Was ist Datenabgleich?<\/strong><\/h2>\n\n\n\nDatenabgleich – auch bekannt als Datensatzverkn\u00fcpfung und Entit\u00e4tsaufl\u00f6sung<\/a> – bezieht sich auf die Aufgabe, zwei scheinbar unterschiedliche Datens\u00e4tze \u00fcber mehrere Datenquellen hinweg als ein und derselbe zu identifizieren und zuzuordnen.<\/p>\n\n\n\nDurch die Suche nach genaueren \u00dcbereinstimmungen k\u00f6nnen Unternehmen doppelte Datens\u00e4tze leichter erkennen und diese entweder zusammenf\u00fchren. W\u00e4hlen Sie einen Stammsatz aus und verwerfen Sie die anderen identischen Eintr\u00e4ge. Identifizieren Sie auch m\u00f6gliche \u00dcbereinstimmungen, die in Wirklichkeit verschiedene Entit\u00e4ten sind. <\/p>\n\n\n\n
Aus diesem Grund wird der Datenabgleich als die wichtigste Funktion nach der Profilerstellung, der Bereinigung und den Standardisierungsaktivit\u00e4ten angesehen.<\/p>\n\n\n\n
Auf diese Weise erm\u00f6glicht der Datenabgleich den Unternehmen einen vollst\u00e4ndigeren \u00dcberblick \u00fcber jede Einheit. Kunden, Studenten, Patienten usw. – indem sie doppelte Werte ausschlie\u00dft und sicherstellt, dass die in ihren Informationssystemen gespeicherten Daten sauber und genau sind.<\/p>\n\n\n\n
Wie funktioniert der Datenabgleich?<\/strong><\/h2>\n\n\n\nDerDatenabgleich<\/a> st\u00fctzt sich auf mehrere Algorithmen, um Datens\u00e4tze zu analysieren und \u00dcbereinstimmungen mit \u00e4hnlichen Eintr\u00e4gen zu finden. Der genaue Ansatz f\u00fcr den Datenabgleich ist jedoch unterschiedlich, je nachdem, ob es sich um einen deterministischen oder einen probabilistischen Abgleich handelt.<\/p>\n\n\n\nBeim deterministischen Abgleich werden \u00dcbereinstimmungen danach ermittelt, wie genau zwei oder mehr Eintr\u00e4ge sind; auf einer 0- oder 1-Basis. Die Algorithmen verwenden festgelegte Regeln und Muster, um die Punktzahl zu bestimmen und eine \u00dcbereinstimmung zu ermitteln.<\/p>\n\n\n\n
Beim probabilistischen Abgleich hingegen werden \u00dcbereinstimmungen auf der Grundlage einer Trefferquote oberhalb eines bestimmten Schwellenwerts zwischen 0 und 1 ermittelt. <\/p>\n\n\n\n
Fuzzy-Logik-Algorithmen wie Jaro-Wrinkler ermitteln Wahrscheinlichkeiten auf der Grundlage von Assoziationen und Gewichtungen eindeutiger Identifizierungsdaten (Werte, die sich im Laufe der Zeit nicht \u00e4ndern. Wie z. B. Sozialversicherungsnummer und Geburtsdatum). Und um festzustellen, inwieweit ein bestimmter Datensatz mit anderen Datens\u00e4tzen \u00fcbereinstimmt.<\/p>\n\n\n\n
Wie wird der Datenabgleich in verschiedenen Branchen angewendet?<\/strong><\/h2>\n\n\n\nObwohl das Ergebnis des Datenabgleichs darin besteht, genauere und eindeutige Datens\u00e4tze aus mehreren \u00e4hnlichen Datens\u00e4tzen zu finden. Die Anwendung ist von Branche zu Branche unterschiedlich. Hier ein genauer Blick darauf, wie der Datenabgleich in verschiedenen Kontexten angewendet wird:<\/p>\n\n\n\n
- Regierung und \u00f6ffentlicher Sektor: <\/strong>Bundesbeh\u00f6rden und \u00f6ffentliche Einrichtungen verlassen sich auf die Aufl\u00f6sung von Entit\u00e4ten durch die Pr\u00fcfung von PII-Daten wie SSN, Pass- und Lizenznummern, um Betrug aufzudecken und Compliance-Standards zu erf\u00fcllen. Und f\u00fchren politische Analysen durch.
Ein Beispiel hierf\u00fcr ist das Justizministerium (DOJ), das mehrere tausend FOIA-Antr\u00e4ge bearbeitet. Jeder dieser Punkte muss richtig interpretiert und dem Antragsteller mitgeteilt werden. Und gr\u00fcndlich recherchiert.
