Skip to main content

The Data Economist Blog (DE) | Etablierung einer Data Inspired & Digital Culture

Wie schlechte Datenqualität neues Geschäft verhindert

Ein eigener Erfahrungsbericht mit einem Datenprovider

Vor einigen Wochen meldete sich telefonisch die Vertrieblerin eines Datenproviders bei mir mit der Frage, ob es für die ACT Gruppe  interessant wäre für die Kundenakquise detaillierte Kontaktdaten von Unternehmen zu bekommen, die unsere Webseite besucht haben.

Grundsätzlich war ich interessiert und wollte wissen,

a) wie dies im Zusammenhang mit der ACT Webseite technisch gelöst wird und
b) welche Daten mit welcher Qualität angeboten werden.

Zusätzlich zu den qualifizierten Adressen könne man uns auch entsprechende Ansprechpartner zur Verfügung  stellen.

Die Marketing-Abteilung sowie unser Vorstand für Marketing & Vertrieb interessierten sich auch für die Lösung. Wir vereinbarten demnach einen Präsentationstermin bei uns in der ACT. Im Telefonat zur Terminvereinbarung  verwies ich unter anderem auf unsere Kernkompetenz im Bereich Datenanalyse und Datenqualitätsmanagement und dass wir dementsprechend eine gut vorbereitete Präsentation erwarten würden. Die Vertrieblerin bestätigte mir, dass dies selbstverständlich sei und ihr Chef käme auch mit.

Am vereinbarten Termin wurde uns nach der üblichen gegenseitigen Vorstellung der Personen, Unternehmen und Businessmodelle die Lösung präsentiert. Als Erstes zeigte man uns die Online-Recherchemöglichkeiten in der Datenbank  sowie einige Ergebnis-Datensätze.

Bereits in den ersten vier Datensätzen konnte ich einige Datenqualitätsmängel erkennen, wie z.B. leere Felder in den Attributen Ansprechpartner,  Straße oder Hausnummer.  Meine Frage, wie hoch der Füllungsgrad grundsätzlich ist und welche Ausprägung dieser auf die einzelnen Attribute  hat, konnte mir leider nicht beantwortet werden.  Auch meine weitere Frage, ob es ein Konzept zur Datenqualitätssicherung gibt und welche Maßnahmen zur Datenqualitätssicherung betrieben werden, konnte man mir nicht beantworten. Danach ließen wir uns auf Nachfrage unseres Vorstands  die Daten der ACT Gruppe  zeigen. Von den erwarteten 4 Datensätze, einen für die Holding und 3 für die Tochtergesellschaften, waren gut 2/3 der Daten fehlerhaft hinsichtlich Ansprechpartner, Telefonnummern, Firmennamen sowie Adressen.

Nachdem uns das Preismodell erläutert wurde, fragte ich, ob man sich vorstellen könne den Preis an die Datenqualität zu binden. Unser Vorschlag: Wir zahlen nur für Datensätze mit guter Datenqualität. Die Kriterien würden wir gemeinsam festlegen. Das Angebot kann nicht angepasst werden, so die Antwort.

Als Goodwill schlug ich vor, wir würden Ihnen die fehlerhaften Daten mit einem detaillierten Bericht zurückgeben, diese könnten dann gezielt geprüft und bereinigt werden. Auch dieser Vorschlag wurde abgelehnt mit der Begründung, dass man solch einen Prozess nicht vorsieht und es auch nicht gewohnt ist, dass Kunden fehlerhafte Daten zurückliefern.  (Anmerkung: Ich halte es für ein gutes Business Modell der Kundenbindung, die Kunden in die Datenqualitätssicherung mit einzubinden. Meines Erachtens nach eine klassische Win-Win-Situation.) 

Meine letzte Frage war, ob man zur Datenqualitätssicherung bereits Big Data Technologien und Verfahren einsetzen würde. Da auch dies verneint wurde, lies ich es mir nicht nehmen, ein weiteres Angebot zu unterbreiten.  Ich schlug vor, gemeinsam im Big Data Lab der ACT ein Verfahren zu entwickeln,  Daten aus öffentlichen Internetquellen für die Validierung zu nutzen, ggf. auch für die Anreicherung fehlender Daten oder zur Bereinigung fehlerhafter Daten.  Das Verfahren könnte demnach ein Baustein einer ganzheitlichen Datenqualitätssicherung sein. Die Antwort war, dass man den Wink verstanden hätte. Dem bin ich mir aber nicht so sicher.

Aufgrund der Intransparenz hinsichtlich Datenqualität und des Verfahrens zur Datenqualitätssicherung sowie einer fehlenden Flexibilität auf Kundenbedürfnisse einzugehen, entschieden wir uns schließlich gegen die uns angebotene Lösung des Dataproviders.

Lesen Sie auch:

Datenqualität, Big Data, Datenqualitätsmanagement, Datenmanagement, Datenanalyse, Datenqualitätssicherung

  • Geändert am .
  • Aufrufe: 6811