Die Verwaltung von Kundenstammdaten (Customer Master Data Management, CMDM) ist eine wichtige Funktion für Unternehmen, die einen genauen, einheitlichen und strukturierten Datensatz über ihre Kunden führen möchten. Es dient als Rückgrat für mehrere Geschäftsfunktionen, einschließlich Vertrieb, Marketing, Finanzen und Kundensupport. Schlecht verwaltete Kundendaten können zu Ineffizienzen, Umsatzeinbußen, Compliance-Risiken und schlechten Kundenerfahrungen führen.
Lösungen für Kundenstammdaten sind darauf ausgerichtet, diese Herausforderungen zu bewältigen, indem sie zentralisierte Plattformen und intelligente Tools bereitstellen, die Konsistenz gewährleisten, Duplikate beseitigen und die Synchronisierung von Daten in Echtzeit zwischen verschiedenen Systemen ermöglichen. Diese Lösungen helfen Unternehmen dabei, eine einzige Quelle der Wahrheit für Kundeninformationen zu schaffen, die Entscheidungsfindung zu verbessern und die Kundenbindung über alle Berührungspunkte hinweg zu erhöhen.
Mit der digitalen Transformation müssen Unternehmen zu einem besser strukturierten, in Echtzeit verfügbaren und zugänglichen Kundenstammdatensystem übergehen. Ein gut gepflegter Kundenstamm ermöglicht genaue Berichte, optimierte Abläufe, personalisierte Kundenerlebnisse und eine bessere Einhaltung gesetzlicher Vorschriften.
Kundenstammdaten-Modell
Ein Kundenstammdatenmodell ist ein strukturierter Rahmen, in dem wichtige Informationen über einen Kunden gespeichert werden. Es wurde entwickelt, um eine einzige, einheitliche und genaue Ansicht des Kunden über verschiedene Abteilungen und Anwendungen hinweg zu bieten.
Schlüsselattribute eines Kundenstammdatenmodells
Grundlegende Kundeninformationen:
Kunden-ID - Eine eindeutige ID, die einem eindeutigen Kundeneintrag zugeordnet ist.
Name (Vor-, Mittel-, Nachname / Firmenname) - Vor- und Nachname
Firmenname - Nur anwendbar für B2B-Kunden
Kundentyp (Privatperson, Unternehmen, Regierung, Non-Profit)
Kontaktinformationen (Telefon, E-Mail, Website)
Rechnungs- und Lieferadressen
Finanz- & Kreditdaten
Kreditlimit
Zahlungsbedingungen (Netto 30, Netto 60, etc.)
Steueridentifikationsnummer (TIN)
Bankverbindung
Zahlungsarten (ACH, Überweisung, Kreditkarte, etc.)
Informationen zu Recht & Compliance
Registrierungsnummer für Unternehmen
Industrie-Klassifizierungscodes (NAICS, SIC)
Daten zur Einhaltung von GDPR/CCPA
Risiko Bewertung
Kundeninteraktion und Geschichte
Kaufhistorie
Supportanfragen und Reklamationen
Marketing-Präferenzen
Kunden Engagement Score
Segmentierung und Präferenzen
Stufe der Kundentreue
Bevorzugter Kommunikationskanal
Sonderrabatte oder Preisvereinbarungen
Kundenstammdatenmodell in SAP
SAP behandelt den Kundenstamm als ein separates konfigurierbares Modul. Es speichert kundenbezogene Informationen systematisch und ermöglicht eine einfache Abfrage und Pflege. Die Daten im SAP-Kundenstamm sind in verschiedene Ansichten unterteilt, um die Geschäftsfunktionen zu erleichtern. Einige der im SAP-Kundenstamm verfügbaren Standardfelder sind:
Allgemeine Informationen
Dazu gehören wichtige Kundendaten, die über mehrere Buchungskreise und Vertriebsbereiche hinweg gemeinsam genutzt werden.
Name (Einzelperson oder Unternehmen)
Adresse (Straße, Ort, Postleitzahl, Land)
Kontaktinformationen (Telefon, Fax, E-Mail, Website)
Industrie-Klassifizierung (NAICS, SIC)
Suchbegriff (Kurzbeschreibung zum einfachen Nachschlagen)
Daten für die Steuerberichterstattung (Mehrwertsteuer, GST, Freistellungsbescheinigungen)
Daten zum Verkaufsgebiet
Dieser Abschnitt enthält Details, die für Verkaufstransaktionen und die Auftragsabwicklung erforderlich sind. Er ist spezifisch für eine Verkaufsorganisation, Vertriebskanal und Abteilung.
