{"id":66081,"date":"2021-12-08T09:48:56","date_gmt":"2021-12-08T09:48:56","guid":{"rendered":"https:\/\/dataladder.com\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/"},"modified":"2022-02-24T11:23:01","modified_gmt":"2022-02-24T11:23:01","slug":"datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab","status":"publish","type":"case-studies","link":"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/","title":{"rendered":"Datassential gleicht Kundenanfragen genau mit verschiedenen Einzelhandels- und Speisekartendaten ab"},"content":{"rendered":"\n<h2>Firmenprofil<\/h2>\n\n<p><a href=\"https:\/\/datassential.com\/\" target=\"_blank\" rel=\"noreferrer noopener\">Datassential <\/a>ist ein f\u00fchrendes Marktforschungsunternehmen mit Niederlassungen in Los Angeles und Chicago. Datassential bietet Analysen von Men\u00fctrends, die Entwicklung neuer Produkte und L\u00f6sungen zur Marktgr\u00f6\u00dfenbestimmung f\u00fcr Kunden aus der Gastronomie und dem Einzelhandel. Sie bieten Industriestudien in verschiedenen Produktkategorien an, wie z. B. Lebensmittel und Zutaten (Milchprodukte, Fleisch, Gefl\u00fcgel, Obst und Gem\u00fcse, Brot und Getreide, Getr\u00e4nke, Backwaren, Snacks, Suppen, Gew\u00fcrze und Saucen) sowie Gerichte und Men\u00fcpunkte, die Vorspeisen und Beilagen, Hauptgerichte, Desserts und Getr\u00e4nke umfassen. Das Unternehmen bietet au\u00dferdem Bedarfsanalysen, Konzepttests, praktische Versuche, Verkaufsprognosen und Markenbewertungsprozesse, um fundierte Empfehlungen f\u00fcr die Positionierung und Verbesserung von Marken zu liefern.<\/p>\n\n<h2>Business Use-Case<\/h2>\n\n<p>Als Dienstleister f\u00fcr Millionen von Gastronomiebetrieben in den Vereinigten Staaten stellt Datassential gro\u00dfe Mengen von Men\u00fctrenddaten f\u00fcr die Bed\u00fcrfnisse seiner Kunden zusammen. Von der Ermittlung der am schnellsten wachsenden Burger-Bel\u00e4ge bis hin zu Preistrends f\u00fcr Buffalo Wings bietet Datassential Hunderte von Berichten, die aus gro\u00dfen Datenmengen zusammengestellt werden. Die Zusammenstellung der spezifischen Kundenw\u00fcnsche und deren Abstimmung mit den <a href=\"https:\/\/dataladder.com\/de\/wie-die-adressstandardisierung-eine-entscheidende-rolle-bei-der-analyse-von-kundendaten-spielt\/\" target=\"_blank\" rel=\"noreferrer noopener\">verschiedenen Speisekarten und Restauranttypen<\/a> im ganzen Land erfordert viel Zeit und Ressourcen. Das Unternehmen hatte Microsoft Access zur Organisation seiner Daten verwendet, ben\u00f6tigte aber eine schnellere und effizientere Methode zur Deduplizierung von Daten und zum Abgleich von Informationen nach bestimmten Kategorien.<\/p>\n\n<h2>Unsere L\u00f6sung &amp; Vorteile<\/h2>\n\n<p>DataMatch Enterprise\u2122 bot eine kosteng\u00fcnstige L\u00f6sung f\u00fcr Datassential. Das Unternehmen war in der Lage, mehrere <a href=\"https:\/\/dataladder.com\/de\/datenabgleichssoftware-als-best-in-class-mit-96-match-genauigkeit-bewertet\/\" target=\"_blank\" rel=\"noreferrer noopener\">\u00dcbereinstimmungsdefinitionen<\/a> sehr schnell auszuf\u00fchren und stellte fest, dass die Benutzerfreundlichkeit im Vergleich zu anderen Softwarepaketen auf dem Markt un\u00fcbertroffen ist.<\/p>\n\n<ul><li>Kosteng\u00fcnstige L\u00f6sung<\/li><li>F\u00fchren Sie mehrere Spiele mit sehr hoher Geschwindigkeit durch<\/li><li>Un\u00fcbertroffene Benutzerfreundlichkeit mit anderen L\u00f6sungen<\/li><\/ul>\n\n<p>Mithilfe der Fuzzy-Matching- und <a href=\"https:\/\/dataladder.com\/de\/die-angst-vor-doppelten-daten-ein-leitfaden-zur-datendeduplizierung\/\" target=\"_blank\" rel=\"noreferrer noopener\">Deduplizierungsfunktionen <\/a>von DataMatch Enterprise\u2122 konnte das Unternehmen seine Kundenanfragen und -bed\u00fcrfnisse schnell mit seinen Datenbanken abgleichen und doppelte Eintr\u00e4ge effizienter entfernen.<\/p>\n\n<p>Au\u00dferdem konnten sie ihre Arbeitsstunden erheblich reduzieren und die Genauigkeit verbessern.