VOM ZIEL AUS DENKEN
Das Ziel bestimmt, welche Daten wirklich gebraucht werden.
Data 360 wird schnell zu groß, wenn zuerst gefragt wird, welche Daten verfügbar sind. Besser ist die umgekehrte Reihenfolge: Was soll im Zielprozess passieren – und welche Daten braucht genau dieser Anwendungsfall?
Der Use Case begrenzt den Datenumfang. Nicht die verfügbare Datenmenge.
ENTSCHEIDUNGSPRINZIP
Data 360 lohnt sich nicht als Datensammelprojekt.
Mehr Daten bedeuten nicht automatisch mehr Nutzen. Jede zusätzliche Quelle erhöht Modellierungs-, Qualitäts- und Betriebsaufwand. Deshalb sollte klar sein, welchen Beitrag eine Quelle zum konkreten Anwendungsfall leistet.
Das Ziel bestimmt, welche Daten wirklich gebraucht werden.
Starten Sie beim gewünschten Ergebnis. Daraus leiten sich Identität, Attribute, Aktualität und Aktivierungsweg ab.
Eine Quelle gehört nur dann in den ersten Umfang, wenn sie für den Use Case einen klaren Unterschied macht.
BEISPIEL
Beispiel: Eine relevante Servicegruppe aktivieren
Angenommen, Service möchte eine klar definierte Kundengruppe gezielt ansprechen oder priorisieren. Dann lässt sich der benötigte Datenumfang vom gewünschten Ergebnis rückwärts ableiten.
- Zielgruppe fachlich definieren
Welche Kunden sollen in die Gruppe fallen – und welche ausdrücklich nicht?
- Benötigte Daten festlegen
Welche Merkmale werden wirklich benötigt, um die Gruppe zuverlässig zu bilden?
- Identität absichern
Wie werden Profile aus mehreren Quellen einer Person zugeordnet?
- Nutzung und Ausschlüsse klären
Welche Einwilligungen, Sperren oder fachlichen Ausschlüsse müssen berücksichtigt werden?
Weitere Schritte (1)
- Aktivierung und Rückmeldung definieren
Wo wird die Zielgruppe genutzt – und wie wird zurückgemeldet, ob die Aktivierung funktioniert hat?
- Anwendungsfall
- benötigte Daten
- Identität & Nutzung
- Aktivierung
- Rückmeldung
ERSTER USE CASE
Starten Sie mit einer Aktivierung, die Ende zu Ende messbar ist.
Der erste Use Case sollte klein genug sein, um ihn vollständig umzusetzen – und relevant genug, damit der Nutzen im Zielprozess sichtbar wird.
- Ein klarer fachlicher Auslöser
Es ist eindeutig, wann die Aktivierung stattfinden soll.
- Eine klar definierte Zielgruppe
Ein- und Ausschlussregeln lassen sich nachvollziehbar beschreiben.
- Ein konkretes Zielsystem
Es ist klar, wo das Ergebnis genutzt wird und welche Aktion folgt.
- Eine messbare Rückmeldung
Der Zielprozess liefert ein Signal zurück, mit dem sich Wirkung oder Fehler bewerten lassen.
ERSTER UMFANG
Was für den ersten Umfang geklärt sein sollte
Anwendungsfall und gewünschte Wirkung
Was soll konkret besser funktionieren – und wie wird der Nutzen gemessen?
Zielgruppe und fachliche Regeln
Wer gehört dazu, wer nicht und welche Bedingungen müssen erfüllt sein?
Benötigte Datenquellen
Welche Daten tragen wirklich zur Bildung oder Aktivierung der Zielgruppe bei?
Identitätslogik
Wie werden Profile zusammengeführt – und welche Unsicherheit ist für den Use Case akzeptabel?
Weitere Prüfkriterien (3)
Nutzung, Consent und Ausschlüsse
Welche Freigaben, Sperren und Zweckbindungen müssen vor der Aktivierung berücksichtigt werden?
Aktivierung und Zielsystem
Wo wird das Ergebnis genutzt und welche Aktion soll dort ausgelöst werden?
Rückmeldung und Betrieb
Wie werden Fehler, Status und Wirkung zurückgemeldet und wer übernimmt im Betrieb?
NÄCHSTE SCHRITTE
Vom Nutzen rückwärts planen
Der einfachste Weg zu einem klaren ersten Umfang ist, beim gewünschten Ergebnis zu beginnen und Schritt für Schritt rückwärts zu planen.
01
Aktion bestimmen
Welche konkrete Aktion soll im Zielsystem ausgelöst oder unterstützt werden?
