Hohe Datenqualität im CRM-System - Das sprichwörtliche Salz in der Suppe.
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
WHITE PAPER Hohe Datenqualität im CRM-System Das sprichwörtliche Salz in der Suppe. Ziel der Einführung eines Customer Relationship Manage- Gelingt es dem Unternehmen nicht, eine hohe Datenqua- ment Systems ist es, die Beziehungen zu bereits bestehenden lität im System zu erreichen und beizubehalten, kann das und zukünftigen Kunden langfristig zu optimieren und zu Potenzial des CRM-Systems nicht voll ausgeschöpft werden: stabilisieren. Ein intelligent aufgesetztes CRM-System allein Langfristige Kundenbindung und gesteigerte Effizienz bei reicht dafür allerdings nicht aus. Korrekte, vollständige, der Arbeit mit Kundendaten bleiben somit Theorie. aktuelle und damit hochqualitative Kundendaten sind im Im Folgenden werden die verschiedenen Einsatzszenarien CRM-System genauso wichtig wie das System selbst. Der eines CRM-Systems beleuchtet. Schwerpunkte sind der Be- Schlüssel zu einer zufriedenstellenden Kundenbeziehung zug zur Datenqualität bzw. die Folgen suboptimaler Daten. ist also nicht nur das CRM-System, sondern ebenso die hohe Des Weiteren zeigt ein praktischer Lösungsweg, wie Unter- Datenqualität. nehmen zu qualitativ hochwertigen Daten in einem noch aufzusetzenden oder im bereits bestehenden CRM-System Hinweise auf mangelnde Qualität der Kundendaten sind kommen und wie dieser Status quo erhalten bleiben kann. unter anderem: hohe Rückläuferquote bei Mailingaktionen aufgrund falscher oder unvollständiger Adressen Kundenbeschwerden bei Mehrfachzustellung der Korrekte, vollständige, aktuelle und gleichen Werbesendungen damit hochqualitative Kundendaten falsche Briefanreden und Adresszeilen, wenn z. B. Herr Katrin Müller und Frau Walter Schmitt Post bekommen sind im CRM-System genauso wichtig mangelndes Vertrauen der eigenen Mitarbeiter in den wie das System selbst. Datenbestand
EINFÜHRUNG Auf Tuchfühlung mit Ihren Kunden Die Einführung eines CRM-Systems ist ein entscheidender Faktor für den langfristigen Unternehmenserfolg. Diese Erkenntnis ist in den vergangenen Jahren in den Führungsetagen vieler Unternehmen zusehends gereift. Unabhängig davon, für welchen Anbieter man sich ent- scheidet und mit welchen Komponenten eines CRM-Systems HIER EIN PAAR BEISPIELE: gearbeitet wird – es geht immer um die Orientierung am Kunden und den dahinter stehenden Service-Gedanken. Ein zufriedener Kunde ist bereit, durch einfache Mund- zu-Mund-Propaganda den Anbieter und dessen Produkte Gut gepflegte Geschäfts- sowie Kun- weiterzuempfehlen. denbeziehungen haben unterschiedli- Bei einer guten und bereits länger bestehenden Be- ziehung zwischen Kunde und Anbieter ist es möglich, che, sehr positive Effekte auf das eige- dass der Kunde Verbesserungsvorschläge für Produkte ne Unternehmen. macht. Veränderte Anforderungen des Marktes werden so wesentlich schneller wahrgenommen, Produkte und Leistungen lassen sich optimieren. Betrachtet man die Einführung eines CRM-Systems aus einem wirtschaftlichen Blickwinkel, wird schnell deutlich, dass das Ein zufriedener Kunde steht Preiserhöhungen toleranter Beziehungsmanagement auch immer mit dem Bestreben gegenüber. nach langfristigen Geschäftsverbindungen und der damit Verlässliche Daten wirken sich auch direkt auf die Mo- verbundenen ökonomischen Sicherheit assoziiert wird. Das tivation der eigenen Mitarbeiter aus. Mit den richtigen CRM-System soll schließlich auch zur Stabilisierung des Ge- Informationen ausgestattet, können sich die Kollegen schäftskontaktes beitragen. auf die Wünsche der Kunden konzentrieren. Die Kunden Gut gepflegte Geschäfts- sowie Kundenbeziehungen, sprich fühlen sich gut betreut, der beidseitige Kontakt bleibt ein stabiles Beziehungsgeflecht, haben unterschiedliche, positiv. sehr positive Effekte auf das eigene Unternehmen. 2
