E-Commerce-Lexikon

D2C-E-Commerce (Direct-to-Consumer) ist ein Modell, bei dem eine Marke ihre Produkte direkt über den eigenen Webshop an Kunden verkauft, ohne Groß- oder Einzelhändler.

DCO (Dynamic Creative Optimization) ist eine Anzeigentechnologie, die jede Anzeige aus einem Template und einem Produktfeed zusammensetzt und Bilder, Texte und Preise pro Betrachter wählt.

Technologie und Regeln, die steuern, wer digitale Inhalte wie Bilder, Videos, Software und E-Books aufrufen, kopieren oder nutzen darf.

DTC-Syndication bedeutet, dass eine Marke ihre eigenen Produktdaten direkt an Webshops, Marketplaces und Social-Kanäle sendet, ohne Groß- oder Einzelhändler dazwischen.

Eine Data Fabric für Produktdaten ist eine Architekturschicht, die Produktdaten aus Systemen wie PIM, ERP und DAM verbindet, damit Teams sie finden und nutzen können, ohne alles in eine Datenbank zu verschieben.

Data Governance ist das Set aus Regeln, Rollen und Prüfungen, das festlegt, wem welche Daten gehören, wie sie angelegt und geändert werden und welche Qualität sie erfüllen müssen.

Data Ingestion ist der Prozess, Daten aus Quellen wie Lieferantendateien, ERPs und APIs zu sammeln und zur Speicherung und Nutzung in ein zentrales System zu laden.

Ein Data Lakehouse für Produktdaten ist eine Datenplattform, die rohe und strukturierte Produktdaten gemeinsam speichert und den günstigen Speicher eines Data Lake mit der Struktur eines Warehouse verbindet.

Data Lineage ist der Nachweis, woher ein Datenelement stammt, welche Schritte es verändert haben und wohin es gegangen ist, von der Quelle bis zum endgültigen Ziel.

Ein Data Mesh ist eine dezentrale Datenarchitektur, in der Fachbereiche ihre Daten als Produkte besitzen und veröffentlichen und dabei gemeinsamen Governance-Regeln folgen.

Data Observability für Produktdaten ist die laufende Überwachung des Zustands von Produktdaten: Vollständigkeit, Genauigkeit, Aktualität und ob jeder Kanal erhält, was er erhalten soll.

Data Orchestration im E-Commerce koordiniert, wie Daten zwischen ERP, Lieferanten, PIM und Verkaufskanälen fließen, in der richtigen Reihenfolge und im richtigen Format.

Data Ownership für Produktdaten bedeutet, dass eine benannte Person oder ein Team dafür verantwortlich ist, jeden Teil deiner Produktdaten korrekt, vollständig und aktuell zu halten.

Data Profiling ist die Analyse eines bestehenden Datensatzes, um zu sehen, was er enthält: wie vollständig jedes Feld ist, welche Werte und Formate vorkommen und wo Fehler stecken.

Data Quality Monitoring ist die laufende Prüfung von Daten gegen Regeln für Vollständigkeit, Richtigkeit und Konsistenz, mit Warnungen, wenn die Qualität sinkt.

Ein Data Steward ist die Person, die für die Qualität eines Datenbestands verantwortlich ist: Regeln festlegen, Daten prüfen und Fehler an der Quelle korrigieren.

Data Stewardship ist die tägliche Pflege von Daten: Benannte Personen, die Data Stewards, halten sie richtig, vollständig und konsistent und beheben Probleme, sobald sie auftreten.

Ein Data Stewardship Council ist ein abteilungsübergreifendes Gremium, das die Regeln für die Daten eines Unternehmens festlegt und durchsetzt, auch wer welche Produktdaten verantwortet.

Data Syndication bedeutet, Produktinformationen aus einer zentralen Quelle an Webshops, Marketplaces und Händler zu senden, im Format, das jeder Kanal verlangt.

Eine Data Syndication Platform ist Software, die Produktdaten aus einer Quelle an viele Vertriebskanäle sendet und sie nach den Regeln jedes Kanals formatiert.

Data as a Product heißt, Rohdaten in ein dokumentiertes, geprüftes Datenprodukt mit klarem Verantwortlichen zu verwandeln, das andere Teams und Systeme direkt nutzen können.

Eine Data-Governance-Richtlinie für Produktdaten ist ein schriftliches Regelwerk dafür, wer Produktdaten verantwortet, bearbeitet und prüft, welche Standards gelten und wie Fehler behoben werden.

Eine Data-Governance-Strategie für Produktdaten ist ein Plan, der festlegt, wer Produktdaten verantwortet, welche Regeln sie erfüllen müssen und wie Qualität geprüft und verbessert wird.

Eine Data-Ingestion-Strategie für Produktdaten ist ein Plan dafür, wie Produktdaten von Lieferanten, aus ERP-Systemen und Dateien in deinen zentralen Katalog kommen: welche Quellen, welches Format, wie oft und welche Prüfungen.

