Ein Duplikat in Ihrem CRMHier geht es nicht um ein Problem mit der Reihenfolge, sondern um eine Entscheidung, die auf unvollständigen Informationen beruht. Zwei Datensätze für denselben Kunden – und die gesamte Vertriebskette gerät aus den Fugen.
Die Kosten einer Duplizierung bei fehlerhaften Entscheidungen
Doppelte Datensätze werden oft als rein ästhetisches Problem betrachtet: Eine saubere Datenbank wirkt einfach ansprechender. Diese Sichtweise verkennt jedoch ein Problem, das die Qualität täglicher Entscheidungen unmittelbar beeinträchtigt. Existieren zwei Datensätze für dieselbe Entität, sind die Daten auf diese aufgeteilt. Keiner der beiden ist vollständig. Und auf diesen unvollständigen Daten basieren die Entscheidungen von Vertrieb, Marketing und Management.
Hier sind die sechs direkten Folgen eines unentdeckten Duplikats.
- Ein Verkäufer ruft ohne Kontext zurück. Die letzte Interaktion mit dem Kunden ist in Akte A dokumentiert, der Vertriebsmitarbeiter arbeitet jedoch mit Akte B. Ihm sind weder der letzte Austausch noch die getroffenen Vereinbarungen oder der Grund für den letzten Anruf bekannt. Er erscheint unzureichend vorbereitet zu Kundengesprächen, was die Geschäftsbeziehung und die Glaubwürdigkeit des Unternehmens schädigt.
- Es wurde zweimal eine Erinnerung versendet. Der Kunde erhält innerhalb weniger Minuten zwei identische Erinnerungs-E-Mails oder zwei Briefe in derselben Woche. Das ist nicht nur ärgerlich, sondern ein Zeichen interner Unordnung, das der Kunde sofort als solches deuten wird.
- Ein unterschätzter Kundenumsatz. Ausgestellte Rechnungen sind mal Datensatz A, mal Datensatz B zugeordnet. Wenn ein Vertriebsmitarbeiter den Gesamtbetrag des Kontos prüft, sieht er nur einen Teil der Historie. Er unterschätzt die Bedeutung des Kunden, was zu Fehlkategorisierungen, schlecht berechneten Rabatten oder fehlenden Kundenbindungsmaßnahmen führen kann, obwohl das Volumen eine intensivere Kundenbetreuung rechtfertigen würde.
- Eine fehlerhafte Segmentierung. Marketingkampagnen basieren auf Kundensegmenten: aktive Kunden, inaktive Kunden und potenzielle Kunden. Wird ein aktiver Kunde auf zwei Profile aufgeteilt, erscheinen seine letzten Käufe möglicherweise auf beiden Profilen unzureichend, wodurch er dem Segment der „inaktiven“ Kunden zugeordnet wird. In der Folge erhält er unpassende Nachrichten oder sogar ein Reaktivierungsangebot, obwohl er erst kürzlich eine Bestellung aufgegeben hat.
- Eine fragmentierte Kundenhistorie. Support-Tickets, angenommene Angebote, laufende Projekte, Besprechungsnotizen: All diese Daten werden in zwei separaten, inkonsistenten Datensätzen erfasst. Im Streitfall oder bei komplexen Verhandlungen erfordert die manuelle Abfrage beider Datensätze den Abgleich der vollständigen Historie. Dies ist zeitaufwendig und birgt das Risiko, wichtige Informationen zu übersehen.
- Voreingenommene strategische Entscheidungen. Managementberichte aggregieren Daten aus der CRM-Datenbank. Sind viele Kunden doppelt erfasst, zeigen die Dashboards eine überschätzte Kundenzahl, einen unterschätzten durchschnittlichen Bestellwert und realitätsferne Kundenbindungsraten an. Entscheidungen bei der Personalbeschaffung, Produkteinführungen oder geografischen Expansionen könnten auf ungenauen Zahlen basieren.
Diese sechs Folgen summieren sich. Ein Duplikat, das ein Jahr lang unentdeckt bleibt, kann Dutzende von Entscheidungen beeinflussen, bevor es erkannt wird. Die Kosten bestehen nicht nur in der Bereinigung selbst, sondern auch in den Kosten aller Maßnahmen, die auf fehlerhaften Grundlagen durchgeführt werden.
Die zwei Arten von Duplikaten
Bevor man nach Duplikaten sucht, ist es unerlässlich zu verstehen, dass es zwei grundverschiedene Arten gibt und dass eine Verwechslung dieser beiden Arten zu Fehlern führt, die weitaus schwerwiegender sind als das Duplikat selbst.
Le strikte Kopie Hierbei handelt es sich um eine Situation, in der zwei Datensätze exakt dieselbe Entität in der realen Welt repräsentieren: einen einzelnen Kunden, einen einzelnen Kontakt, ein einzelnes Unternehmen. Die Duplikate beruhen auf einem Fehler bei der Dateneingabe oder beim Import und nicht auf tatsächlichen Geschäftsgegebenheiten. Das Zusammenführen der beiden Datensätze ist daher die richtige Entscheidung.
Le offensichtliches DuplikatUmgekehrt werden hier zwei Datensätze gegenübergestellt, die sich zwar stark ähneln, aber zwei unterschiedliche Einheiten repräsentieren. Am häufigsten sind dies zwei Niederlassungen desselben Unternehmens: gleicher Firmenname, gleiche Teiladresse, aber unterschiedliche SIRET-Nummern. Sie haben potenziell unterschiedliche Ansprechpartner, Verträge und Unternehmensgeschichten. Die Zusammenführung dieser beiden Datensätze wäre ein schwerwiegender Fehler: Die Unterscheidung zwischen den beiden Geschäftsgebaren ginge verloren.
Die folgende Tabelle veranschaulicht häufig auftretende Mehrdeutigkeiten.
| Beobachtete Situation | Streng genommen oder scheinbares Duplikat? | Empfohlene Entscheidung |
|---|---|---|
| Dupont SA (Paris) und Dupont SA (Lyon), gleiche SIREN-Nummer, unterschiedliche SIRET-Nummern | offensichtliches Duplikat | Bewahren Sie beide Datensätze auf und verknüpfen Sie sie mit derselben juristischen Person. |
| Martin Jean und Jean Martin, gleiche E-Mail-Adresse, gleiche Telefonnummer | Vermutlich eine exakte Kopie. | Vor dem Zusammenführen prüfen, kanonischen Namen festlegen. |
| Acme und Acme SARL, gleiche Adresse, gleiche Telefonnummer | Vermutlich eine exakte Kopie. | Suchen Sie nach der SIRET-Nummer, um dies zu bestätigen, und führen Sie die Verbindung dann zusammen. |
| Lefèvre-Gruppe und Lefèvre Holding, gleiche Geschäftsführung | Vermutlich ein Duplikat | Überprüfen Sie die SIREN-Nummern; die juristischen Personen könnten getrennt sein. |
| Sophie Durand und Sophie Durand-Petit, gleicher Arbeitgeber | Mehrdeutig (Namensänderung?) | Prüfen Sie dies über einen anderen Kanal, bevor Sie eine Entscheidung treffen. |
| Shop A (Datensatz durch Import erstellt) und Shop A (Datensatz durch Webformular erstellt) | Vermutlich eine exakte Kopie. | Vergleichen Sie die Felder vor dem Zusammenführen. |
Die wichtigste Regel: Das Zusammenführen eines fälschlicherweise als Duplikat eingestuften Datensatzes ist immer schlechter, als einen echten Datensatz beizubehalten. Ein echter Datensatz beeinträchtigt die Qualität von Entscheidungen. Das Zusammenführen eines fälschlicherweise als Duplikat eingestuften Datensatzes macht Entscheidungen für die beteiligten Stellen dauerhaft unmöglich.
