Eine Datenbank mit 50.000 Kontakten und 2 % ungültigen Adressen bedeutet 1.000 Hard Bounces bei jeder Kampagne. Das CRM zeigt trotzdem weiter 50.000 Zeilen an. Die Datenqualität (englisch Data Quality) entscheidet sich genau in dieser Lücke zwischen dem, was die Datenbank enthält, und dem, was sich damit tatsächlich anfangen lässt. Sie beschreibt, wie gut ein Datenbestand zum vorgesehenen Zweck passt. Sechs Kriterien messen sie: Genauigkeit, Vollständigkeit, Gültigkeit, Konsistenz, Aktualität und Eindeutigkeit, jedes mit einer Kennzahl, die weiter unten beschrieben wird.
Was ist Datenqualität?
Datenqualität bezeichnet den Grad, in dem ein Datenbestand für den beabsichtigten Zweck geeignet ist. Eine Information ist nicht an sich gut oder schlecht: Eine Festnetznummer genügt der Buchhaltung, für eine SMS-Kampagne ist sie unbrauchbar. Dieser Gedanke der Zweckeignung (englisch fit for purpose) erklärt, warum zwei Abteilungen desselben Unternehmens dieselbe Kundentabelle unterschiedlich beurteilen.
Zwei Begriffe, die Glossare gern vermischen, gehören getrennt. Die Data Governance legt fest, wer welche Daten besitzt und nach welchen Regeln; die Datenqualität misst, was diese Regeln in der Praxis bewirken. Ein Unternehmen kann eine tadellose Governance-Richtlinie haben und trotzdem 15 % Dubletten im CRM.
Die sechs Kriterien von der Genauigkeit bis zur Eindeutigkeit
Die Referenzmodelle unterscheiden sich je nach Anbieter: Manche führen weniger Kriterien, andere mehr (Integrität, Konformität, Plausibilität). Diese sechs sind am gebräuchlichsten. Die oft genannte „Verfügbarkeit“ betrifft Zugriff und Architektur, nicht den Inhalt der Daten.
| Kriterium | Leitfrage | Messbare Kennzahl | Beispiel E-Mail |
|---|---|---|---|
| Genauigkeit | Gibt der Wert die Realität wieder? | Fehlerquote in einer kontrollierten Stichprobe | Die Adresse existiert, aber der zugeordnete Name gehört zu einem anderen Kontakt |
| Vollständigkeit | Sind die Pflichtfelder gefüllt? | Vollständigkeitsquote je Feld | Kontakt ohne E-Mail-Adresse und ohne Telefonnummer |
| Gültigkeit | Entspricht das Format der Regel? | Anteil der Werte außerhalb des Formats | jean.dupont@gmail,com |
| Konsistenz | Sagen zwei Systeme dasselbe? | Abweichungsquote zwischen CRM und E-Mail-Tool | Im einen System abgemeldet, im anderen aktiv |
| Aktualität | Stimmt die Angabe noch? | Alter der letzten Aktualisierung | Geschäftliche Adresse eines ausgeschiedenen Mitarbeiters |
| Eindeutigkeit | Kommt jede Entität nur einmal vor? | Dublettenquote | Dieselbe Person mit zwei Adressen erfasst |
Die Gültigkeit prüft eine Regel, die Genauigkeit einen Abgleich mit der Realität; deshalb kann eine Adresse gültig und trotzdem ungenau sein. marie@beispiel.de hält die Syntax ein und besteht die Prüfung des Formulars. Sie existiert nicht.
So messen Sie Datenqualität
Am Anfang steht das Profiling (englisch Data Profiling): ein Durchlauf durch jede Tabelle, der leere Werte und Dubletten zählt und den Zeitraum der letzten Aktualisierungen ermittelt. Bei einem CRM-Export mit 50.000 Zeilen genügen rund zehn SQL-Abfragen oder eine Tabellenkalkulation mit Pivot-Tabelle für eine erste Bestandsaufnahme.
Vier Kennzahlen decken den Bedarf einer Marketingabteilung weitgehend ab:
- die Vollständigkeitsquote: ausgefüllte Felder geteilt durch Pflichtfelder, berechnet pro Feld und pro Segment statt als Durchschnitt;
- die Dublettenquote: redundante Datensätze geteilt durch alle Datensätze;
- die Hard-Bounce-Rate pro Versand: dauerhaft abgewiesene Adressen geteilt durch versendete Nachrichten;
- das mediane Alter der letzten Aktualisierung, das inaktive Segmente sichtbar macht.