Durch den Datenabgleich konnte die Beh\u00f6rde Duplikate identifizieren und ein Feld von 4 Millionen auf 3 Millionen Datens\u00e4tze reduzieren. Diese wurden nach der Filterung weiter auf 4.000 Datens\u00e4tze reduziert. Die gesamte Deduplizierung dauerte nur vier Stunden, was bei manueller Durchf\u00fchrung mehrere Wochen gedauert h\u00e4tte.<\/li>- Bildung: <\/strong>Abgleich von Daten aus unterschiedlichen Quellen, wie z. B. demografische Informationen von Sch\u00fclern und Lehrern, um die Leistung von Sch\u00fclern zu messen. Unterscheiden Sie erfolgreiche von erfolglosen Unterrichtsmethoden, analysieren Sie Ver\u00e4nderungen in der Note. Ermittlung politischer Initiativen anhand von SLDS-Daten.<\/li><\/ul>\n\n\n\n
Ein Staat f\u00fchrte ein Programm zur Verkn\u00fcpfung von Datens\u00e4tzen mit einer Stichprobe durch und wertete die Anzahl der Studenten aus, die in einem Jahr eine postsekund\u00e4re Ausbildung in einer bestimmten Stadt besuchten. Die Stichprobe ergab, dass mit dem alten Programm 22 Prozent der 5.344 Sch\u00fcler in dieser Stadt ein Hochschulstudium absolviert hatten. <\/p>\n\n\n\n
Mit der Datenabgleichsl\u00f6sung von Data Ladder stieg diese Zahl auf fast 41 Prozent. Das ist fast das Doppelte der ersten Zahl. Weitere Informationen finden Sie in der SLDS-Fallstudie.<\/a><\/p>\n\n\n\n- Bank- und Finanzwesen: <\/strong>Banken und Finanzdienstleistungsinstitute nutzen den Datenabgleich zur Identifizierung von T\u00e4tern im Rahmen von Initiativen zur Bek\u00e4mpfung der Geldw\u00e4sche, zur Erf\u00fcllung von KYC-Anforderungen oder zur Durchf\u00fchrung von FICO-Kreditw\u00fcrdigkeitspr\u00fcfungen.<\/li><\/ul>\n\n\n\n
Die Bell Bank f\u00fchrte einen Datenabgleich mit DataMatch Enterprise durch, um eine einheitliche, konsolidierte Sicht auf ihre Kunden und Lieferanten zu erhalten, die \u00fcber mehrere Dienstleistungsbereiche verteilt sind. Vom Ruhestand zur Verm\u00f6gensverwaltung. <\/p>\n\n\n\n
Durch den Abgleich war die Bell Bank in der Lage, den Weg eines jeden Kunden durch die verschiedenen Bankdienstleistungen zu finden und zu verfolgen und die Betriebskosten zu senken. Weitere Informationen finden Sie in der Fallstudie der Bell Bank<\/a>.<\/p>\n\n\n\n- Gesundheitswesen: <\/strong>Organisationen des Gesundheitswesens nutzen den Patientenabgleich zwischen mehreren EHR-Datens\u00e4tzen und Datenbanken \u00fcber eindeutige Identifikatoren wie ONC, USPS und CAQH f\u00fcr eine einzige Patientenansicht, um die richtige Diagnose zu ermitteln und die richtigen Medikamente zu verschreiben.<\/li><\/ul>\n\n\n\n
St. John Associates nutzte die Datenbereinigung und den Datenabgleich, um die Deduplizierung von Bewerberdatens\u00e4tzen zu skalieren. Das erspart ihnen Hunderte von Stunden, die sie mit dem Bereinigen und Abgleichen von Unterlagen verbringen. Klicken Sie hier<\/a> f\u00fcr weitere Informationen.<\/p>\n\n\n\n- Vertrieb und Marketing: <\/strong>Unternehmen m\u00fcssen h\u00e4ufig \u00dcbereinstimmungen finden, um doppelte und fehlerhafte Kontakte in CRM- und relationalen Datenbanken zu entfernen. Die daraus resultierende einheitliche Kundensicht erm\u00f6glicht es Unternehmen, Upsell- und Cross-Sell-Aktivit\u00e4ten zu verbessern und Omnichannel-Marketingkampagnen zu optimieren. Und den Marketing-ROI erh\u00f6hen.<\/li><\/ul>\n\n\n\n
TurnKey Auto Events – ein Marketingdienstleister f\u00fcr Autoh\u00e4ndler – wollte die Verk\u00e4ufe von Autohauspartnern mit Kundenkontakten abgleichen, um Verkaufsguthaben zu erhalten. <\/p>\n\n\n\n
Mithilfe von DataMatch Enterprise wurden Datens\u00e4tze aus verschiedenen Quellen abgeglichen, um eine konsolidierte, einheitliche Sicht auf potenzielle Autoverk\u00e4ufe zu erstellen. Und entfernen Sie dabei in k\u00fcrzester Zeit Duplikate und bereinigte Datens\u00e4tze. Weitere Informationen finden Sie in der Fallstudie zu TurnKey Auto Events<\/a>.<\/p>\n\n\n\nVorteile des Datenabgleichs<\/strong><\/h2>\n\n\n\nEin robustes Datenabgleichswerkzeug<\/a> als Teil Ihres Datenqualit\u00e4tsmanagements kann eine Vielzahl von Vorteilen mit sich bringen, wie z. B:<\/span><\/p>\n\n\n\n1. Erstellen Sie „goldene“ Datens\u00e4tze f\u00fcr die nachgelagerte Verwendung<\/span><\/h3>\n\n\n\n![\"Data](\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/05\/Data-Matching_DME-Data-Profile-Graphic-copy-1024x327.png\")
<\/h2>\n\n\n\n