Woher kommen die Duplikate?
Doppelte Einträge entstehen nicht zufällig. Jeder doppelte Eintrag hat eine erkennbare Ursache. Diese Ursachen zu verstehen, ist der erste Schritt, um ihr Auftreten zu verhindern, anstatt sie erst im Nachhinein zu bereinigen.
Zugang ohne vorherige Suche
Dies ist die häufigste Ursache. Ein Vertriebsmitarbeiter legt einen neuen Kundendatensatz an, ohne zu prüfen, ob dieser bereits existiert. Manchmal ist er in Eile. Manchmal erscheint die Suche mühsam. Manchmal hat der bestehende Datensatz einen leicht abweichenden Namen und wird nicht sofort in den Suchergebnissen angezeigt. Das Ergebnis ist jedoch immer dasselbe: zwei Datensätze für denselben Kunden.
Dieses Problem wird durch die fehlende Duplikatsbereinigung bei der Dateneingabe verschärft. Wenn das CRM-System keine Warnung anzeigt, sobald beim Anlegen eines Datensatzes eine identische E-Mail-Adresse oder Telefonnummer erkannt wird, kann der Benutzer den Vorgang nicht stoppen. Die Erstellung läuft reibungslos ab, und der doppelte Eintrag wird angelegt.
Import ohne eindeutigen Schlüssel
Der Massenimport ist die Hauptursache für die Entstehung zahlreicher Duplikate. Beim Import einer CSV-Datei, die aus einem anderen Tool, einer Tabellenkalkulation oder einer externen Datenbank exportiert wurde, muss das System feststellen, ob jede Zeile einem bestehenden Datensatz oder einer neuen Entität entspricht. Dazu benötigt es einen eindeutigen Schlüssel: eine Kennung, die es ermöglicht, die importierte Zeile einem bestehenden Datensatz zuzuordnen.
Wird dieser Schlüssel beim Import nicht definiert, erstellt das System für jede Zeile einen neuen Datensatz, selbst wenn das Unternehmen bereits in der Datenbank vorhanden ist. Ein Import von tausend Zeilen kann daher innerhalb weniger Sekunden mehrere hundert Duplikate erzeugen.
Der zuverlässigste Schlüssel zur eindeutigen Identifizierung ist ein strukturierter und stabiler Identifikator: die SIRET-Nummer eines französischen Unternehmens, die E-Mail-Adresse eines Ansprechpartners. Falls dieser Identifikator in der Importdatei fehlt, müssen Sie zumindest eine Kombination von Feldern wie beispielsweise den Firmennamen in Verbindung mit der Postleitzahl definieren und akzeptieren, dass diese Kombination möglicherweise nicht perfekt ist.
Das Webformular ohne Kontrolle
Kontakt-, Angebotsanfrage- und Registrierungsformulare erzeugen automatisch Datensätze im CRM. Ohne Kontrollmechanismus wird mit jeder Eingabe ein neuer Datensatz erstellt, selbst wenn der Kontakt bereits existiert. Ein einzelner Interessent, der das Formular dreimal ausfüllt, um drei verschiedene Fragen zu stellen, erzeugt somit drei separate Datensätze.
Die Validierung kann sich auf die E-Mail-Adresse konzentrieren, da diese in der Regel das stabilste Feld in einem Formular ist. Wenn die angegebene E-Mail-Adresse zu einem bestehenden Datensatz gehört, sollte das System diesen aktualisieren, anstatt einen neuen zu erstellen. Dieses Verhalten muss explizit konfiguriert werden; es ist standardmäßig nicht aktiviert.
Synchronisierung zwischen Werkzeugen
Teams nutzen selten nur ein einziges Tool. Das CRM synchronisiert sich mit einem Marketing-Automatisierungstool, einer Support-Plattform, einer Buchhaltungssoftware und einem Angebotstool. Jedes dieser Tools kann Kundendaten enthalten. Bei der Konfiguration der Synchronisierung muss die Zuordnungsregel präzise definiert werden: Welches Feld im externen Tool entspricht welchem Feld im CRM, und was passiert, wenn keine Übereinstimmung gefunden wird?
Wenn die Standardantwort „Neuen Datensatz erstellen“ lautet, erzeugt die Synchronisierung Duplikate. Dieses Szenario ist besonders heimtückisch, da es im Hintergrund abläuft, ohne sichtbares menschliches Eingreifen, und monatelang unentdeckt bleiben kann.
Die Änderung des Firmennamens
Ein Kunde fusioniert mit einem anderen Unternehmen, wird von einer Unternehmensgruppe übernommen oder ändert einfach seinen Firmennamen. Der zuständige Vertriebsmitarbeiter erkennt den bestehenden Eintrag unter dem alten Namen nicht. Er erstellt einen neuen Eintrag. Der alte Eintrag bleibt mit dem veralteten Namen, der vollständigen Historie und ohne Vermerk über die Namensänderung in der Datenbank erhalten.
Dieser Fall ist besonders schwer automatisch zu erkennen, da die beiden Datensätze möglicherweise keine gemeinsamen Textfelder aufweisen. Nur eine stabile Kennung wie die SIREN-Nummer ermöglicht die Verknüpfung, da sich die SIREN-Nummer einer juristischen Person bei einer Namensänderung nicht ändert.
Mehrere Ansprechpartner für denselben Kunden
In kleinen und mittelständischen Unternehmen (KMU) haben Vertriebsmitarbeiter, Verwaltungsassistenten und technische Leiter oft jeweils einen eigenen Ansprechpartner beim selben Kundenunternehmen. Wenn das CRM-System nicht korrekt zwischen Unternehmens- und Ansprechpartnerdatensätzen unterscheidet oder jeder seine eigenen Dateneingabegewohnheiten hat, können mehrere Datensätze für dasselbe Unternehmen mit leicht unterschiedlicher Schreibweise, teilweise widersprüchlichen Informationen und ohne Gesamtkonsistenz nebeneinander existieren.
