Digital Transformation Blog

Digital Transformation Blog

Opinions expressed on this blog reflect the writer’s views and not the position of the Capgemini Group

Digital Customer Experience in der Automobilindustrie: Datenqualitätsmanagement und der Unterschied zwischen Daten und Öl

„Daten sind das neue Öl“ – kaum ein Vortrag zur Zukunft der Automobilindustrie im digitalen Zeitalter kommt derzeit ohne diesen, nicht mehr ganz neuen, Satz aus. Und der öffentliche Hype zeigt Wirkung: Waren Data-Analytics-Inititativen vor 3 Jahren noch die absolute Ausnahme, so laufen heute bei nahezu jedem OEM eine Vielzahl entsprechender Pilotprojekte. Volkswagen hat für die Pilotierung von Analytics-Use-Cases sogar bereits ein eigenes Data Lab aufgebaut (lesen Sie auch unseren Artikel zum Thema Implementierung von Big Data & Analytics). Mit Blick auf die Praxis der Data-Analytics-Inititativen zeigt sich bei aller Euphorie aber auch immer stärker eine wesentliche Herausforderung: Der Rohstoff „Daten“ liegt  in der Regel größtenteils in den Systemlandschaften des Handel. Zudem ist er dort häufig  über mehrere Datensilos fragmentiert und liegt in vollkommen unzureichender Qualität vor. Unvollständige, veraltete, obsolete, redundante oder schlichtweg falsche Datensätze sind der absolute Regelfall. Unsere Projekterfahrung zeigt, dass mehr als 50% der Datensätze im Handel nicht den Basiskriterien für Datenqualität genügen.

Die Ursachen mangelhafter Datenqualität

Die Systeme, Prozesse und Rollenbeschreibungen im Handel sind historisch nicht darauf ausgerichtet worden, Daten als strategisches „Asset“ aufzubauen. Bisher dienten Daten aus Sicht des Handels primäre der Unterstützung und Abwicklung der Geschäftsprozesse in Verkauf und Aftersales. Außerhalb dieser Geschäftsprozesse erfolgte in der Regel kein gezieltes Datenqualitätsmanagement. Ein simples Beispiel aus der Realität des Autohauses: Im Verkauf sind Kunden in der Regel einem persönlichen Verkäufer zugeordnet und für den Zugriff durch andere Verkäufer gesperrt. Wird der Kunden dann von einem anderen Verkäufer betreut, legt dieser den Kunden in einem neuen Datensatz an. In Extremfällen haben wir in unseren Projekten Beispiele gesehen, bei denen für einen Kunden bis zu 11 Datensätze existierten. Ein anderes Beispiel mangelhafter Datenqualität findet sich bei der Adressqualität: In Deutschland wechseln bis zu 10 Mio. Menschen jährlich den Wohnort. Selbst wenn die Kundenanschrift beim ersten Kundenkontakt richtig aufgenommen wurde (was häufig genug nicht der Fall ist), veralten innerhalb eines durchschnittlichen Kundenlebenszyklus 55% der Adressdaten.

Mangelhafte Datenqualität ist geschäftsschädigend – und zwar massiv!

Unzureichende Datenqualität ist ein erhebliches Hindernis für die analytische Nutzung von Daten. In unseren Analytics-Projekten beobachten wir, dass bis zu 80% der Aufwände in die Bereinigung mangelhafter Datenqualität fließt. Teilweise ist die Datenqualität auch so schlecht, dass selbst eine aufwendige Aufbereitung keine analytische Nutzung der Daten möglich macht. Aber auch außerhalb der Anwendungsfälle für Big Data & Analytics Initiativen, hat mangelhafte Datenqualität häufig eine extrem geschäftsschädigende Wirkung: Hohe Retourenquote bei postalischen Kampagnen, sehr geringe Reichweiten im E-Mail-Marketing (im Handel liegen in der Regel bei weniger als 5% der Kunden überhaupt eine E-Mail-Adresse vor, noch deutlich weniger davon weisen eine Datenschutzrechtliche Einwilligungserklärung für Werbung auf), vermeidbare Kundenabwanderungen oder ein negatives Kundenerlebnis im Autohaus. Nicht zuletzt verursacht eine mangelnde Datenqualität eine sinkende Effizienz der Geschäftsprozesse.  Auf den Punkt gebracht: Mangelhafte Datenqualität kostet den Automobilvertrieb viel Geld – und zwar auf der Einnahmen- und auf Ausgabenseite.

Daten sind keine naturgegebene Ressource

Ja, Daten werden das kommende wirtschaftliche Zeitalter prägen. Aber im Unterschied zum Öl sind Daten eben keine naturgegebene Ressource. Daten müssen systematisch generiert und kontinuierlich optimiert werden um einen Geschäftswert zu generieren. Auch wenn digitale Kanäle eine zunehmende Bedeutung erhalten, bleibt der persönliche Kontakt im Autohaus auf absehbare Zeit eine ganz wesentliche Datenquelle im Automobilvertrieb. Wenn Daten als strategisches „Asset“ aufgebaut werden sollen, dann müssen Systeme, Prozesse und Rollen im Handel entsprechend neu ausgerichtet werden. So sollte bspw. Datenqualität als bonusrelevanter KPI im Handel definiert werden und über die IT-Systeme auch entsprechend messbar sein. Darüber hinaus gibt es im Markt ein breites Angebot an Dienstleistungen zur Datenqualitätsoptimierung. Neben Algorithmen zur automatischen Erkennung und Zusammenführung redundanter Datensätze bieten entsprechende Dienstleister auch eine Datenkorrektur und -anreicherung auf Basis externer Datenbanken (z.B. Adressverzeichnis und Umzugsinformationen). Hersteller und Importeure sollten hier die Chance ergreifen und dem Handel in Kooperation mit externen Dienstleistern standardisierte Services zum Datenqualitätsmanagement anbieten. Eines ist sicher: Eine Investition in Datenqualität verspricht einen schwer schlagbaren Business Case!

Dieser Post ist der 7. Teil der Serie „Digital Experience in der Automobilindustrie“ Lesen Sie auch

 “Wer baut hier die meisten Leuchttürme” , Warum wir im Automobilhandel über mehr als nur Technologie sprechen müssen”, „Die Kundenbetreuung der Zukunft ist keine Einbahnstraße“, „Die Renaissance der Kundenportale“, „Mehr als nur große Ideen zur Implementierung von Big Data & Analytics Services in der Organisation” und „Rechtliche Grundlagen als Fundament für Big Data & Analytics Initiativen“

Über den Autor

Christoph Lauenstein
Christoph Lauenstein
Christoph Lauenstein ist Experte für Digital Transformation in produzierenden Industrien. Als Berater bei Capgemini Consulting beschäftigt er sich fokussiert mit der vierten industriellen Revolution. Er entwickelt sowohl in Kundenprojekten als auch in einem gemeinsamen Forschungsprojekt mit dem Massachusetts Institute of Technology (MIT) Center for Digital Business innovative Strategien für das nächste industrielle Zeitalter.

Christoph is an expert for Digital Transformation in the manufacturing and automotive industry. He focuses on the fourth industrial revolution, develops innovative strategies for the next industrial era in customer projects as well as in a joint research project with the Massachusetts Institute of Technology (MIT) Center for Digital Business.

Kommentar hinterlassen

Ihre E-Mail-Adresse wird nicht veröffentlicht. Pflichtfelder sind mit einem * gekennzeichnet.