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
4CRM und Datenqualität
Abbildung: Der Datenqualitätsprozess von Uniserv zeigt, wie die drei Teilprozesse miteinander zusammenhängen.
5INITIALE 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.
6INITIALE 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.
7DATA 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.
8Data 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.
9DATA 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!
10DATA 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.
11Datenqualität 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 reservedSie können auch lesen