Vertriebsorganisation (Definiert die Berichtsstruktur des Vertriebs)
Vertriebskanal (Direktverkauf, Wiederverkäufer, Online, etc.)
Abteilung (Produktgruppierung)
Preisgruppe (Rabatte, Sonderpreisvereinbarungen)
Versandbedingungen (Bevorzugte Versandart)
Kundengruppe (Treueebenen, Geschäftstyp)
Festlegung der Ausgabe (Rechnungs- und Dokumentvorgaben)
Buchungskreisdaten
Dazu gehören auch finanzielle und buchhalterische Details über den Kunden.
Abstimmkonto (Verknüpft Kunden mit Hauptbuchkonten)
Zahlungsbedingungen (Netto 30, Netto 60, Vorauskasse, etc.)
Mahnverfahren (Automatische Mahnungen & Inkasso-Richtlinien)
Bereich Kreditkontrolle (Limits und Kreditwürdigkeitsprüfung)
Steuergerichtsbarkeits-Codes (basierend auf dem Standort des Kunden)
Zahlungsmethode (ACH, Überweisung, Kreditkarte, etc.)
SAP-Website hat mehrere Ressourcen und Leitfäden, um zu verstehen, wie ein Kundenstamm aufgebaut ist, und Anleitungen, um ihn in der neuen S4/Hana anzupassen
Kundenstammdatenmodell in anderen ERPs
Hier finden Sie einige Ressourcen, um mehr darüber zu erfahren, wie Kundenstammdaten in anderen ERP-Systemen verwaltet und konfiguriert werden.
Oracle ERP: Verwendet Customer Data Management (CDM) mit hierarchischen Strukturen zur Verwaltung von Beziehungen. [Handbuch für Entwickler]
Microsoft Dynamics 365: Verwendet Customer Entities für 360-Grad-Einblicke in Kundendaten. [Handbuch für Entwickler]
Salesforce: Verfügt über die Objekte Konto und Kontakt zur Verwaltung von Kundendaten. [Handbuch für Entwickler]
Wie profitieren Teams von einem Unified Customer Master?
Marketing: Personalisierte Werbeaktionen basierend auf Kundensegmentierung.
Beispiel: Ein Einzelhandelsunternehmen analysiert die Kaufhistorie und die Vorlieben seiner Kunden, um personalisierte Rabattcoupons über E-Mail und mobile Benachrichtigungen anzubieten.
Anwendungsfall: Eine Mode-E-Commerce-Marke segmentiert Kunden auf der Grundlage früherer Einkäufe und empfiehlt ihnen Produkte, die ihren Vorlieben entsprechen.
Finanzen: Genaue Kreditrisikobewertung und Rechnungsstellung.
Beispiel: Ein Finanzinstitut verwendet eine einheitliche Kundensicht, um die Kreditwürdigkeit zu beurteilen, indem es die Transaktionshistorie, ausstehende Kredite und das Zahlungsverhalten analysiert.
Anwendungsfall: Ein multinationales Unternehmen stellt die pünktliche Bezahlung von Rechnungen sicher, indem es Kunden mit verspäteten Zahlungen identifiziert und die Kreditlimits entsprechend anpasst.
Operationen: Optimierte Auftragsabwicklung und verbesserter Kundenservice.
Beispiel: Ein Logistikunternehmen integriert Kundendaten über verschiedene Plattformen hinweg, um eine effiziente Auftragsverfolgung und Lieferung zu gewährleisten.
Anwendungsfall: Ein Automobilzulieferer reduziert Versandfehler, indem er die Richtigkeit der Kundenadresse und die Kaufhistorie vor dem Versand der Bestellungen überprüft.
Einhaltung der Vorschriften: Bessere Einhaltung der Datenschutzgesetze.
Beispiel: Ein Gesundheitsdienstleister stellt die Einhaltung der GDPR sicher, indem er einen einzigen, sicheren Speicher für Kundendaten unterhält, der mit den Datenschutzbestimmungen übereinstimmt.
Anwendungsfall: Ein Bankinstitut prüft regelmäßig die Kundendaten, um die Einhaltung der KYC-Richtlinien (Know Your Customer) zu gewährleisten und so die regulatorischen Risiken zu verringern.
