Marketing Glossar

2.413 Fachbegriffe aus 22 Bereichen des Online Marketings

Master Data Management

Definition: Master Data Management (MDM), auf Deutsch Stammdatenverwaltung, bezeichnet den systematischen organisatorischen und technologischen Prozess zur Erstellung, Pflege und unternehmensweiten Synchronisierung einer einheitlichen, autoritativen Version von Stammdaten. Stammdaten sind jene Kerndaten, die mehrere Systeme und Geschäftsprozesse gemeinsam nutzen und die sich nicht transaktional verändern – typischerweise Kunden-, Produkt-, Lieferanten-, Mitarbeiter- und Standortdaten. Ziel von MDM ist die Schaffung einer sogenannten Single Source of Truth (SSOT): ein zentrales, verlässliches Masterprofil, das als autoritative Referenz für alle nachgelagerten Systeme und Auswertungen dient. Im Marketing ist MDM insbesondere für die Konsistenz von Kundendaten über CRM-Systeme, E-Commerce-Plattformen, E-Mail-Marketing-Tools, Werbeplattformen und Analyse-Werkzeuge hinweg von kritischer Bedeutung. Ohne ein funktionierendes MDM entstehen Datensilos, Dubletten und inkonsistente Kundenprofile, die Personalisierung, Segmentierung und Attribution beeinträchtigen. MDM umfasst sowohl technische Komponenten (Datenintegration, Dublettenbereinigung, Identitätsauflösung) als auch organisatorische Aspekte wie Data Governance, Verantwortlichkeiten und Qualitätsstandards.

Erläuterung

Die Bedeutung von Master Data Management hat mit der zunehmenden Komplexität der Martech-Stacks erheblich zugenommen. Unternehmen betreiben heute im Durchschnitt mehrere Dutzend Marketing- und Vertriebssysteme parallel, von denen jedes Kundendaten in eigenen Formaten und Strukturen speichert. Die Folge sind widersprüchliche Datenstände: Derselbe Kunde erscheint im CRM unter einem Namen, im Newsletter-System unter einer anderen E-Mail-Adresse und auf der E-Commerce-Plattform mit einer dritten Telefonnummer. Solche Inkonsistenzen führen zu Fehlern in der Kampagnensteuerung, im Reporting und in der Customer Experience (Loshin, 2008).

MDM-Architekturen lassen sich in verschiedene Implementierungsmodelle unterteilen. Das Konsolidierungsmodell aggregiert Daten aus Quellsystemen in einen zentralen Masterdatensatz, ohne die Quellsysteme direkt zu verändern. Das Registry-Modell erstellt lediglich einen Index der besten Datenpunkte und verlinkten Systeme, ohne Daten physisch zu konsolidieren. Das Hub-Modell (oder Zentralmodell) fungiert als maßgebliche Datenzentrale, aus der alle Systeme ihre Stammdaten beziehen. Das Koexistenzmodell kombiniert Hub und Quellsysteme, sodass beide parallel gültige Daten halten, was schrittweise Migrationen erleichtert (Dreibelbis et al., 2008).

Im Marketing-Kontext ist die Kundendaten-Dimension von MDM eng mit dem Konzept der Customer Data Platform (CDP) verknüpft. Eine CDP übernimmt MDM-ähnliche Funktionen für Kundendaten, indem sie aus multiplen Quellen ein einheitliches Kundenprofil (Unified Customer Profile) aufbaut. Der Unterschied liegt im Scope: MDM deckt alle Stammdatendomänen ab (Kunden, Produkte, Lieferanten), während eine CDP auf den Kunden fokussiert und stärker auf Echtzeit-Aktivierung ausgerichtet ist. Gartner empfiehlt, MDM und CDP als komplementäre, nicht konkurrierende Ansätze zu betrachten (Gartner, 2022).

Ein zentrales technisches Problem im MDM ist die Entitätenauflösung (Entity Resolution), auch bekannt als Record Linkage oder Deduplication. Dabei werden Datensätze aus verschiedenen Systemen, die dieselbe reale Entität repräsentieren, erkannt und zusammengeführt. Methoden reichen von regelbasierten Ansätzen (exakte Übereinstimmung von E-Mail oder Kundennummer) über phonetische Algorithmen (Soundex, Metaphone für Namensvergleiche) bis hin zu Machine-Learning-Verfahren, die probabilistische Ähnlichkeitsscores über mehrere Attribute hinweg berechnen. Insbesondere im B2C-Bereich mit Millionen von Kundendatensätzen ist ML-basiertes Entity Matching heute Standard (Christen, 2012).

Data Governance ist die organisatorische Grundlage eines erfolgreichen MDM. Sie definiert, wer für welche Stammdatendomäne verantwortlich ist (Data Owner), welche Qualitätsstandards gelten, wie Änderungen beantragt und genehmigt werden und wie Konflikte zwischen Quellsystemen aufgelöst werden. Ohne klare Governance degeneriert MDM technisch zu einer weiteren Datenintegrationsschicht, ohne die eigentlichen Qualitätsprobleme zu lösen (DAMA International, 2017).

Kernkomponenten eines MDM-Systems

MDM im Marketing: Relevante Anwendungsfälle

Praxistipp: Der wichtigste erste Schritt zu einem funktionierenden MDM im Marketing ist die Definition eines eindeutigen Primärschlüssels für Kundendaten – in der Regel die E-Mail-Adresse oder eine eigene Kunden-ID. Stellen Sie sicher, dass jedes neue System bei der Einführung verpflichtend diesen Schlüssel verwendet. Führen Sie außerdem mindestens halbjährlich eine Dublettenanalyse durch und lösen Sie erkannte Duplikate systematisch auf. Ohne diesen Grundstein bleiben MDM-Investitionen in fortgeschrittene Technologien wirkungslos.

Referenzen