Datenabgleich und -bereinigung<\/span><\/a> Software hilft bei der Identifizierung, dem Abgleich und der Zusammenf\u00fchrung von Datens\u00e4tzen, die in verschiedenen Informationssystemen gespeichert sind, um die Daten zu konsolidieren und eine einheitliche Kundenansicht zu erstellen. Einige Datenfelder, wie Name, Telefonnummer, Adresse usw., sind in den meisten Anwendungen gleich. Einige Systeme nutzen Tracking-Technologien, um tiefere Einblicke in die Kunden zu erhalten.<\/span><\/p>\n\n\n\nSo sind beispielsweise die mit Marketing-Automatisierungstools wie Hubspot und Marketo gesammelten Daten in der Regel umfassend. Bereitstellung eines vollst\u00e4ndigen Verlaufs der Interaktion eines potenziellen Kunden mit Ihrem Unternehmen \u00fcber das Internet.<\/span><\/p>\n\n\n\n Besucht derselbe Kunde dagegen die Verkaufsstelle des Unternehmens pers\u00f6nlich. Die Menge der Daten, die der Vertreter sammeln und in das CRM-System eingeben w\u00fcrde, umfasst weniger Details. Auch hier besteht die M\u00f6glichkeit, dass die Informationen aufgrund menschlicher Fehler nicht \u00fcbereinstimmen.<\/span><\/p>\n\n\n\nMit dem Datenabgleich k\u00f6nnen Unternehmen \u00fcber eine einzige Quelle der Wahrheit verf\u00fcgen – die in verschiedenen Datenbanken und Datens\u00e4tzen vorhandenen Daten werden abgeglichen und konsolidiert. Und zu einem Stammdatensatz oder „goldenen“ Datensatz zusammengef\u00fchrt, der alle Informationen enth\u00e4lt, die Sie zu einem bestimmten Lead, Interessenten oder Kunden haben. <\/span><\/p>\n\n\n\nMit einer vollst\u00e4ndigen Kundensicht k\u00f6nnen Sie Ihre Marketing- und Vertriebsstrategien besser aufeinander abstimmen. Sie haben Zugang zu konkreten Erkenntnissen f\u00fcr Berichte und Analysen. Und letztlich fundierte Gesch\u00e4ftsentscheidungen f\u00fcr einen h\u00f6heren ROI und Unternehmenswachstum zu treffen.<\/span><\/p>\n\n\n\n2. Arbeiten Sie mit sauberen Daten, denen Sie vertrauen k\u00f6nnen<\/span><\/h3>\n\n\n\nUnternehmen nutzen ein weites Netz von Informationssystemen und Anwendungen, die eng miteinander verkn\u00fcpft sind und die interne Dateninfrastruktur bilden. <\/span><\/p>\n\n\n\nDa Verbraucherdaten \u00fcber verschiedene Kommunikationskan\u00e4le gesammelt werden. Es besteht eine hohe Wahrscheinlichkeit, dass die \u00fcber verschiedene Medien eingegebenen Informationen nicht \u00fcbereinstimmen. <\/span><\/p>\n\n\n\nNehmen wir einen potenziellen Kandidaten, James O’Quinn, der in North Carolina lebt und bei Fiserv arbeitet. Er klickt auf eine Ihrer Google-Anzeigen<\/a> und besucht eine Landing Page, auf der ein White Paper angeboten wird. Er f\u00fcllt das Kontaktformular mit den folgenden Angaben aus:<\/span><\/p>\n\n\n\n
Durch die Suche nach genaueren \u00dcbereinstimmungen k\u00f6nnen Unternehmen doppelte Datens\u00e4tze leichter erkennen und diese entweder zusammenf\u00fchren. W\u00e4hlen Sie einen Stammsatz aus und verwerfen Sie die anderen identischen Eintr\u00e4ge. Identifizieren Sie auch m\u00f6gliche \u00dcbereinstimmungen, die in Wirklichkeit verschiedene Entit\u00e4ten sind. <\/p>\n\n\n\n
Aus diesem Grund wird der Datenabgleich als die wichtigste Funktion nach der Profilerstellung, der Bereinigung und den Standardisierungsaktivit\u00e4ten angesehen.<\/p>\n\n\n\n
Auf diese Weise erm\u00f6glicht der Datenabgleich den Unternehmen einen vollst\u00e4ndigeren \u00dcberblick \u00fcber jede Einheit. Kunden, Studenten, Patienten usw. – indem sie doppelte Werte ausschlie\u00dft und sicherstellt, dass die in ihren Informationssystemen gespeicherten Daten sauber und genau sind.<\/p>\n\n\n\n
Wie funktioniert der Datenabgleich?<\/strong><\/h2>\n\n\n\nDerDatenabgleich<\/a> st\u00fctzt sich auf mehrere Algorithmen, um Datens\u00e4tze zu analysieren und \u00dcbereinstimmungen mit \u00e4hnlichen Eintr\u00e4gen zu finden. Der genaue Ansatz f\u00fcr den Datenabgleich ist jedoch unterschiedlich, je nachdem, ob es sich um einen deterministischen oder einen probabilistischen Abgleich handelt.<\/p>\n\n\n\nBeim deterministischen Abgleich werden \u00dcbereinstimmungen danach ermittelt, wie genau zwei oder mehr Eintr\u00e4ge sind; auf einer 0- oder 1-Basis. Die Algorithmen verwenden festgelegte Regeln und Muster, um die Punktzahl zu bestimmen und eine \u00dcbereinstimmung zu ermitteln.<\/p>\n\n\n\n
Beim probabilistischen Abgleich hingegen werden \u00dcbereinstimmungen auf der Grundlage einer Trefferquote oberhalb eines bestimmten Schwellenwerts zwischen 0 und 1 ermittelt. <\/p>\n\n\n\n
Fuzzy-Logik-Algorithmen wie Jaro-Wrinkler ermitteln Wahrscheinlichkeiten auf der Grundlage von Assoziationen und Gewichtungen eindeutiger Identifizierungsdaten (Werte, die sich im Laufe der Zeit nicht \u00e4ndern. Wie z. B. Sozialversicherungsnummer und Geburtsdatum). Und um festzustellen, inwieweit ein bestimmter Datensatz mit anderen Datens\u00e4tzen \u00fcbereinstimmt.<\/p>\n\n\n\n
Wie wird der Datenabgleich in verschiedenen Branchen angewendet?<\/strong><\/h2>\n\n\n\nObwohl das Ergebnis des Datenabgleichs darin besteht, genauere und eindeutige Datens\u00e4tze aus mehreren \u00e4hnlichen Datens\u00e4tzen zu finden. Die Anwendung ist von Branche zu Branche unterschiedlich. Hier ein genauer Blick darauf, wie der Datenabgleich in verschiedenen Kontexten angewendet wird:<\/p>\n\n\n\n
- Regierung und \u00f6ffentlicher Sektor: <\/strong>Bundesbeh\u00f6rden und \u00f6ffentliche Einrichtungen verlassen sich auf die Aufl\u00f6sung von Entit\u00e4ten durch die Pr\u00fcfung von PII-Daten wie SSN, Pass- und Lizenznummern, um Betrug aufzudecken und Compliance-Standards zu erf\u00fcllen. Und f\u00fchren politische Analysen durch.