Vorherige Normalisierung, der erste Schritt in jedem Erkennungsprozess
Bevor überhaupt nach Duplikaten gesucht werden kann, müssen die Daten normalisiert werden. Die Normalisierung besteht darin, Rohwerte in eine kanonische Form umzuwandeln, die für Varianten mit derselben Information identisch ist. Ohne Normalisierung erscheinen „SARL Dupont“ und „Sarl dupont“ als zwei unterschiedliche Werte. „06 12 34 56 78“ und „0612345678“ scheinen nicht zusammenzupassen. Die Erkennung schlägt nicht aufgrund fehlender Duplikate fehl, sondern aufgrund mangelnder Lesbarkeit.
Die folgende Tabelle veranschaulicht die gebräuchlichsten Normalisierungstransformationen.
| Kauen | Bruttowert | Standardisierter Wert | Transformation angewendet |
|---|---|---|---|
| Firmenname | SARL Dupont & Fils. | Duponts Sohn | Kleinbuchstaben, Entfernung der juristischen Form, Entfernung der Interpunktion |
| Firmenname | SAS LE MOULIN D'ARCY | Darcy Mill | Kleinbuchstaben, Weglassen des SAS, Weglassen des Apostrophs |
| Telefon | + 33 (0) 6 12 34 56 78 | 33612345678 | Entfernung von Leerzeichen, Klammern, Bindestrichen und einheitlichem Bezeichner |
| Telefon | 06.12.34.56.78 | 33612345678 | Punkte entfernt, Ländervorwahl hinzugefügt |
| E-Mail-Adresse | Jean.DUPONT+crm@Entreprise.FR | jean.dupont@entreprise.fr | Kleinbuchstaben, Unteradressierung entfernt (Teil nach +) |
| Vorname Name | MARTIN Jean-Pierre | Jean Pierre Martin | Kleinbuchstaben, Bindestrich durch Leerzeichen ersetzt, Vor- und Nachname vertauscht |
| Adresse | 15 Boulevard du Général de Gaulle | 15 Boulevard Général de Gaulle | Kleinbuchstaben, Erweiterung von Straßenkürzeln, Wegfall von Akzenten |
| Adresse | 22 Avenue des Frères Lumière | 22 Avenue Frères Lumière | Kleinbuchstaben, Erweiterung von Av., Entfernung der Akzente |
| Rechtsform | SARL | sarl | Entfernung interner Kleinbuchstabenpunkte |
Die Normalisierung muss vor jedem Vergleich einheitlich auf alle Datensätze in der Datenbank angewendet werden. Sie wird nicht anstelle der Originalwerte gespeichert, sondern berechnet und ausschließlich für Vergleichsoperationen verwendet. Der Originalwert muss stets erhalten bleiben, da er Benutzern angezeigt und auf Dokumenten ausgedruckt wird.
Rechtsformen bedürfen besonderer Aufmerksamkeit. Die Abkürzungen „SARL“, „SARL“, „Sarl“ und „sarl“ sollten standardisiert und vereinheitlicht werden. Gleiches gilt für Straßenkürzel: „Bd“, „Bvd“ und „Boulevard“ bezeichnen alle dasselbe. Ein Standardisierungswörterbuch muss erstellt und gepflegt werden, da mit jedem Import neue Varianten entstehen.
Die Verwendung von Unteradressen in E-Mail-Adressen wird oft übersehen. Allerdings beziehen sich sowohl „jean.dupont+newsletter@entreprise.fr“ als auch „jean.dupont@entreprise.fr“ auf denselben Empfänger. Der Teil nach dem Pluszeichen ist ein Sortieralias, der die Zustellbarkeit nicht beeinträchtigt. Durch dessen Entfernung bei der Normalisierung können Übereinstimmungen erkannt werden, die sonst unbemerkt blieben.
Strategien zur Duplikaterkennung
Nach der Normalisierung muss eine Detektionsstrategie ausgewählt werden. Es gibt keine universelle Strategie: Jede hat unterschiedliche Vorteile, Einschränkungen und Risiken falsch positiver Ergebnisse. In der Praxis werden sie je nach Art der verfügbaren Daten und der erforderlichen Genauigkeit kombiniert.
Die exakte Übereinstimmung mit einem starken Identifikator
Dies ist die zuverlässigste Strategie. Sie besteht darin, Einträge anhand eines eindeutigen und stabilen Identifikators zu vergleichen: SIRET-Nummer für ein französisches Unternehmen, E-Mail-Adresse für einen Ansprechpartner, innergemeinschaftliche Umsatzsteuer-Identifikationsnummer für eine europäische Einrichtung.
Was sie fängt: Duplikate, die auf unterschiedliche Weise erstellt wurden (manuelle Eingabe, Import, Webformular), aber denselben eindeutigen Identifikator aufweisen, auch wenn der Name in jedem Datensatz unterschiedlich eingegeben wird.
Was sie verpasst: Doppelte Datensätze werden identifiziert, wenn die eindeutige Kennung in einem der beiden Datensätze fehlt oder je nach Quelle unterschiedlich ist. Wurde ein Datensatz ohne SIRET-Nummer und ein anderer mit einer solchen erstellt, führt die exakte Übereinstimmung nicht zu einer Zusammenführung.
Risiko falsch positiver Ergebnisse: Das Risiko ist sehr gering, vorausgesetzt, die Kennung ist tatsächlich eindeutig. Die SIRET-Nummer ist per Definition eindeutig. E-Mails können problematisch sein, wenn eine generische Adresse wie contact@entreprise.fr von mehreren verschiedenen Ansprechpartnern innerhalb desselben Unternehmens verwendet wird.
Die exakte Übereinstimmung auf einem standardisierten Feld
Die Textfelder werden nach der Normalisierung verglichen. Zwei Datensätze mit demselben normalisierten Wert für den Firmennamen und derselben Postleitzahl gelten als potenzielle Duplikate.
Was sie fängt: Rechtschreibvarianten, die nach der Standardisierung verschwinden, einschließlich Unterschiede in Groß- und Kleinschreibung, Rechtsformen, Akzenten und Zeichensetzung.
Was sie verpasst: Bedeutendere Abweichungen wie Tippfehler, Abkürzungen, die nicht im Standardisierungswörterbuch enthalten sind, oder eine umgekehrte Wortreihenfolge in einem Firmennamen.
Risiko falsch positiver Ergebnisse: Mittel. „Boulangerie Martin“ in Paris und „Boulangerie Martin“ in Lyon tragen zwar denselben standardisierten Firmennamen, sind aber zwei separate Unternehmen. Ein Abgleich mit mindestens einem weiteren Unterscheidungsmerkmal, wie z. B. der Postleitzahl oder der Telefonnummer, ist daher immer erforderlich.
Annäherungsweise Übereinstimmung durch Ähnlichkeit
Wir berechnen den Abstand zwischen zwei Zeichenketten. Die gebräuchlichsten Metriken sind die Levenshtein-Distanz, die die Anzahl der Zeichen zählt, die hinzugefügt, entfernt oder ersetzt werden müssen, um von einer Zeichenkette zur anderen zu gelangen, und die Jaro-Winkler-Distanz, die sich besser für Eigennamen eignet. Wir legen einen Schwellenwert fest, ab dem zwei Werte als ähnlich gelten.
