Was ist Data as a Service (DaaS)? Vorteile für B2B-Revenue-Teams

B2B-Revenue-Teams sind auf genaue Informationen über Unternehmen, Kontakte, Märkte und Kaufaktivitäten angewiesen. Diese Informationen intern aktuell zu halten, ist schwierig: Menschen wechseln ihre Position, Unternehmen werden umstrukturiert, Kontaktdaten veralten und neue Kaufsignale entstehen.

Data as a Service (DaaS) ermöglicht Organisationen den Zugriff auf von Anbietern verwaltete Daten über Cloud-Anwendungen, APIs, Integrationen oder Datenfeeds. Für Vertriebs-, Marketing- und RevOps-Teams kann DaaS die Akquise, Anreicherung, Segmentierung, das Routing, die Gebietsplanung und die Priorisierung von Accounts unterstützen, ohne dass das Unternehmen jeden Datensatz selbst beschaffen und pflegen muss.

ZoomInfo stellt B2B-Unternehmens-, Kontakt-, Anreicherungs- und Kaufsignaldaten bereit, die Revenue-Teams in bestehende Vertriebs- und Marketing-Workflows integrieren können.

Was ist Data as a Service (DaaS)?

Data as a Service (DaaS) ist ein Bereitstellungsmodell aus der Cloud, bei dem eine Organisation auf Daten zugreift, die von einem anderen Anbieter gepflegt und bereitgestellt werden. Statt die gesamte Infrastruktur und alle Prozesse aufzubauen, die erforderlich sind, um diese Informationen intern zu beschaffen, zu bereinigen, zu aktualisieren und zu verteilen, greifen Kunden über Anwendungen, APIs, Integrationen, Datenfeeds oder andere Bereitstellungsmethoden darauf zu.

In diesem Artikel steht DaaS ausschließlich für Data as a Service. Das Akronym wird in der Technologiebranche auch für Begriffe wie Desktop as a Service und Database as a Service verwendet – der Kontext ist daher entscheidend.

Data as a Service ist ein breit gefasstes Modell, das auf viele Arten von Informationen angewendet werden kann. Für B2B-Revenue-Teams können die Daten Unternehmensmerkmale, berufliche Kontaktinformationen, Organisationsbeziehungen, Technologienutzung, Intent-Signale und weitere Account-Informationen umfassen.

Ein vereinfachter B2B-DaaS-Workflow sieht folgendermaßen aus:

Datenquellen → Erfassung und Verarbeitung → Validierung und Pflege → Bereitstellung → Revenue-Systeme und Workflows

Das Modell ist besonders nützlich für Informationen, die sich häufig ändern. Eine statische Kontaktliste kann veralten, sobald Mitarbeiter ihre Position wechseln oder sich Organisationen weiterentwickeln. Ein DaaS-Anbieter übernimmt die Verantwortung dafür, seinen Datensatz entsprechend den eigenen Erfassungs- und Aktualisierungsprozessen zu pflegen und bereitzustellen.

Wie funktioniert Data as a Service?

Die Umsetzung variiert je nach Anbieter und Datensatz, ein typisches DaaS-Modell umfasst jedoch vier Phasen.

1. Datenerfassung

Der Anbieter sammelt Informationen aus einer oder mehreren Quellen. Je nach Dienst können dazu öffentliche Register, Websites, lizenzierte Datensätze, proprietäre Recherchen, bereitgestellte Informationen und andere Erfassungsmethoden gehören.

Die Abdeckung ist entscheidend, denn selbst ein großer Datensatz kann weniger nützlich sein, wenn er die Regionen, Branchen, Unternehmen oder Kontakte, auf die ein Revenue-Team abzielt, nicht angemessen repräsentiert.

2. Datenverarbeitung und Validierung

Rohdaten müssen in der Regel standardisiert werden, bevor sie Geschäfts-Workflows unterstützen können.

Anbieter können Felder normalisieren, Duplikate entfernen, Datensätze abgleichen, Informationen überprüfen und Daten in konsistenten Entitäten organisieren. Bei B2B-Daten kann dies bedeuten, Kontakte den richtigen Unternehmen zuzuordnen oder Tochtergesellschaften mit ihren Mutterorganisationen zu verknüpfen.

