Die SaaS-Datenlandschaft kartieren: Quellen, Systeme und Owner

# Die SaaS-Datenlandschaft kartieren: Quellen, Systeme und Owner

Ein einzelner Free-Trial-Signup bei einem mittelgroßen SaaS-Unternehmen kann in weniger als zehn Sekunden Schreibvorgänge in sechs verschiedenen Systemen auslösen: ein Product-Analytics-Event, ein CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →-Lead-Datensatz, eine Billing-Account-Hülle, ein Marketing-Attributions-Touch, ein Flag zur Ticket-Berechtigung im Support und ein Sync-Job ins Data WarehouseData WarehouseA central repository that consolidates data from many source systems into a structured, query-optimized store designed for analytics, reporting, and business intelligence.Vollständige Definition ansehen →. Keines dieser Systeme ist sich einig, wie der Kunde heißen soll. Das ist die SaaS-Datenlandschaft, und sie zu kartieren ist die erste Aufgabe für jeden, der in diesem Sektor Analytics, Finance oder Ops macht.

Warum Source Mapping wichtig ist, bevor Sie ein Dashboard anfassen

Die meisten SaaS-„Datenprobleme“ sind keine Analytics-Probleme. Es sind Ownership-Probleme. Eine Churn-Zahl sieht nicht deshalb falsch aus, weil das SQLSQLSales Qualified Lead: a prospect the sales team has validated as ready for direct outreach and a proposal, having passed clear qualification criteria.Vollständige Definition ansehen → schlecht ist, sondern weil Billing „Kunde“ als aktives Abonnement definiert, während Product darunter einen eingeloggten Workspace versteht.

Eine Source Map ist ein einfaches Artefakt: für jeden Datensatz, wer ihn besitzt, wo ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → liegt, wofür ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → genutzt wird und was ihn kaputt macht. Bevor Sie Metriken bauen, bauen Sie diese MapMapUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen →. Sie verhindert den mit Abstand häufigsten Fehlermodus in SaaS-Analytics: zwei Teams präsentieren im gleichen Board-Meeting unterschiedliche Zahlen für „dieselbe“ Metrik.

Die fünf zentralen Datenquellen in SaaS

1. Product Telemetry (Nutzungsdaten)

Das sind Daten auf Event-Ebene: Logins, Klicks, Feature Adoption, APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen →-Calls, Session-Länge. Erfasst über Instrumentierungs-Tools wie Amplitude, Mixpanel oder Segment (eine Customer Data PlatformCustomer Data PlatformA Customer Data Platform unifies customer data from all sources into persistent, actionable profiles that other systems can use.Vollständige Definition ansehen →, CDPCDPA Customer Data Platform unifies customer data from all sources into persistent, actionable profiles that other systems can use.Vollständige Definition ansehen →, die Events an mehrere Ziele weiterleitet).

• Owner: in der Regel Product oder Data Engineering.
• Typische Bruchstelle: Instrumentation Drift. Ein Entwickler benennt ein Event um („signup_complete“ wird zu „user_created“) und drei Monate Trendlinien brechen still und leise weg. Es wird kein Fehler geworfen, die Daten bedeuten einfach klammheimlich etwas anderes.
• Granularität: meist Event-Ebene, mit Zeitstempel, an eine User-ID oder Account-ID gebunden.

2. Billing- und Subscription-Daten

Liegen in Systemen wie Stripe, Chargebee oder Zuora. Das ist das System of Record für MRRMRRMonthly Recurring Revenue: the predictable, normalized monthly revenue from active subscriptions, the baseline metric for SaaS and subscription businesses.Vollständige Definition ansehen → (monthly recurring revenuemonthly recurring revenueMonthly Recurring Revenue: the predictable, normalized monthly revenue from active subscriptions, the baseline metric for SaaS and subscription businesses.Vollständige Definition ansehen →), Plan-Tier, Seat-Anzahl, Rabatte und Zahlungsstatus.

