Wer Adressdaten und weitere Wirtschaftsinformationen einkauft, muss sie genau zu nutzen wissen und auf dem neuesten Stand halten. Aktualität und Automatisierung sind die wichtigsten Punkte für ein effizientes Datenmanagement. Wie weit stehen KI und Co. beim Mammutvorhaben Datenanalyse unterstützend zur Seite?
Foto: magicoven - shutterstock.com
Das durchgängige Sammeln von Kundendaten für Vertriebs- und Marketingzwecke gehört schon lange zum Alltag. Vertriebsmitarbeiter werten dabei neben den selbst erhobenen Daten auch die externer Anbieter aus - eine Datenflut, die es zu analysieren gilt. Fluch und Segen zugleich: Zum einen kann der Vertriebler besser abschätzen, was der Kunde benötigt, sodass ihm die Kontaktaufnahme wesentlich leichter fällt. Zum anderen liegen ihm nun auch unnötige Informationen vor, Karteileichen, die für sein Angebot irrelevant sind und seine Ordnung eher durcheinanderbringen als sie zu verbessern.
Ordnung ist das (Arbeits-)Leben
Das Stichwort bei der Bändigung unternehmerischer Datenmassen lautet Intelligenz, ob sie nun vom Menschen, einer KI oder den Daten selbst stammt. Ohne schnelle Einteilung in grobe Muster, an denen sich Vertrieb und Marketing orientieren, verliert eine Datensammlung im Wachstum an Wert. Besonders kleine und mittelständische Betriebe, deren Budget nicht für Datenmanagement-orientierte Fachkräfteteams ausreicht, können auf einem Berg aus unsortiertem Material sitzen bleiben. Eine Lösung kann dabei Die einfachste Lösung für eine effektive Arbeit mit Unternehmensdaten stellt ein Wirtschaftsinformationsanbieter dar, der Datenanalysten beschäftigt, um passende Zielgruppen und Ansprechpartner zu eruieren. Nur aussichtsreiche und aktuelle Informationen, ermittelt durch multivariante Analyseverfahren, erreichen die Betriebsleitung und das mit ihnen kompatible CRM-System.
In Deutschland ändern sich gemäß Erhebungen der Databyte Business Engine täglich über 15.000 Firmenadressen und Zusatzinformationen. Die Bearbeitung eines solchen Ausmaßes an Veränderungen innerhalb der Zielgruppe erfordert zeitliche und personelle Ressourcen. Ein angepasstes und tagesaktuelles CRM-System kann den Vertriebler dabei unterstützen, dass er aus der Datenmenge seinen Vorteil zieht. Das gelingt mit einem Dreigespann: Mensch, Maschine und Daten.
Die Datenwut
Adressdaten von externen Anbietern einzukaufen, kann hilfreich sein. Wichtig dabei ist, im Vorfeld den künftigen Nutzen zu definieren, also das "wofür".
Sollen nur klar abgegrenzte Branchen angesprochen werden?
Dann müssen Dateneinkäufer die Gruppe der Adressaten klar definieren.Oder liegt der Wunsch in der Ansprache neuer, noch unentdeckter Kundengruppen?
In diesem Fall ist ein reiner Einkauf keine gute Wahl.
An diesem Punkt können Datenanbieter mittels individueller Analysen unterstützen. Eine Lead Score-Analyse beispielsweise errechnet pro Kontakt die Wahrscheinlichkeit eines Abschlusses und teilt ihm einen Wert zu. So verfügt der Kontakt Fred Müller mit seiner Baubeschlagproduktion und 200 Mitarbeitern über einen besseren Wert für einen Webshop-Anbieter als Lieschen Müller mit ihrem Einmann-Schraubendreher-Unternehmen. Nur Leads mit hohem Score-Wert erreichen den Vertriebsmitarbeiter. Diese Untersuchungen zeigen neue Potenziale und vermeiden unnötige Datenmassen.
