Viele Unternehmen stehen vor der Herausforderung, Daten im Vertrieb und Service zielgerichtet einzusetzen. Darüber hinaus sind Daten die Basis für viele KI-Projekte, sofern sie validiert sind und in ausreichender Menge zur Verfügung stehen. Wie kann es produzierenden Unternehmen also gelingen, aus Daten wertvolles Wissen zu generieren und diese als verlässliche Quelle für KI-Systeme zur Verfügung zu stellen? Mit Einführung eines Systems für Customer Relationship Management verschaffen sich Unternehmen einerseits die ganzheitliche Sicht auf ihre Kunden. Dafür werden alle Informationen und Interaktionen mit dem Kunden vom Erstkontakt bis zum Vertragsabschluss und darüber hinaus erfasst. Dies führt abteilungs- und teamübergreifend zu mehr Transparenz und reduziert gleichzeitig den Abstimmungsaufwand. Insbesondere ermöglichen es CRM-Anwendungen, Prozesse zu verschlanken sowie die Service-Qualität und den Umsatz zu steigern.
CRM- mit ERP-Systemen integrieren
Zusätzlich ist die Integration von Anwendungen wie ERP-Software oder Systeme zur Produktionsplanung bzw. für die Materialwirtschaft in das CRM-System sehr hilfreich. So können Mitarbeitende ihren Kunden beispielsweise direkt Auskunft über den Auftragsstatus oder den voraussichtlichen Liefertermin geben. Außerdem könnten produzierende Unternehmen ihren Kunden einen kontrollierten Zugang über ein Portal geben, um sich z.B. eigenständig über den Status ihrer Aufträge zu informieren, Serviceanfragen zu stellen oder ihre Stammdaten zu pflegen bzw. zu ergänzen. Dies entlastet das Personal und schafft Transparenz, die das Vertrauen in den Lieferanten stärkt.
Valide Datenbasis schaffen
Durch das Zusammenführen der kundenbezogenen Daten entsteht im Unternehmen eine ‚Single Source of Truth‘, also eine zentrale Datenquelle, die als die einzige verlässliche Informationsquelle aller kundenbezogenen Daten, Interaktionen und Transaktionen bildet. Diese kann dann vergleichsweise einfach als Grundlage für den Einsatz neuer KI-Werkzeuge dienen.
Hohe Datenqualität gewährleisten
Im nächsten Schritt geht es um das Datenmanagement, das eine hohe Datenqualität sicherstellt. Dabei werden Data-Governance-Richtlinien festgelegt, nach denen Datenbestände zukünftig verwaltet werden sollen. Dies hat zum Ziel, die Verfügbarkeit, Nutzbarkeit, Integrität und Sicherheit von Daten sowie die Einhaltung von Compliance-Vorgaben, z.B. der DSGVO, sicherzustellen. Es folgt im Rahmen einer zentralen Datenstrategie die Bestandsaufnahme der Datenlandschaft. Hierbei kommen Unternehmen häufig zu dem Ergebnis, dass Daten nicht nur über verschiedene Systeme verteilt, sondern in der Regel mehrfach gespeichert sind. Dann ist es notwendig, die Daten aus den Quellen zu konsolidieren und anschließend zu bereinigen, um den eindeutigen ‚Golden Record‘ je Einheit (z.B. Person, Unternehmen und Auftrag) zu definieren. Konkret sind Dubletten zu entfernen, Fehler zu korrigieren und veraltete Informationen zu aktualisieren, was mit KI-Funktionen heute weitgehend automatisiert gelingt. Anschließend werden unstrukturierte Daten zu den Kundendatensätzen hinzugefügt. Auch diesen Prozess können KI-Systeme verschlanken, indem sie beispielsweise E-Mails, Angebote oder Verträge verschlagworten und so den jeweiligen Kunden automatisiert zuordnen.
