwendungsfälle.“

Jason Niemi, Direktor Digitales Engagement, Kraft Foods Gruppe

Eine einheitliche, konsistente Sicht auf die Kunden im gesamten Unternehmen zu erhalten, wird immer wichtiger für Unternehmen, die genaue und vollständige Kundeninformationen benötigen, um besser zu wissen, mit wem sie interagieren. Die erfolgreiche Implementierung einer einheitlichen Kundensicht kann eine Herausforderung darstellen, wenn ein Kunde in mehr als einem System und einer Kundeneinheit vertreten ist und Diskrepanzen in den Kundendaten sowohl innerhalb als auch zwischen den Systemen gelöst werden müssen.

In einer Studie der Harvard Business Review wurden mehr als 400 Führungskräfte aus dem Bereich Kundenerfahrung befragt, und das Erreichen einer einheitlichen Kundensicht erwies sich als eine der größten Herausforderungen.

Werfen wir einen Blick darauf, was genau eine Einzelkundenansicht ist.

Eine Single Customer View ist eine ganzheitliche, konsolidierte und konsistente Darstellung der Kundendaten eines Unternehmens. Kunden erwarten, dass die Interaktionen mit einem Unternehmen ihr aktuelles Profil, ihre Geschichte und ihre Vorlieben widerspiegeln. Aus diesem Grund ist eine einheitliche Kundensicht besonders wichtig, wenn Unternehmen mit Kunden über mehrere Kanäle interagieren.

Und wenn es um Interaktionen über mehrere Kanäle geht, erhalten wir immer mehrere Datenquellen. Ein durchschnittliches Unternehmen verwendet 65 verschiedene Systeme. Daten aus all diesen internen Quellen, externen Drittanbietern oder Partnern und öffentlichen Datenquellen müssen integriert werden, um diese einheitliche Kundensicht zu erstellen.

Das bedeutet, dass Sie für jeden Kunden möglicherweise Dutzende von Datensätzen in Ihren Datenquellen haben. Einige Datensätze können ihre Kaufpräferenzen enthalten, andere demografische Daten, wieder andere umfassendere Kontaktinformationen usw. Und in jedem dieser Datensätze ist der Schlüsselbezeichner ein wenig anders. Vielleicht hat der Kunde einen Spitznamen verwendet, als er Ihre Treueprämienkarte ausfüllte, oder er hat seine persönliche E-Mail-Adresse verwendet, als er sich auf Ihrer Website anmeldete. Unabhängig vom Grund haben Sie es jetzt mit einer Vielzahl von Darstellungen für jeden Kunden zu tun, die in einer Vielzahl von Systemen gespeichert sind.

DieAuflösung von Entitäten ist ein zentrales Problem bei der Datenintegration, wenn verschiedene Quellen zusammengeführt werden, da jede dieser ersten, zweiten und dritten Datenquellen einen anderen „Identifikator“ für eine Person verwenden kann. Schauen wir uns genauer an, was Entity Resolution ist.

Was ist Entity Resolution?

Untersuchungen zeigen, dass 94 % der Unternehmen mit doppelten Datensätzen derselben Entität zu tun haben und diese in irgendeiner Form auflösen, entweder manuell oder mithilfe von Datenqualitätssoftware. Die Konsolidierung zusammengehöriger Datensätze und deren Zuordnung zu einer einzigen Entität ist von Natur aus komplex, da exakte Übereinstimmungen nur selten vorkommen.

DieEntitätsauflösung ist ein zentraler Datenqualitätsprozess, der dazu dient, Datensätze zu identifizieren, die sich auf dieselbe Entität innerhalb von oder in verschiedenen Datenquellen beziehen. Dies kann zu Deduplizierungs- und Bereinigungszwecken oder zur Anreicherung und Erstellung von Golden Records erfolgen, die Entitätsfragmente in Ihrem Unternehmen aufnehmen und ein einheitliches Entitätsprofil erstellen. Letzteres trifft in diesem Zusammenhang zu: Aufbau einer einheitlichen Kundensicht.

