Qualitätsmängel in Produktinformationen mit unangenehmen Folgen

Falsche oder fehlende technische Daten in Produktbeschreibungen können für Hersteller und Handel unangenehme Konsequenzen haben.

Sehen wir uns dazu einmal dieses Beispiel an - Hersteller und Gerätename sind geändert:

Technische Merkmale eines Tablets:

• Hersteller: SANSON
• Modell: UNIVERSUM Tab 4 7.0 WiFi SM-T230
• Daten: Infra, W-Lan 802.11a/b/g/n 2,4 + 5 GHz, Wi-Fi direct
• Netzwerk: 4G: 850/900/1.900/2.100 MHz / GSM: 850/900/1.800/1.900 MHz (FALSCHE ANGABE)

Dieses Gerät hat kein Mobilfunkt-Modul an Bord. Zahlreiche Kunden kaufen das Gerät jedoch in der Annahme, es sei mit einem Mobilfunk-Modul ausgestattet. Wer haftet nun wie für diese falschen technischen Daten in den Verkaufsunterlagen?

Aus juristischer Sicht sieht der Fall so aus: ein Kunde hat durch die falsche Auszeichnung eines Produkts Anspruch auf Rückabwicklung. Dem Gerät fehlt im beschriebenen Fall eine technische Eigenschaft, die explizit angegeben wurde. Die Rückabwicklung ist deswegen möglich, weil es dieses Gerät nicht mit GSM Modul gibt und der Verkäufer es daher auch nicht beschaffen kann. Selbst Schadenersatz ist theoretisch möglich.

Bei einer größeren Zahl verkaufter Geräte kann man sich vorstellen, welcher logistische und organisatorische Aufwand die Rückabwicklung dieser Fälle bedeutet.

Fehler in Produktdaten sind vermeidbar

Wie kann es zu diesem Fehler in der Produktbeschreibung kommen, und wie kann ein Unternehmen dafür sorgen, dass eine solche Situation in Zukunft nicht mehr eintritt?

Was die Gründe für diese Fehler betrifft, sollte man sich die Abläufe im Produktmanagement vieler Unternehmen ansehen: Meist ist ein ERP-System vorhanden, aber weiterführende Informationen zu Produkten werden dezentral in Excel, Word, Indesign, CMS oder Shopsystemen vorgehalten. Zu diesen "weiteren Informationen" gehören in unserem Beispiel - leider - auch die technischen Daten des Produkts. Beim Editieren von vielen parallel laufenden Dokumenten zu ein und demselben Produkt kann sehr schnell zu Flüchtigkeitsfehlern kommen.

Besonders die Strategie, vorhandene Dokumente zu einem Produkt zu duplizieren und als Grundlage für ein Produkt zu verwenden, sorgt häufig für falsche Angaben in der Produktbeschreibung.

Dazu kommt: die Qualität des einzelnen Datensatzes wird in der Regel nicht automatisiert geprüft. Eine Versionierung von Dokumenten oder Datensätzen findet selten bis garnicht statt. Die Daten werden meist nicht konsolidiert oder zwischen Systemen synchronisiert. Eine einheitliche übergreifende und vollständige Datenbasis für Produktmarketing, Vertrieb und Logistik fehlt.

Funktionen zur Senkung der Fehlerquote in PIM Systemen

Was wäre also nötig, um den Fehler auszuschließen?

Hersteller und Handel sollten beim Produktdatenmanagement zum einen klar definierte zentrale Datenquellen nutzen und diese umfassend per Schnittsellen (z.B. REST) untereinander vernetzen und die ausgehenden Kanäle ebenfalls über diese Schnittstellen versorgen. Im Optimalfall werden Dokumente zum Produkt nur noch dynamisch live über Datensätze und Templates zur Formatierung generiert. In diesem zentralen Datenpool, dem PIM-System, sollten unterstützende Funktionen für Data Quality Management (DQM) implementiert sein.

Welche Funktionen für Data Quality Management sollte es in einem Enterprise-PIM-System geben?

Automatisierte Validierung von Produktinformationen

• Automatische Erkennung von Qualitätsmängeln.
• Plausibilitätsprüfungen direkt während der Dateneingabe.

Tools für Reporting und Zugriff

• Datenqualitätsübersicht im PIM
• Optische Unterstützung durch funktionale Data-Quality-Charts
• Monitoring und Reporting des Pflegestatus von Produkten - Prozentual nach Feldern und Informationseinheiten.
• Schneller Zugriff auf fehlerhafte Datensätze direkt aus den Charts.

 

Workflow-Design für DQM-Prozesse

• Workflows für Prüfung, Optimierung und Freigabe von Produkten.
• Workflows einfach nutzen.

Qualitätsverbesserung durch Vererbung Top => Down

• Redundanzvermeidung durch Vererbung z.B. von Produktmaster auf Varianten
• Bei Vererbung eines hohen Prozentsatzes von Produktinformation ergibt sich ein erheblicher Qualitätsgewinn und eine erheblich niedrigere Fehlerquote.
• Nutzung von dynamischen Attributen in Texten per Attribute-Tagging. Dadurch werden auch innerhalb von Langtexten immer die aktuellen, korrekten technischen Daten zum Produkt angezeigt.

Anbindung von Translation-Memory Systeme

Qualitätsüberwachung der Übersetzungen durch:

• Anbindung an TM-Systeme
• TM-Überwachungs-Monitor

Echtzeit-Integration von Lieferantendaten

• Nutzung von digitalen Katalogformaten wie BMEcat mit Stati wie z.B. new, update, delete
• Intensive Nutzung von BMECat auch zum Update von Produktinfos (Modi: NEW, UPDATE, DELETE)

Datenoptimierung über ETL => Landing Area und Data Cleansing

• Nutzung von ETL mit Zonen wie einer Landing Area für Data Cleansing.

Targeting von Media-Assets:

• Automatisches Erzeugen von Target-Formaten über Crop-Profiles, Resize-Profiles, Compression-Profiles, Video-Conversion-Profiles
• Speichern von Asset-Profilen für Zielkanäle und Anwendungsfälle.

0 % Fehlerquote ist durch den Einsatz von PIM Systemen erreichbar

Wie in vielen Bereichen kann auch hier die passende Technik Ihre internen Prozesse deutlich verbessern. Durch Einsatz eines PIM-Systems mit den hier beschriebenen Funktionen ist die Senkung der Fehlerquote in Ihren Produktdaten mit Leichtigkeit erreichbar. Ein böses Erwachen mit Rückabwicklungen und Ersatzteillieferungen durch falsche Produktbeschreibungen wird es dann nicht mehr geben.

 

Weiter zu Alterra PIM >>>