Otto (GmbH & Co KG) – Datenqualität im Produktlebenszyklus
Hoch qualifizierte Produktdaten ermöglichen automatisierte Features und Funktionen an Front- und Backendsystemen. Sie führen zu einer dem Wettbewerb überlegenen Brand Experience.
Entlang der Customer Journey schaffen umfassende, dabei aber aus Kundensicht relevante und konsistente Produktinformationen ein inspirierendes Kundenerlebnis und senden klare Kaufimpulse.
Wir schaffen mit Ihnen Tools, Prozesse und Begeisterung für Screening, Visualisierung, Reporting und damit einer deutlichen Steigerung der Produktdatenqualität. Im Scope steht dabei der gesamte Produktlebenszyklus. Erfahren Sie hier, wie unser Kunde OTTO mit dem Projekt „Product Data Quality Dashboard“ eine fokussierte Analyse möglicher Schwachstellen im Produktdatenmanagement ermöglicht.
Die Situation
- Sortimentsausbau und Vervielfachung der Plattform-Partner führt zu unzureichenden Datenbeständen und -flüssen
- Der Status der Produktdatenqualität ist intransparent, wird nicht reported
- Pflegefehler und fehlerhafte Daten konnten nur manuell und damit aufwändig identifiziert und behoben werden
- Fehlendes einheitliches und unternehmensweites Qualitätsbewusstsein vermindert Zielerreichung und konsistenten Online-Auftritt
- Wirkung von Maßnahmen zur Verbesserung der Pflegeprozesse sind nicht nachvollziehbar
- Entwickelte Prozesse und Features sind aufgrund mangelhafter Daten nicht umsetzbar
- Retourenquoten sind punktuell stark angestiegen; als ein Treiber hierfür werden auch unzureichende Produktdaten vermutet
- Funktion des Product Owners als Schnittstelle zwischen Fachbereichen und Entwicklung
- Erarbeiten eines einheitlichen und sortimentsübergreifenden Bewertungsmodells zur Messung der Produktdatenqualität (ca. 5 Mio. Artikel in über 1.000 Sortimenten)
- Analyse relevanter Kriterien zur Sicherstellung der Verfügbarkeit relevanter Informationen entlang der Customer Journey
- Validierung von Prioritäten einzelner zu pflegenden Objekte (Merkmale, Texte, Bilder) auf Basis von AB-Tests zur Erhebung von KPI wie bspw. Conversion-Rate, Add-to-basket Rate und Retourenquote
- Visualisierung der Produktdatenqualität auf Management- und operativer Ebene
- Anforderungsmanagement zur Validierung der Anforderungen für ein zukünftiges Dashboard-System und System-Auswahl zur Abdeckung der Anforderungen
- Steigerung der Datenqualität durch Ableitungen von Handlungsempfehlungen entlang der Produktionskette von Produktdaten
- Entwicklung von Datenmodell und Business-Rules zur technischen Auswertung
- Deutliche Verbesserung der Produktionskette von Produktdaten
- Einführung eines einheitlichen Bewertungsmaßstabes zur Produktdatenqualität
- Identifikation und Bereinigung von prozessualen und systemischen Pain-Points
- Reports für Lieferanten/Partner zur Visualisierung der Datenqualität: auch mit Blick auf Wettbewerber, Hilfestellung zur Verbesserung von Produktionsprozessen zur Steigerung relevanter KPI
- Etablierung einer single-source-of-truth zur Lokalisierung von Pflegefehlern und Qualitätslücken
- Einheitliches Erscheinungsbild und Verbesserung der gesamten Customer-Journey
- Visualisierung der Datenqualität auf Artikelebene: Aggregation auf Lieferanten/Partner, Sortimente, Abteilungen und Fachbereiche in einem Dashboard
- Messung und Priorisierung von Effekten einzelner Conten-Objekte für die Customer-Journey mittels KPI-Auswertung.
- Unterstützung der strategischen Ziele durch eine überlegene Datenqualität
