①Eine Data Management Platform (DMP) nutzt anonymisierte und pseudonymisierte Daten, während die CDP zusätzlich personenbezogene Daten verarbeitet und somit das Kundenprofil hochgradig personalisiert.

② Ein Customer Relationship Management System (CRM) fokussiert sich auf die Customer Journey innerhalb der Organisation, während die CDP diese zusätzlich mit Kontaktpunkten des Nutzers außerhalb des Unternehmens verbindet.

③ Eine CDP baut auf den Funktionen einer DMP, eines DWH sowie eines CRM auf und kombiniert diese miteinander, um einen holistischen Blickwinkel auf die Customer Journey innerhalb und außerhalb des Unternehmens zu ermöglichen (360 Customer View).

Vertikale Einsatzmöglichkeiten
Es gibt bestimmte CDP-Anbieter, die Ihre Leistung vertikal, also auf eine bestimmte Art von Unternehmen, abgestimmt haben (Branche, Größe, Zweck usw.). Unternehmen, die auf eine vertikale CDP-Lösung setzen, verwenden allerdings oft zusätzlich ein (Marketing-)Data Warehouse für tiefgreifendere Analysen und nutzen lediglich Funktionen wie das Identity-Resolution und Matching der CDP, welches an die bestehenden Data Pipelines von Data Warehouse angeschlossen wird.

No-Code-Funktionalitäten und User Interface
Die Kernkompetenz einer CDP stellt die Identitätsauflösung (Identity Resolution) personenbezogener Daten und ihre Anreicherung mit Profilfragmenten dieser Nutzer aus diversen Tools und Marketing-Kontaktpunkten dar. Technische Abläufe und ihre Einhaltung gesetzlicher Vorschriften für die Datenverarbeitung liegen in der Hand der Plattform und laufen zum größten Teil hinter einem benutzerfreundlichen User Interface ab, ohne dass der Nutzer tief in technische Details einsteigen muss.

Eine CDP benötigt keinen „Modern Data Stack“
Der Ausbau einer Cloud-Umgebung auf Basis eines (Marketing-)Data Warehouse ist nur so gut wie das Data Warehouse selbst. Besteht keine performante Architektur um das Data Warehouse, kann eine CDP eingesetzt werden, um Engpässe in der Marketing-Aussteuerung zu mildern.

Real-Time-Funktionalitäten
Einige CDPs verfügen über Echtzeit-Funktionen, die sich mit einem Data Warehouse allein nur schwer oder nahezu unmöglich erreichen lassen. In den meisten Branchen sind wirkliche Real-Time-Funktionalitäten jedoch weder notwendig noch hilfreich. Die meisten Processing-Funktionen, die als Real-Time beworben werden, bieten zudem eher eine “Near-Time”-Datenverarbeitung. Dennoch gibt es bestimmte Anwendungsfälle, in welchen die Ausführung von Vorgängen in Echtzeit sinnvoll ist. Zum Beispiel sollte eine Transaktionsbenachrichtigung wie „Danke für Ihren Einkauf“ nicht erst eine Stunde später zugestellt werden.

Maintenance und SLA
Einer der wichtigsten Vorteile einer CDP: Mit dem Einkauf einer standardisierten CDP End-to-End-Lösung ist in den meisten Fällen ein umfangreiches Service-Level-Agreement (SLA) vertraglich inkludiert. Das SLA beinhaltet oftmals Zugang zu einem direkten Ansprechpartner sowie einem Support-Team für technische Probleme und Fragen. Ein wesentlicher Vorteil stellt jedoch die Sicherstellung der Instandhaltung der technischen Infrastruktur der Plattform durch den Anbieter dar. Im Gegensatz zu einem individuellen Cloud-Setup liegt die Verantwortung der Datenverarbeitung- und -bereitstellung durch die Plattform aufseiten des Anbieters, wodurch technische und personelle Ressourcen eingespart werden.

Kosten und Time-to-Market
Ein entscheidender Faktor gegen den Einsatz einer End-to-End-Lösung stellt das finanzielle Investment dar. Die Einsparung interner Ressourcen und Infrastruktur auf Unternehmensseite lassen sich Anbieter teuer bezahlen. Neben den initialen Investitionskosten für die Integration und Inbetriebnahme der CDP-Lösung stehen die laufenden Kosten für die Nutzung häufig in keinem sinnvollen Kosten-Nutzen-Verhältnis. Hinzu kommt eine lange Integrationszeit, da durch den Eingriff in bestehende Strukturen operative Abläufe negativ beeinflusst werden können.