Legen Sie einen Schwellenwert pro Verwendungszweck fest und halten Sie ihn schriftlich fest (zum Beispiel 99 % Vollständigkeit bei der E-Mail-Adresse, 60 % bei der Funktion). Ohne ihn sagt eine Kennzahl von 94 % nichts: Für ein optionales Feld ist sie akzeptabel, für die E-Mail-Adresse einer Versandliste alarmierend.
Die Reihenfolge, in der Sie die Kriterien angehen
Beginnen Sie mit Eindeutigkeit und Gültigkeit. Diese beiden Kriterien lassen sich in einem Durchgang und ohne Diskussion korrigieren: Eine Deduplizierung und eine Formatprüfung lassen sich programmieren, ihr Ergebnis ist noch am selben Tag überprüfbar.
Die Vollständigkeit folgt danach, denn ein leeres Feld lässt sich nur mit einer Quelle oder einer Nachfrage füllen. Genauigkeit und Aktualität erfordern einen Abgleich mit der Realität; sie kosten pro Datensatz mehr und konzentrieren sich deshalb auf die Segmente, die tatsächlich genutzt werden. Die Konsistenz kommt zuletzt, weil jedes System bereits sauber sein muss, bevor es mit den anderen verglichen wird.
Was schlechte Datenqualität kostet
Mehrere Millionen Dollar pro Jahr für eine große Organisation, so lauten die meistzitierten Schätzungen. Sie beruhen auf Selbstauskünften und lassen sich nicht ohne Weiteres auf ein kleines oder mittleres Unternehmen übertragen.
Gartner bezifferte die durchschnittlichen Kosten schlechter Datenqualität 2020 auf 12,9 Millionen Dollar pro Jahr, ein Ergebnis aus einer Befragung von 154 Referenzkunden von 16 Anbietern von Datenqualitätslösungen. Auch diese Zahl ist also eine Selbstauskunft. Älter und spektakulärer ist die Zahl von 3 Billionen Dollar pro Jahr für die US-Wirtschaft, die Thomas Redman 2016 in der Harvard Business Review bekannt machte. Keine veröffentlichte Methode erlaubt es, sie nachzurechnen; die Zahl geht auf eine Hochrechnung von 2011 zurück, die später IBM übernahm. Sie liefert eine Größenordnung und nicht mehr.
Für ein Marketingteam liegen die Kosten tiefer, in Posten, die sich zählen lassen: verlorene Versendungen, Nachfassaktionen des Vertriebs bei veralteten Datensätzen, Rabattcodes, die derselbe Kunde zweimal erhält. Die Rechnung machen Sie mit den eigenen Daten und den eigenen Stückkosten.
Das Beispiel E-Mail-Adressen: Bounce und Zustellbarkeit
Eine Adressliste altert lautlos. Niemand informiert das Marketing, wenn ein Kontakt die Stelle wechselt. Ein Mitarbeiter verlässt das Unternehmen, sein Postfach wird geschlossen, und die Adresse wechselt über Nacht von gültig zu abgewiesen, ohne dass ein Feld im CRM das anzeigt. Das erste Signal kommt beim nächsten Versand als NDR (Non-Delivery Report), den der Zielserver mit dem Code 550 5.1.1 zurückschickt und der ein nicht existierendes Postfach meldet.
Google nennt präzise Schwellenwerte, doch keiner betrifft den Bounce. Die Richtlinien für Absender verlangen, die in den Postmaster Tools gemeldete Spam-Rate unter 0,10 % zu halten und 0,30 % nie zu erreichen; außerdem empfehlen sie, das Volumen zu senken, wenn Nachrichten zurückkommen. Ein Schwellenwert für Hard Bounces steht dort nicht. Jedes Team muss seinen eigenen festlegen und wissen, dass eine steigende Rate die Sender-Reputation verschlechtert und der Filter von Gmail dann die gesamte Kampagne trifft, auch die aktiven Kontakte.