Als Unternehmen haben Sie möglicherweise Dutzende von Datensätzen in Ihren Datenquellen für jeden Kunden. Einige Datensätze können ihre Kaufpräferenzen enthalten, andere demografische Daten, wieder andere umfassendere Kontaktinformationen usw. Und in jedem dieser Datensätze ist der Schlüsselbezeichner ein wenig anders. Vielleicht hat der Kunde einen Spitznamen verwendet, als er Ihre Treueprämienkarte ausfüllte, oder er hat seine persönliche E-Mail-Adresse verwendet, als er sich auf Ihrer Website anmeldete. Unabhängig vom Grund haben Sie es jetzt mit einer Vielzahl von Darstellungen für jeden Kunden zu tun, die in einer Vielzahl von Systemen gespeichert sind.

Verwendung der Entitätsauflösung zur Erstellung einer einzigen Kundenansicht

Nachdem wir nun eine bessere Vorstellung davon haben, was eine einheitliche Kundenansicht ist und wie die primäre Herausforderung gelöst werden kann, lassen Sie uns einen Blick auf die Funktionen werfen, die für die Erstellung einer einheitlichen Ansicht erforderlich sind: Integration, Profiling, Cleansing und Matching.

Integrieren Sie Ihre Datenquellen

Der erste Schritt besteht natürlich in der Identifizierung und Integration Ihrer Daten aus Erst-, Zweit- und Drittanbieter-Datenquellen, die die Kundeninformationen enthalten, die Sie zusammenführen möchten. In welchem Format erhalten Sie Daten von Ihren Partnern und Maklern? Welche Anwendungen oder Datenbanken haben Sie intern im Einsatz? Werden Sie eine Verbindung zu öffentlichen Datenquellen herstellen, und wenn ja, in welchem Format werden Sie diese Listen herunterladen?

Zu den Kundendaten, die Sie zum Aufbau einer echten Einzelkundenansicht benötigen, können gehören:

  • Soziale Medien
  • Transaktionen
  • Interaktionen im Verkaufsteam
  • Firmographien
  • Kundenpräferenzen
  • Aktivitäten im Internet und beim mobilen Surfen
  • Demografische Daten
  • Gefühle
  • Etc.

Erstellen Sie eine Liste von Datenquellen und entwickeln Sie eine Strategie, wie Sie jede dieser Datenquellen integrieren wollen. Vergleichen Sie nun diese Liste mit den Tools, die Sie für die Entitätsauflösung und den Aufbau Ihrer Einzelkundenansicht verwenden möchten. Vergewissern Sie sich, dass jedes dieser Tools perfekt mit Ihren Datenquellen integriert werden kann, egal ob es sich um Ihr CRM, Ihre Social-Media-Plattformen, Buchhaltungsanwendungen oder Big-Data-Seen handelt.

Profilieren und entdecken Sie Ihre Daten

Bei der Integration von Daten aus verschiedenen Quellen in großem Umfang verstehen nur wenige Unternehmen die zugrunde liegenden Daten wirklich. Diese Daten werden in der Regel über Jahre, wenn nicht Jahrzehnte hinweg gesammelt und sind voll von Problemen wie Tippfehlern, Irrelevanz, Unvollständigkeit, Ungenauigkeit und mangelnder Standardisierung. Das Problem der Standardisierung wird noch verschärft, wenn mehrere Quellen zusammenkommen, da jedes System die Daten möglicherweise auf eine völlig andere Weise speichert.

Wenn SieIhre Daten nach der Integration der Quellenprofilieren, erhalten Sie eine Momentaufnahme, die Probleme mit der Datenqualität aufzeigt. Wenn Sie diese Probleme beheben, erzielen Sie bessere Ergebnisse beim Abgleich verschiedener Darstellungen desselben Kunden im letzten Schritt des Prozesses. Durch das Aufschlüsseln und Erstellen von Datenprofilen zu Beginn können Unternehmen die Datenprobleme quantifizieren, auf die sie später stoßen werden.

