Matthias Menzel
 - 9. Mai 2019

Salesforce Einstein – Warum Datenqualität ein Schlüsselfaktor ist

Salesforce Einstein gibt Ihnen die Möglichkeit schnellere und bessere Entscheidungen zu treffen. Mit Künstlicher Intelligenz (KI) analysiert Einstein Ihre Daten und bringt Erkenntnisse zum Vorschein, die bisher im Verborgenen blieben. Unter dem Motto „AI for Everyone“ bietet Salesforce Ihnen einen einfachen Einstieg in die Welt der KI. Doch sollten Sie bei Ihrem Weg in dieses neue Zeitalter einen Punkt nicht übersehen. Eine KI ist nur so gut wie die Daten mit der sie lernt.

It’s all about data

Daten sind die wichtigste Ressource im KI Zeitalter. Dabei spielen vor allem zwei Aspekte eine wichtige Rolle. Die Quantität und die Qualität Ihrer Daten. Die Datenquantität in Ihrem CRM bezieht sich zum Beispiel auf die Anzahl der Leads, Accounts, Contacts und Opportunities in Ihrem System. Diese können Sie steigern, indem zunächst einmal alle relevanten Daten, die Sie besitzen, in Ihrem CRM festhalten und darüber hinaus z.B. durch Marketingaktionen gezielt neue Leads, Opportunites generieren. Datenquantität hilft einer KI dabei alle relevanten Fälle zu betrachten und somit Erkenntnisse auf allgemeine Fälle zu übertragen.

Künstliche Intelligenz: Potenzialworkshop

Unser Potenzialworkshop hilft Ihnen zu erkennen, wo Sie in Ihrem Unternehmen künstliche Intelligenz nutzen können.

Datenqualität wiederum sorgt dafür, dass die KI auch das richtige lernt. Wenn Ihre Datenbasis eine schlechte Qualität aufweist, wird jeder noch so ausgetüftelte Algorithmus dabei scheitern, Ihnen sinnvolle Ergebnisse zu liefern. Denn auch wenn KI uns in vielen Aspekten überlegen ist, so ist sie dennoch von uns abhängig. Denn im Gegensatz zu uns Menschen, kann eine KI noch nicht erkennen, ob die Datengrundlage mit der sie lernt inhaltlich sinnvoll ist.

Deshalb sind Sie gefragt. Die Datenqualität ist unabhängig von der Menge der Daten. Egal wie groß Ihr Unternehmen ist oder wie viele Kunden Sie haben. Sie können sofort beginnen die Datenqualität in Ihrem CRM System zu verbessern.

Damit Sie wissen, vorauf Sie achten sollten, unterteilen wir die Datenqualität in folgende Dimensionen.

  1. Unikate vs Duplikate
  2. Vollständigkeit vs Unvollständigkeit
  3. Fehlerfreiheit vs Fehlerhaftigkeit
  4. Konsistenz vs Inkonsistenz

Was es damit auf sich hat und was für Auswirkungen diese Aspekte auf die Anwendung von KI Technologien wie Salesforce Einstein hat, möchte ich Ihnen am folgenden Beispiel illustrieren.

Whitepaper: Die Top-Features von Einstein Analytics

Die KI von Salesforce erleichtert Ihnen nicht nur die Erstellung aufwendiger Exceltabellen. Finden Sie heraus was Einstein Analytics noch drauf hat!

Beispiel: Erkennen wertvoller Opportunties

Sie wollen Ihren Vertriebsmitarbeitern mit KI Technologien dabei helfen, die Opportunities mit dem größten Potenzial zu identifizieren, um so den Fokus der Arbeit auf diese wertvollen Opportunities zu lenken. In diesem vereinfachten Beispiel gehen wir davon aus, dass sich Opportunties in zwei Kategorien unterteilen lassen. High-potential und low-potential Opportunties. Die KI soll die Kategorien anhand zweier Indikatoren erkennen. Der Betrag der Opportunities und der Umsatz des jeweils zugehörigen Accounts. Anhand von historischen Daten aus Ihrem CRM System lernt die KI die beiden Klassen von Opportunties zu unterscheiden.