Erste Schritte bei einem Kundenstammdatenprojekt
In der Regel haben Kunden, die sich für ein Kundenstammdatenprojekt an uns wenden, eine suboptimale Konfiguration für die Verwaltung ihrer Kundendaten. Dies führt unweigerlich zu vielen Altlasten in der Datenbank, die behoben werden müssen, bevor neue Prozesse eingeführt werden können.
Ein Kundenstammdatenprojekt verfolgt daher in der Regel einen zweigleisigen Ansatz;
Umgang mit Altdaten
Bewertung & Identifizierung:
Führen Sie eine Datenprüfung durch, um doppelte, redundante und veraltete Datensätze zu finden.
Beispiel: Ein Telekommunikationsunternehmen identifiziert doppelte Kundendatensätze und führt sie zusammen, um redundante Rechnungen zu vermeiden.
Datenstandardisierung & Normalisierung:
Definieren Sie Standardformate für Namen, Adressen und Kontaktangaben in allen Systemen.
Beispiel: Ein multinationales Einzelhandelsunternehmen vereinheitlicht die Adressformate seiner Kunden, um konsistente Versanddaten zu gewährleisten.
Datenbereinigung und -validierung:
Verwenden Sie Tools wie Trillium, Informatica und Talend, um Datensätze zu bereinigen und zu validieren.
Anwendungsfall: Ein Finanzinstitut nutzt Informatica MDM, um Steuer-IDs von Kunden zu validieren und zu korrigieren.
Die Verwaltung zukünftiger Kundendaten
Etablieren Sie Modelle für die Datenverwaltung und -verantwortung:
Weisen Sie spezielle Rollen für die Datenverwaltung und -überwachung zu.
Beispiel: Ein Gesundheitsdienstleister beauftragt Datenverwalter mit der Verwaltung der Integrität von Patientendaten.
Nutzen Sie die KI-gesteuerten Tools zur Datenanreicherung:
Nutzen Sie externe Datenquellen wie ZoomInfo und Dun & Bradstreet, um fehlende Details zu ergänzen.
Anwendungsfall: Ein B2B-Hersteller reichert unvollständige Kundenprofile mit Echtzeit-Finanzdaten seines Unternehmens an.
Es ist zwar möglich, ein Kundenstammdatenprojekt intern durchzuführen, aber in der Regel sind dafür eine Fülle von Softwareplattformen, SaaS-Abonnements, Zugänge zu mehreren privaten Datenbanken und vieles mehr erforderlich.
In den meisten Fällen sind das Know-how, die technische Bandbreite und die Verfügbarkeit von Ressourcen für die Neugestaltung eines Kundenstamms begrenzt und es ist eine weitaus bessere Option, mit einem Spezialisten zusammenzuarbeiten, um die Feinheiten des Projekts zu bewältigen.
In jedem Fall gibt es einige Stammdatenplattformen, die bei der Bearbeitung von Kundenstammdaten helfen können
Software-Lösungen für CMDM
MDM-Suiten: Informatica MDM, SAP MDG, IBM InfoSphere MDM
Beispiel: Ein globales Logistikunternehmen integriert SAP MDG, um Kundenstammdaten zu zentralisieren.
Tools zur Datenanreicherung: Experian, Melissa Data
Anwendungsfall: Eine Auskunftei nutzt Experian, um fehlende Angaben zur Kreditgeschichte zu validieren und zu ergänzen.
Data Governance-Plattformen: Kollibra, Alation
Beispiel: Eine Anwaltskanzlei stellt die Einhaltung von Richtlinien durch die Verwaltung von Datenrichtlinien mit Collibra sicher.
Weltweites Vertrauen bei Branchenführern
Strategien zur Verwaltung eines Kundenstamms
Zusätzlich zu den oben erwähnten Prozessen gibt es einige Strategien, die Sie kennen sollten, um Kundendaten zu verwalten und zu normalisieren.
Hier sind ein paar solcher Ansätze.
Verfolgen Sie den Ansatz der "Single Source of Truth
Stammdatensysteme basieren auf einem einzigen goldenen Datensatz [mehr erfahrenDa die Kundendaten unabhängig voneinander in verschiedenen Systemen, einem CRM, einer CDP und anderen ähnlichen Datenquellen gespeichert sind, ist es ratsam, mit einer einzigen Datenbank zu arbeiten, um Doppelarbeit und andere Probleme zu vermeiden.