Erhalten Sie saubere, genaue Daten

Sobald Sie Probleme in Ihren Daten erkannt haben, ist es an der Zeit, sie zu bereinigen und zu standardisieren, um die besten Ergebnisse bei der Entitätsauflösung zu erzielen. Um Ihre Daten zu bereinigen, können Sie Geschäftsregeln einrichten, mit deren Hilfe Sie Rechtschreibfehler, Standardisierungsprobleme, falsch eingegebene Daten usw. erkennen und korrigieren können. Sie sollten bereits wissen, welche Geschäftsregeln zu erstellen sind, wenn Sie ein Profil Ihrer Daten erstellt haben. Denken Sie daran, dass dieser Schritt sehr zeitaufwändig sein kann und viel Liebe zum Detail erfordert. Um schnellere und genauere Ergebnisse zu erzielen, ist eine Datenbereinigungssoftware eine gute Wahl.

Branchenführende Datenbereinigungslösungen bieten in der Regel vorgefertigte Bereinigungs- und Standardisierungsregeln sowie verschiedene andere Funktionen, die eine effiziente Datenbereinigung ermöglichen und gleichzeitig einen besseren Einblick in die Daten Ihres Unternehmens bieten.

Auflösung von Entitäten durchführen

DieStandardisierung Ihrer Daten vor dem Abgleich trägt dazu bei, falsch-negative Ergebnisse zu minimieren und so die Abgleichsraten zu erhöhen. Es ist jetzt an der Zeit, Ihre Spieldefinitionen zu erstellen. Im Idealfall sollten Sie mit der von Ihnen gewählten Software zur Entitätsauflösung die Möglichkeit haben, visuelle Übereinstimmungsdefinitionen zu erstellen, in denen Sie festlegen, was als Übereinstimmung gelten soll und was nicht. Sie können sich die Abgleichskriterien und Abgleichsdefinitionen als AND/OR-SQL-Anweisungen vorstellen. Die Beziehung zwischen den Übereinstimmungsdefinitionen wäre eine UND-Anweisung und die Beziehung zwischen den Übereinstimmungskriterien wäre eine ODER-Anweisung.

Sobald Sie Ihre Abgleichsdefinitionen und -kriterien festgelegt haben, können Sie mit dem Abgleich beginnen:

Wenn Sie eine hochmoderne Software zur Entitätsauflösung verwenden, werden Sie beim Ausführen Ihrer Spiele etwas Ähnliches wie den oben abgebildeten Bildschirm sehen. Einzelne Treffer sollten in Gruppen gepaart werden, die durch eine eindeutige Gruppen-ID gekennzeichnet sind. Sie sollten auch den Spielstand sehen, so dass Sie falsch-positive Ergebnisse schnell aussortieren können.

Nach der Identifizierung der Treffer und der Eliminierung von Fehlalarmen ist es Zeit für den letzten Schritt des Prozesses: Die Auswahl eines Stammsatzes. Unser Ziel ist es ja, eine einzige Kundenansicht zu erstellen, die den saubersten und vollständigsten Datensatz für jeden Kunden enthält. Nachdem Sie nun alle Ihre Datenquellen, die Kundendaten enthalten, abgeglichen haben, ist es an der Zeit, all diese Informationen zusammenzuführen.

Aus den Abgleichsgruppen können Sie auswählen, welche Datensätze und welche Felder zusammengeführt werden sollen, bis Sie einen einzigen, umfassenden Datensatz haben. Sie müssen nicht manuell durch jeden Datensatz gehen; der Prozess kann in DataMatch Enterprise‘ Merge and Survivorship Schritt automatisiert werden.

Schlussfolgerung

Die Einführung einer einheitlichen Kundensicht ist ein wesentlicher Schritt zur Verbesserung der Kundenerfahrung. Durch die Betrachtung der Customer Journey, die Integration von Daten, die Profilerstellung und -bereinigung und den anschließenden Abgleich der Kundenidentitäten mit einer Software zur Entitätsauflösung wie DataMatch Enterprise können Sie die Diskrepanz zwischen Kundenerwartungen und Kundenerfahrungen leichter überbrücken. Das Ergebnis ist eine bessere Kundenbindung, höhere Loyalität, größere Kundenzufriedenheit, verbesserte Prozesseffizienz und ein verbessertes Kundendienst- und Supportniveau.

In this blog, you will find:

Try data matching today

No credit card required

*“ zeigt erforderliche Felder an

Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Dieses Feld dient zur Validierung und sollte nicht verändert werden.

Want to know more?

Check out DME resources

Merging Data from Multiple Sources – Challenges and Solutions

Oops! Wir konnten dein Formular nicht lokalisieren.