BAUSTEINE Topf und Deckel: ideale Verbindung von CRM & DQ Egal, ob analytisches oder operatives CRM – Korrekte Daten entscheiden über Erfolg oder Misserfolg. Das analytische CRM wird genutzt, um mit allen möglichen Korrekte und dublettenfreie Daten Kundendaten Auswertungen im Rahmen von Business In- telligence vorzunehmen. Eine hohe Datenqualität ist unab- sind wesentliche Voraussetzung für dingbar, um entsprechende Analysen durchzuführen und den „Single View of Customer“. langfristig die richtigen strategischen Entscheidungen zu treffen. Beim operativen CRM ist es wichtig, dass u. a. die Kontaktdaten des Kunden korrekt sind, damit Marketing- aktionen bzw. das Service-Angebot ihr Ziel, nämlich den DATENQUALITÄT BEDEUTET GANZ KONKRET: Kunden, erreichen. korrekte Adressdaten, auch im internationalen Umfeld, Ist eine hohe Datenqualität im CRM-System gegeben, wer- damit schriftliche Korrespondenz den Empfänger erreicht den bei Marketingkampagnen Kunden nur einmal beworben aktuelle Adressen, wenn Umbenennungen von Orts- und damit nicht unnötig verärgert. Zudem werden die Por- bzw. Straßennamen vorliegen tokosten optimiert. Verkaufschancen und Forecast-Analysen sind verlässlich. Der Kundenservice ist effektiver, da beim registrierte Umzüge, damit die Korrespondenz den direkten Kundenkontakt alle relevanten Informationen in Empfänger am neuen Wohnort erreicht korrekter Form vorliegen. Registrierung von Fusionen und anderen Veränderun- gen bei Unternehmen Vor diesem Hintergrund wird deutlich, dass Datenqualität Löschen bzw. Deaktivieren von Kontaktdaten, wenn – hier korrekte und dublettenfreie Daten – wesentliche Vor- eine Kundenbeziehung nicht mehr aufrechterhalten wird aussetzung für den sogenannten „Single View of Customer“ – beispielsweise bei Todesfällen oder „Single Point of Truth“ ist. Denn nur optimale Daten er- eindeutige Datensätze, damit der Kundenstamm du- lauben es, wirklich alle auf einen Kunden bezogenen Daten blettenfrei ist und somit ein Kunde tatsächlich nur ein auf einen Datensatz zu verdichten. So wird die ganzheitliche Sicht auf einen Kunden ermöglicht. einziges Mal in der Datenbank enthalten ist 3
CRM UND DATENQUALITÄT Datenqualität im CRM: "How to" Unabhängig davon, ob ein komplett neues CRM-System Audit Teil des DQ Streams und damit eine wichtige Voraus- aufgesetzt wird, die Datenqualität eines bestehenden CRM- setzung für eine erfolgreiche Migration. Ähnlich verhält es Systems optimiert oder mehrere Systeme zu einem CRM-Sys- sich, wenn zusätzliche Quelldatensysteme in ein bestehendes tem zusammengefasst werden sollen, kann die angestrebte CRM-System integriert werden sollen. hohe Datenqualität in drei Teilprozessen erreicht werden: Um den Status quo der Datenqualität permanent bestimmen 1. initiale Datenbereinigung und prüfen zu können, empfiehlt sich ein nachgelagertes 2. „First Time Right“ bzw. Mechanismen, die schlechte Da- Monitoring. Damit lässt sich die Einhaltung von Geschäfts- tenqualität bereits bei der Datenerfassung oder -bearbei- regeln automatisch überprüfen und es können kritische tung abfangen (Data Quality Firewall) Schwellenwerte festgelegt werden, um zeitnahe Optimie- 3. Einsatz von Data Maintaining als Maßnahme zur Erhal- rungsmaßnahmen zu ermöglichen. Solche