Flexibilität und Anpassungsfähigkeit
Auch wenn die meisten End-to-End-Lösungen standardmäßig eine Vielzahl an Konnektoren und konfigurierbaren Schnittstellen für gängige Tools und Datenquellen bieten, sind sie doch recht starr in ihrer Datenarchitektur und Datenverarbeitung. Die Datenstrategie des eigenen Unternehmens ist daher stark abhängig von den Innovationen und Updates der CDP-Anbieter. Zudem stellt sich die Frage, ob alle lizenzierten Funktionen einer CDP überhaupt genutzt werden. Häufig ist lediglich die Nutzung einiger Kernfunktionalitäten von Bedeutung. Gezahlt wird jedoch in der Regel für den vollen Funktionsumfang der Plattform. Mit dem Ausbau einer Cloud-Umgebung, wie bspw. der Google Cloud, könnten nach dem Pay-per-Use-Modell Leistungen besser auf den individuellen Bedarf angepasst werden.

Eine CDP benötigt keinen „Modern Data Stack“
Der Ausbau einer Cloud-Umgebung auf Basis eines (Marketing-)Data Warehouse ist nur so gut wie das Data Warehouse selbst. Besteht keine performante Architektur um das Data Warehouse, kann eine CDP eingesetzt werden, um Engpässe in der Marketing-Aussteuerung zu mildern.

Intransparenz
Die Nutzung eines schicken User Interface sowie von standardisierten Konnektoren und Modellen für die Datenverarbeitung birgt neben der Einsparung personeller und technischer Komplexität allerdings auch Intransparenz. Gerade relevante Kernfunktionen wie das Audience Modelling sind davon betroffen. In Zukunft werden Audiences nicht mehr manuell mit simplen Operatoren und/ oder Verknüpfungen erstellt, sondern mit entsprechenden Algorithmen automatisiert. Die Bildung von Segmenten und Audiences auf Basis statistischer Verfahren ist derzeit in allen angebotenen CDPs nicht transparent und auch nicht anpassbar. Data-Scientisten werden mit dem derzeitigen Funktionsumfang nicht viel anfangen können.

Hosting
Es ist nicht immer ist gewährleistet, dass das Hosting der von der CDP generierten und verarbeiteten Daten auch in europäischen Hoheitsgebieten stattfindet. Die Datenverarbeitung personenbezogener Daten steht demnach im Konflikt mit der bestehenden Rechtsprechung nach DSGVO und ePrivacy. Bei der Anbieterwahl sollte daher ein besonderes Augenmerk auf die Sicherstellung des Datenschutzes nach gegebenen Standards der Rechtsprechung gelegt werden.

Wettbewerbsvorteil
Bei einem hohen Grad an Standardisierung sowie fehlender Transparenz und Anpassungsfähigkeit von Funktionen und Abläufen stellt sich die Frage nach dem wahren Wettbewerbsvorteil, den eine CDP-End-to-End-Lösung mit sich bringt. Ein hoher Standardisierungsgrad ist gleichzeitig auch immer ein Todesurteil für individuelle Anpassungsmöglichkeiten an das eigene Geschäftsmodell. Während bei dem Aufbau einer eigenen Cloud-Umgebung vollständige Kontrolle und Anpassungsfähigkeit an Abläufe und Algorithmen besteht, bringt der Einkauf einer CDP-End-to-End-Lösung Intransparenz in das digitale Ökosystem.

1. Daten sind zentralisiert vorhanden
Eine Customer Data Platform wird von Anbietern häufig als „Single Source of Truth“ bezeichnet. In Wirklichkeit erstellt die Plattform meistens eine fragmentierte Kopie der Daten. Die Wahrscheinlichkeit ist also groß, dass sich Kundendaten bereits in dem Data Warehouse und anderen Systemen, wie bspw. einem CRM, befinden. Standardmäßig besitzt eine CDP in der Regel nur Zugriff auf die Verhaltens- bzw. Event-Daten von digitalen Plattformen und Webseiten. Ist dies der Fall, sollte der Ausbau der bestehenden Cloud-Umgebung um notwendige Funktionalitäten für die Zentralisierung von Nutzerprofilen und ihrer Segmentierung sowie für die Überführung an die entsprechenden Marketing-Tools in Erwägung gezogen werden.

2. Die CDP passt nicht in das bestehende Cloud-Setup
Mit dem Aufkommen der Cloud-Technologien wurden SaaS-Tools eingeführt, die direkt mit dem Cloud Data Warehouse zusammenarbeiten. Die Tools und Erweiterungen ermöglichen es, ohne großen technischen Aufwand Daten zu generieren, zu transformieren und in die Tools zurückzuspielen. Eine CDP an sich profitiert aber nicht zwangsläufig von diesen Erweiterungen. Wird bereits eine Cloud-Umgebung, wie bspw. die GCP, genutzt, lassen sich benötigte Erweiterungen einfach nach dem “Pay-per-use”- Modell skalierbar hinzufügen.

