Salesforce Data Cloud ist das Produkt, das Salesforce am aggressivsten bewirbt. Unified Customer Profile, 360-Grad-Sicht, Echtzeit-Datenharmonisierung über alle Kanäle. Auf der Dreamforce-Bühne klingt das nach der Lösung für alles. Für ein KMU mit 500 Accounts und drei Datenquellen klingt es nach Overkill.
Meistens ist es das auch.
Data Cloud löst ein Problem, das die meisten Mittelständler nicht haben: die Zusammenführung von Millionen Datenpunkten aus dutzenden Quellen in Echtzeit. Wer drei Systeme hat (CRM, Website, E-Mail-Tool) und wissen will, welcher Kunde was gekauft und geklickt hat, braucht keine Data Cloud. Der braucht drei saubere Integrationen.
Was Data Cloud tatsächlich ist
Data Cloud ist Salesforces Customer Data Platform (CDP). Sie sammelt Daten aus verschiedenen Quellen, vereinheitlicht sie zu einem Profil pro Kunde und macht dieses Profil in Echtzeit verfügbar. Das Salesforce-CRM, die Website, die Marketing-Plattform, das ERP, die App: Alle speisen Daten ein, Data Cloud führt sie zusammen.
Technisch basiert Data Cloud auf einer eigenen Architektur außerhalb des klassischen Salesforce-Datenmodells. Die Daten werden in sogenannten Data Model Objects gespeichert, die sich von Salesforce Standard Objects unterscheiden. Das bedeutet: Data Cloud ist kein Upgrade des bestehenden CRM. Es ist ein zusätzliches System neben dem CRM, das eigene Konzepte, eigene Konfiguration und eigenes Know-how erfordert.
Für Enterprises mit Millionen Kunden, zehn Touchpoints und einem Data-Engineering-Team ist das sinnvoll. Für ein KMU mit einem Salesforce-Admin, der nebenbei auch noch den Support macht, ist es ein Komplexitätstreiber.
Wann Data Cloud Overkill ist
Die ehrliche Antwort: Für die meisten KMU ist Data Cloud heute Overkill. Und zwar aus drei Gründen.
Volumen. Data Cloud rechnet sich ab einer Größenordnung, in der manuelle Datenabgleiche nicht mehr machbar sind. Wenn euer Vertrieb 50 Accounts aktiv betreut und das Marketing 2.000 Newsletter-Empfänger hat, lässt sich die Verbindung zwischen CRM und E-Mail-Tool mit einer simplen Make-Automatisierung herstellen. Dafür braucht es keine Echtzeit-CDP.
Komplexität. Data Cloud erfordert ein Data Model, Identity Resolution Rules, Calculated Insights und Segmentation. Das ist Konfigurationsaufwand, der Wochen dauert und spezialisiertes Wissen voraussetzt. Wenn euer Team schon Mühe hat, Salesforce-Flows sauber zu konfigurieren, ist Data Cloud die falsche Baustelle.
Kosten. Data Cloud ist in manchen Salesforce-Editionen enthalten, aber die wirklich nützlichen Features (Segmentation, Activation, Calculated Insights) erfordern kostenpflichtige Add-ons. Zusammen mit dem Implementierungsaufwand landet man schnell bei fünfstelligen Jahreskosten für ein Feature, das bei geringem Datenvolumen keinen messbaren Mehrwert liefert.
Wann es sich trotzdem lohnt
Es gibt Szenarien, in denen Data Cloud auch für kleinere Unternehmen sinnvoll ist. Alle haben eines gemeinsam: hohes Volumen an Kundenkontaktpunkten.
E-Commerce mit CRM. Wenn ihr einen Online-Shop betreibt, Salesforce als CRM nutzt und personalisierte Marketing-Kampagnen fahren wollt, kann Data Cloud die Brücke zwischen Kaufverhalten und CRM-Daten schlagen. Aber nur, wenn das Transaktionsvolumen hoch genug ist, um Muster zu erkennen.
Multi-Channel-Vertrieb. Wenn Kunden über Website, Telefon, Messen und Partner reinkommen und ihr nicht wisst, welcher Touchpoint zu welchem Deal geführt hat, kann Data Cloud diese Attribution leisten. Voraussetzung: Alle Kanäle speisen Daten in strukturierter Form ein.
Agentforce-Grounding. Salesforce positioniert Data Cloud als Datenfundament für KI-Agents. Wer undefined will, braucht unified Profiles als Grundlage für Agent-Entscheidungen. Das ist der stärkste Use Case für Data Cloud im KMU-Kontext, aber nur relevant, wenn Agentforce tatsächlich im Einsatz ist.
Was ihr stattdessen tun solltet
Bevor ihr über Data Cloud nachdenkt, prüft, ob eure bestehenden Systeme sauber miteinander reden. In den meisten Fällen ist das Problem nicht die fehlende CDP, sondern fehlende Integrationen.
Ein Make-Szenario, das bei jedem Newsletter-Klick den zugehörigen Lead im CRM aktualisiert, kostet 30 Euro im Monat und ist in zwei Stunden konfiguriert. Eine Salesforce-zu-ERP-Integration über eine Middleware wie MuleSoft Composer oder Workato kostet mehr, aber immer noch einen Bruchteil einer Data-Cloud-Implementierung.
Der entscheidende Punkt: Integrationen lösen das gleiche Grundproblem wie Data Cloud, nur mit weniger Komplexität und niedrigeren Kosten. Data Cloud wird dann relevant, wenn die Anzahl der Integrationen so groß wird, dass eine zentrale Plattform einfacher zu warten ist als ein Dutzend Punkt-zu-Punkt-Verbindungen.
Die ehrliche Empfehlung
Wenn euer Unternehmen unter 100 Mitarbeitern hat, weniger als drei Datenquellen nutzt und keinen E-Commerce betreibt: Vergesst Data Cloud. Investiert das Budget in undefined. Das bringt mehr Wert als jede CDP.
Wenn ihr über 100 Mitarbeitern liegt, mehr als fünf Datenquellen habt und personalisiertes Marketing auf Basis von Echtzeit-Verhalten betreiben wollt: Dann lohnt sich ein Proof of Concept. Aber startet mit einem einzigen Use Case, nicht mit der "360-Grad-Vision". Und stellt sicher, dass jemand im Team das nötige Know-how hat oder bereit ist, es aufzubauen.
Data Cloud ist ein mächtiges Werkzeug. Aber Werkzeuge, die zu groß für die Aufgabe sind, machen die Arbeit nicht besser. Sie machen sie komplizierter.