Implementierung von rollenbasierten Zugriffskontrollen
Eine der Hauptursachen für eine schlechte Datenqualität in einem Kundenstamm oder in jedem anderen Stammdatensystem mit mehreren Domänen ist eine schlechte Datenverwaltung;
Natürliche Lethargie und mangelhafte Qualitätskontrolle bei der Dateneingabe und -bearbeitung sind anfällig. Genau aus diesem Grund müssen Unternehmen ein rollenbasiertes System implementieren, das von technologiegestützten Prozessen unterstützt wird, um Eingaben zu validieren, auf widersprüchliche Informationen hinzuweisen, fehlende Daten selbstständig zu ergänzen und Warnmeldungen für Genehmigungen in Abhängigkeit von der konfigurierten Genehmigungsmatrix auszulösen.
KI-Systeme tiefgreifend in Prozesse einbetten
Nur vielleicht eine Handvoll Branchen und Disziplinen sind von der Einführung künstlicher Intelligenz so betroffen wie das Datenmanagement.
Einer der größten Kostenfaktoren und Herausforderungen bei MDM-Implementierungen war direkt mit dem menschlichen Einsatz verbunden. Denn es war extrem schwierig für einen Algorithmus, einen MRO-Datensatz zu "verstehen" und ihn ohne menschliches Zutun zu verarbeiten.
Mit dem Aufstieg der Künstlichen Intelligenz gibt es jedoch mehrere unabhängige Anwendungsfälle für KI in MDM, nämlich
1. Autonome Klassifizierung: KI-Systeme können automatisch Details wie Vorname, Nachname, Wohnungsnummer, Straßenname und Herkunftsland eines Kundendatensatzes aus unstrukturiertem Freitext extrahieren.
2. Anreicherung: Kontinuierlich arbeitende KI-Agenten sind in der Lage, fehlende Informationen für jeden beliebigen Kundenstammdatensatz zu erkennen und können fehlende Informationen ohne menschliches Zutun aus ersten oder dritten Datenquellen ergänzen. Dies funktioniert besonders gut, wenn sie direkt in APIs integriert sind, wie wir weiter unten erläutert haben.
3. Datenauswertung: Wir sind noch weit von dem Tag entfernt, an dem eine Armee von KI-Agenten Ihren Kundenstamm autonom verwalten wird. Daher ist eine manuelle Überprüfung durch einen Menschen im Moment so gut wie unverzichtbar.
KI-Systeme können jedoch dazu beitragen, die Effizienz zu steigern, indem sie Datensätze bewerten, wodurch menschliche Überprüfungen wesentlich skalierbarer und effektiver werden.
Integrieren Sie APIs mit Datenbanken von Erst- und Drittanbietern
Die Daten eines Kunden sind umfangreich und komplex und umfassen mehrere Felder mit persönlichen Informationen, Bankdaten, rechtlichen Angaben und sogar firmenbezogene Daten für B2B-Kunden.
Es ist sehr üblich, dass diese Datensätze keine "vollständigen Informationen" enthalten und softwaregesteuerte Systeme, die automatisch APIs nutzen, die von Drittanbietern für eine Vielzahl von Informationen zur Verfügung gestellt werden; einige davon sind;
1. Kontakt-Datenbanken: Datenbanken wie ZoomInfo, D&B speichern individuelle Benutzerdaten mit E-Mail-Adressen, Telefonnummern usw.
2.Steuer- und Finanzinformationen: D&B speichert Transaktions- und Finanzinformationen wie die TIN-Nummer
3. Kreditinformationen: Equifax, Transunion und andere Auskunfteien stellen ebenfalls Kreditberichte und andere Informationen zur Verfügung, die über APIs in den Kundenstamm integriert werden können.
In großen Unternehmen sind Datenquellen von Drittanbietern wie das CRM und die CDP Speicher für Informationen und können hervorragende Informationsquellen sein, die an das CMD-System weitergegeben werden können.
Kundenstammdaten VS Customer Relationship Management
Obwohl sowohl Kundenstammdaten- als auch CRM-Systeme Kundeninformationen verwalten, dienen sie unterschiedlichen Zwecken und bieten verschiedene Funktionalitäten innerhalb eines Unternehmens und werden von verschiedenen Teams für unterschiedliche Zwecke verwendet.