Lesen Sie auch: Die besten Anbieter und Softwarelösungen für B2B-Datenbanken 

3. Datenpflege

Geschäftsinformationen ändern sich kontinuierlich. Mitarbeiter wechseln, Unternehmen fusionieren, Domains ändern sich, neue Organisationen entstehen und bestehende Datensätze veralten.

DaaS-Anbieter pflegen ihre Datensätze nach eigenen Aktualisierungs- und Validierungsprozessen. Dadurch reduziert sich der Umfang der Erfassung und Aktualisierung, den Kunden intern leisten müssen.

4. Datenbereitstellung

Kunden benötigen eine praktikable Möglichkeit, die Informationen zu nutzen. Zu den gängigen Bereitstellungsmethoden gehören:

• Cloud-Anwendungen
• CRM-Integrationen
• Integrationen für Marketing-Automatisierung
• APIs
• Datenfeeds
• Data Warehouses oder Cloud-Umgebungen
• Automatisierte Anreicherungs-Workflows

Die Bereitstellung ist ebenso wichtig wie der Datensatz selbst. Informationen, die nicht in die Systeme gelangen können, in denen Teams arbeiten, schaffen möglicherweise ein weiteres Datensilo, statt die Umsetzung zu verbessern.

Lesen Sie auch: Die 8 besten KI-CRM-Softwarelösungen, die Sie ernsthaft in Betracht ziehen sollten 

DaaS vs. SaaS: Was ist der Unterschied?

DaaS und Software as a Service (SaaS) nutzen beide die Bereitstellung aus der Cloud, bieten jedoch jeweils einen anderen primären Mehrwert.

Die Kategorien können sich überschneiden. Ein Anbieter kann proprietäre Daten über eine SaaS-Anwendung bereitstellen und diese Informationen gleichzeitig über APIs, Integrationen oder Feeds zugänglich machen.

Für Käufer ist entscheidend, woher der größte Teil des Mehrwerts stammt. Wenn er hauptsächlich aus dem zugrunde liegenden Datensatz und seiner fortlaufenden Pflege entsteht, umfasst das Angebot eine DaaS-Komponente. Wenn der Mehrwert primär im Software-Workflow liegt, handelt es sich genauer gesagt um SaaS.

Welche Arten von B2B-Daten kann DaaS bereitstellen?

Welcher Datensatz geeignet ist, hängt von dem Problem ab, das das Revenue-Team lösen muss.

Unternehmens- und firmografische Daten

Firmografische Daten beschreiben Organisationen und können Folgendes umfassen:

• Branche
• Mitarbeiterzahl
• Umsatz oder Umsatzspanne
• Standort
• Unternehmenshierarchie
• Eigentumsverhältnisse
• Wachstumsindikatoren

Revenue-Teams können diese Merkmale nutzen, um Märkte zu segmentieren, Gebiete zu definieren, Unternehmen mit passendem ICP zu identifizieren und Account-Scoring zu unterstützen.

Kontakt- und Berufsdaten

Kontaktdaten helfen Vertriebs- und Marketingteams, relevante Personen in Zielorganisationen zu identifizieren. Zu den Feldern können gehören:

• Name
• Berufsbezeichnung
• Abteilung
• Hierarchieebene
• Geschäftliche E-Mail-Adresse
• Geschäftliche Telefonnummer
• Beschäftigungsinformationen

Diese Informationen können die Kontaktsuche, die Recherche zum Buying Committee, das Routing und die Vorbereitung der Kontaktaufnahme unterstützen.

Technografische Daten

Technografische Daten beschreiben die von einer Organisation eingesetzten Technologien.

Vertriebs- und Marketingteams können sie nutzen, um Integrationsmöglichkeiten, Ziele für die Ablösung von Wettbewerbern, wahrscheinliche Technologieanforderungen oder andere Anwendungsfälle zu identifizieren, die mit dem bestehenden Technologie-Stack eines Accounts zusammenhängen.