Zur Veranschaulichung: Bei einer Ähnlichkeitsschwelle von 85 Prozent wären „Dupond“ und „Dupont“ ähnlich (nur ein Buchstabe Unterschied), „Dupont“ und „Martin“ hingegen nicht.
Was sie fängt: Tippfehler, Rechtschreibvarianten, Nachnamen mit ähnlicher Schreibweise wie Bernard und Bernart.
Was sie verpasst: signifikante strukturelle Unterschiede wie umgekehrte Wortreihenfolge oder unvorhergesehene Abkürzungen sowie verschiedene Entitäten, deren Namen zufällig ähnlich sind.
Risiko falsch positiver Ergebnisse: Hoch. Je niedriger der Schwellenwert, desto mehr Duplikate werden erkannt, aber desto mehr falsch-positive Ergebnisse werden generiert. Je höher der Schwellenwert, desto weniger falsch-positive Ergebnisse werden generiert, aber desto mehr echte Duplikate werden übersehen. Dieser Parameter muss anhand realer Daten aus der betreffenden Datenbank kalibriert werden.
Die Indikatorengruppe mit Punktzahl
Anstatt in einem einzelnen Feld nach einer Übereinstimmung zu suchen, wird eine Gesamtpunktzahl durch die Kombination mehrerer Teilindizes berechnet. Jedes Feld trägt entsprechend seiner Gewichtung zur Punktzahl bei: Die standardisierte E-Mail-Adresse hat eine hohe Gewichtung, die standardisierte Telefonnummer ebenfalls, der standardisierte Firmenname wird entsprechend seiner Länge gewichtet und die Postleitzahl mit einer mittleren Gewichtung berücksichtigt. Überschreitet die Punktzahl einen festgelegten Schwellenwert, werden die beiden Datensätze als potenzielle Duplikate zur Überprüfung markiert.
Ein hypothetisches Beispiel: Ein Firmenname mit 80 % Ähnlichkeit bringt 40 Punkte, eine identische Telefonnummer 30 Punkte und eine identische Postleitzahl 20 Punkte. Ein Paar, das insgesamt 70 von 100 Punkten erreicht, wird vor einer endgültigen Entscheidung einer menschlichen Überprüfung unterzogen.
Was sie fängt: Duplikate, bei denen kein Feld hundertprozentig identisch ist, aber alle Indizes auf dieselbe wahrscheinliche Entität hindeuten.
Was sie verpasst: Duplikate, bei denen nur sehr wenige Felder ausgefüllt sind, sodass die Punktzahl selbst für ein echtes Duplikat nicht ausreicht.
Risiko falsch positiver Ergebnisse: Die Ergebnisse variieren je nach Kalibrierung. Diese Strategie erzeugt Listen von „wahrscheinlichen Duplikaten“, die einer manuellen Überprüfung bedürfen. Genau das ist ihr Zweck: die Verifizierung auf die verdächtigsten Fälle zu lenken, anstatt automatisch zu entscheiden.
Die folgende Tabelle fasst die Merkmale jeder Strategie zusammen.
| Strategie | Was sie fängt | Was sie vermisst | Fehlalarm | Empfohlene Verwendung |
|---|---|---|---|---|
| Genau bei starken Identifikatoren | Doppelte Einträge mit derselben SIRET-Nummer oder E-Mail-Adresse | Datensätze ohne eindeutige Kennungen | Sehr schwach | Erster Durchgang, automatisierbar |
| Exakt auf einem standardisierten Feld | Oberflächliche Rechtschreibvarianten | Tippfehler, Abkürzungen, die nicht im Wörterbuch stehen | Mäßig | Zweiter Durchgang, der mit einem anderen Feld gekreuzt werden soll. |
| Annäherung durch Ähnlichkeit | Tippfehler, Rechtschreibvarianten | Strukturelle Unterschiede, Koinzidenzen | Studenten | Dritter Durchgang, obligatorische menschliche Überprüfung |
| Eine Reihe von Hinweisen mit einer Punktzahl | Doppelte Elemente ohne exakte eindeutige Übereinstimmung | Unvollständige Informationsblätter | Variablen abhängig von der Kalibrierung | Regelmäßige Überprüfung, Entscheidungsunterstützung |
SIREN und SIRET: Zwei Einrichtungen, die nicht identisch sind
Die Unterscheidung zwischen SIREN und SIRET ist grundlegend für die Verwaltung von Duplikaten in französischen B2B-Datenbanken. Eine Verwechslung der beiden ist einer der folgenreichsten Fehler.
Le SIREN Es handelt sich um eine neunstellige Nummer, die eine juristische Person identifiziert: die juristische Person selbst, wie sie im Handelsregister eingetragen ist. Sie ist für jedes Unternehmen einzigartig, unabhängig von seiner Größe oder der Anzahl seiner Standorte.
Le SIRET Die SIREN-Nummer ist eine vierzehnstellige Kennnummer, bestehend aus der SIREN-Nummer und der fünfstelligen internen Klassifikationsnummer (NIC). Sie identifiziert eine Niederlassung, also einen physischen Geschäftssitz. Ein Unternehmen kann eine oder mehrere Niederlassungen haben. Jede Niederlassung hat ihre eigene SIRET-Nummer, aber alle Niederlassungen teilen sich dieselbe SIREN-Nummer.
Direkte Folge für das Duplikatmanagement: Zwei Datensätze mit derselben SIREN-Nummer, aber unterschiedlichen SIRET-Nummern sind keine Duplikate.Sie stellen zwei Niederlassungen innerhalb derselben juristischen Person dar. Sie können unterschiedliche Adressen, Ansprechpartner und Geschäftsbedingungen haben. Eine Zusammenlegung wäre ein schwerwiegender Fehler, der unwiederbringliche Daten vernichten würde.
Die optimale Architektur sieht vor, die juristische Person (identifiziert durch ihre SIREN-Nummer) und ihre Niederlassungen (jeweils identifiziert durch ihre SIRET-Nummer) als zwei separate Ebenen im CRM abzubilden. Geschäftsbeziehungen, Verträge und Rechnungen können der Niederlassungsebene zugeordnet werden, während Rechts- und Konzerndaten auf der Ebene der juristischen Person gespeichert werden.
In der Praxis werden diese Kennungen während der Erkennung folgendermaßen verwendet:
- Zwei Blätter mit dem gleiche SIRET Es handelt sich mit ziemlicher Sicherheit um ein exaktes Duplikat. Eine manuelle Überprüfung ist erforderlich, die Fehlerwahrscheinlichkeit ist jedoch sehr hoch.