Die folgende Grafik zeigt eine Beispielhafte Trennlinie zwischen den zwei Opportunity Klassen. Oberhalb der Trennlinie befinden sich high-potential Opportunties und darunter die low-potential Opportunities. Neue Opportunty Datensätze kann die KI jetzt anhand dieser Trennlinie klassifizieren. Die neuen Opportunties werden im folgenden als Kreise dargestellt. Die blau markierten Opportunties haben somit ein hohes und die rot markierten ein niedriges Potential. Ihre Vertriebsmitarbeiter können somit den Fokus auf die high-potential Opportunties legen und werden dadurch für Ihr Unternehmen höhere Umsätze generieren.

Im Folgenden schauen wir uns an was mit unserer Trennlinie im Kontext von KI und schlechter Datenqualität geschehen kann. Dafür zeige ich Ihnen mit Beispielen für jede der oben definierten Dimension Auswirkungen und Gegenmaßnahmen, die Sie in Ihrem Salesforce CRM System ergreifen können.

Unikate vs Duplikate

Befinden sich in Ihren Daten viele Duplikate, kann diese dazu führen, dass das eigentliche Ergebnis verzerrt wird. Wir nehmen an, dass beim Trainieren einer KI wie Salesforce Einstein viele Duplikate im rot markierten Bereich der low-potential Opportunities existierten. Dadurch hat sich das Verhältnis von high-potential zu low-potential Opportunities derart verändert, dass die KI zu genaueren Ergebnissen kommt, indem sie die Grenze des low-potential Bereiches nach oben verschiebt. Somit werden jetzt neue Opportunities, die eigentlich ein hohes Potential haben als low-potential Opportunties klassifiziert. Diese Fehlerhaft klassifizierten Opportunties sind in violetter Farbe markiert.

Wie Sie sehen kann es von entscheidender Bedeutung sein, dass ihre Daten Unikate sind. Erreichen könne Sie dies in ihrem Salesforce mittels sinnvoll gewählter Duplikatsregeln. Investieren Sie die Zeit zu analysieren wo die Grenze zwischen Unikat und Duplikat liegen und ermöglichen Sie sich selbst dadurch von den neuesten Technologien wie Salesforce Einstein zu profitieren.

Whitepaper: Künstliche Intelligenz im Vertrieb

In diesem Whitepaper stelle ich Ihnen die wichtigsten Inhalte zum Thema künstliche Intelligenz vor und erkläre Ihnen, wie sie die Arbeitsabläufe im Vertrieb optimieren.

Vollständigkeit vs Unvollständigkeit

Ein weiterer wichtiger Aspekt Ihrer Datenqualität ist die Vollständigkeit ihrer Daten. Fehlen viele Einträge bei relevanten Indikatoren, so wird es einer KI wie Salesforce Einstein schwer fallen genaue Ergebnisse zu liefern, da Sie die fehlenden Werte selber schätzen muss. Im einfachsten Fall wird dann z.B. ein mittlerer Wert für die fehlenden Einträge angenommen. Die Genauigkeit der Ergebnisse wird darunter leiden und kann dazu führen, dass die KI wie in folgendem Beispiel nur noch den ungefähren Trend und nicht mehr die genaue Trennlinie bestimmen kann.

Versuchen Sie also möglichst alle relevanten Daten in ihrem CRM System festzuhalten. Um Ihren Mitarbeitern transparent zu machen welche Daten wichtig sind, markieren Sie Felder als Pflichtfelder und setzen sie Validierungsregeln ein, um sicherzustellen, dass diese Indikatoren festgehalten werden. Handelt es sich dabei um zahlreiche Felder, unterstützen Sie ihre Mitarbeiter mit der Bereitstellung von Auswahlfeldern mit Hilfstexten, welche ermöglichen den Pflegeaufwand der Daten deutlich zu verringern.