<\/p>\n\n<blockquote class=\"wp-block-quote has-text-align-center\"><p><strong>&#8222;Uns gefiel die F\u00e4higkeit des Produkts, die Daten so zu kategorisieren, wie wir sie brauchen, und die Vielseitigkeit, mit der es das tut.<\/strong><\/p><cite>&#8211; <strong>Becky Farmer &#8211; Senior Manager, Spezielle Datenprojekte<\/strong><\/cite><\/blockquote>\n\n<h2>\u00dcber DataMatch Enterprise<\/h2>\n\n<p>DataMatch Enterprise ist eine benutzerfreundliche und leistungsstarke Software, die Gesch\u00e4ftsanwendern in vielen Branchen hilft, ihre Daten effektiver zu verwalten und ihr Ergebnis zu verbessern. Unser unternehmenstaugliches Matching-Tool findet in 15 verschiedenen Studien nachweislich 5-12 % mehr \u00dcbereinstimmungen als die f\u00fchrenden Softwareunternehmen IBM und SAS. Lassen Sie Data Ladder Ihr Partner f\u00fcr Ihre n\u00e4chste Marketingkampagne sein. Steigern Sie Ihren Umsatz, indem Sie Datenbereinigungsdienste \u00fcber DataMatch\u2122 anbieten.<\/p>\n\n<p>Um DataMatch Enterprise f\u00fcr Ihre Bed\u00fcrfnisse zu nutzen, klicken Sie auf <a href=\"https:\/\/dataladder.com\/de\/kontaktieren-sie-uns-datenleiter\/\" target=\"_blank\" rel=\"noreferrer noopener\">Kontakt <\/a>oder Testversion herunterladen.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Firmenprofil Datassential ist ein f\u00fchrendes Marktforschungsunternehmen mit Niederlassungen in Los Angeles und Chicago. Datassential bietet Analysen von Men\u00fctrends, die Entwicklung neuer Produkte und L\u00f6sungen zur Marktgr\u00f6\u00dfenbestimmung f\u00fcr Kunden aus der Gastronomie und dem Einzelhandel. Sie bieten Industriestudien in verschiedenen Produktkategorien an, wie z. B. Lebensmittel und Zutaten (Milchprodukte, Fleisch, Gefl\u00fcgel, Obst und Gem\u00fcse, Brot und [&hellip;]<\/p>\n","protected":false},"featured_media":61001,"template":"","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[],"tags":[],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Kundenerfolgsgeschichte | Datassential - Data Ladder<\/title>\n<meta name=\"description\" content=\"Lesen Sie, wie DataMatch Enterprise von Data Ladder Datassential geholfen hat, Kundenanfragen mit verschiedenen Lebensmittel- und Einzelhandelsdaten genau abzugleichen und zu deduplizieren.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Kundenerfolgsgeschichte | Datassential - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Lesen Sie, wie DataMatch Enterprise von Data Ladder Datassential geholfen hat, Kundenanfragen mit verschiedenen Lebensmittel- und Einzelhandelsdaten genau abzugleichen und zu deduplizieren.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/\" \/>\n<meta property=\"og:site_name\" content=\"Data Ladder\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/web.facebook.com\/DataLadderSoftware\" \/>\n<meta property=\"article:modified_time\" content=\"2022-02-24T11:23:01+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/08\/Group-42313.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1440\" \/>\n\t<meta property=\"og:image:height\" content=\"538\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data1\" content=\"2 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/\",\"url\":\"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/\",\"name\":\"Kundenerfolgsgeschichte | Datassential - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/de\/#website\"},\"datePublished\":\"2021-12-08T09:48:56+00:00\",\"dateModified\":\"2022-02-24T11:23:01+00:00\",\"description\":\"Lesen Sie, wie DataMatch Enterprise von Data Ladder Datassential geholfen hat, Kundenanfragen mit verschiedenen Lebensmittel- und Einzelhandelsdaten genau abzugleichen und zu deduplizieren.\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Datassential gleicht Kundenanfragen genau mit verschiedenen Einzelhandels- und Speisekartendaten ab\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/dataladder.com\/de\/#website\",\"url\":\"https:\/\/dataladder.com\/de\/\",\"name\":\"Data Ladder\",\"description\":\"Enterprise Data Profiling, Cleansing, and Matching\",\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/dataladder.