Intent- und Kaufsignaldaten

Einige Anbieter stellen außerdem verhaltensbezogene oder unternehmensbezogene Signale bereit, die zusätzliche Informationen für die Priorisierung von Accounts liefern können.

Je nach Anbieter können dazu gehören:

• Themenrecherche
• Website-Aktivität
• Veränderungen in der Führungsebene
• Finanzierungsereignisse
• Einstellungsaktivität
• Technologieänderungen

Diese Signale sollten nicht als Beweis dafür betrachtet werden, dass ein Unternehmen kaufen wird. Ihr Wert besteht darin, zusätzlichen Kontext zur Account-Passung und zum Engagement über eigene Kanäle zu liefern.

Vorteile von Data as a Service für B2B-Revenue-Teams

Der wichtigste Vorteil von DaaS besteht nicht einfach im Zugriff auf mehr Informationen. DaaS kann den Aufwand reduzieren, der erforderlich ist, um externe Daten für wiederkehrende Revenue-Workflows zu beschaffen, zu pflegen und operativ nutzbar zu machen.

Vollständigkeit des CRM verbessern

CRM-Datensätze enthalten häufig fehlende oder veraltete Felder. DaaS kann Accounts und Kontakte mit Merkmalen wie Branche, Unternehmensgröße, Berufsbezeichnung oder Standort anreichern.

Vollständigere Datensätze können Segmentierung, Routing, Scoring und Reporting verbessern.

Lesen Sie auch: Die besten KI-Vertriebstools, um Ihren Umsatz zu steigern 

Manuelle Recherche reduzieren

Vertriebsmitarbeiter verbringen häufig Zeit damit, Unternehmen zu identifizieren, relevante Kontakte zu finden und grundlegende Account-Informationen zu prüfen, bevor sie Kontakt aufnehmen.

Wenn diese Informationen in Prospecting-Tools oder CRM-Workflows verfügbar sind, kann dies repetitive Recherche reduzieren und Vertriebsmitarbeitern mehr Zeit geben, um Interessenten zu bewerten und anzusprechen.

Segmentierung und Targeting verbessern

Firmografische, technografische, Kontakt- und weitere Account-Daten geben Revenue-Teams zusätzliche Dimensionen für die Definition von Zielgruppen.

Statt auf eine breite Kategorie wie Softwareunternehmen abzuzielen, könnte ein Team das Segment anhand von Unternehmensgröße, Geografie, Technologieumgebung oder anderen Merkmalen eingrenzen, die mit seinem Ideal Customer Profile zusammenhängen.

Zuverlässigeres Routing unterstützen

Automatisiertes Routing setzt voraus, dass erforderliche Felder konsistent ausgefüllt sind.

Wenn Zuweisungen vom Standort, der Branche, der Unternehmensgröße, der Account-Zuständigkeit oder anderen Merkmalen abhängen, kann die Anreicherung die Zahl der Datensätze reduzieren, die manuell klassifiziert werden müssen.

Zusätzlichen Kontext für die Account-Priorisierung liefern

Externe Daten können CRM- und Marketinginformationen ergänzen, wenn Teams entscheiden, worauf Vertriebsmitarbeiter ihren Fokus richten sollten.

Eine Organisation könnte Accounts priorisieren, die zu ihrem ICP passen und außerdem relevante Intent-Signale oder geschäftliche Veränderungen zeigen. Externe Daten stärken das Priorisierungsmodell, ersetzen jedoch nicht das Urteilsvermögen der Vertriebsmitarbeiter.

Gebiets- und Marktanalyse verbessern

Revenue-Verantwortliche können Unternehmensdaten nutzen, um zu verstehen, wie Ziel-Accounts auf Branchen, Regionen oder Marktsegmente verteilt sind.

Diese Informationen können die Gebietsplanung, Account-Zuweisung, Kapazitätsplanung und Marktanalyse unterstützen.

Wichtige Account-Merkmale standardisieren

Vertriebs-, Marketing- und RevOps-Teams verwenden möglicherweise unterschiedliche Anwendungen, die widersprüchliche Unternehmensinformationen enthalten.

