Ein CRM-System soll die berühmte 360-Grad-Sicht auf den Kunden bieten. Bestehende Unternehmenssysteme haben aber bereits viele kundennahe Informationen erfasst. So beinhalten ERP‑, WWS- oder Auftragsysteme Kunden- und Produktstammdaten ebenso wie Aufträge, Absätze und Umsätze. Das Buchhaltungssystem steuert offene Posten und Bonitätsdaten bei.

Darüber hinaus bringen wachsende CRM-Landschaften neben dem operativen CRM-System oft weitere Spezialsysteme mit Kundenbezug hervor: mobiles CRM, E‑Mail-Marketing oder Kundenportale. All diese Systeme generieren und konsumieren Kundendaten. Dabei zeigt sich die Heterogenität, insbesondere im B2B-Bereich.

Vor diesem Hintergrund greift die schlichte Einzelsystem-zu-Einzelsystem-Integration zu kurz. Schon bei der Verbindung eines neuen CRM mit mehreren bestehenden Systemen macht es Sinn, einen systematischen Integrationsansatz mittels eines CRM-Data Marts zu wählen. Der CRM-Data Mart ist die verbindliche Zentralstelle für alle kundennahen Daten. Integrationsschnittstellen koppeln den Data Mart mit allen Systemen, die Kundendaten erzeugen oder benötigen. So vermeidet er mehrere Punkt-zu-Punkt-Verbindungen zwischen einzelnen Systemen, die im laufenden Betrieb schwer zu koordinieren und schwer zu kontrollieren sind. Insbesondere aber integriert der CRM-Data Mart leicht weitere Systeme und schafft so mehr Agilität.

Metadaten als lohnende Option

Mittelpunkt des Data Mart ist eine relationale Datenbank. Kundennahe Daten werden hier in einer sauberen, erweiterbaren Datenstruktur, der so genannten Normalform, abgelegt. Daten aus CRM, ERP etc. werden periodisch und nach entsprechender Transformation in diese zentralen Strukturen übertragen. Soll der CRM-Data Mart strategisch wachsen, so lohnt eine Metaebene, welche die Daten systematisch und maschinenlesbar darstellt – auch inhaltlich, d. h., dass sie bei Umsatzzahlen beispielsweise erläutert, ob Gutschriften schon gegengerechnet sind oder nicht.

Analytisches CRM

Erst ein gewachsener CRM-Data Mart bietet die häufig beschworene 360-Grad-Sicht, denn er umfasst sowohl Daten aus dem CRM selbst als auch Daten aus anderen Systemen mit Kundenbezug. Damit erlaubt er Analysen über alle Zahlenaspekte – auch solche, die klassische betriebswirtschaftliche Daten mit vertrieblichen Daten mischen. So können Deckungsbeiträge individueller Kunden unter Einbezug von Vertriebs- und Marketing-Kosten ermittelt werden, und fundierte Kundensegmentierungen sind möglich. Es können nun auch schwierige Fragen angegangen werden: Bei welchem Kundentyp lohnt eine Kampagne? Gibt es betriebswirtschaftliche Vorkommnisse, die besondere Aktionen erfordern?

Gerade im B2B-Bereich sind harte, operative Reports gefordert. Sogenannte Customer Fact Sheets erleichtern dem Außendienst die Arbeit. Dazu fassen sie blockweise die wichtigsten Informationen für eine Besuchsvorbereitung zusammen, wie: Kontaktpersonen, letzte Kontakte, offene Aufgaben, Umsatzübersicht, offene Posten oder laufende Aufträge. Idealerweise kann ein solches Fact Sheet direkt im operativen CRM im Kundenkontext abgerufen werden – auch wenn es Daten aus dem Data Mart umfasst. Dies machen webbasierte und programmierbare Reporting-Lösungen möglich.

Abgrenzung zum Data Warehouse

Gerade das Beispiel Customer Fact Sheet zeigt, dass im CRM-Umfeld Detaildaten eine große Rolle spielen. Die großen Data Warehouses, wie z.B. SAP BI, ächzen häufig schon unter der Last der üblichen betriebswirtschaftlichen Auswertungen. In diesem Szenario bietet der CRM-Data Mart schnell operative Auswertungen, die unter der „Radarlinie“ des Data Warehouse liegen. Im Sinne einer Arbeitsteilung kann der CRM-Data Mart kundennahe Informationen voraggregieren und diese dann an das strategische Data Warehouse weitergeben. Dies gilt insbesondere, wenn spezielle Datenquellen, wie beispielsweise Notes-Datenbanken, einzubinden sind, für welche manche ETL-Tools oft keine Schnittstellen anbieten. Im Mittelstand kann der CRM-Data Mart ein pragmatischer Einstieg ins Gesamtthema Data Warehouse und BI sein: die systematische Aufbereitung der kundennahen Daten stellt einen ersten, ausbaufähigen Aspekt der Unternehmensdatenlandschaft dar.

Team4 GmbH, Herzogenrath
www.team4.de