Ein Beispiel hierf\u00fcr ist das Justizministerium (DOJ), das mehrere tausend FOIA-Antr\u00e4ge bearbeitet. Jeder dieser Punkte muss richtig interpretiert und dem Antragsteller mitgeteilt werden. Und gr\u00fcndlich recherchiert.
Durch den Datenabgleich konnte die Beh\u00f6rde Duplikate identifizieren und ein Feld von 4 Millionen auf 3 Millionen Datens\u00e4tze reduzieren. Diese wurden nach der Filterung weiter auf 4.000 Datens\u00e4tze reduziert. Die gesamte Deduplizierung dauerte nur vier Stunden, was bei manueller Durchf\u00fchrung mehrere Wochen gedauert h\u00e4tte.<\/li>- Bildung: <\/strong>Abgleich von Daten aus unterschiedlichen Quellen, wie z. B. demografische Informationen von Sch\u00fclern und Lehrern, um die Leistung von Sch\u00fclern zu messen. Unterscheiden Sie erfolgreiche von erfolglosen Unterrichtsmethoden, analysieren Sie Ver\u00e4nderungen in der Note. Ermittlung politischer Initiativen anhand von SLDS-Daten.<\/li><\/ul>\n\n\n\n
Ein Staat f\u00fchrte ein Programm zur Verkn\u00fcpfung von Datens\u00e4tzen mit einer Stichprobe durch und wertete die Anzahl der Studenten aus, die in einem Jahr eine postsekund\u00e4re Ausbildung in einer bestimmten Stadt besuchten. Die Stichprobe ergab, dass mit dem alten Programm 22 Prozent der 5.344 Sch\u00fcler in dieser Stadt ein Hochschulstudium absolviert hatten. <\/p>\n\n\n\n
Mit der Datenabgleichsl\u00f6sung von Data Ladder stieg diese Zahl auf fast 41 Prozent. Das ist fast das Doppelte der ersten Zahl. Weitere Informationen finden Sie in der SLDS-Fallstudie.<\/a><\/p>\n\n\n\n- Bank- und Finanzwesen: <\/strong>Banken und Finanzdienstleistungsinstitute nutzen den Datenabgleich zur Identifizierung von T\u00e4tern im Rahmen von Initiativen zur Bek\u00e4mpfung der Geldw\u00e4sche, zur Erf\u00fcllung von KYC-Anforderungen oder zur Durchf\u00fchrung von FICO-Kreditw\u00fcrdigkeitspr\u00fcfungen.<\/li><\/ul>\n\n\n\n
Die Bell Bank f\u00fchrte einen Datenabgleich mit DataMatch Enterprise durch, um eine einheitliche, konsolidierte Sicht auf ihre Kunden und Lieferanten zu erhalten, die \u00fcber mehrere Dienstleistungsbereiche verteilt sind. Vom Ruhestand zur Verm\u00f6gensverwaltung. <\/p>\n\n\n\n
Durch den Abgleich war die Bell Bank in der Lage, den Weg eines jeden Kunden durch die verschiedenen Bankdienstleistungen zu finden und zu verfolgen und die Betriebskosten zu senken. Weitere Informationen finden Sie in der Fallstudie der Bell Bank<\/a>.<\/p>\n\n\n\n- Gesundheitswesen: <\/strong>Organisationen des Gesundheitswesens nutzen den Patientenabgleich zwischen mehreren EHR-Datens\u00e4tzen und Datenbanken \u00fcber eindeutige Identifikatoren wie ONC, USPS und CAQH f\u00fcr eine einzige Patientenansicht, um die richtige Diagnose zu ermitteln und die richtigen Medikamente zu verschreiben.<\/li><\/ul>\n\n\n\n
St. John Associates nutzte die Datenbereinigung und den Datenabgleich, um die Deduplizierung von Bewerberdatens\u00e4tzen zu skalieren. Das erspart ihnen Hunderte von Stunden, die sie mit dem Bereinigen und Abgleichen von Unterlagen verbringen. Klicken Sie hier<\/a> f\u00fcr weitere Informationen.<\/p>\n\n\n\n- Vertrieb und Marketing: <\/strong>Unternehmen m\u00fcssen h\u00e4ufig \u00dcbereinstimmungen finden, um doppelte und fehlerhafte Kontakte in CRM- und relationalen Datenbanken zu entfernen. Die daraus resultierende einheitliche Kundensicht erm\u00f6glicht es Unternehmen, Upsell- und Cross-Sell-Aktivit\u00e4ten zu verbessern und Omnichannel-Marketingkampagnen zu optimieren. Und den Marketing-ROI erh\u00f6hen.<\/li><\/ul>\n\n\n\n
TurnKey Auto Events – ein Marketingdienstleister f\u00fcr Autoh\u00e4ndler – wollte die Verk\u00e4ufe von Autohauspartnern mit Kundenkontakten abgleichen, um Verkaufsguthaben zu erhalten. <\/p>\n\n\n\n
Mithilfe von DataMatch Enterprise wurden Datens\u00e4tze aus verschiedenen Quellen abgeglichen, um eine konsolidierte, einheitliche Sicht auf potenzielle Autoverk\u00e4ufe zu erstellen. Und entfernen Sie dabei in k\u00fcrzester Zeit Duplikate und bereinigte Datens\u00e4tze. Weitere Informationen finden Sie in der Fallstudie zu TurnKey Auto Events<\/a>.<\/p>\n\n\n\nVorteile des Datenabgleichs<\/strong><\/h2>\n\n\n\nEin robustes Datenabgleichswerkzeug<\/a> als Teil Ihres Datenqualit\u00e4tsmanagements kann eine Vielzahl von Vorteilen mit sich bringen, wie z. B:<\/span><\/p>\n\n\n\n1. Erstellen Sie „goldene“ Datens\u00e4tze f\u00fcr die nachgelagerte Verwendung<\/span><\/h3>\n\n\n\n<\/h2>\n\n\n\n