Fehlerfreiheit vs Fehlerhaftigkeit

Fehlerhafte Daten können ein KO Kriterium für den Einsatz von KI Technologien wie Salesforce Einstein sein. Eine KI kann zwar Muster, jedoch die Korrektheit der Daten nicht erkennen. Wenn wie im folgenden Beispiel schon die Trainingsdaten in den markierten Flächen falsch klassifiziert waren, so führt das im Ergebnis dazu, dass die KI Muster lernt, die in der Realität gar nicht existieren. In unserem Beispiel wurden in den Rot markierten Flächen high-potential Opportunties fälschlicherwiese als low-potentials markiert und in der blauen Fläche wurden high-potentials als low-potentials klassifiziert. Die KI hat somit die Trennlinie über diese Flächen hinaus verschoben und Sie verschenken aufgrund von schlechter Datenqualität eine Menge Umsatz.

Verhindern können Sie fehlerhafte Daten einerseits mit Validierungsregeln und andererseits mit Prozessautomatisierung. Validierungsregeln helfen Ihnen dabei unplausible Dateneingaben zu verhindern. Die Kunst dabei ist es, so viel Freiheiten wie möglich zu gewähren, während die Regeln so restriktiv wie nötig formuliert werden, um Datenqualität zu gewährleisten. Mit Prozessautomatisierung unterstützen Sie Ihre Mitarbeiter dabei, die vorher definierten Prozesse einzuhalten. So führen zum Beispiel Änderungen auf Datensätzen auch zu Änderungen auf verknüpften Datensätzen. Salesforce Prozessautomatisierungstools helfen dabei, dass diese Schritte nicht vergessen werden.

Konsistenz vs Inkonsistenz

Dateninkonsistenzen geschehen häufig, wenn viele Personen zusammenarbeiten und ein unterschiedliches Verständnis von den einzutragenden Daten haben. Ein typisches Beispiel in Ihrem Salesforce CRM System kann das Verwenden von verschiedenen Währungen sein. Im folgenden Beispiel wurden bei internationalen Kunden die Umsätze und Beträge in der jeweiligen Landeswährung festgehalten und nicht in eine einheitliche Währung umgerechnet. Somit finden sich in den Trainingsdaten Opportunities und Accounts mit sehr niedrigen und sehr hohen Werten was zu einer starken Verzerrung an den Rändern der Trennlinie führt.

Um Dateninkonsistenzen zu verhindern, achten Sie darauf wenn möglich Freitextfelder zu vermeiden und arbeiten Sie mit Formularen und formatierten Feldern. Erstellen Sie Hilfstexte und eindeutige Feldnamen in ihrem Salesforce CRM System. Unterstützen Sie ihre Mitarbeiter außerdem mit Automationstools wie dem Flow-Builder, um mit Flow Interviews die konsistente Dateneingabe zu gewährleisten.

The Future is now

Benötigen Sie Unterstützung bei der Analyse und Verbesserung der Datenqualität in Ihrem Salesforce CRM System? Möchten Sie den nächsten Schritt auf ihrem Weg im Zeitalter der Digitalisierung machen? Dann melden Sie sich bei uns. Wir unterstützen Sie gerne mit unserer Expertise, um aus Ihrem Salesforce CRM System das Maximum herauszuholen.

Matthias Menzel

Mein Name ist Matthias Menzel. Ich bin zertifizierter Salesforce Consultant und Entwickler im Fachbereich mindforce.

Sie haben Fragen? Kontaktieren Sie mich!



Das könnte Sie auch interessieren


Schreiben Sie einen Kommentar

Bitte füllen Sie alle mit * gekennzeichneten Felder aus. Ihre E-Mail Adresse wird nicht veröffentlicht.





Angebot anfordern
Preisliste herunterladen
Expert Session
Support