- Zwei Blätter mit dem Gleiche Sirenennummer, aber unterschiedliche SIRET-Nummern Offensichtliches Duplikat. Es handelt sich um zwei Standorte, die zum selben Unternehmen gehören. Nicht zusammenführen. Falls die CRM-Architektur dies zulässt, einen Gruppendatensatz verknüpfen.
- Zwei Karten mit Sehr ähnliche Namen, aber unterschiedliche Sirenennummern Es handelt sich um separate Unternehmen, die möglicherweise als Tochtergesellschaften oder im Rahmen eines Franchise-Unternehmens verbunden sind, aber rechtlich getrennt sind. Eine Fusion ist nicht zulässig.
- Zwei Karteikarten, Einer von ihnen hat keine SIRET-Nummer. Die Korrespondenz muss sich auf andere Bereiche stützen, mit einem geringeren Maß an Vertrauen und einer unbedingten manuellen Überprüfung.
Die Beantragung der SIRET-Nummer, sobald ein potenzieller Kunde qualifiziert ist, ist daher weit mehr als eine administrative Formalität. Sie ist der beste Schutz vor missbräuchlichen Fusionen und das beste Instrument zur Erkennung echter Duplikate in einer französischen B2B-Datenbank.
Die sechsstufige Fusion
Sobald ein exaktes Duplikat bestätigt wurde, muss die Zusammenführung methodisch erfolgen. Das Löschen eines Datensatzes oder das Überschreiben eines anderen ohne festgelegtes Protokoll ist riskant. Die folgenden sechs Schritte gewährleisten eine zuverlässige und nachvollziehbare Zusammenführung.
Schritt 1: Wählen Sie den Lehrerleitfaden aus.
Der Masterdatensatz ist derjenige, der aufbewahrt wird. Er enthält die technische Kennung, die als Referenz für alle beigefügten Dokumente dient. Der Masterdatensatz sollte nicht automatisch anhand seines Erstellungsdatums ausgewählt werden. Der älteste Datensatz ist nicht unbedingt der vollständigste oder genaueste. Es ist besser, den Masterdatensatz nach Qualitätskriterien auszuwählen: Anzahl der ausgefüllten Felder, Vorhandensein einer eindeutigen Kennung wie der SIRET-Nummer, Übereinstimmung der Informationen mit den beigefügten Dokumenten und Zuverlässigkeit der Erstellungsquelle.
Schritt 2: Schiedsrichter Feld für Feld
Jedes Feld auf beiden Blättern muss einzeln verglichen werden. Für jedes Feld sind drei Szenarien möglich.
- Nur eines von beiden hat Wert: diesen Wert zu erhalten, ohne Kompromisse eingehen zu müssen.
- Beide haben denselben Wert: diesen Wert zu bewahren.
- Die beiden Datensätze haben unterschiedliche Funktionen: Sie dienen der Vermittlung. Der primäre Datensatz ist nicht immer korrekt. Enthält der sekundäre Datensatz eine SIRET-Nummer, der primäre jedoch nicht, muss die SIRET-Nummer aus dem sekundären Datensatz entnommen werden. Weisen die beiden Datensätze unterschiedliche Adressen auf, muss durch Abgleich mit den beigefügten Dokumenten überprüft werden, welcher Datensatz aktueller und korrekter ist.
Diese Entscheidungsfindung sollte für kritische Felder niemals vollständig automatisch erfolgen. Eine Regel wie „Nimm immer den aktuellsten Wert“ ist gefährlich: Eine kürzliche Änderung könnte ein Fehler sein, während der alte Wert korrekt war.
Schritt 3: Alle Dokumente beifügen.
Alle mit dem sekundären Datensatz verknüpften Elemente müssen mit dem Hauptdatensatz verknüpft sein: Kontakte, Angebote, Rechnungen, Verträge, Projekte, Support-Tickets, Notizen, Aktivitäten und archivierte E-Mails. Diese Verknüpfung muss vollständig sein. Ein Dokument, das weiterhin mit dem sekundären Datensatz verknüpft bleibt, wird nach dem Löschen verwaist und verschwindet aus der Vertriebsansicht, ohne aus der Datenbank gelöscht zu werden.
Schritt 4: Protokollierung des Zusammenführungsvorgangs
Der Zusammenführungsvorgang muss im CRM-System protokolliert werden. Dieser Eintrag muss das Datum, die Person, die den Zusammenführungsvorgang durchgeführt hat, die Kennungen der beiden zusammengeführten Datensätze sowie alle an den konfliktbehafteten Feldern vorgenommenen Anpassungen enthalten. Er dient zwei Zwecken: der Prüfung im Falle einer späteren Streitigkeit und der gezielten Korrektur, falls ein Fehler später entdeckt wird.
Schritt 5: Nach dem Zusammenführen prüfen
Nach Abschluss der Zusammenführung ist es unerlässlich, die Konsistenz des Masterdatensatzes zu überprüfen: Die Dokumente müssen korrekt verknüpft sein, die Historie muss vollständig sein und es dürfen keine Ausreißer aus dem Sekundärdatensatz importiert worden sein. Diese Überprüfung sollte unmittelbar nach der Zusammenführung erfolgen, solange der Kontext noch aktuell ist und Anomalien leichter zu erkennen sind.
Schritt 6: Interne Kommunikation
Wenn mehrere Teammitglieder mit einem der beiden Datensätze gearbeitet haben, müssen sie über die Zusammenführung informiert werden. Der alte Datensatz existiert nicht mehr. Ihre Favoriten, gespeicherten Filter und Erinnerungen müssen aktualisiert werden. Ohne diese Information könnte ein Vertriebsmitarbeiter weiterhin nach dem zweiten Datensatz suchen, ihn nicht finden und einen dritten Datensatz erstellen, wodurch die Datenbank in ihren ursprünglichen Zustand zurückversetzt würde.
Was geschieht mit angehängten Dokumenten und wie hoch ist das Risiko verwaister Dateien?
Die Problematik der angehängten Dokumente wird bei der Datenzusammenführung oft vernachlässigt. Der Fokus liegt auf dem Datensatz selbst, das darauf basierende Datenökosystem gerät in Vergessenheit. Doch gerade in diesem Ökosystem liegt der wahre Wert von CRM.
Beim Zusammenführen von Datensätzen muss jedes Dokument, das mit dem sekundären Datensatz verknüpft ist, mit dem Stammdatensatz verknüpft werden. In einem CRM-System wird ein Dokument wie eine Rechnung, ein Angebot oder ein Projekt über eine technische Kennung, die interne Kennung des Datensatzes, einem Kunden zugeordnet. Wird der sekundäre Datensatz gelöscht und wurden seine Dokumente nicht zuvor übertragen, verweist das Feld „Kunde“ auf eine Kennung, die nicht mehr existiert. Diese Datensätze werden als verwaist bezeichnet.
Verwaiste Datensätze sind in Standard-CRM-Ansichten nicht sichtbar: Sie erscheinen zwar nicht mehr in Kundendatensätzen, existieren aber weiterhin in der Datenbank. Je nach CRM-Konfiguration können sie verschiedene unerwünschte Auswirkungen haben.