02
Belege definieren
Woran erkennen wir, dass die Aktivierung korrekt war und Wirkung erzeugt hat?
03
Identität und Nutzung klären
Welche Profile dürfen zusammengeführt und für diesen Zweck verwendet werden?
04
Pfad umsetzen
Nur die Datenquellen, Regeln und Aktivierungsschritte aufbauen, die für den Use Case notwendig sind.
05
Wirkung messen
Rückmeldungen aus dem Zielprozess nutzen, um Qualität und Nutzen des Datenpfads zu bewerten.
Welche Daten dafür fachlich belastbar sein müssen, vertieft Datenbasis für KI: Was Agentforce und Data 360 wirklich brauchen.
Häufige Fragen zu Data 360
Braucht jeder Customer-360-Anwendungsfall Data 360?
Nein. Data 360 ist vor allem dann sinnvoll, wenn Daten aus mehreren Quellen zusammengeführt, Identitäten über Systeme hinweg aufgelöst oder Ergebnisse in mehreren Zielsystemen aktiviert werden müssen.
Wie viele Datenquellen sollten wir zum Start anbinden?
So wenige wie möglich – und so viele wie nötig. Für den ersten Use Case sollten nur Quellen eingebunden werden, die einen klaren Beitrag zu Zielgruppe, Entscheidung oder Aktivierung leisten.
Muss die Identitätsauflösung von Anfang an perfekt sein?
Nein. Sie muss für den konkreten Anwendungsfall ausreichend zuverlässig sein. Entscheidend ist, bekannte Unsicherheiten sichtbar zu machen und die Regeln später kontrolliert weiterzuentwickeln.
Quellen und weitere Informationen
Für die fachliche Einordnung und weiterführende Produktdetails sind insbesondere diese Quellen hilfreich:
- Salesforce – Was ist Data 360?Geprüft am
Unterstützt Data-360-Grundlagen, Provisionierung und den Aktivierungspfad; Produktbezeichnungen und Plattformfähigkeiten vor Veröffentlichung erneut prüfen.
- Salesforce – So funktioniert Data 360Geprüft am
Unterstützt Data-360-Grundlagen, Provisionierung und den Aktivierungspfad; Produktbezeichnungen und Plattformfähigkeiten vor Veröffentlichung erneut prüfen.
- Salesforce Architects – Data 360 ProvisioningGeprüft am
Unterstützt Data-360-Grundlagen, Provisionierung und den Aktivierungspfad; Produktbezeichnungen und Plattformfähigkeiten vor Veröffentlichung erneut prüfen.
Themen dieses Beitrags
SO KÖNNTE ES IM ALLTAG AUSSEHEN
Drei Ansichten, die den Aktivierungspfad nachvollziehbar machen.
Illustrative konfigurierte Arbeitsbereiche zeigen Entscheidung, Belege und Betriebsstatus. Alle Datensätze sind fiktiv.
Identitätsregel prüfen
Illustrative Prüfung zweier Quelldatensätze auf exakte Übereinstimmung.
Mit dem Finger wischen oder mit gedrückter Maustaste ziehen. Alternativ die Bildauswahl oder Pfeiltasten nutzen.
Bild 1 von 3: Identitätsregel prüfen
Passend weiterlesen
Datenbasis für KI: Was Agentforce und Data 360 wirklich brauchen
Agentforce und Data 360 funktionieren nur mit Daten, deren Bedeutung, Qualität und Nutzung klar genug für den konkreten Anwendungsfall sind. Vollständigkeit allein reicht dafür nicht. Entscheidend ist, welche Daten einen Prozess wirklich beeinflussen, wer sie verantwortet und wie verlässlich sie im Betrieb genutzt werden können.
Beitrag lesen
Marketing Cloud Next: Wechseln, ergänzen oder warten?
Die Einführung einer neuen Marketing-Plattform ist kein Selbstzweck. Entscheidend ist, welche Fähigkeiten heute fehlen, welche Prozesse bereits gut funktionieren und wie viel Veränderung der Betrieb sinnvoll tragen kann. Deshalb gibt es nicht nur eine richtige Antwort: ergänzen, parallel erproben oder später wechseln können je nach Ausgangslage gleichermaßen sinnvoll sein.
Beitrag lesen
Raus aus dem Monolithen: Skalierbare Multi-Agent-Architekturen mit Agentforce gestalten
Ein einzelner Agent kann viel – bis Aufgaben, Tools, Regeln und Kontext immer weiter wachsen. Dann wird aus Flexibilität schnell Komplexität. Multi-Agent-Architekturen teilen Verantwortung gezielt auf und machen Agentforce leichter skalierbar, testbar und betreibbar.
Beitrag lesen