Schwellenwerte tung eines hohen Standards der Datenqualität können auch „Key Performance Indicators“ (KPI) sein, die Aussagen über den Status quo definierter Unternehmenszie- le zulassen. Datenqualitätsprozess Damit eine initiale Bereinigung zielgerichtet erfolgen kann, Egal, ob komplett neu aufgesetztes, ist es empfehlenswert, sich in einem vorgelagerten Schritt einen Überblick über die Qualität der Daten zu verschaffen. optimiertes bestehendes oder aus ver- Hierbei geht es nicht nur um korrekt geschriebene Adressen schiedenen Systemen konsolidiertes oder doppelte Datensätze, sondern vielmehr auch darum, die Struktur der Daten kennenzulernen und bereits beste- CRM-System - die angestrebte hohe hende Geschäftsregeln zu prüfen. Typischerweise wird dieser Datenqualität kann in drei Teilprozes- Schritt im Rahmen eines Datenqualitäts-Audits umgesetzt. sen erreicht werden. Soll ein neues CRM-System eingerichtet werden, ist der DQ 4
CRM und Datenqualität Abbildung: Der Datenqualitätsprozess von Uniserv zeigt, wie die drei Teilprozesse miteinander zusammenhängen. 5
INITIALE DATENBEREINIGUNG 1. Initiale Datenbereinigung Beim initialen Cleansing der Daten wird der gesamte Datenbestand in einem Batch-Lauf geprüft und bereinigt. Dabei ist es unerheblich, um wie viele unterschiedliche Datenquellen es sich handelt oder aus welchen Ländern die Daten stammen. Typischer Ablauf der initialen Datenbereinigung Einheitliches Mapping: Die Feldinhalte unterschiedlicher Die Namensbestandteile werden analysiert. Datenquellen werden den gleichen Feldern zugeordnet. Sehr komplexe Namenszeilen, die entweder aus mehreren Perso- Beispiel: Der Name des Ansprechpartners steht in unterschied- nen bestehen oder in denen der Firmenname inklusive Abteilung lich benannten Feldern pro Datenquelle. Idealerweise sollte das und Ansprechpartner steht, werden analysiert. Bei der Analyse Mapping an dieser Stelle schon dem Mapping im CRM-System wird festgestellt, ob es sich um B2C-Daten oder B2B-Daten han- entsprechen. So kann bei der Migration sichergestellt werden, delt. Ebenso werden alle Elemente der Namenszeile in eigens dass die richtigen Daten in die dafür vorhergesehenen Felder zugewiesene Felder geschrieben, so das z. B. Auswertungen geladen werden. über akademische Titel oder Rechtsformen der Unternehmen gemacht werden können. Datenquelle A Name: Datenquelle B Vorname: Nachname: Eine postalische Prüfung der Adressen wird vorgenommen. Unabhängig davon, ob es sich hierbei um nationale oder inter- Datenquelle C nationale Adressen handelt, werden Postleitzahl, Ort, Straße Kontakt: und Hausnummer auf ihre Korrektheit geprüft. Wenn möglich, werden fehlende Adressbestandteile korrigiert und/oder ergänzt. Offiziell umbenannte Straßen und Orte werden automatisch ak- Die Daten werden in ein einheitliches Format gebracht. tualisiert. Für bestimmte Länder stehen auch eine Postfachprü- Beispiel: einheitliches Format bei Telefonnummern oder Datum- fung und eine Großkunden-Postleitzahlprüfung zur Verfügung. sangaben. 6