Datenabgleich und -bereinigung<\/span><\/a> Software hilft bei der Identifizierung, dem Abgleich und der Zusammenf\u00fchrung von Datens\u00e4tzen, die in verschiedenen Informationssystemen gespeichert sind, um die Daten zu konsolidieren und eine einheitliche Kundenansicht zu erstellen. Einige Datenfelder, wie Name, Telefonnummer, Adresse usw., sind in den meisten Anwendungen gleich. Einige Systeme nutzen Tracking-Technologien, um tiefere Einblicke in die Kunden zu erhalten.<\/span><\/p>\n\n\n\nSo sind beispielsweise die mit Marketing-Automatisierungstools wie Hubspot und Marketo gesammelten Daten in der Regel umfassend. Bereitstellung eines vollst\u00e4ndigen Verlaufs der Interaktion eines potenziellen Kunden mit Ihrem Unternehmen \u00fcber das Internet.<\/span><\/p>\n\n\n\n Besucht derselbe Kunde dagegen die Verkaufsstelle des Unternehmens pers\u00f6nlich. Die Menge der Daten, die der Vertreter sammeln und in das CRM-System eingeben w\u00fcrde, umfasst weniger Details. Auch hier besteht die M\u00f6glichkeit, dass die Informationen aufgrund menschlicher Fehler nicht \u00fcbereinstimmen.<\/span><\/p>\n\n\n\nMit dem Datenabgleich k\u00f6nnen Unternehmen \u00fcber eine einzige Quelle der Wahrheit verf\u00fcgen – die in verschiedenen Datenbanken und Datens\u00e4tzen vorhandenen Daten werden abgeglichen und konsolidiert. Und zu einem Stammdatensatz oder „goldenen“ Datensatz zusammengef\u00fchrt, der alle Informationen enth\u00e4lt, die Sie zu einem bestimmten Lead, Interessenten oder Kunden haben. <\/span><\/p>\n\n\n\nMit einer vollst\u00e4ndigen Kundensicht k\u00f6nnen Sie Ihre Marketing- und Vertriebsstrategien besser aufeinander abstimmen. Sie haben Zugang zu konkreten Erkenntnissen f\u00fcr Berichte und Analysen. Und letztlich fundierte Gesch\u00e4ftsentscheidungen f\u00fcr einen h\u00f6heren ROI und Unternehmenswachstum zu treffen.<\/span><\/p>\n\n\n\n2. Arbeiten Sie mit sauberen Daten, denen Sie vertrauen k\u00f6nnen<\/span><\/h3>\n\n\n\nUnternehmen nutzen ein weites Netz von Informationssystemen und Anwendungen, die eng miteinander verkn\u00fcpft sind und die interne Dateninfrastruktur bilden. <\/span><\/p>\n\n\n\nDa Verbraucherdaten \u00fcber verschiedene Kommunikationskan\u00e4le gesammelt werden. Es besteht eine hohe Wahrscheinlichkeit, dass die \u00fcber verschiedene Medien eingegebenen Informationen nicht \u00fcbereinstimmen. <\/span><\/p>\n\n\n\nNehmen wir einen potenziellen Kandidaten, James O’Quinn, der in North Carolina lebt und bei Fiserv arbeitet. Er klickt auf eine Ihrer Google-Anzeigen<\/a> und besucht eine Landing Page, auf der ein White Paper angeboten wird. Er f\u00fcllt das Kontaktformular mit den folgenden Angaben aus:<\/span><\/p>\n\n\n\n
Beim deterministischen Abgleich werden \u00dcbereinstimmungen danach ermittelt, wie genau zwei oder mehr Eintr\u00e4ge sind; auf einer 0- oder 1-Basis. Die Algorithmen verwenden festgelegte Regeln und Muster, um die Punktzahl zu bestimmen und eine \u00dcbereinstimmung zu ermitteln.<\/p>\n\n\n\n
Beim probabilistischen Abgleich hingegen werden \u00dcbereinstimmungen auf der Grundlage einer Trefferquote oberhalb eines bestimmten Schwellenwerts zwischen 0 und 1 ermittelt. <\/p>\n\n\n\n
Fuzzy-Logik-Algorithmen wie Jaro-Wrinkler ermitteln Wahrscheinlichkeiten auf der Grundlage von Assoziationen und Gewichtungen eindeutiger Identifizierungsdaten (Werte, die sich im Laufe der Zeit nicht \u00e4ndern. Wie z. B. Sozialversicherungsnummer und Geburtsdatum). Und um festzustellen, inwieweit ein bestimmter Datensatz mit anderen Datens\u00e4tzen \u00fcbereinstimmt.<\/p>\n\n\n\n
Wie wird der Datenabgleich in verschiedenen Branchen angewendet?<\/strong><\/h2>\n\n\n\nObwohl das Ergebnis des Datenabgleichs darin besteht, genauere und eindeutige Datens\u00e4tze aus mehreren \u00e4hnlichen Datens\u00e4tzen zu finden. Die Anwendung ist von Branche zu Branche unterschiedlich. Hier ein genauer Blick darauf, wie der Datenabgleich in verschiedenen Kontexten angewendet wird:<\/p>\n\n\n\n
- Regierung und \u00f6ffentlicher Sektor: <\/strong>Bundesbeh\u00f6rden und \u00f6ffentliche Einrichtungen verlassen sich auf die Aufl\u00f6sung von Entit\u00e4ten durch die Pr\u00fcfung von PII-Daten wie SSN, Pass- und Lizenznummern, um Betrug aufzudecken und Compliance-Standards zu erf\u00fcllen. Und f\u00fchren politische Analysen durch.