Von Anfang an ausschließlich zielgerichtete Informationen zu übernehmen, ist sicher, effizient und hilft der Visualisierung. Nach Ermittlung der gewünschten Kontakte sollte sich deshalb jeder Unternehmer fragen:
Wie fügen sich die neuen Daten in meine vorhandene Datenbank ein?
Sind diese Daten bereits so unterteilt, dass sie sich unkompliziert und korrekt in mein CRM-System eingliedern?
Wie erreiche ich die neue Zielgruppe?
Schon diese drei Fragen zeigen die Herausforderung im aktiven Umgang mit externen Daten. Grundsätzlich ergibt ein zentrales Lead Management immer Sinn, solange geschulte Mitarbeiter die Daten von dort aus bearbeiten und steuern können. Data Hubs als neuester Datenzentralisierungs-Trend kombinieren Adresspools und CRM-Systeme inklusive all ihrer Informationen und erlangen entsprechende Größe. Um die Aktualität und richtige Handhabung zu gewährleisten, hilft das Einrichten spezieller Teams im Datenmanagement.
Beispielsweise für Data Enrichment, also das Anreichern von Datensätzen mit zusätzlichen Informationen. Datenanreicherung erhöht den Wert der Daten, benötigt aber viel Zeit.
Ähnliches gilt für Datamining und Lead Scoring. Durch Datamining versuchen Datentaucher im ansteigenden Meer aus Informationen Vernetzungen zu entdecken. Das Lead Scoring errechnet die Erfolgsrate eines Abschlusses. Der Output dieser Blackbox ist für Marketing und Vertrieb zwingend notwendig, um einen Vorsprung vor der Konkurrenz zu generieren. Spezialabteilungen bieten daher den bestmöglichen Umgang mit dem wertvollsten Gut der Digitalzeit - Unterstützung durch artifizielle Intelligenz inklusive.
Künstliche Intelligenz allein bei der Arbeit?
Daten sind Nahrung für eine KI - ohne dieses Futter siecht das smarte Kunstwesen dahin. In einem Datenpool kann Data Analytics anhand automatischer Mustererkennung unerforschte Kundengruppen und andere Potenziale finden. Dadurch, dass die Künstliche Intelligenz dauerhaft ihre eigenen Ergebnisse überprüft, externe Überarbeitung erkennt und speichert, führt dieser Vorgang zu einem komplexen Algorithmus. Reale Personen sind nicht in der Lage, solche Verbindungen zu erkennen.
Auch Predictive Lead Scoring kann nützlich sein. Hierbei errechnet die KI durch maschinelles Lernen die Wahrscheinlichkeiten eines Abschlusses bei entsprechenden Kunden - und zwar bevor das bisherige Lead Scoring im Vertrieb ansetzt.
Jedem Einsatz von künstlicher Intelligenz in Unternehmensbereichen steht zwingend eine Umstellung der Betriebsprozesse voran, damit die Inbetriebnahme dieser automatisierten Analysen funktioniert.
Datenintelligenz als smarte Hilfe
Ja, auch Daten selbst können über eine Form von Intelligenz verfügen. Smart Data bezeichnet Informationen, die schon am Eingabepunkt voranalysiert werden und damit einen direkten Nutzen haben - ganz ohne Zutun eines Analysesystems. Echtzeitanalyse findet vor allem Anwendung im Internet of Things, verständlich bei beispielsweise selbstfahrenden Autos, die eine sofortige Auswertung der sensorischen Informationen benötigen. Doch auch alle anderen Gebiete, profitieren von der schnellen Verarbeitung. Vertriebsmitarbeiter fokussieren die Unternehmen, deren Daten in das gewünschte Raster passen, und vernachlässigen getrost die übrigen. Doch eine solche Unternehmung braucht spezielle Tools und ein Analyseteam, das nicht nur den Output, sondern auch die Implementierung verantwortet. Ein Smart Data Analytics System ist ohne menschliche Unterstützung nicht denkbar.