Prozesse und Techniken für die Kundenstammdaten

Golden Record: Obermenge der Kundendaten aus allen Quellen

Der CDH extrahiert und konsolidiert Kundenstammdaten aus heterogenen Datenquellen und bildet daraus den Golden Record. Der Golden Record oder Single Point of Truth stellt einen Stammdatensatz dar, der die relevanten Attribute aus allen Datenquellen vereinigt und damit eine Obermenge sämtlicher Attribute aus sämtlichen Datenquellen ergibt.

Data Cleansing und Matching stellen die Datenqualität sicher. Customer Identity Resolution ordnet dabei ähnliche Sätze aus verschiedenen Quellen einem einzigen Golden Record zu. So lassen sich Dubletten vermeiden und die Datenqualität weiter steigern. Zudem enthält der übergeordnete Datensatz die Links zu allen Stammdatensätzen in verschiedenen Datenquellen, in denen Attribute aus dem Golden Record verwendet werden.

So können Anwender sicherstellen, dass bei der Änderung eines Attributs in einer beliebigen Datenquelle diese Änderung in allen anderen betroffenen Quellen nachgezogen wird. Die Daten bleiben so einerseits konsistent und müssen andererseits nicht - wie in einer Data-Warehouse-Lösung - physikalisch bewegt und damit redundant gespeichert werden. Das Ergebnis ist eine Synchronisierung der Datensilos. Fragmentierte Kundendaten gehören somit der Vergangenheit an.

Über individuelle Regelwerke kann der Golden Record automatisiert und bei Bedarf manuell bearbeitet und ergänzt werden. Die Basis für die 360-Grad-Sicht auf den Kunden ist damit geschaffen.

Die Mehrzahl der bisherigen Lösungen am Markt fokussiert auf B2B-Szenarien. B2C-Anwendungsfälle hingegen erfordern Stammdaten-Services in nahezu Echtzeit, und für Big Data bedarf es einer Customer Identity Resolution. Wenn die Technologieplattform auf einer Service-orientierten Architektur basiert und eine hohe Performance und Skalierbarkeit bietet, dann können solche Stammdaten-Services in Echtzeit angeboten werden. Das hat den Vorteil, dass bereits beim Erfassen von Daten die Datenqualitätsmechanismen greifen - quasi als Firewall. Konsistente Kundendaten von gleichbleibender Qualität über alle Datenquellen hinweg lassen sich so sicherstellen. Ein solcher Ansatz basiert auf den Konzepten von Total-Quality-Management. Das ist entscheidend beim Kundenstammdaten-Management in B2C-Umgebungen, wenn hohe Datenvolumen verarbeitet werden müssen.