- Sie verschwinden aus den Finanzberichten und verfälschen dadurch die pro Kunde und pro Periode berechneten Einnahmen.
- Sie sind weiterhin über die direkte Suche nach ihrer Nummer erreichbar, jedoch ohne Navigationslink aus dem Kundendatensatz, sodass ihre Entdeckung eher zufällig erfolgt.
- Fehler bei der Integration mit Drittanbietertools, die für jedes Dokument einen gültigen Client erwarten.
- Erzeugung von Inkonsistenzen in Dashboards, die Daten nach Kunden aggregieren.
Nach jeder Zusammenführung müssen verwaiste Datensätze systematisch geprüft werden. Eine Abfrage von Dokumenten, deren Kundennummer keinem bestehenden Datensatz mehr entspricht, ermöglicht deren Identifizierung. Falls die automatische Übertragung fehlgeschlagen ist oder nicht konfiguriert wurde, müssen diese manuell wieder zugeordnet werden.
Besondere Beachtung verdienen Kontakte, die mit einem Firmendatensatz verknüpft sind. Falls der sekundäre Datensatz eigene Kontakte – also mit diesem Unternehmen verbundene Personen – enthielt, müssen diese Kontakte explizit übertragen oder zusammengeführt werden. Ein Kontakt, der mit einem gelöschten Firmendatensatz verknüpft ist, wird verwaist und verschwindet aus allen Geschäftsansichten, selbst wenn er weiterhin erreichbar und aktiv ist.
Die Fusion ist unumkehrbar: Vorsichtsmaßnahmen vor dem Handeln
Das Zusammenführen von Datensätzen in einem CRM-System ist – bis auf wenige Ausnahmen – ein irreversibler Vorgang. Sobald der sekundäre Datensatz gelöscht und seine Daten vom primären Datensatz übernommen wurden, gibt es in der Regel keine Möglichkeit, dies rückgängig zu machen. Automatische Backups ermöglichen zwar in manchen Fällen eine Wiederherstellung, stellen aber die gesamte Datenbank auf einen bestimmten Zeitpunkt zurück, sodass alle seitdem vorgenommenen Änderungen verloren gehen.
Diese Unumkehrbarkeit erfordert drei grundlegende Vorsichtsmaßnahmen.
- Vor jedem Zusammenführungsvorgang speichern. Vor dem Start einer Bereinigungskampagne oder einer Massenzusammenführung benötigen Sie eine aktuelle Sicherung der gesamten Datenbank. Falls die Exportfunktion verfügbar ist, exportieren Sie alle Datensätze und zugehörigen Dokumente in einem durchsuchbaren Format. Diese Sicherung muss mit einem Zeitstempel versehen und für einen angemessenen Zeitraum, idealerweise mehrere Wochen, aufbewahrt werden.
- Vor der Massenproduktion an einem Muster testen. Wenn der Zusammenführungsprozess automatisiert oder halbautomatisiert ist, wenden Sie ihn niemals auf die gesamte Datenbank gleichzeitig an. Beginnen Sie mit einer Stichprobe von zehn bis zwanzig Datensatzpaaren, überprüfen Sie manuell, ob das Ergebnis für jedes Paar korrekt ist, und erweitern Sie den Vorgang dann schrittweise. Ein Fehler im Dokumentenübertragungsprozess kann katastrophale Folgen für Tausende von Datensätzen haben.
- Die Durchführung von Massenfusionen darf niemals einer einzelnen Person ohne Aufsicht übertragen werden. Die Fusion ist ein risikoreiches Unterfangen. Sie muss von mindestens zwei Personen geprüft werden, von denen eine direkten Einblick in die Kundendaten hat und die Konsistenz des Ergebnisses beurteilen kann.
Der Druck, vor einer Managementbesprechung oder einem Audit schnell aufzuräumen, ist Gift für eine reibungslose Fusion. Eine zusätzliche Doppelung, die eine Woche andauert, verursacht keinen messbaren Mehrschaden. Eine misslungene Fusion hingegen kann jahrelange Geschichte unwiederbringlich auslöschen.
Prävention: Handeln, bevor etwas entsteht
Das Bereinigen von Duplikaten ist kostspielig, riskant und nie vollständig. Vorbeugung ist weniger sichtbar, aber weitaus effektiver. Sie besteht darin, das Erstellen von Duplikaten zu erschweren, anstatt sie im Nachhinein zu suchen.
- Die Suche muss vor der Erstellung obligatorisch sein. Vor dem Anlegen eines neuen Kunden- oder Kontaktdatensatzes sollte der Benutzer aufgefordert werden, nach einem bestehenden Datensatz zu suchen. Diese Aufforderung kann in Form eines Bestätigungsfensters erfolgen, das ähnliche, in Echtzeit gefundene Datensätze anzeigt. Es sollten mindestens die fünf bis zehn Datensätze angezeigt werden, die dem eingegebenen Namen am ehesten entsprechen, mit ausreichend Feldern zur Identifizierung, ohne dass jeder Datensatz geöffnet werden muss.
- Standardisieren Sie die Felder, sobald sie eingegeben werden. Automatische Formatierungen, wie die Großschreibung des ersten Buchstabens im Vornamen, das Entfernen überflüssiger Leerzeichen und die Standardisierung des Telefonnummernformats, reduzieren Abweichungen und erleichtern zukünftige Abgleiche. Diese Standardisierungen sollten bei der Dateneingabe und nicht nur bei Erkennungsvergleichen angewendet werden.
- Legen Sie von Anfang an ein eindeutiges Identifikationsmerkmal fest. Für französische Unternehmen ist die Abfrage der SIRET-Nummer im Rahmen des Qualifizierungsprozesses die beste Vorsichtsmaßnahme. Ist die Nummer zum Zeitpunkt der Gründung noch nicht bekannt, sollte das Feld leer gelassen werden, anstatt einen ungefähren Wert zu akzeptieren. Die Angabe der Nummer ist jedoch vor der ersten Angebotserstellung oder Auftragserteilung obligatorisch.
- Webformulare prüfen. Konfigurieren Sie die Formulare so, dass geprüft wird, ob die angegebene E-Mail-Adresse mit einem bestehenden Datensatz übereinstimmt. Wird eine Übereinstimmung gefunden, wird der bestehende Datensatz aktualisiert, anstatt einen neuen zu erstellen. Dokumentieren Sie die Fälle, in denen dieses Verhalten dem Benutzer überlassen wird, und definieren Sie für jede Situation eine explizite Regel.
- Importregeln definieren. Jedem Importvorgang muss eine Mapping-Phase vorausgehen: Dabei wird festgelegt, welches Feld in der Datei welchem CRM-Feld entspricht, welcher Eindeutigkeitsschlüssel verwendet wird, wie bei einer Übereinstimmung vorzugehen ist (aktualisieren oder ignorieren) und wie bei keiner Übereinstimmung vorzugehen ist (erstellen oder ablehnen). Diese Regeln müssen dokumentiert, validiert und reproduzierbar sein.
