Allerdings zeigen die CRM-Verhältnisse in den Unternehmen, dass hier in der gelebten Praxis vielfach noch erhebliche Optimierungsmöglichkeiten bestehen. Die ec4u expert consulting ag hat abgeleitet aus ihren Beratungserfahrungen einige Grundsätze zum Business-fördernden Kundenmanagement, wie dem Umgang mit Kennzahlen zusammengestellt:
1. Weniger ist manchmal mehr: Die Entwicklung von Kennzahlensystemen bekommt in der Praxis mitunter eine hohe Eigendynamik, indem eine Lust auf immer mehr Kennzahlen entsteht. Wichtiger als die Menge der analysierten Informationen ist aber der Aspekt der Nutzbarkeit: Kennzahlen müssen für die konkrete Verwendung operabel bleiben. Aus diesem Grund sollte man sich lieber auf eine begrenzte Anzahl gut beherrschbarer KPIs beschränken, statt sich in einem Übermaß an Analyse zu verlieren.
2. Kennzahlensysteme dürfen keinen Alibi-Charakter haben: Werden die Leistungswerte der CRM-Prozesse transparent gemacht, so treten dadurch möglicherweise auch Schwächen zutage. Das ist zwar eines der Ziele von Kennzahlen, stößt in der Praxis allerdings nicht immer auf positiven Zuspruch, weil dies Begründungszwänge und Kritik auslöst. Umso wichtiger ist es, Kennzahlensysteme nicht lediglich zu verordnen und in die Organisation zu implementieren, sondern auch Maßnahmen zur Steigerung der Akzeptanz bei allen Beteiligten zu schaffen.
3. Die Interpretation der Kennzahlen nicht subjektiven Einschätzungen überlassen: Obwohl auf Basis von Kennzahlen Unternehmensentscheidungen von mitunter weitreichender Bedeutung getroffen werden, fehlt für eine möglichst sachgerechte Bewertung häufig ein klarer Orientierungsrahmen mit übergreifenden und werteschaffenden Unternehmenszielen. Als Folge bleibt die Interpretation der Kennzahlen dem sehr spezifischen Verständnis einzelner Personen überlassen. Dadurch werden Entscheidungen möglicherweise von sehr subjektiven Sichtweisen statt gesamtheitlichen Interessen geprägt.
4. Nach logischen Erklärungen suchen, warum sich eine Kennzahl verändert hat. Die kontinuierliche Veränderung von Kundenverhalten, Wettbewerbsbedingungen usw. drückt sich auch in der positiven oder negativen Entwicklung der Kennzahlen aus. Um daraus jedoch die notwendigen Schlussfolgerungen ziehen zu können, müssen die Gründe für die Veränderungen verstanden werden können. Sind logische Erklärungen nicht oder nur unzureichend möglich, stellt dies ein ganz wesentliches Indiz für Schwächen im Kennzahlenkonzept dar.
5. Keine isolierten Betrachtungen der Kennzahlen vornehmen: Die CRM-Verhältnisse sind meist sehr komplex. Dadurch bleibt die Aussagekraft einer einzelnen Kennzahl häufig sehr begrenzt, weil sie in einem größeren Kontext betrachtet werden und eine Bewertung der Gesamtsituation erfolgen muss. Beispielsweise mit der Frage, ob ähnliche Auffälligkeiten in der Verkaufsentwicklung unterschiedlicher Produkte in einer bestimmten Zielgruppe bestehen. Fehlt diese Kenntnis, dann besteht die Gefahr, durch einen zu isolierten Blick bei den Rückschlüssen auf eine falsche Fährte geschickt zu werden.
6. Zusammenhänge von Kennzahlen transparent machen: Die Bewertung von Kennzahlen selbst in einem größeren Kontext hat ihre Grenzen, wenn die mitunter sehr komplexen Wirkungsbedingungen verschiedener Kennzahlen unbekannt sind. Solche Wirkungsverhältnisse zu verstehen, muss jedoch das Ziel sein, damit ein gesichertes Verständnis der zu bewertenden Gesamtsituation von Wertschöpfungsprozessen möglich wird.
7. Die analysierten Kennzahlen mit Handlungsempfehlungen versehen: Die Beschränkung auf bloße Zahlen in den Reports lassen den Entscheider allein, weil sie im günstigen Fall zwar einen ausreichend verständlichen Status beschreiben, jedoch im Regelfall frei von Hilfestellungen für die daraus resultierenden Entscheidungserfordernisse sind. Handlungsempfehlungen können hingegen positiv bewirken, dass sich die Entscheidungen durchgängig an übergreifenden Geschäftszielen orientieren.
8. Den Widersprüchen in Kennzahlen konsequent nachgehen: In der Praxis sind oft inhaltlich identische Kennzahlen in verschiedenen Datenbankanwendungen mit unterschiedlichen dimensionalen Ausprägungen und unterschiedlichen Granularitäten vorhanden. Die Folge sind abweichende Kennzahlen für den gleichen Sachverhalt. Solche Inkonsistenzen erzeugen erhebliche Risiken für die Entscheidungsprozesse.