• Owner: Finance, manchmal RevOps.
• Typische Bruchstelle: nicht übereinstimmende Kundenidentität zwischen Billing und CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → (ein Unternehmen wurde in Salesforce umbenannt, in Stripe aber nicht) sowie manuelle Rabatte, die nicht in die Reporting-Systeme zurückfließen.
• Granularität: Account-/Subscription-Ebene, üblicherweise monatlich oder Event-getrieben (Upgrade, Downgrade, KKThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →ündigung).

3. CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →-Daten (Customer Relationship ManagementCustomer Relationship ManagementCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →)

Salesforce- oder HubSpot-Datensätze: Leads, Opportunities, Deal-Stages, Vertragskonditionen, Verlängerungstermine. Das ist die Sales-Sicht auf den Kunden.

• Owner: Sales Ops / RevOps.
• Typische Bruchstelle: veraltete oder manuell eingetragene Felder. Ein Rep vergisst, die Deal-Stage zu aktualisieren; Forecasts auf CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →-Basis werden unzuverlässig. Außerdem doppelte Account-Datensätze, wenn mehrere Reps separate Einträge für dasselbe Unternehmen anlegen.

4. Support- und Success-Daten

Tickets aus Zendesk, Intercom oder Gainsight, NPSNPSNet Promoter Score (NPS) measures customer loyalty by asking how likely customers are to recommend a brand, then subtracting detractors from promoters.Vollständige Definition ansehen →-Umfragen (Net Promoter ScoreNet Promoter ScoreNet Promoter Score (NPS) measures customer loyalty by asking how likely customers are to recommend a brand, then subtracting detractors from promoters.Vollständige Definition ansehen →), Health Scores. Das erfasst Kundenstimmung und Friktion.

• Owner: Customer Success / Support.
• Typische Bruchstelle: Health Scores auf Basis veralteter Usage-Snapshots, oder Ticketvolumen wird mit Unzufriedenheit verwechselt (ein Power User ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen →öffnet viele Tickets, weil ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → das Produkt intensiv nutzt, nicht weil ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → unzufrieden ist).

5. Marketing- und Acquisition-Daten

Ad-Plattformen (Google Ads, LinkedIn), Web-Analytics (GA4) und Attributions-Tools. Erfasst die Inputs für CACCACCustomer Acquisition Cost (CAC) is the total sales and marketing spend divided by the number of new customers gained in a period. It measures how efficiently you grow.Vollständige Definition ansehen → (customer acquisition costcustomer acquisition costCustomer Acquisition Cost (CAC) is the total sales and marketing spend divided by the number of new customers gained in a period. It measures how efficiently you grow.Vollständige Definition ansehen →): Spend, Channel, Kampagne, Conversion.

• Owner: Marketing / Growth.
• Typische Bruchstelle: Uneinigkeit über Attributionsmodelle (Last-Touch vs. Multi-Touch) und Cookie-/Consent-Einschränkungen durch GDPR (General Data Protection Regulation, das EU-Datenschutzrecht) oder CCPA (California Consumer Privacy Act), die den trackbaren Traffic schrumpfen lassen, besonders in Europa nach 2018 und zunehmend in den USA seit 2020.

Die Source MapMapUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen → bauen: ein praktisches Template

Eine brauchbare Source MapMapUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen → hat fünf Spalten. Hier ein komprimiertes Beispiel:

| Datensatz | System | Owner | Granularität | Häufiger Fehler |

|---|---|---|---|---|

| Product Events | Amplitude/Segment | Product Eng | Event-Ebene | Umbenannte/nicht getrackte Events |

| Subscriptions | Stripe/Chargebee | Finance | Account-Ebene | ID-Mismatch mit CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → |

| Deals/Accounts | Salesforce | RevOps | Account-Ebene | Manuelle Eingabe, Duplikate |

| Tickets/Health | Zendesk/Gainsight | CS | Ticket-Ebene | Veraltete Scores, vermischte Sentiment-Signale |

| Kampagnen/Spend | GA4/Ad-Plattformen | Marketing | Session/Kampagne | Konflikt der Attributionsmodelle, Consent-Lücken |