- Organisieren Sie eine regelmäßige Überprüfung. Selbst bei optimalen Präventionsmaßnahmen können Duplikate auftreten. Eine monatliche oder vierteljährliche Überprüfung verdächtiger Datensätze auf Basis regelmäßig erstellter Erkennungsberichte ermöglicht es, Fälle umgehend zu bearbeiten, anstatt einen unüberschaubaren Bearbeitungsrückstand anzuhäufen.
Die Erstimportphase: der kritischste Moment
DieErstimport Beim Import einer bestehenden Datenbank in ein neues CRM-System können in kürzester Zeit die meisten Duplikate entstehen. Enthält die Quelldatenbank bereits Duplikate, was fast immer der Fall ist, werden diese beim Importvorgang originalgetreu übernommen. Ist der Importvorgang ungenau, entstehen sogar noch mehr Duplikate.
Die Importvorbereitung muss unbedingt eine Deduplizierungsphase der Quelldaten vor dem eigentlichen Import umfassen. Die Deduplizierung einer Tabellendatei ist wesentlich einfacher als die einer produktiven CRM-Datenbank, da die Operationen reversibel sind, das Datenvolumen begrenzt ist und Tools zur Verarbeitung von Tabellendaten flexibler als CRM-Schnittstellen sind.
Die Datenmigration ist ein Thema für sich, das den Rahmen dieses Artikels sprengt: Sie umfasst Feldzuordnung, Formattransformation, Qualitätsprüfung und Konsistenztests vor der Implementierung. Merken Sie sich einfach: Die Qualität einer CRM-Datenbank am Tag nach dem Import bestimmt den Umfang der Datenbereinigung, die in den folgenden Monaten und Jahren erforderlich ist. Es ist immer besser, Zeit in die Vorbereitung des Imports zu investieren, als später Fehler beheben zu müssen.
Häufige Fehler bei der Duplikatverwaltung
Bei Deduplizierungsprojekten treten immer wieder dieselben Fehler auf. Wer sie kennt, kann sie von vornherein vermeiden.
- Massenzusammenführung ohne vorherige Prüfung. Ein automatisierter Prozess, der alle Paare zusammenführt, deren Punktzahl einen Schwellenwert überschreitet, ohne menschliche Überprüfung, ist eine tickende Zeitbombe. Falsch-positive Ergebnisse sind unvermeidlich. Die Zusammenführung zweier separater Entitäten löscht Informationen, die nirgendwo wiederhergestellt werden können.
- Zusammenlegung von Niederlassungen desselben Unternehmens. Zwei separate SIRET-Nummern unter derselben SIREN-Nummer sind kein Duplikat. Ihre Zusammenführung verwischt die Unterscheidung zwischen zwei kommerziellen, geografischen und vertraglichen Realitäten, von denen jede ihre eigene, eigenständige Existenz besitzt.
- Wählen Sie den Masterdatensatz ausschließlich anhand des Erstellungsdatums aus. „Das älteste ist das wahre“ oder „Das neueste ist aktuell“ sind gefährliche Irrtümer. Die Qualität eines Informationsblatts hängt nicht von seinem Alter ab, sondern von der Fülle und Kohärenz seiner Inhalte.
- Die verknüpften Dokumente dürfen nicht übertragen werden. Durch das Zusammenführen von Datensätzen ohne die korrekte Zuordnung von Angeboten, Rechnungen, Projekten und Tickets entstehen verwaiste Datensätze, die alle Berichte verfälschen und die Kundenhistorie im Stammdatensatz unzugänglich machen.
- Hinterlasse keine Spuren. Eine Fusion ohne Protokoll kann nicht geprüft werden. Im Falle eines Fehlers oder einer Streitigkeit ist es unmöglich zu rekonstruieren, was von wem und warum getan wurde.
- Aufräumen, ohne die Ursachen zu verändern. Die Datenbank einmalig zu deduplizieren, ohne die Prozesse zu beheben, die Duplikate erzeugen, ist wie ein sinkendes Boot auszuschöpfen, ohne die Lecks zu stopfen. In sechs Monaten wird dasselbe Problem mit derselben Häufigkeit wieder auftreten.
- Verwirrende Kontakte mit Unternehmen. Ein CRM-System unterscheidet üblicherweise zwischen Firmen- und Kontaktdatensätzen. Die Zusammenführung eines Kontaktdatensatzes mit einem Firmendatensatz allein aufgrund des gleichen Namens führt zu einer Dateninkonsistenz, die ganze Funktionen außer Kraft setzen und Berichte unbrauchbar machen kann.
Doppelte Einträge werden während der Dateneingabe verhindert, nicht erst bei der jährlichen Datenbereinigung.
Eine einmalige Deduplizierung ist zwar nützlich, um nach einer gewissen Zeit der Datenansammlung die Ordnung wiederherzustellen, behebt aber nicht die eigentliche Ursache: Bleiben die Prozesse für Dateneingabe, -import und -synchronisierung unverändert, dupliziert sich die Datenbank im gleichen Tempo wie vor der Bereinigung. Nachhaltige Prävention erfordert von Anfang an eine durchdachte Datenarchitektur mit standardisierten Feldern, eindeutigen Kennungen für die Dateneingabe, kontrollierten Importen und Formularen, die Daten anreichern statt duplizieren.
Djaboo zentralisiert Kundeninformationen wie Kontakte, Angebote, Rechnungen, Projekte, Ausgaben und Tickets – alles verknüpft mit demselben Datensatz. Leads enthalten Firmenname, SIREN-Nummer und SIRET-Nummer und bieten so bereits in der Qualifizierungsphase eine eindeutige Identifizierung. Dank dieser Architektur hat jedes Teammitglied Zugriff auf eine vollständige und konsistente Kundensicht, ohne mehrere Datensätze abgleichen zu müssen, um eine fragmentierte Historie zu rekonstruieren.
Häufig gestellte Fragen
Worin besteht der Unterschied zwischen einer Duplikataufnahme und einer ähnlichen Aufnahme?
Ein Duplikat liegt vor, wenn zwei Datensätze dieselbe Entität in der realen Welt repräsentieren. Ein ähnlicher Datensatz kann eine andere Entität repräsentieren, deren Name oder Kontaktdaten denen eines bestehenden Datensatzes ähneln. Ähnlichkeit allein beweist jedoch kein Duplikat. Vor dem Zusammenführen von Datensätzen muss sichergestellt werden, dass beide Einträge derselben Entität zugeordnet sind. Ein eindeutiger Identifikator wie eine SIRET-Nummer oder eine E-Mail-Adresse ist die zuverlässigste Methode, diese Mehrdeutigkeit aufzulösen.
Lässt sich das Zusammenführen von Duplikaten vollständig automatisieren?