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/dataladder.com\/de\/#organization\",\"name\":\"Data Ladder\",\"url\":\"https:\/\/dataladder.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"contentUrl\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"width\":413,\"height\":408,\"caption\":\"Data Ladder\"},\"image\":{\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/dataladder-llc\/\",\"https:\/\/web.facebook.com\/DataLadderSoftware\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Kundenerfolgsgeschichte | Datassential - Data Ladder","description":"Lesen Sie, wie DataMatch Enterprise von Data Ladder Datassential geholfen hat, Kundenanfragen mit verschiedenen Lebensmittel- und Einzelhandelsdaten genau abzugleichen und zu deduplizieren.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/","og_locale":"de_DE","og_type":"article","og_title":"Kundenerfolgsgeschichte | Datassential - Data Ladder","og_description":"Lesen Sie, wie DataMatch Enterprise von Data Ladder Datassential geholfen hat, Kundenanfragen mit verschiedenen Lebensmittel- und Einzelhandelsdaten genau abzugleichen und zu deduplizieren.","og_url":"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_modified_time":"2022-02-24T11:23:01+00:00","og_image":[{"width":1440,"height":538,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/08\/Group-42313.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Gesch\u00e4tzte Lesezeit":"2 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/","url":"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/","name":"Kundenerfolgsgeschichte | Datassential - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/de\/#website"},"datePublished":"2021-12-08T09:48:56+00:00","dateModified":"2022-02-24T11:23:01+00:00","description":"Lesen Sie, wie DataMatch Enterprise von Data Ladder Datassential geholfen hat, Kundenanfragen mit verschiedenen Lebensmittel- und Einzelhandelsdaten genau abzugleichen und zu deduplizieren.","breadcrumb":{"@id":"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/de\/case-studies\/datassential-gleicht-kundenanfragen-genau-mit-verschiedenen-einzelhandels-und-speisekartendaten-ab\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/de\/"},{"@type":"ListItem","position":2,"name":"Datassential gleicht Kundenanfragen genau mit verschiedenen Einzelhandels- und Speisekartendaten ab"}]},{"@type":"WebSite","@id":"https:\/\/dataladder.com\/de\/#website","url":"https:\/\/dataladder.com\/de\/","name":"Data Ladder","description":"Enterprise Data Profiling, Cleansing, and Matching","publisher":{"@id":"https:\/\/dataladder.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dataladder.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Organization","@id":"https:\/\/dataladder.com\/de\/#organization","name":"Data Ladder","url":"https:\/\/dataladder.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","contentUrl":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","width":413,"height":408,"caption":"Data Ladder"},"image":{"@id":"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/dataladder-llc\/","https:\/\/web.facebook.com\/DataLadderSoftware"]}]}},"_links":{"self":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/case-studies\/66081"}],"collection":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/case-studies"}],"about":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/types\/case-studies"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/media\/61001"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/media?parent=66081"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/categories?post=66081"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/tags?post=66081"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}