Eine Data-Ownership-Richtlinie für Produktdaten ist eine schriftliche Vereinbarung, die festlegt, wer für welche Art von Produktdaten verantwortlich ist, vom Anlegen bis zur Pflege.

Datenbereinigung bedeutet, Fehler, Dubletten, Lücken und uneinheitliche Formate in Daten zu finden und zu beheben. Im E-Commerce heißt das, Produktdaten zu bereinigen, bevor sie deine Kanäle erreichen.

Ein Datenblatt (Produktdatenblatt, Faktenblatt oder Spec Sheet) ist ein kurzes Dokument, das Merkmale, Spezifikationen und Bestelldaten eines Produkts zusammenfasst.

Datengenauigkeit von Produktdaten beschreibt, wie genau deine Produktinformationen wie technische Daten, Preise, GTINs und Bilder mit dem echten Produkt übereinstimmen, das der Kunde erhält.

Datenharmonisierung für Produktdaten heißt, Produktdaten aus verschiedenen Quellen auf eine Struktur, einen Satz Attributnamen und einen Satz Werte zu bringen.

Datenimport ist der Vorgang, Daten aus einer externen Quelle wie einer CSV-Datei, einer Tabelle, einem Feed oder einem anderen System in die Software zu holen, mit der du arbeitest.

Datenintegrität bedeutet, dass Daten während ihres gesamten Lebenszyklus korrekt, vollständig und konsistent bleiben, ohne unbeabsichtigte Änderungen beim Weg zwischen Systemen.

Datenkonsolidierung bedeutet, Daten aus mehreren Quellen wie Lieferantendateien, einem ERP und Webshops zu einem bereinigten, konsistenten Datensatz in einem einzigen System zusammenzuführen.

Datenmanipulation bedeutet, Daten so zu verändern, dass sie nützlicher werden, etwa Produktdaten in großen Mengen zu bereinigen, umzuwandeln, zusammenzuführen und neu zu strukturieren.

Datenmapping-Regeln sind Anweisungen, die jedes Feld einer Quelle, etwa einer Lieferantendatei, mit einem Feld im Zielsystem verknüpfen und festlegen, wie der Wert unterwegs umgewandelt wird.

Datenmigration von Produktdaten bedeutet, Produktinformationen wie SKUs, Attribute, Preise, Kategorien und Bilder aus alten Systemen oder Tabellen in ein neues PIM oder eine neue E-Commerce-Plattform zu übertragen.

Ein Datenmodell legt fest, welche Daten ein System speichert und wie sie zusammenhängen. Ein PIM-Datenmodell strukturiert Produkte, Varianten, Attribute und Kategorien.

Ein Datenmodell für die Kreislaufwirtschaft strukturiert Produktdaten zu Materialien, Reparatur, Demontage und Recycling, damit Produkte und Materialien länger in Gebrauch bleiben.

Datennormalisierung bedeutet, Werte mit derselben Bedeutung in ein einheitliches Format zu bringen, etwa jede Größe, Einheit, Farbe und jeden Markennamen gleich zu schreiben.

Datenqualität beschreibt, wie richtig, vollständig, konsistent und aktuell deine Daten sind. Im E-Commerce umfasst sie Specs, Attribute, Bilder und Werte auf jedem Kanal.

Ein Datenqualitätsscore ist eine Zahl, oft von 0 bis 100, die zeigt, wie vollständig, korrekt und konsistent ein Produktdatensatz oder Katalog gemessen an deinen Regeln ist.

Datenresidenz ist der physische oder geografische Ort, an dem die Daten einer Organisation gespeichert werden, oft gewählt wegen Gesetzen, Verträgen oder Kundenerwartungen.

Der formale Bauplan, der Struktur, Typen und Beziehungen aller Produktdatenelemente in einem PIM oder einem bestimmten System festlegt und so für Konsistenz sorgt.

Datenschutz bei Produktdaten bedeutet, vertrauliche Produktinformationen wie Einkaufspreise, Lieferantenkonditionen und unveröffentlichte Produkte sowie personenbezogene Daten aus falschen Händen und Kanälen herauszuhalten.

Datensicherheit für Produktdaten umfasst Maßnahmen und Richtlinien, die sensible Produktinformationen vor unbefugtem Zugriff, Änderung, Offenlegung oder Zerstörung schützen.

Der Grundsatz, dass Daten den Gesetzen des Landes oder der Region unterliegen, in dem bzw. der sie erhoben, gespeichert oder verarbeitet werden.

Datentransformation wandelt Daten von einem Format oder einer Struktur in eine andere um, etwa Lieferantendateien in die Attribute und Werte, die ein PIM oder Marketplace braucht.

Datenvalidierung ist die automatische Prüfung, ob Produktdaten richtig, vollständig und korrekt formatiert sind, bevor sie gespeichert, importiert oder an einen Vertriebskanal gesendet werden.