INITIALE DATENBEREINIGUNG Adressen von Umzüglern werden aktualisiert. Die Adressen werden mit Zusatzinformationen angereichert. Jährlich wechseln ca. acht Millionen Menschen in Deutschland Je nach Bedarf können die Adressen mit relevanten Infor- ihren Wohnsitz. Nur die wenigsten teilen ihre neue Adresse mationen, wie z. B. Geokoordinaten oder Branchenschlüssel, aktiv mit. Mit einem Umzugscheck über die Gesamtdatenbasis angereichert werden. können die Datensätze betroffener Personen initial oder später periodisch aktualisiert werden. Die Adressen werden in spezifische Formate gebracht. In bestimmten Ländern wie z. B. Frankreich ist eine Formatierung der Adresse gemäß den Vorgaben der nationalen Landespost- Dubletten werden identifiziert. behörde erforderlich, um bei Portooptimierungsmaßnahmen Dubletten, also gleiche oder ähnliche Datensätze, werden mit möglichst günstige Versandoptionen zu nutzen. fehlertoleranten Such-Algorithmen identifiziert. Diese Such-Al- gorithmen können individuell an die Geschäftsregeln angepasst werden. Uniserv bietet standardisierte Such-Algorithmen für den B2C- und B2B-Bereich an. Mit Hilfe einer Aussage über die Ähnlichkeit der gefundenen mehrfachen Datensätze kann abgeschätzt werden, inwieweit später Sachbearbeiter manuell entscheiden müssen, ob es sich bei den identifizierten Datensätzen um Dubletten handelt oder nicht. Der „Golden Record“ wird gebildet. Gerade wenn Daten aus unterschiedlichen Quellen kommen und diesen neben den postalischen Informationen noch weitere relevante Inhalte anhängen, ist die Bildung eines „Golden Record“ fundamental. Es besteht die Möglichkeit, Datensätze einer identifizierten Dublettengruppe zu konsolidieren. Das heißt, Informationen von den Folgedatensätzen können in den Kopfsatz einer Gruppe über- nommen werden. Doppelte Datensätze, die nicht eliminiert werden, sind mit einem Löschkennzeichen markierbar. Name Straße & Nr. PLZ Ort Telefon Konsolidierung „Telefon“ Ergebnis Das betrifft beispielsweise das korrekte Format von Datumsan- Wenn geplant ist, ein CRM-System ini- gaben und Telefonnummern. Aber auch formale Dinge, wie die tial zu befüllen, sollten im Rahmen des maximale Länge der Felder für Straßen- und Ortsnamen sollte man beachten. Werden diese relativ einfachen Anforderungen initialen Cleansings migrationsrelevante bereits beim initialen Cleansing umgesetzt, erspart man sich Aspekte berücksichtigt werden. später bei der Migration die Implementierung aufwendiger Transformationsregeln. 7
DATA QUALITY FIREWALL 2. Data Quality Firewall: „First Time Right“ Nach der Übernahme des initial bereinigten Datenbestands müssen bestimmte Standards bei der Neuanlage von Datensätzen festgelegt werden. Nur so bleibt die bereits erreichte hohe Datenqualität erhalten. Hier bieten sich unterschiedliche Möglichkeiten aus dem Bei der Anlage eines neuen Datensat- Real-Time-Bereich an: zes im CRM-System müssen bestimm- Soll ein neuer Datensatz ins System aufgenommen wer- te Eingaberegeln eingehalten werden. den, muss zunächst geprüft werden, ob es ihn nicht schon gibt. Es muss vermieden werden, redundante Informatio- nen anzulegen. Ähnlich wie beim initialen Cleansing wird verfälschen. Ist die am Telefon aufgenommene Information mit fehlertoleranten Algorithmen sehr schnell nach einem nicht korrekt bzw. eindeutig, kann der Mitarbeiter sofort bereits im System vorhandenen Kontakt gesucht. Ergebnis nach fehlenden Zusatzinformationen wie z. B. dem Ortsteil dieser Suche ist entweder eine Liste gleicher oder ähnlicher fragen, um die Adresse dann postalisch korrekt ins System Datensätze, aus der der passende Eintrag ausgewählt und einzugeben. Dabei erfolgt die Adressprüfung entweder auf bearbeitet wird. Oder die Suche ist erfolglos – in diesem Fall Knopfdruck, beim Speichern oder vollautomatisch. Selbst- muss ein neuer Record angelegt werden. verständlich können auch individuelle Dialoge zur Adress- prüfung angeboten werden. Bei der Anlage eines neuen Datensatzes im CRM-System müssen bestimmte Eingaberegeln eingehalten werden. Ausschlaggebend für die Nutzung und Akzeptanz