Eine vollständige Automatisierung wird nicht empfohlen, außer in Fällen, in denen der Abgleich auf einem eindeutigen Identifikator beruht, beispielsweise zwei Datensätze mit exakt derselben SIRET-Nummer. In allen anderen Fällen ist eine manuelle Überprüfung vor dem Zusammenführen erforderlich. Das Risiko falsch positiver Ergebnisse ist zu hoch, und die Folgen eines fehlerhaften Zusammenführens sind irreversibel. Die Automatisierung kann jedoch sehr hilfreich sein, um Kandidaten für die Überprüfung zu identifizieren und sie anhand ihrer Wahrscheinlichkeit, echte Duplikate zu sein, zu priorisieren.
Was soll ich tun, wenn ein Kontakt die Firma gewechselt hat?
Es handelt sich hierbei nicht um ein Duplikat, sondern um eine Weiterentwicklung der Geschäftsbeziehung. Der Kontakt muss vom alten Unternehmen getrennt und mit dem neuen verknüpft werden. Die Historie der bisherigen Interaktionen, die im Kontext des alten Unternehmens relevant waren, kann im Kontaktdatensatz mit einem Vermerk über die Kontextänderung und deren Datum erhalten bleiben. Die beiden Unternehmen dürfen unter keinen Umständen allein aufgrund eines gemeinsamen Kontakts zusammengeführt werden.
Wie geht man mit dem Fall eines Unternehmens um, das seinen Firmennamen ändert?
Der bestehende Eintrag muss mit dem neuen Firmennamen aktualisiert werden. Der alte Firmenname kann in einem separaten Feld oder in den Notizen des Eintrags gespeichert werden, um zukünftige Recherchen zu erleichtern. Wurde ein neuer Eintrag mit dem neuen Namen erstellt, ohne den alten zu aktualisieren, müssen die beiden Einträge zusammengeführt werden. Der Eintrag mit der vollständigsten Historie wird als Master-Eintrag verwendet. Die SIREN-Nummer, die bei einer einfachen Namensänderung unverändert bleibt, ist der zuverlässigste Nachweis dafür, dass es sich tatsächlich um dieselbe juristische Person handelt.
Soll der sekundäre Datensatz nach der Zusammenführung gelöscht werden?
Je nach Tool wird der sekundäre Datensatz beim Zusammenführen oft automatisch gelöscht, sobald die Daten übertragen wurden. Ist dies nicht der Fall, muss er manuell gelöscht werden, nachdem überprüft wurde, ob alle Dokumente erfolgreich in den Masterdatensatz übertragen wurden. Das Beibehalten des sekundären Datensatzes ohne vollständiges Zusammenführen löst das Problem nicht: Er bleibt in Suchergebnissen sichtbar und kann weiterhin unbeabsichtigt von Teammitgliedern befüllt werden, die nicht wissen, dass das Zusammenführen stattgefunden hat.
Wie legen wir fest, welche Duplikate zuerst verarbeitet werden sollen?
Klassifizieren Sie potenzielle Duplikate nach ihrer geschäftlichen Auswirkung. Ein Duplikat für einen aktiven Kunden, der regelmäßig Umsätze generiert, ist dringlicher als ein Duplikat für einen potenziellen Kunden, der sich nie gemeldet hat. Priorisieren Sie außerdem Duplikate, die sichtbare und von den Teams gemeldete Probleme verursachen: E-Mails, die ein Kunde doppelt erhält, Vertriebsmitarbeiter, die sich über Datenkonflikte in einem Konto beschweren, oder inkonsistente Berichte zu einer bestimmten Umsatzposition.
Welche Auswirkungen hat ein Duplikat auf Berichte und Dashboards?
Die Auswirkungen sind direkt und systematisch. Die Kundenzahl wird überschätzt. Der Umsatz pro Kunde wird unterschätzt, da Transaktionen auf zwei Datensätze aufgeteilt werden und keiner den tatsächlichen Gesamtbetrag anzeigt. Kundenbindung und Beibehaltung Die Daten sind verzerrt. Marketingsegmentierungen sind ungenau und stufen aktive Kunden fälschlicherweise als inaktiv oder umgekehrt ein. Alle Kennzahlen, die auf der Kundenzahl oder aggregierten Daten pro Kunde basieren, sind betroffen. Je höher der Anteil an Duplikaten in der Datenbank ist, desto stärker weichen strategische Entscheidungen, die auf diesen Kennzahlen beruhen, von der operativen Realität ab.
Wie lassen sich zwei Niederlassungen desselben Unternehmens von einem echten Duplikat unterscheiden?
Die Antwort liegt in der SIRET-Nummer. Zwei Einträge mit derselben SIREN-Nummer, aber unterschiedlichen SIRET-Nummern bezeichnen zwei separate Niederlassungen derselben juristischen Person und sind keine Duplikate. Zwei Einträge mit exakt derselben SIRET-Nummer bezeichnen höchstwahrscheinlich dieselbe Niederlassung. Fehlt bei einem oder beiden Einträgen die SIRET-Nummer, muss die vollständige Adresse verglichen werden: Gleiche Hausnummer, gleiche Straße, gleiche Stadt deuten wahrscheinlich auf dieselbe Niederlassung hin, während Adressen in verschiedenen Städten auf zwei separate Niederlassungen schließen lassen, die derselben juristischen Person zugeordnet werden sollten, ohne sie zusammenzuführen.
Was sollten Sie tun, wenn Sie sich nicht sicher sind, ob es sich um ein Duplikat handelt?
Führen Sie keine Zusammenführung durch. Zweifel sind der beste Grund, vorerst nichts zu unternehmen. Die Folgen einer Zusammenführung separater Einheiten sind weitaus gravierender als die Folgen, ein Duplikat einige Tage oder Wochen lang bestehen zu lassen. Kontaktieren Sie den Kunden oder Interessenten nach Möglichkeit direkt telefonisch oder per E-Mail, um seine Identität, Kontaktdaten und Eindeutigkeit zu bestätigen. Diese manuelle Überprüfung ist oft die einzige Möglichkeit, Unklarheiten in Grenzfällen zu beseitigen, die Algorithmen nicht auflösen können.
Wie häufig sollte eine Überprüfung auf Duplikate durchgeführt werden?
Die Häufigkeit hängt vom Umfang der erstellten Datensätze und der Reife der bestehenden Präventionsprozesse ab. Für ein Team, das mehrere Dutzend Datensätze pro Woche erstellt, ist eine monatliche Überprüfung auf potenzielle Duplikate sinnvoll. Bei einer stabileren und besser kontrollierten Datenbank kann eine vierteljährliche Überprüfung ausreichen. Ziel ist nicht, dauerhaft keine Duplikate mehr zu haben – das ist unrealistisch –, sondern ein Qualitätsniveau zu gewährleisten, das verlässliche Entscheidungen ermöglicht. Die Vermeidung von Dateneingabefehlern reduziert den Aufwand für diese Überprüfungen im Laufe der Zeit schrittweise.