Eine gemeinsam genutzte externe Datenquelle kann dazu beitragen, ausgewählte Attribute systemübergreifend zu standardisieren, wenn die Organisation außerdem klare Regeln für das Matching, die Feldverantwortung und die Synchronisierung festlegt.

Wie B2B-Revenue-Teams DaaS einsetzen

DaaS schafft den größten Mehrwert, wenn externe Daten in einen definierten Workflow einfließen.

Prospecting

Vertriebsteams können Unternehmen identifizieren, die den Targeting-Kriterien entsprechen, und relevante Kontakte innerhalb dieser Organisationen finden.

Beispiel: Ein Enterprise-Vertriebler identifiziert US-amerikanische Hersteller mit einer bestimmten Mindestzahl an Beschäftigten und findet anschließend IT- und Betriebsverantwortliche in diesen Kundenkonten.

Lead-Anreicherung und -Routing

Marketing- oder RevOps-Teams können eingehende Datensätze vor der Zuweisung anreichern.

Beispiel: Ein Interessent übermittelt ein Formular mit einer geschäftlichen E-Mail-Adresse und seinem Namen. Ein Anreicherungs-Workflow ergänzt Unternehmensgröße, Branche und Standort, damit der Lead an das zuständige Vertriebsteam weitergeleitet werden kann.

Account-Bewertung und Priorisierung

Teams können externe Daten mit CRM- und Interaktionsdaten aus erster Hand kombinieren.

Beispiel: Ein Account-Scoring-Modell berücksichtigt die Passung zum ICP, Website-Interaktionen, Intent-Signale und relevante Veränderungen im Unternehmen, damit Vertriebsteams die zuerst zu untersuchenden Accounts identifizieren können.

Gebietsplanung

RevOps kann die Verteilung der Zielkunden analysieren, bevor Gebiete zugewiesen werden.

Beispiel: Statt eine Region geografisch aufzuteilen, vergleicht das Team die Anzahl der Accounts, die Unternehmensgröße, den Branchenmix und das geschätzte Potenzial, um ausgewogenere Gebiete zu schaffen.

CRM-Anreicherung

Externe Daten können fehlende Felder ergänzen oder Datensätze aktualisieren.

Beispiel: Ein CRM enthält Kontakte, deren Rollen sich geändert haben. Ein Anreicherungsprozess aktualisiert die verfügbaren Beschäftigungsinformationen und leitet unsichere Treffer zur Überprüfung weiter.

Marktanalyse

Revenue-Teams können Daten von Drittanbietern nutzen, um Größe und Zusammensetzung eines Zielmarkts zu schätzen.

Beispiel: Vor der Investition in eine neue Kampagne für ein vertikales Marktsegment schätzt das Marketing, wie viele Organisationen die Kriterien für Zielbranche und Firmografie erfüllen.

Welche Rolle ZoomInfo im B2B-DaaS spielt

ZoomInfo kombiniert B2B-Informationen zu Unternehmen und Kontakten mit Anreicherung, Organisationsinformationen, Intent-Daten und weiteren Account-Signalen, die Revenue-Teams in Vertriebs- und Marketing-Workflows nutzen können.

Für Organisationen, die bereits CRM, Marketing-Automatisierung und andere Revenue-Plattformen einsetzen, können diese externen Daten die in den Systemen vorhandenen Datensätze ergänzen. Teams können sie für Prospecting, Anreicherung, Segmentierung, Gebietsplanung, Scoring und Account-Priorisierung nutzen, anstatt sich auf statische, gekaufte Listen zu verlassen.

Der praktische Wert besteht nicht einfach darin, eine weitere durchsuchbare Datenbank zu haben. Es geht darum, gepflegte externe Informationen dort verfügbar zu machen, wo sie Targeting, Routing, Priorisierung und andere Revenue-Entscheidungen beeinflussen können.

Herausforderungen bei der DaaS-Implementierung

Der Einsatz eines DaaS-Anbieters kann den internen Aufwand für die Datenpflege reduzieren, beseitigt jedoch nicht den Bedarf an Governance und Validierung.