Ein Beispiel hierf\u00fcr ist das Justizministerium (DOJ), das mehrere tausend FOIA-Antr\u00e4ge bearbeitet. Jeder dieser Punkte muss richtig interpretiert und dem Antragsteller mitgeteilt werden. Und gr\u00fcndlich recherchiert.
Durch den Datenabgleich konnte die Beh\u00f6rde Duplikate identifizieren und ein Feld von 4 Millionen auf 3 Millionen Datens\u00e4tze reduzieren. Diese wurden nach der Filterung weiter auf 4.000 Datens\u00e4tze reduziert. Die gesamte Deduplizierung dauerte nur vier Stunden, was bei manueller Durchf\u00fchrung mehrere Wochen gedauert h\u00e4tte.<\/li>- Bildung: <\/strong>Abgleich von Daten aus unterschiedlichen Quellen, wie z. B. demografische Informationen von Sch\u00fclern und Lehrern, um die Leistung von Sch\u00fclern zu messen. Unterscheiden Sie erfolgreiche von erfolglosen Unterrichtsmethoden, analysieren Sie Ver\u00e4nderungen in der Note. Ermittlung politischer Initiativen anhand von SLDS-Daten.<\/li><\/ul>\n\n\n\n
Ein Staat f\u00fchrte ein Programm zur Verkn\u00fcpfung von Datens\u00e4tzen mit einer Stichprobe durch und wertete die Anzahl der Studenten aus, die in einem Jahr eine postsekund\u00e4re Ausbildung in einer bestimmten Stadt besuchten. Die Stichprobe ergab, dass mit dem alten Programm 22 Prozent der 5.344 Sch\u00fcler in dieser Stadt ein Hochschulstudium absolviert hatten. <\/p>\n\n\n\n
Mit der Datenabgleichsl\u00f6sung von Data Ladder stieg diese Zahl auf fast 41 Prozent. Das ist fast das Doppelte der ersten Zahl. Weitere Informationen finden Sie in der SLDS-Fallstudie.<\/a><\/p>\n\n\n\n- Bank- und Finanzwesen: <\/strong>Banken und Finanzdienstleistungsinstitute nutzen den Datenabgleich zur Identifizierung von T\u00e4tern im Rahmen von Initiativen zur Bek\u00e4mpfung der Geldw\u00e4sche, zur Erf\u00fcllung von KYC-Anforderungen oder zur Durchf\u00fchrung von FICO-Kreditw\u00fcrdigkeitspr\u00fcfungen.<\/li><\/ul>\n\n\n\n
Die Bell Bank f\u00fchrte einen Datenabgleich mit DataMatch Enterprise durch, um eine einheitliche, konsolidierte Sicht auf ihre Kunden und Lieferanten zu erhalten, die \u00fcber mehrere Dienstleistungsbereiche verteilt sind. Vom Ruhestand zur Verm\u00f6gensverwaltung. <\/p>\n\n\n\n
Durch den Abgleich war die Bell Bank in der Lage, den Weg eines jeden Kunden durch die verschiedenen Bankdienstleistungen zu finden und zu verfolgen und die Betriebskosten zu senken. Weitere Informationen finden Sie in der Fallstudie der Bell Bank<\/a>.<\/p>\n\n\n\n- Gesundheitswesen: <\/strong>Organisationen des Gesundheitswesens nutzen den Patientenabgleich zwischen mehreren EHR-Datens\u00e4tzen und Datenbanken \u00fcber eindeutige Identifikatoren wie ONC, USPS und CAQH f\u00fcr eine einzige Patientenansicht, um die richtige Diagnose zu ermitteln und die richtigen Medikamente zu verschreiben.<\/li><\/ul>\n\n\n\n
St. John Associates nutzte die Datenbereinigung und den Datenabgleich, um die Deduplizierung von Bewerberdatens\u00e4tzen zu skalieren. Das erspart ihnen Hunderte von Stunden, die sie mit dem Bereinigen und Abgleichen von Unterlagen verbringen. Klicken Sie hier<\/a> f\u00fcr weitere Informationen.<\/p>\n\n\n\n- Vertrieb und Marketing: <\/strong>Unternehmen m\u00fcssen h\u00e4ufig \u00dcbereinstimmungen finden, um doppelte und fehlerhafte Kontakte in CRM- und relationalen Datenbanken zu entfernen. Die daraus resultierende einheitliche Kundensicht erm\u00f6glicht es Unternehmen, Upsell- und Cross-Sell-Aktivit\u00e4ten zu verbessern und Omnichannel-Marketingkampagnen zu optimieren. Und den Marketing-ROI erh\u00f6hen.<\/li><\/ul>\n\n\n\n
TurnKey Auto Events – ein Marketingdienstleister f\u00fcr Autoh\u00e4ndler – wollte die Verk\u00e4ufe von Autohauspartnern mit Kundenkontakten abgleichen, um Verkaufsguthaben zu erhalten. <\/p>\n\n\n\n
