Zusammenfassung
Die Covid-19-Pandemie hat die Welt verändert. Alle Wirtschaftszweige wie etwa der Handel sahen sich von heute auf morgen mit einer veränderten Realität konfrontiert. Diese Entwicklung hat einerseits den schon vor der Pandemie wahrnehmbaren Digitalisierungsdruck, vor allem auf den stationären Handel, massiv erhöht. Und andererseits die Daten von Kundinnen und Kunden in das Zentrum der Aufmerksamkeit gerückt, da in der digitalen Welt der persönliche Kontakt zur Kundschaft fehlt. Dieser Beitrag beleuchtet die Bedeutung von Kundendaten, Datenqualität und Datenmanagement als wesentliche Erfolgsfaktoren für den Handel in dieser herausfordernden Situation. Er zeigt auf, wie Datenverantwortliche im Handel aus dem Wissen um die Daten mittels Identity Resolution klare Profile von Kundinnen und Kunden entwickeln und diese plattformbasiert ausrollen können. Hierzu wird das neue Konzept des Customer Digital Twins eingeführt. Die abschließenden Handlungsempfehlungen bieten eine ‚Arbeitsanweisung in fünf Schritten‘ für eine aktuelle, vollständige und verlässliche Datenbasis, als Grundlage für den datenorientierten stationären und Onlinehandel.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Notes
- 1.
An der nicht repräsentativen Umfrage beteiligten sich 221 Beschäftigte deutscher Unternehmen der Branchen Banken, Versicherungen, Energie sowie Handel + Logistik durch Ausfüllen eines Online/Mobile-Fragebogens (Panelsamplingmethode). Auf Handel + Logistik entfielen dabei 68 Antworten. Die Umfrage erfolgte in der Zeit vom 29.04.2021 bis 05. Mai 2021.
- 2.
In der Wirtschaftsinformatik werden im Kontext betrieblicher Mengen- und Wertebetrachtungen neben Stamm- und Bewegungsdaten zusätzlich Bestandsdaten (engl. Inventory Data) – dynamische Daten, die meistens langfristig gehalten werden, wie zum Beispiel Lager- oder Auftragsbestand – unterschieden. Diese fallen jedoch nicht in die hier spezifische Betrachtung kundenbezogener Daten. Im Fachgebiet Recht, zum Beispiel in Rahmen des Telemediengesetz (TMG) oder Telekommunikationsgesetz (TKG), wird der Begriff Bestandsdaten synonym für Stammdaten, insb. kundenbezogene Stammdaten wie Name und Anschrift, verwendet. Weiterhin bezeichnet § 96 TKG Daten in Zusammenhang einer Telekommunikationsverbindung als Verkehrsdaten. Hierunter fallen unter anderem die Rufnummern der Teilnehmenden, Datum, Uhrzeit und Dauer der Verbindung und gegebenenfalls. Standortdaten. Das TMG § 15 regelt Daten, die der Anbieter benötigt, um die Inanspruchnahme des Dienstes zu ermöglichen und abzurechnen, als Nutzungsdaten. Diese umfassen die Identifikation der Nutzerin/des Nutzers (wie IP-Adresse), Beginn, Ende und Umfang der Nutzung sowie in Anspruch genommene Dienste.
- 3.
Diese Daten sind besonders schutzwürdige Daten. Ihre Verarbeitung ist untersagt (Art. 9 Abs. 1 DSGVO). Ausnahmen sind z. B. die ausdrückliche Einwilligung der betroffenen Person (Art. 9 Abs. 2 lit. a) oder die medizinische Diagnostik (Art. 9 Abs. 2 lit. h).
- 4.
Vgl. § 1 sowie § 2, Absatz 8 des Allgemeinen Gleichbehandlungsgesetzes (AGG).
Literatur
Appinio. (Hrsg.). (2021). Appinio corona report – Welle 50 – 26.02.2021. https://www.appinio.com/hubfs/Coronavirus-Studie/Corona%20-%20Consumer%20Report%20Tracking%20von%20Appinio%20Welle%2050.pdf. Zugegriffen am 02.05.2021.
Baums, A., Schössler, M., & Scott, B. (Hrsg.). (2015). Kompendium Industrie 4.0. Wie digitale Plattformen die Wirtschaft verändern – und wie die Politik gestalten kann. Kompendium Digitale Standortpolitik (Bd. 2). http://plattform-maerkte.de/.