Hier finden Sie einen kurzen Auszug, der den Unterschied zwischen den beiden beschreibt.
| Merkmal | Kundenstammdaten-System | Kundenbeziehungsmanagement-System |
|---|---|---|
| Zweck | Bietet ein zentrales, maßgebliches Repository für Kundendaten, das Konsistenz und Genauigkeit im gesamten Unternehmen gewährleistet. | Verwaltet die Interaktionen mit aktuellen und potenziellen Kunden und konzentriert sich dabei auf die Bereiche Vertrieb, Marketing und Kundenservice. |
| Daten Typ | Speichert wichtige Kundenattribute wie Identifikationsnummern, juristische Namen, Kontaktinformationen und Finanzdaten. | Erfasst dynamische Daten wie Kundeninteraktionen, Kaufhistorie, Serviceanfragen und Antworten auf Marketingkampagnen. |
| Benutzer | Wird von Data Governance-Teams, IT-Abteilungen und Systemen verwendet, die validierte Kundendaten benötigen. | Wird in erster Linie von Vertriebs-, Marketing- und Kundendienstteams verwendet, um die täglichen Kundeninteraktionen zu verwalten. |
| Integration | Dient als Datenquelle für CRM-Systeme und stellt sicher, dass alle kundenbezogenen Anwendungen auf konsistente und genaue Informationen zugreifen. | Nimmt Daten aus dem Kundenstammdatensystem auf, um den Benutzern bei Interaktionen aktuelle Kundeninformationen zu liefern. |
Kundenstammdaten VS Kundendatenplattform
Die Kundendatenplattform ist ein recht neues Konzept und es aufgetaucht um 2013 als der Begriff erstmals von David Raab, einem Berater für Marketingtechnologie und Gründer des CDP Institute, geprägt wurde.
CDPs wurden eingeführt, um dem wachsenden Bedarf an einheitliche, beständige und zugängliche Kundendaten über mehrere Marketing-, Vertriebs- und Kundendienstkanäle. Das Ziel war es Datensilos beseitigen und erstellen eine eine einzige, umfassende Ansicht der Kunden die Unternehmen nutzen können, um Personalisierung, Targeting und Kundenbindung zu verbessern.
Die Verwirrung aufgrund der Überschneidung der Ziele von Kundenstammdaten und einer Kundendatenplattform ist also leicht zu erkennen. Die folgende Tabelle enthält einige der die Unterschiede zwischen ihnen
| Kategorie | Kundendaten-Plattform (CDP) | Kundenstammdatenbank (CMD) |
|---|---|---|
| Primärer Zweck | Verbessert das Marketing und die Kundenbindung durch Datenerfassung und Segmentierung in Echtzeit. | Sorgt für Datenverwaltung, Genauigkeit und Konsistenz durch die Aufrechterhaltung einer einzige Quelle der Wahrheit. |
| Fokus | Kundenerlebnis & Personalisierung | Datenintegrität & Governance |
| Daten-Quellen | Marketingplattformen (CRM, soziale Medien, Website-Interaktionen, E-Mail-Kampagnen, Werbeplattformen, Kundendienstprotokolle). | Unternehmensweite Quellen (ERP, CRM, Rechnungsstellung, Kundensupport, externe Datenbanken). |
| Datenverarbeitung | Aggregiert, vereinheitlicht und segmentiert Kundendaten für die Echtzeitnutzung in Marketing und Engagement. | Bereinigt, standardisiert, entfernt Duplikate und verwaltet Kundendaten, um deren Genauigkeit sicherzustellen. |
| Anwendungsfälle |
- Personalisierte Kundenerlebnisse - Marketingautomatisierung & Zielgruppenansprache - Verfolgung der Customer Journey - Omnichannel-Kampagnen |
- Genauigkeit und Konsistenz der Daten - Einhaltung gesetzlicher Vorschriften (GDPR, CCPA) - Einheitliche Kundendatensätze in ERP-, CRM- und Finanzsystemen - Sicherstellen vertrauenswürdig Daten für Unternehmenszwecke |
| Echtzeit vs. Statisch | Arbeiten in Echtzeit, die Erfassung dynamischer Kundeninteraktionen zur Personalisierung und Analyse. | Bietet eine statisch, aber maßgebend Kundenprofil, um die Genauigkeit für transaktionale und operative Systeme. |
| Eigentümer & Benutzer | Teams für Marketing und Kundenerfahrung nutzen Sie es für personalisiertes Engagement und Analysen. | IT-, Data Governance- und Compliance-Teams sie für unternehmensweite Datensicherheit zu verwalten. |
| Umfang der Integration | Integriert mit Tools zur Marketingautomatisierung, Analyseplattformen und digitale Werbesysteme. | Integriert mit ERP-, CRM-, Finanz-, Lieferketten- und operative Systeme um die Richtigkeit der Daten zu gewährleisten. |