Mithilfe von DataMatch Enterprise wurden Datens\u00e4tze aus verschiedenen Quellen abgeglichen, um eine konsolidierte, einheitliche Sicht auf potenzielle Autoverk\u00e4ufe zu erstellen. Und entfernen Sie dabei in k\u00fcrzester Zeit Duplikate und bereinigte Datens\u00e4tze. Weitere Informationen finden Sie in der Fallstudie zu TurnKey Auto Events<\/a>.<\/p>\n\n\n\nVorteile des Datenabgleichs<\/strong><\/h2>\n\n\n\nEin robustes Datenabgleichswerkzeug<\/a> als Teil Ihres Datenqualit\u00e4tsmanagements kann eine Vielzahl von Vorteilen mit sich bringen, wie z. B:<\/span><\/p>\n\n\n\n1. Erstellen Sie „goldene“ Datens\u00e4tze f\u00fcr die nachgelagerte Verwendung<\/span><\/h3>\n\n\n\n<\/h2>\n\n\n\n
Datenabgleich und -bereinigung<\/span><\/a> Software hilft bei der Identifizierung, dem Abgleich und der Zusammenf\u00fchrung von Datens\u00e4tzen, die in verschiedenen Informationssystemen gespeichert sind, um die Daten zu konsolidieren und eine einheitliche Kundenansicht zu erstellen. Einige Datenfelder, wie Name, Telefonnummer, Adresse usw., sind in den meisten Anwendungen gleich. Einige Systeme nutzen Tracking-Technologien, um tiefere Einblicke in die Kunden zu erhalten.<\/span><\/p>\n\n\n\nSo sind beispielsweise die mit Marketing-Automatisierungstools wie Hubspot und Marketo gesammelten Daten in der Regel umfassend. Bereitstellung eines vollst\u00e4ndigen Verlaufs der Interaktion eines potenziellen Kunden mit Ihrem Unternehmen \u00fcber das Internet.<\/span><\/p>\n\n\n\n Besucht derselbe Kunde dagegen die Verkaufsstelle des Unternehmens pers\u00f6nlich. Die Menge der Daten, die der Vertreter sammeln und in das CRM-System eingeben w\u00fcrde, umfasst weniger Details. Auch hier besteht die M\u00f6glichkeit, dass die Informationen aufgrund menschlicher Fehler nicht \u00fcbereinstimmen.<\/span><\/p>\n\n\n\nMit dem Datenabgleich k\u00f6nnen Unternehmen \u00fcber eine einzige Quelle der Wahrheit verf\u00fcgen – die in verschiedenen Datenbanken und Datens\u00e4tzen vorhandenen Daten werden abgeglichen und konsolidiert. Und zu einem Stammdatensatz oder „goldenen“ Datensatz zusammengef\u00fchrt, der alle Informationen enth\u00e4lt, die Sie zu einem bestimmten Lead, Interessenten oder Kunden haben. <\/span><\/p>\n\n\n\nMit einer vollst\u00e4ndigen Kundensicht k\u00f6nnen Sie Ihre Marketing- und Vertriebsstrategien besser aufeinander abstimmen. Sie haben Zugang zu konkreten Erkenntnissen f\u00fcr Berichte und Analysen. Und letztlich fundierte Gesch\u00e4ftsentscheidungen f\u00fcr einen h\u00f6heren ROI und Unternehmenswachstum zu treffen.<\/span><\/p>\n\n\n\n2. Arbeiten Sie mit sauberen Daten, denen Sie vertrauen k\u00f6nnen<\/span><\/h3>\n\n\n\nUnternehmen nutzen ein weites Netz von Informationssystemen und Anwendungen, die eng miteinander verkn\u00fcpft sind und die interne Dateninfrastruktur bilden. <\/span><\/p>\n\n\n\nDa Verbraucherdaten \u00fcber verschiedene Kommunikationskan\u00e4le gesammelt werden. Es besteht eine hohe Wahrscheinlichkeit, dass die \u00fcber verschiedene Medien eingegebenen Informationen nicht \u00fcbereinstimmen. <\/span><\/p>\n\n\n\nNehmen wir einen potenziellen Kandidaten, James O’Quinn, der in North Carolina lebt und bei Fiserv arbeitet. Er klickt auf eine Ihrer Google-Anzeigen<\/a> und besucht eine Landing Page, auf der ein White Paper angeboten wird. Er f\u00fcllt das Kontaktformular mit den folgenden Angaben aus:<\/span><\/p>\n\n\n\n
Ein Beispiel hierf\u00fcr ist das Justizministerium (DOJ), das mehrere tausend FOIA-Antr\u00e4ge bearbeitet. Jeder dieser Punkte muss richtig interpretiert und dem Antragsteller mitgeteilt werden. Und gr\u00fcndlich recherchiert.