dieser Straßennamen sollten beispielsweise nur in die dafür vor- Prüfmechanismen ist die Performance der dahinter stehen- gesehenen Felder eingetragen werden. Bei Feldern für den Technik. Dauern diese Prüfungen zu lange, werden diese Telefonnummern ist eine syntaktische Prüfung möglich. E- Funktionen nicht genutzt – die Data Quality Firewall wird Mail-Adressen sind ebenfalls prüfbar: Dabei wird abgefragt, umgangen. Da speziell in Call Centern unter hohem Zeit- ob es die Domäne und den Nutzernamen tatsächlich gibt. druck gearbeitet wird, müssen die Suche nach bereits vor- Ebenso besteht die Möglichkeit, die angegebene Postad- handenen Datensätzen und die Adressprüfung sehr schnell resse gegen Referenzdaten abzugleichen. Das ist sinnvoll, erfolgen. Der Einsatz eines Rapid Entry Clients ermöglicht wenn z. B. die Adresse in einem Call Center nur telefonisch die automatische Vervollständigung der Adressbestandteile durchgegeben wurde und Schreib- oder Hörfehler die Daten nach Eingabe der ersten Buchstaben bzw. Zahlen. 8
Data Quality Firewall Für die Umsetzung dieser Für die Anbindung vieler CRM-Systeme an die Adressvalidie- rung von Uniserv bieten sich Webservices an. Diese werden Prüfmechanismen stehen verschiedene mit Hilfe der Data Quality Real-Time Suite auf Knopfdruck Alternativen zur Verfügung: generiert und verwaltet. Die Webservices können dann direkt in das jeweilige CRM-System eingebunden werden. Geht es um die postalische Prüfung, bieten sich grundsätz- Für bestimmte CRM-Systeme (SAP, Salesforce, Oracle Siebel, lich zwei Alternativen an. Zum einen kann die SaaS-Platt- und update.seven) stellt Uniserv spezifische DQ-Konnek- form von Uniserv genutzt werden. Vorteil dieser Lösung toren zur Verfügung. Vorteil dieser Plug-and-Play-Lösung ist, dass die Installation und das regelmäßige Update der ist, dass bereits eine graphische Oberfläche für die Adress- postalischen Referenztabellen entfallen. Die Abrechnung prüfung im CRM-System mitgeliefert wird, die im Fall der erfolgt satzweise – bezahlt wird also nur das, was auch tat- Webservice-Lösung ggf. noch programmiert werden muss. sächlich geprüft wurde. Der Dublettencheck wird nur für Salesforce in der Cloud Zum anderen können die Referenztabellen auch lokal ge- angeboten. Ähnlich wie zuvor beschrieben können entwe- halten und somit auch beliebig oft angesprochen werden, der Webservices oder der entsprechende DQ-Konnektor ohne dass zusätzliche Kosten pro Abfrage entstehen. Auch eingebunden werden. Für alle anderen CRM-Systeme gilt, der Mix beider Lösungen ist möglich: Beim Hybrid-Modell dass die Suche nach potenziellen Dubletten lokal und nicht können lizenzierte Anwendungen um Services aus der Cloud über die SaaS-Plattform abläuft. Hintergrund ist, dass die Su- heraus erweitert werden. So kommt beispielsweise die SaaS- che nach bereits vorhandenen Datensätzen in einem Code- Lösung bei der Überprüfung von Ländern zum Einsatz, bei pool passiert, der auf Kundenseite lokal abgelegt ist. Dies denen sich der Kauf der Referenztabellen nicht lohnt, wäh- geschieht unter anderem aus Gründen der Datensicherheit. rend die Prüfung der Adressen aus den Hauptländern dann Der Dublettencheck kann – wie die postalische Adressvalidie- lokal geschieht. rung – über Webservices eingebunden werden. Für bestimm- te CRM-Systeme bietet Uniserv dazu DQ-Konnektoren an. Über ein Hybrid-Modell kann für Der E-Mail-Check sowie andere Prüfungen (Bankdaten, Telefonnummern, Umzüge) können über Webservices ein- bestimmte Länder die SaaS-Lösung in gebunden werden, die wie bereits beschrieben einfach mit Anspruch genommen werden, der Data Quality Real-Time Suite generiert und verwaltet werden. Der E-Mail-Check ist nur über die SaaS-Lösung er- während die Prüfung der Adressen aus reichbar. Die Prüfungen von Bankdaten, Telefonnummern den Hauptländern lokal geschieht. und Umzugsverarbeitungen können sowohl über die Cloud als auch lokal eingebunden werden. 9