Die entscheidende Spalte, die die meisten Teams auslassen, ist „Häufiger Fehler“. Erst wenn Sie den Fehlermodus im Vorfeld benennen, kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen Sie ein Monitoring dafür bauen, statt ihn im Board Review zu entdecken.

Das Problem der Identity Resolution

Der Grund, warum diese fünf Systeme nicht von sich aus übereinstimmen: jedes nutzt einen anderen Key.

• Product Telemetry keyt auf eine Device- oder User-ID.
• Billing keyt auf eine Account-/Subscription-ID.
• CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → keyt auf einen Company-/Contact-Datensatz.

Das zusammenzuführen heißt Identity Resolution und läuft meist über eine Customer-ID-Mapping-Tabelle, die im Data WarehouseData WarehouseA central repository that consolidates data from many source systems into a structured, query-optimized store designed for analytics, reporting, and business intelligence.Vollständige Definition ansehen → gepflegt wird (Snowflake, BigQuery, Databricks sind 2026 die gängigen Plattformen).

Eine vereinfachte Mapping-Query sieht so aus:

-- Vereinfachte Identity Resolution: Product Usage mit Billing-Account joinen
SELECT
    p.user_id,
    p.account_id AS product_account_id,
    b.subscription_id,
    b.crm_account_id,
    c.salesforce_account_name
FROM product_events p
LEFT JOIN billing_accounts b
    ON p.account_id = b.external_account_id
LEFT JOIN crm_accounts c
    ON b.crm_account_id = c.account_id
WHERE p.event_date >= CURRENT_DATE - INTERVAL '30 days';

Wenn product_account_id und crm_account_id nicht zuverlässig 1:1 zusammenpassen, ist jede nutzungsbasierte Churn- oder Expansion-Metrik weiter unten fragwürdig. Dieser Join, der still scheitert, ist eine der häufigsten Grundursachen für „die Dashboard-Zahlen passen nicht zusammen“-Vorfälle in SaaS-Unternehmen.

Als tiefergehende technische Referenz für diese Art von PipelinePipelineAll active sales opportunities across the stages of the sales process, together with their combined potential value and probability of closing.Vollständige Definition ansehen →-Disziplin ist das dbt Labs Glossar eine solide, kostenlose Einführung in die Analytics-Engineering-Konzepte, auf die in diesem Modul durchgehend Bezug genommen wird.

Wer besitzt was: ein Governance-Realitätscheck

Ownership-Streitigkeiten sind bei SaaS-Daten die Regel, nicht die Ausnahme. Einige Muster, die man kennen sollte:

• Product-Led-Growth-Unternehmen (PLG) (Motion à la Notion, Figma) haben tendenziell Product als Eigentümer der mamaUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen →ßgeblichsten Kundendefinition, weil Nutzung das Geschäft treibt. Billing sitzt oft weiter unten und ist dünner.
• Sales-Led Enterprise SaaS (klassische Salesforce-Motion) hat tendenziell das CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen → als „Source of Truth“ für Account-Identität, während Product Telemetry als ergänzend behandelt wird.
• Data-Governance-Councils, ab einer bestimmten Größe üblich (Series C+ oder börsennotierte Unternehmen), formalisieren das, indem sie pro Domäne einen Data StewardData StewardA business-side owner responsible for the quality, consistency and appropriate use of data in their domain.Vollständige Definition ansehen → benennen: eine namentlich benannte Person, die für Definitionen verantwortlich ist, nicht nur für Data-Quality-Tooling.