Durch den Datenabgleich konnte die Beh\u00f6rde Duplikate identifizieren und ein Feld von 4 Millionen auf 3 Millionen Datens\u00e4tze reduzieren. Diese wurden nach der Filterung weiter auf 4.000 Datens\u00e4tze reduziert. Die gesamte Deduplizierung dauerte nur vier Stunden, was bei manueller Durchf\u00fchrung mehrere Wochen gedauert h\u00e4tte.<\/li>
Ein Staat f\u00fchrte ein Programm zur Verkn\u00fcpfung von Datens\u00e4tzen mit einer Stichprobe durch und wertete die Anzahl der Studenten aus, die in einem Jahr eine postsekund\u00e4re Ausbildung in einer bestimmten Stadt besuchten. Die Stichprobe ergab, dass mit dem alten Programm 22 Prozent der 5.344 Sch\u00fcler in dieser Stadt ein Hochschulstudium absolviert hatten. <\/p>\n\n\n\n
Mit der Datenabgleichsl\u00f6sung von Data Ladder stieg diese Zahl auf fast 41 Prozent. Das ist fast das Doppelte der ersten Zahl. Weitere Informationen finden Sie in der SLDS-Fallstudie.<\/a><\/p>\n\n\n\n Die Bell Bank f\u00fchrte einen Datenabgleich mit DataMatch Enterprise durch, um eine einheitliche, konsolidierte Sicht auf ihre Kunden und Lieferanten zu erhalten, die \u00fcber mehrere Dienstleistungsbereiche verteilt sind. Vom Ruhestand zur Verm\u00f6gensverwaltung. <\/p>\n\n\n\n Durch den Abgleich war die Bell Bank in der Lage, den Weg eines jeden Kunden durch die verschiedenen Bankdienstleistungen zu finden und zu verfolgen und die Betriebskosten zu senken. Weitere Informationen finden Sie in der Fallstudie der Bell Bank<\/a>.<\/p>\n\n\n\n St. John Associates nutzte die Datenbereinigung und den Datenabgleich, um die Deduplizierung von Bewerberdatens\u00e4tzen zu skalieren. Das erspart ihnen Hunderte von Stunden, die sie mit dem Bereinigen und Abgleichen von Unterlagen verbringen. Klicken Sie hier<\/a> f\u00fcr weitere Informationen.<\/p>\n\n\n\n TurnKey Auto Events – ein Marketingdienstleister f\u00fcr Autoh\u00e4ndler – wollte die Verk\u00e4ufe von Autohauspartnern mit Kundenkontakten abgleichen, um Verkaufsguthaben zu erhalten. <\/p>\n\n\n\n Mithilfe von DataMatch Enterprise wurden Datens\u00e4tze aus verschiedenen Quellen abgeglichen, um eine konsolidierte, einheitliche Sicht auf potenzielle Autoverk\u00e4ufe zu erstellen. Und entfernen Sie dabei in k\u00fcrzester Zeit Duplikate und bereinigte Datens\u00e4tze. Weitere Informationen finden Sie in der Fallstudie zu TurnKey Auto Events<\/a>.<\/p>\n\n\n\n Ein robustes Datenabgleichswerkzeug<\/a> als Teil Ihres Datenqualit\u00e4tsmanagements kann eine Vielzahl von Vorteilen mit sich bringen, wie z. B:<\/span><\/p>\n\n\n\n Datenabgleich und -bereinigung<\/span><\/a> Software hilft bei der Identifizierung, dem Abgleich und der Zusammenf\u00fchrung von Datens\u00e4tzen, die in verschiedenen Informationssystemen gespeichert sind, um die Daten zu konsolidieren und eine einheitliche Kundenansicht zu erstellen. Einige Datenfelder, wie Name, Telefonnummer, Adresse usw., sind in den meisten Anwendungen gleich. Einige Systeme nutzen Tracking-Technologien, um tiefere Einblicke in die Kunden zu erhalten.<\/span><\/p>\n\n\n\n So sind beispielsweise die mit Marketing-Automatisierungstools wie Hubspot und Marketo gesammelten Daten in der Regel umfassend. Bereitstellung eines vollst\u00e4ndigen Verlaufs der Interaktion eines potenziellen Kunden mit Ihrem Unternehmen \u00fcber das Internet.<\/span><\/p>\n\n\n\n Besucht derselbe Kunde dagegen die Verkaufsstelle des Unternehmens pers\u00f6nlich. Die Menge der Daten, die der Vertreter sammeln und in das CRM-System eingeben w\u00fcrde, umfasst weniger Details. Auch hier besteht die M\u00f6glichkeit, dass die Informationen aufgrund menschlicher Fehler nicht \u00fcbereinstimmen.<\/span><\/p>\n\n\n\n Mit dem Datenabgleich k\u00f6nnen Unternehmen \u00fcber eine einzige Quelle der Wahrheit verf\u00fcgen – die in verschiedenen Datenbanken und Datens\u00e4tzen vorhandenen Daten werden abgeglichen und konsolidiert. Und zu einem Stammdatensatz oder „goldenen“ Datensatz zusammengef\u00fchrt, der alle Informationen enth\u00e4lt, die Sie zu einem bestimmten Lead, Interessenten oder Kunden haben. <\/span><\/p>\n\n\n\n Mit einer vollst\u00e4ndigen Kundensicht k\u00f6nnen Sie Ihre Marketing- und Vertriebsstrategien besser aufeinander abstimmen. Sie haben Zugang zu konkreten Erkenntnissen f\u00fcr Berichte und Analysen. Und letztlich fundierte Gesch\u00e4ftsentscheidungen f\u00fcr einen h\u00f6heren ROI und Unternehmenswachstum zu treffen.<\/span><\/p>\n\n\n\n Unternehmen nutzen ein weites Netz von Informationssystemen und Anwendungen, die eng miteinander verkn\u00fcpft sind und die interne Dateninfrastruktur bilden. <\/span><\/p>\n\n\n\n Da Verbraucherdaten \u00fcber verschiedene Kommunikationskan\u00e4le gesammelt werden. Es besteht eine hohe Wahrscheinlichkeit, dass die \u00fcber verschiedene Medien eingegebenen Informationen nicht \u00fcbereinstimmen. <\/span><\/p>\n\n\n\n Nehmen wir einen potenziellen Kandidaten, James O’Quinn, der in North Carolina lebt und bei Fiserv arbeitet. Er klickt auf eine Ihrer Google-Anzeigen<\/a> und besucht eine Landing Page, auf der ein White Paper angeboten wird. Er f\u00fcllt das Kontaktformular mit den folgenden Angaben aus:<\/span><\/p>\n\n\n\nVorteile des Datenabgleichs<\/strong><\/h2>\n\n\n\n
1. Erstellen Sie „goldene“ Datens\u00e4tze f\u00fcr die nachgelagerte Verwendung<\/span><\/h3>\n\n\n\n
<\/h2>\n\n\n\n2. Arbeiten Sie mit sauberen Daten, denen Sie vertrauen k\u00f6nnen<\/span><\/h3>\n\n\n\n