Datenqualität variiert

Kein B2B-Datensatz ist vollständig korrekt oder vollständig. Abdeckung und Aktualität können je nach Geografie, Branche, Unternehmensgröße, Kontakttyp und Feld unterschiedlich ausfallen.

Empfohlener Ansatz: Testen Sie Anbieter anhand einer repräsentativen Stichprobe der Accounts und Kontakte, die Ihr Team tatsächlich anvisiert, statt sich ausschließlich auf aggregierte Angaben zur Genauigkeit zu verlassen.

Beim Matching von Datensätzen können Fehler entstehen

Die Anreicherung hängt davon ab, dass ein eingehender Datensatz dem richtigen Unternehmen oder der richtigen Person zugeordnet wird.

Empfohlener Ansatz: Prüfen Sie vor der Automatisierung umfangreicher Aktualisierungen, wie der Anbieter mit unsicheren Treffern, Tochtergesellschaften, Mutterunternehmen, Duplikaten und Organisationen mit ähnlichen Namen umgeht.

Mehr Felder können für mehr Unübersichtlichkeit sorgen

Das Hinzufügen von Informationen verbessert das CRM nicht automatisch.

Empfohlener Ansatz: Reichern Sie nur Felder an, die mit definierten Geschäftsprozessen verknüpft sind. Zusätzliche Daten können die administrative Komplexität erhöhen, ohne Entscheidungen zu verbessern.

Die Integrationstiefe variiert

Ein Integrationslogo erklärt nicht, was tatsächlich synchronisiert wird.

Empfohlener Ansatz: Klären Sie, welche Objekte und Felder unterstützt werden, ob Aktualisierungen unidirektional oder bidirektional erfolgen, wie häufig Daten aktualisiert werden und wie Fehler angezeigt und korrigiert werden.

Datenschutz, Sicherheit und Compliance müssen geprüft werden

Der Einsatz eines externen Anbieters entbindet die Organisation nicht von ihren eigenen rechtlichen, sicherheitsbezogenen und datenschutzrechtlichen Pflichten.

Empfohlener Ansatz: Prüfen Sie gemeinsam mit den zuständigen internen Stakeholdern die Beschaffungspraktiken, Sicherheitskontrollen, Datenschutzdokumentation, Aufbewahrungsrichtlinien und relevanten Compliance-Unterlagen des Anbieters.

Worauf es bei einem B2B-DaaS-Anbieter ankommt

Der beste Anbieter ist derjenige, dessen Daten und Bereitstellungsmodell zu den Workflows passen, die Ihr Revenue-Team unterstützen muss.

Bewerten Sie Anbieter anhand folgender Kriterien:

• Abdeckung: Vergewissern Sie sich, dass der Datensatz die für Ihren Markt relevanten Unternehmen, Kontakte, Branchen, Regionen und Felder ausreichend abdeckt.
• Genauigkeit und Aktualität: Fragen Sie, wie Informationen validiert und aktualisiert werden, und testen Sie anschließend tatsächliche Datensätze aus Ihren Zielsegmenten.
• Datentiefe: Prüfen Sie, ob firmografische, Kontakt-, technografische und Intent-Daten sowie Hierarchien und andere Attribute zu Ihren Anwendungsfällen passen.
• Bereitstellungsoptionen: Stellen Sie sicher, dass Daten über geeignete Integrationen, APIs, Feeds oder Anreicherungs-Workflows die Systeme erreichen können, in denen Nutzer sie benötigen.
• Matching und Anreicherung: Testen Sie, wie die Plattform Identitäten auflöst, mit Duplikaten umgeht und reagiert, wenn die Zuverlässigkeit eines Matches gering ist.
• Governance und Compliance: Prüfen Sie Zugriffskontrollen, administrative Funktionen, Sicherheitspraktiken, Datenbeschaffung und Datenschutzaspekte.
• Preise und Nutzungsgrenzen: Machen Sie sich klar, wie Datensätze, Credits, API-Aufrufe, Anreicherung, Exporte, Nutzerplätze und andere Nutzungen erfasst und abgerechnet werden.