3. Datenschutz und Sicherheit
Auch wenn die Pseudonymisierung der Daten von der Plattform übernommen wird, speichert der Großteil der CDP-Anbieter die erhobenen Daten in ihrer eigenen Cloud-Umgebung. Die Auslagerung empfindlicher Kundendaten zu den Servern von Drittanbietern birgt entsprechend neue Sicherheitsrisiken und schränkt den Umfang der Datenverarbeitung und das Management innerhalb der Plattform ein. Zunehmende Regulierung im Datenschutz durch ePrivacy und GDRP, dem Privacy Shield und der Datensicherheit (SOC2, ISO, etc.) begünstigt Daten-Architekturen, die auf die Sicherheit ihres eigenen IT Setups bauen

4. Flexibilität und Grenznutzen
Ein Data Warehouse bzw. eine ganze Cloud-Umgebung verfügt über einen Funktionsumfang, den eine CDP allein nicht abdecken kann, darunter über die Fähigkeit, beliebige relationale Daten zu modellieren und abzufragen. Es lässt sich argumentieren, dass eine CDP in ihrer Konfiguration flexibel ist, jedoch sehr unnachgiebig, wenn sich das Datenmodell im Laufe der Zeit der geschäftlichen Entwicklung anpassen soll. Zusätzlich kommt eine End-to-End-Lösung in der Regel mit einer Vielzahl an Funktionen und Features daher, die nicht unbedingt benötigt, jedoch bezahlt werden

5. Kosten und Zeitrahmen
Neben einem hohen finanziellen Investment bedeutet die Implementierung einer CDP für die meisten Unternehmen auch eine Zeitinvestition in personelle Ressourcen. Die Einrichtung einer CDP erfordert ein hohes Maß an abteilungsübergreifender Zusammenarbeit. Erste Ergebnisse stellen sich erst nach einer mehrmonatigen Integrationsphase ein.

Bei dem Auf- und Ausbau des individuellen Cloud-Setups bestehen zwar die gleichen organisatorischen Hürden und Herausforderungen, allerdings ist es einfacher und kosteneffizienter, einzelne Use Cases und Funktionalitäten Schritt für Schritt aufzubauen und zu erweitern. Änderungen sind in kleinen Schritten oft einfacher in Organisationen zu etablieren. Dabei fallen bei einem individuellen Cloud-Setup im Gegensatz zu einer CDP keine vollumfänglichen Lizenzgebühren an, sondern nur die Kosten der tatsächlichen Nutzung der Cloud Ressourcen. In Bezug auf Change Management und Kosteneffizienz bei der Einführung kann ein individuelles Cloud-Setup also durchaus Vorteile bringen.

Sources
In den meisten datengetriebenen Unternehmen befindet sich bereits ein Data Warehouse, in dem Daten aus verschiedenen Quellsystemen konsolidiert und analysiert werden. Oftmals beschränkt sich die Analyse jedoch auf Webdaten von Nutzern, die aus diversen Tools im Rohdatenformat in das Data Warehouse geladen werden. Um tiefgreifendere Erkenntnisse über den Nutzer und über seine verhaltensbasierten Onlinedaten hinaus zu erhalten, empfiehlt es sich, diese mit Daten aus weiteren nutzerrelevanten Quellsystemen und Datenbanken anzureichern.

Collect
Seit der Einführung der DSGVO, den ePrivacy Richtlinien und dem TTDSG unterliegt die Datenerfassung von (Online-)Nutzerdaten im europäischen Raum klar definierten Einwilligungsvorschriften. Werden Nutzerdaten über verschiedene Systeme erhoben und miteinander zusammengeführt, bedarf es einem gut organisiertem und transparentem Permission Management, um die Verarbeitung aller erhobenen Daten zu dokumentieren und rechtlich abzusichern. Je nach Quellsystem und Sensibilität der erfassten Daten müssen hierfür separate Einwilligungen beim Nutzer eingeholt werden. Die wohl bekannteste Einwilligungsform ist der Cookie Consent für verhaltensbasierte Webdaten. Er befähigt Marketing- und Analyse-Tools, Identifier wie Cookie-IDs (Client-IDs, Advertiser-IDs etc.), Device-IDs (IDFA, GAID etc.) und Fingerprints (User Agent etc.) zu erheben. Hinzu kommen separate Einwilligungen für die Erhebung von E-Mail-Adressen (Newsletter) oder für die Vergabe von User-IDs, welche für die Erstellung von Kundenkonten genutzt werden und oft für die pseudonymisierte Zuweisung personenbezogener Daten mit dem CRM-System synchronisiert werden. Für die Zusammenführung aller gesammelten Daten eines Nutzers und deren Verarbeitung wird ebenfalls eine gesonderten Einwilligung benötigt, welche zentral gemanagt werden sollte.