DATA MAINTENANCE 3. Data Maintenance: Erhaltung des Datenqualitätsstandards Trotz initialer Datenbereinigung und implementierter DQ-Mechanismen ist es sinnvoll, den Gesamtdatenbestand periodisch zu prüfen. In Deutschland gibt es pro Jahr etwa 40.000 offizielle Än- Es empfiehlt sich, periodisch im Ge- derungen im Straßen- und Ortsverzeichnis. Dabei handelt es sich um die Aufnahme neuer Straßen, Eingemeindungen samtdatenbestand im Batch-Lauf nach und Umbenennungen. Um diesen Änderungen Rechnung zu redundanten Datensätzen zu suchen. tragen und die Kontaktinformationen up to date zu halten, ist ein periodischer Abgleich mit den aktuellen Referenzta- Die Erfahrungen haben gezeigt, dass es trotz der Data Qua- bellen sinnvoll. lity Firewall immer wieder zur Anlage doppelter Datensätze Nicht zu unterschätzen sind die deutschlandweit mehreren kommt. Die Firewall wird umgangen, der passende Daten- Millionen Umzüge pro Jahr. Dies betrifft zwar überwiegend satz nicht gefunden oder es haben sich Änderungen bei den Privathaushalte, aber nicht alle Umzügler melden die neue Kontaktinformationen ergeben, die eine Konsolidierung Adresse automatisch bei ihren Banken, Versicherungen oder erfordern. Es empfiehlt sich also, periodisch im Gesamtda- anderen Geschäftspartnern. Ohne aktuelle Adressen ist das tenbestand im Batch-Lauf nach redundanten Datensätzen Kundenbeziehungsmanagement eine unnötig verkompli- zu suchen. zierte Herausforderung. Im B2B-Bereich kommt es im Rahmen von Fusionen, Insolven- Zur Umsetzung von Data Maintenance über den Gesamtda- zen, Umbenennungen oder beim Wechsel der Rechtsform tenbestand bietet sich die Data Quality Batch Suite an. Mit zu Änderungen, die im CRM-System nachgepflegt werden dieser leistungsstarken und hoch parametrierbaren Software müssen. Bei Vertragsabschlüssen ist die korrekte Firmierung Suite können über eine einheitliche Oberfläche alle DQ- ein juristisches Muss. Prüfungen konfiguriert werden. Je nach Ausbaustufe und Auch im B2C-Bereich kommt es regelmäßig zu Namensän- Prüfroutine lassen sich mehrere Millionen Datensätze pro derungen – etwa durch Hochzeiten und Scheidungen. Sind Stunde verarbeiten. Bei der Suche nach Dubletten können Kunden verstorben, sollten die entsprechenden Datensätze die gleichen Geschäftsregeln wie im Real-Time-Bereich bzw. zumindest gekennzeichnet werden. der Data Quality Firewall angewendet werden. FAZIT Sind die hier beschriebenen Prozessschritte implementiert und wird eine gute Datenqualität erreicht, kann das Potenzial des CRM-Systems voll ausgeschöpft werden. Die Auswertungen im analytischen CRM sind jetzt ver- gefestigt. Im gleichen Zuge steigt das Vertrauen der ei- lässlich. Die Daten im operativen CRM lassen ein kunden- genen Mitarbeiter in die Daten. Fest steht: Datenqualität orientiertes und effizientes Handeln in allen Bereichen im CRM ist das Salz in der Suppe – machen Sie Kunden- zu. Somit werden die Kundenbeziehungen langfristig wertmanagement zu Ihrem Erfolgsrezept! 10