Braun, S. (2021). Valide Kundendaten – Das Fundament für Omni-Channel Marketing. In U. Hannig (Hrsg.), Marketing und Sales Automation (S. 157–173). Gabler. https://doi.org/10.1007/978-3-658-21688-7.
Braun, S., Klassen, G., Mihaljlovski, D., & Weiss, T. (2020a). Durchführung der Datenerhebung. In Bitkom (Hrsg.), Digital Analytics & Optimization – digitale Nutzererfahrungen effizient gestalten und optimieren (S. 32–48).
Braun, S., Klassen, G., Mihaljlovski, D., Scharpe, M., & Weiss, T. (2020b). Datenverarbeitung und -anreicherung. In Bitkom (Hrsg.), Digital Analytics & Optimization – digitale Nutzererfahrungen effizient gestalten und optimieren (S. 49–54).
Bult, J. R., & Wansbeek, T. J. (1995). Optimal selection for direct mail. Marketing Science, 14(4), 378–394.
Chandrashekar, A., Amat, F., Basilico, J., & Jebara, T. (2017). Artwork personalization at Netflix. Netflix Technology Blog. https://netflixtechblog.com/artwork-personalization-c589f074ad76. Zugegriffen am 02.05.2021.
Cheek, J. M., & Briggs, S. R. (1982). Self-consciousness and aspects of identity. Journal of Research in Personality, 16(4), 401–408. https://doi.org/10.1016/0092-6566(82)90001-0.
Earley, S. (2018). The role of a customer data platform. IT Professional, 20(1), 69–76, January/February 2018, IEEE Computer Society. https://doi.org/10.1109/MITP.2018.011301803.
Eliezerov, R. (2018). The digital identity crisis. John Wiley & Sons.
Elmagarmid, A. K., Ipeirotis, P. G., & Verykios, V. S. (2007). Duplicate record detection: A survey. IEEE Transactions on Knowledge and Data Engineering, 19(1), 1–16. https://doi.org/10.1109/TKDE.2007.250581.
Fu, S., Wang, G., Xia, S., & Lu, L. (2020). Deep multi-granularity graph embedding for user identity linkage across social networks. Knowledge-Based Systems, 193, 6. https://doi.org/10.1016/j.knosys.2019.105301.
Goldhammer, K., & Wiegand, A. (2017). Ökonomischer Wert von Verbraucherdaten für Adress- und Datenhändler. Studie für das Bundesministerium der Justiz und für Verbraucherschut.
Hansen, M., & Meints, M. (2006). Digitale Identitäten – Überblick und aktuelle Trends. Datenschutz und Datensicherheit, 30(2006), 543–547. https://doi.org/10.1007/s11623-006-0139-9.
HDE Handelsverband Deutschland. (Hrsg.). (11. Mai 2021). HDE Online-Monitor 2021. https://einzelhandel.de/index.php?option=com_attachments&task=download&id=10572. Zugegriffen am 11.05.2021.
Hechler, E., Oberhofer, M., & Schaeck, T. (2020). Applying AI to master data management. In Deploying AI in the enterprise. Apress. https://doi.org/10.1007/978-1-4842-6206-1_9.
ISO International Organization for Standardization. (2016). ISO 8000-100:2016 data quality – Part 100: Master data: Exchange of characteristic data: Overview. Standard. https://www.iso.org/standard/62392.html.
Khan, M., Krishnamoorthy, N., Jalali, L., & Biswas, R. (2018). Adobe identity graph. In 2018 IEEE international conference on big data (Big data) (S. 5354–5356). https://doi.org/10.1109/BigData.2018.8622009.
Li, J., & Wang, A. G. (2015). A framework of identity resolution: Evaluating identity attributes and matching algorithms. Security Informatics, 4, 6. https://doi.org/10.1186/s13388-015-0021-0.
Martin, W. (2013). Customer Information Management: Prozesse und Technologien. itmanagement. https://www.it-daily.net/it-management/big-data-analytics/8015-customer-information-management-prozesse-und-technologien. Zugegriffen am 02.05.2021.
Mohapatra, S., & Bose, S. (2020). An appraisal of literature for design and implementation of developing a framework for digital twin and validation through case studies. Health and Technology, 10, 1229–1237. https://doi.org/10.1007/s12553-020-00443-4.
Otto, B., & Österle, H. (2016). Corporate Data Quality. Voraussetzung erfolgreicher Geschäftsmodelle. Springer Gabler.
