< Zurück   INHALT   Weiter >

Vorbeugen: Korrekte Datenerfassung

Als zweite proaktive Kundendatenmanagement-Maßnahme überarbeitete Hilti den Anlageprozess für Kundendaten. Der Prozess wird nun mit einem Workflow, dem „Data Creation Process“, unterstützt, welcher die zuvor erarbeiteten Geschäftsregeln in automatische Datenqualitätschecks umsetzt. Zudem nutzt der Workflow Daten von externen Datenprovidern (z. B. Adressdaten) für weitere Validierungen während des Anlageprozesses. Dies verringert das Risiko, dass schon bei der Neuanlage eines Kundendatensatzes fehlerhafte Daten ins System eingegeben werden (Prinzip des „first time right“). Die Hauptnutzer des Workflows sind sogenannte Customer Service Center, die beim Anlegen von Kundendaten für den ersten Schritt verantwortlich sind. Anschließend hat der Workflow mehrere Genehmigungsstufen.

Erkennen: Datenqualitätsmonitoring

Eine der beiden Maßnahmen des reaktiven Datenqualitätsmanagements bei Hilti ist ein kontinuierliches Datenqualitätsmonitoring, um Transparenz über die unternehmensweite Kundendatenqualität zu schaffen. Dies erforderte erstens einen unternehmensübergreifenden, bei allen beteiligten Abteilungen anerkannten Datenqualitätsindex (DQI) und zweitens ein entsprechendes Tool, das den DQI berechnet und Auswertungen ermöglicht.

Der Datenqualitätsindex bewertet die beiden Attribute Fehlerfreiheit und Vollständigkeit, die zu Beginn als besonders wichtig für Hiltis Kundenprozesse identifiziert wurden. Die Berechnung des DQI basiert auf den Geschäftsregeln, die die kritischen Kundenattribute messen. Als Zielwert wurde ein DQI von mindestens 90 % beschlossen, der über alle Vertriebskanäle und Systeme hinweg (CRM, ERP und Business Intelligence) hinreichend vollständige und fehlerfreie Kundendaten garantieren soll. Dieser Zielwert gilt für alle lokalen Geschäftseinheiten.

Für die Automatisierung der DQI-Berechnung und für das Datenqualitätsmonitoring entwickelte Hiltis interne IT-Abteilung ein eigenes Tool, das „Data Quality Tracking Tool“. Als mögliche Plattformen wurden zunächst Hiltis Business Intelligence (BI)sowie das ERP-System in Erwägung gezogen. Diese Optionen wurden jedoch verworfen, da die BI-Plattform zum Projektzeitpunkt noch nicht alle benötigten Datenfelder (z. B. Contact) enthielt und im Fall des ERP-Systems befürchtet wurde, dass die regelmäßigen Datenanalyseprozesse die Systemperformance einschränken könnten. Das Projektteam entschied schließlich zugunsten einer Lösung auf Basis von Microsoft Access, welche nun monatlich den DQI berechnet. Vorhandene Datendefekte werden außerdem mittels eines regelmäßigen Monitorings identifiziert. In diesem Fall stößt die verantwortliche Abteilung entsprechende Datenbereinigungsaktivitäten für die betroffenen Attribute an. Die Verantwortlichkeiten für die jeweiligen Datenmanagementprozesse sind dabei in dem oben erwähnten Rollenmodell festgelegt. Abbildung 2.36 zeigt das Data Quality Tracking Tool.

Parallel zum neuen Datenqualitätsindex und zum Monitoring-Tool setzte Hilti auch organisatorische Veränderungen um. So erstellte das Projektteam verschiedene Dokumentationen über Datenprobleme und entwarf einen Trainingsplan, um möglichen Fehlerquellen entgegenzuwirken. Zudem wurden sämtliche Prozesse zum Kundendatenmanagement an den neuen Geschäftsregeln ausgerichtet. Der DQI und das regelmäßige Monitoring schaffen erstmalig Transparenz über die Datenqualität in Hiltis verschiedenen Geschäftsbereichen und Regionen und tragen gemeinsam mit der oben beschriebenen neuen Governance-Struktur dazu bei, dass die verantwortlichen Abteilungen im Falle eines Handlungsbedarfs zügig Datenqualitätsverbesserungen vornehmen können.

Abb. 2.36 Data quality tracking tool. (Baghi und Ebner 2013, S. 16)

Das Monitoring-Tool wurde nach Fertigstellung in allen Niederlassungen ausgerollt, beginnend zunächst mit sieben Ländern. In einem weiteren Schritt wurde die Einführung des Tools mit dem gleichzeitig stattfindenden ERP-Roll-Out verbunden. Seit Ende 2009 ist das Tool in sämtlichen Regionen und Ländern im Einsatz.

 
< Zurück   INHALT   Weiter >