DATA QUALITY SERVICE HUB Data Quality Service Hub Im modular aufgebauten Data Quality Service Hub sind die Data Quality und Data Integration Services von Uniserv zu Hause. Der Data Quality Service Hub ist die zentrale Data-Manage- ment-Plattform für Unternehmensdaten, in der sich die klassischen Projektszenarien des Data Managements – wie Datenqualitätsinitiativen, Datenintegration, Datenmigration und -konsolidierung – bearbeiten lassen. Mit Uniserv halten Sie die Qualität der Unternehmensda- ten über deren gesamten Nutzungszeitraum auf hohem Niveau. Der Data Quality Service Hub vereint Produkte, die den gesamten Data Quality Cycle abdecken: von der Ana- lyse des Datenbestands und einer Erstbereinigung über die Implementierung einer Data Quality Firewall bis hin zu regelmäßigen Bereinigungen von Beständen im Zuge der Data Integration Suite Data Maintenance. Der Data Quality Service Hub setzt sich aus folgenden Komponenten zusammen: Mit ihr ist es ein Leichtes, Daten aus unterschiedlichsten Quellen zu extrahieren, in andere Formate zu transfor- mieren und in Zielsysteme zu laden – im Batch-Bereich wie DQ Explorer auch in Real-Time. Ein umfangreiches Set an Konnektoren ermöglicht per Plug & Play die Anbindung an unterschied- Mit diesem Data-Profiling-Werkzeug erkunden Sie vor der lichste Datenquellen und die Einbindung verschiedener Überführung schnell und interaktiv den Status quo Ihrer Da- Datenqualitätsapplikationen. ten. Daraus leiten Sie wertvolle Erkenntnisse für die Maßnah- men und Prioritäten Ihres Data Quality Managements ab. Data Quality Batch Suite DQ Real-Time Suite Sie ist nicht Bestandteil des Data Quality Service Hub, lässt sich aber nahtlos in einen aufgebauten Datenstrom integ- Sie wirkt wie eine Firewall gegen Verunreinigungen. Schon rieren. Sie ist das Schweizer Taschenmesser unter den Data- während der Eingabe in interaktive Anwendungen sichert Quality-Produkten zur Überprüfung, Bereinigung, Konsoli- die Data Quality Real-Time Suite die Qualität von Daten. Sie dierung und Anreicherung von Daten. Die DQ Batch Suite vereinfacht die Integration der DQ Real-Time Services (wie übernimmt die Aufgaben des initialen Cleansings auch für postalische Prüfung oder Dublettencheck) in Applikationen. große und größte Datenbestände. 11
Datenqualität vom europäischen Marktführer Uniserv ist der größte spezialisierte Anbieter von Data einer ganzheitlichen Lösung für alle Geschäftsdaten über Quality Solutions in Europa mit international einsetzbarem den gesamten Datenlebenszyklus hinweg. Softwareportfolio und Services für das Data Management. Am Stammsitz in Pforzheim sowie in der Niederlassung in Paris, Frankreich, beschäftigt das Unternehmen über 110 Data Management vereint Datenqualitätssicherung Mitarbeiter und zählt branchenübergreifend und inter- und Datenintegration. Mit seinen Lösungen unterstützt national zahlreiche renommierte Unternehmen wie bei- Uniserv seine Kunden bei Initiativen für Datenqualität sowie spielsweise Allianz, Amazon, Dell, Deutsche Bank, eBay, bei Projekten zur Datenintegration, Datenmigration und EDEKA, E.ON, France Telecom, Johnson & Johnson, Lufthansa, -konsolidierung sowie Datensynchronisation, beispielswei- OTTO, Siemens, Time Warner sowie TUI und Volkswagen zu se im Umfeld von CRM-Anwendungen, eBusiness, Direct- seinen Kunden. und Database-Marketing, CDI/MDM-Anwendungen, Data Warehousing und Business Intelligence. Mit mehreren Tau- Weitere Informationen erhalten Sie unter: send Installationen weltweit bedient Uniserv die Erwartung www.uniserv.com UNISERV GmbH Rastatter Str. 13, 75179 Pforzheim, Deutschland T: +49 7231 936 - 0 F: +49 7231 936 - 3002 E: info@uniserv.com www.uniserv.com © Uniserv GmbH, Pforzheim, All rights reserved
Sie können auch lesen