Governance-Frameworks, die man beim Namen kennen sollte: DAMA-DMBOK (Data Management Body of Knowledge) ist das Standard-Referenzframework für Rollen und Verantwortlichkeiten in der Data GovernanceData GovernanceData governance is the set of policies, roles, and processes that ensure data is accurate, secure, well-defined, and used responsibly across an organization.Vollständige Definition ansehen →, nützlich, wenn Sie ein formales Vokabular für diese Ownership-Gespräche brauchen.

🎬 [VIDEO: "Data GovernanceData GovernanceData governance is the set of policies, roles, and processes that ensure data is accurate, secure, well-defined, and used responsibly across an organization.Vollständige Definition ansehen → Explained" - youtube.com - suchen Sie nach aktuellen DAMA- oder Data-Council-Talks, die Stewardship- und Ownership-Modelle in modernen SaaS-Datenstacks erklären]

Wo das in der Praxis bricht: drei reale Muster

1. Das umbenannte Event. Engineering liefert ein Refactoring aus und benennt trial_started in trial_activated um. Das Activation-Dashboard von Growth läuft flach. Zwei Wochen lang merkt es niemand, weil kein Alert an das Volumen dieses Events gehängt war.

2. Der Identity Drift zwischen Billing und CRM. Ein Kunde wird von einem anderen Unternehmen übernommen, in Salesforce umbenannt, aber der Stripe-Account zeigt weiter den alten Firmennamen. Das Revenue-Reporting „pro Kunde“ zählt die tatsächliche Logo-Zahl zu niedrig.

3. Der Attributionskrieg. Marketing berichtet CACCACCustomer Acquisition Cost (CAC) is the total sales and marketing spend divided by the number of new customers gained in a period. It measures how efficiently you grow.Vollständige Definition ansehen → über Last-Touch-AttributionAttributionA framework for assigning credit to the touchpoints that contributed to a conversion, so you can measure which channels and interactions actually drive results.Vollständige Definition ansehen →; Finance berichtet CACCACCustomer Acquisition Cost (CAC) is the total sales and marketing spend divided by the number of new customers gained in a period. It measures how efficiently you grow.Vollständige Definition ansehen → als fully-loaded Spend geteilt durch neue Logos. Beide sind nach ihrer eigenen Definition „korrekt“. Ohne dokumentierte Source MapMapUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen → wird daraus eine wiederkehrende, unproduktive Diskussion statt einer fünfminütigen Abstimmung.

Key Takeaways

• SaaS-Daten kommen aus fünf zentralen Systemen: Product Telemetry, Billing, CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →, Support/Success und Marketing. Jedes hat einen eigenen Owner, eine eigene Granularität und einen typischen Fehlermodus.
• Bauen Sie eine Source MapMapUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen → (Datensatz, System, Owner, Granularität, häufiger Fehler), bevor Sie Metriken bauen. Das ist der schnellste Weg, widersprüchliche Zahlen in Leadership-Meetings zu vermeiden.
• Identity Resolution, also das Zusammenführen unterschiedlicher ID-Schemata über Systeme hinweg, ist die häufigste Grundursache für „die Zahlen passen nicht“-Vorfälle.
• Ownership folgt dem Geschäftsmodell: PLG-Unternehmen verankern sich in Produktdaten, Sales-Led-Unternehmen in CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →-Daten. Wissen Sie, in welchem Modell Sie stecken, bevor Sie entscheiden, wessen Zahl mamaUsing software to automate repetitive marketing tasks and campaigns, enabling personalisation at scale across channels like email, web, and social.Vollständige Definition ansehen →ßgeblich ist.
• Governance-Frameworks wie DAMA-DMBOK liefern ein formales Vokabular (Data StewardData StewardA business-side owner responsible for the quality, consistency and appropriate use of data in their domain.Vollständige Definition ansehen →, System of Record), um Ownership-Streitigkeiten zu klären, statt sie jedes Quartal neu auszufechten.