Die Prüfung der Adressen vor dem Versand unterbricht diesen Mechanismus an der Quelle: Syntax, Existenz der Domain, erreichbares Postfach, Erkennung von Catch-all-Domains und Wegwerfadressen. Der verbreitete Einwand „Wir filtern hinterher“ greift zu kurz: Wer den Bounce feststellt, hat ihn bereits verursacht, und er belastet die Reputation der Domain. An einer echten Liste liefert die E-Mail-Verifizierung einer Stichprobe von 1.000 bis 2.000 Adressen aus der nächsten Kampagne eine brauchbare Quote ungültiger Adressen, bevor Sie die gesamte Liste einsetzen. Bei der Zustellbarkeit belastet eine steigende Bounce-Rate die Reputation der Absender-Domain, ebenso wie eine fehlerhaft eingerichtete SPF- oder DKIM-Authentifizierung.
Was die DSGVO zur Richtigkeit verlangt
Datenqualität ist auch eine Rechtsfrage: Die Verordnung (EU) 2016/679, seit dem 25. Mai 2018 anwendbar, macht sie zur Pflicht. Artikel 5 Absatz 1 Buchstabe d verlangt, dass personenbezogene Daten „sachlich richtig und erforderlichenfalls auf dem neuesten Stand“ sind; es sind alle angemessenen Maßnahmen zu treffen, damit im Hinblick auf die Zwecke unrichtige Daten unverzüglich gelöscht oder berichtigt werden.
Eine E-Mail-Liste, die seit 3 Jahren nicht bereinigt wurde, enthält Datensätze ehemaliger Mitarbeiter, geschlossener Firmen und Personen mit neuer Adresse. Für sie gilt der Grundsatz ebenso. Auch die Erhebung selbst zählt: Eine Anmeldung per Double-Opt-in fängt Tippfehler schon bei der Eintragung ab, weil die Bestätigung bei der Adresse ankommen muss, damit sie gespeichert wird.
So bereinigen Sie eine verschlechterte Datenbank
Bereinigen Sie in der Reihenfolge der Tabelle oben, und zwar auf einer Kopie der Datenbank, denn eine Korrektur am Original lässt sich nicht zurücknehmen. Vier Arbeitsschritte decken das Wesentliche ab:
- die Deduplizierung: Datensätze zusammenführen, die dieselbe Person bezeichnen (gleiche normalisierte E-Mail-Adresse, gleicher Name und gleiche Firma), und den vollständigsten behalten;
- die Normalisierung: eine einheitliche Schreibweise für Datumsangaben, Länder, Anreden und Adressen, bei E-Mail-Adressen in Kleinbuchstaben;
- die Anreicherung: leere Felder mit einer verlässlichen Quelle füllen, sonst bleibt das Feld als unbekannt markiert;
- das Löschen oder Archivieren von Datensätzen ohne vorgesehenen Verwendungszweck; das entspricht dem Grundsatz der Datenminimierung in der DSGVO.
Jede Regel hat einen Verantwortlichen, oft Data Steward genannt: die Person, die entscheidet, welcher Datensatz Vorrang hat, und die Schwellenwerte freigibt. Ohne diesen Namen, schriftlich festgehalten, hängt die Bereinigung vom guten Willen Einzelner ab und beginnt bei der nächsten Kampagne wieder bei null.
Die Fehler, die immer wiederkehren
Bereinigen, ohne die Quelle zu korrigieren. Eine im Januar bereinigte Datenbank ist im März wieder verunreinigt, wenn das Anmeldeformular weiterhin gmail,com oder Testadressen akzeptiert. Die Kontrolle bei der Eingabe kostet weniger als 10 Bereinigungen.
Zwei CRM-Systeme ohne Vorrangregel zusammenführen. Widersprechen sich zwei Datensätze, entscheidet jemand, welcher gilt: die neuere Adresse, die verlässlichere Quelle oder der vollständigere Datensatz. Ohne schriftliche Regel überschreibt die Zusammenführung richtige Daten mit veralteten.
Nur den globalen Durchschnitt messen. Eine Vollständigkeit von 92 % über die gesamte Datenbank verbirgt ein E-Mail-Feld mit 99 % und ein Funktionsfeld mit 40 %.
Werkzeug und Methode verwechseln. Eine Software für Datenqualität wendet Regeln an, sie wählt sie nicht aus. Die Auswahl der Werkzeuge und die dauerhafte Überwachung behandelt unsere Seite zum Data Quality Management.