Der größte Datensatz ist nicht automatisch der beste. Die Abdeckung ist nur dann relevant, wenn die Informationen für die zu unterstützenden Workflows ausreichend korrekt, relevant und zugänglich sind.

So implementieren Sie Data as a Service

Eine erfolgreiche Implementierung beginnt mit einem klar definierten Geschäftsproblem und nicht mit dem allgemeinen Ziel, die Datenqualität zu verbessern.

1. Anwendungsfall definieren.

Wählen Sie den Workflow aus, den die Daten verbessern sollen. Mögliche Ausgangspunkte sind Prospecting, die Anreicherung eingehender Leads, Account-Scoring, Gebietsplanung oder die Bereinigung des CRM.

Beispiel: Wenn unvollständige Angaben zur Unternehmensgröße Routing-Fehler verursachen, beginnen Sie mit der Anreicherung eingehender Leads, statt sofort jedes CRM-Feld anzureichern.

2. Erforderliche Felder identifizieren.

Bestimmen Sie, welche externen Attribute für den Workflow erforderlich sind.

Beispiel: Wenn das Routing von der Mitarbeiterzahl und der geografischen Lage abhängt, sind diese Felder wichtiger als Dutzende von Attributen, die nichts mit der Zuweisung zu tun haben.

3. Regeln für Verantwortlichkeit und Überschreiben festlegen.

Legen Sie fest, welches System für jedes Feld verantwortlich ist und was geschehen soll, wenn interne und externe Informationen voneinander abweichen.

Beispiel: Ein von einem Vertriebler gepflegtes Feld zum Kundenstatus kann geschützt bleiben, selbst wenn ein Anreicherungs-Workflow die firmografischen Informationen desselben Accounts aktualisiert.

4. Repräsentative Stichprobe testen.

Bewerten Sie den Anbieter anhand tatsächlicher Accounts, Kontakte, Märkte und Segmente, bevor Sie ihn umfassend einsetzen.

Messen Sie Abdeckung, Genauigkeit, Trefferquoten und den erforderlichen manuellen Korrekturaufwand.

Beispiel: Eine globale Organisation sollte Daten in ihren wichtigsten Ländern testen, statt anzunehmen, dass eine gute Abdeckung in einem Markt auf jede Region übertragbar ist.

5. Daten in den Workflow integrieren.

Stellen Sie Informationen dort bereit, wo Teams sie benötigen, statt sie zu zwingen, ein weiteres isoliertes System zu konsultieren.

Beispiel: Reichern Sie einen eingehenden Lead vor dem Routing an oder stellen Sie relevante Account-Informationen im bestehenden CRM- oder Prospecting-Workflow des Vertrieblers bereit.

6. Ergebnis messen.

Verfolgen Sie, ob die Daten den Prozess verbessern, den sie unterstützen sollen.

Relevante Messgrößen können sein:

• Trefferquote bei der Anreicherung
• Vollständigkeit der Felder
• Routing-Genauigkeit
• Abdeckung der Ziel-Accounts
• Recherchezeit der Vertriebler
• Kontaktierbarkeit
• Conversion nach angereichertem Segment

Bewerten Sie DaaS anhand des geschäftlichen Nutzens und nicht einfach anhand der Menge der bereitgestellten Informationen.

Externe Daten in Revenue Intelligence verwandeln

Data as a Service kann den Aufwand reduzieren, den B2B-Revenue-Teams für die Beschaffung, Validierung und Pflege externer Informationen benötigen. Der Wert hängt jedoch davon ab, wie effektiv diese Informationen einen realen Geschäftsprozess unterstützen.

Die erfolgreichsten Implementierungen beginnen mit einem definierten Workflow, wählen die dafür erforderlichen Daten aus, legen Regeln für Matching und Verantwortlichkeit fest und messen, ob die Informationen die Umsetzung verbessern. Wenn externe Daten in die Systeme integriert werden, die Teams bereits nutzen, wird DaaS zu einer praktischen Grundlage für Prospecting, Routing, Segmentierung, Gebietsplanung und Account-Priorisierung – statt zu einer weiteren losgelösten Datenquelle.