Parker, G. G., Alstyne, M. W., & Choudary, S. (2016). Platform revolution: How networked markets are transforming the economy – And how to make them work for you. Norton & Company.
Parker, G. G., Alstyne, M. W., & Xiaoyue, J. (2017). Platform ecosystems: How developers invert the firm. MIS Quaterly, 41(1), 255–266. https://doi.org/10.25300/MISQ/2017/41.1.13.
Pemberton, C. (22. Mai 2018). The marketer’s guide to customer data platforms. Gartner. https://www.gartner.com/smarterwithgartner/marketers-to-guide-customer-data-platforms/. Zugegriffen am 02.05.2021.
Phillips, M., Amirhosseini, M. H., & Kazemian, H. B. (2020). A rule and graph-based approach for targeted identity resolution on policing data. In 2020 IEEE symposium series on computational intelligence (SSCI) (S. 2077–2083). https://doi.org/10.1109/SSCI47803.2020.9308182.
Piro, A., & Gebauer, M. (2021). Definition von Datenarten zur konsistenten Kommunikation im Unternehmen. In K. Hildebrand, M. Gebauer, & M. Mielke (Hrsg.), Daten- und Informationsqualität. Springer Vieweg. https://doi.org/10.1007/978-3-658-30991-6_8.
Raab, D. (25. April 2013). I’ve discovered a new class of system: The customer data platform. Customer Experience Matrix. http://customerexperiencematrix.blogspot.com/2013/04/ive-discovered-new-class-of-system.html. Zugegriffen am 02.05.2021.
Rung, E., Pur, S., Stahl, E., & Deichner, N. (2020). Der Handel im Jahr 2021 – Lehren und Folgen aus der Corona-Pandemie für den deutschen Einzelhandel. ibi research.
Safaei, B., Monazzah, A. M. H., Bafroei, M. B., & Ejlali, A. (2017). Reliability side-effects in Internet of Things application layer protocols. In 2nd international conference on system reliability and safety (ICSRS) (S. 207–212). https://doi.org/10.1109/ICSRS.2017.8272822.
Shu, K., Wang, S., Tang, J., Zafarani, R., & Liu, H. (2017). User identity linkage across online social networks: a review. In ACM SIGKDD explorations newsletter (18, 2, S. 5–17). ACM. https://doi.org/10.1145/3068777.3068781.
Stanhope, J. (2016). The strategic role of identity resolution. Forrester Research.
Sürmeli, J., & Jähnichen, S. (2019). Know Your Customer Well – Selbstverwaltete, Authentische Digitale Identitäten. Wirtschaftsinformatik & Management, 10(2018), 30–32. https://doi.org/10.1007/s35764-018-0113-y.
TK Techniker Krankenkasse. (Hrsg.). (2021). Schalt mal ab!. TK-Studie zur Digitalkompetenz 2021. https://www.tk.de/firmenkunden/service/gesund-arbeiten/gesundheitsberichterstattung/studie-digitalkompetenz-2021-2102178. Zugegriffen am 02.05.2021.
Wiener, L., Abraham, M., & Colgan, M. (2020). Three personalization imperatives during the crisis. Boston Consulting Group Boston. https://image-src.bcg.com/Images/BCG-Three-Personalization-Imperatives-During-the-Crisis-Jun-2020_tcm20-249980.pdf. Zugegriffen am 02.05.2021.
Wölfle, R., & Leimstoll, U. (2020). E-Commerce Report Schweiz 2020 – Digitalisierung im Vertrieb an Konsumenten. Fachhochschule Nordwestschweiz FHNW (Hrsg.), 12. Ausgabe.
Zhou, F., Liu, L., Zhang, K., Trajcevski, G., Wu, J., & Zhong, T. (2018). DeepLink: A deep learning approach for user identity linkage. In IEEE conference on computer communications (S. 1313–1321). https://doi.org/10.1109/INFOCOM.2018.8486231.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Braun, S., Follwarczny, D., Heißler, A. (2022). Neue Kanäle – neue Daten: Die veränderte Rolle von Kundendaten im Handel. In: Breyer-Mayländer, T., Zerres, C., Müller, A., Rahnenführer, K. (eds) Die Corona-Transformation. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-33993-7_9
Download citation
DOI: https://doi.org/10.1007/978-3-658-33993-7_9
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-33992-0
Online ISBN: 978-3-658-33993-7
eBook Packages: Business and Economics (German Language)