„Big Data“ – 7 Erfolgsfaktoren für Schweizer KMU

02. September 2015 von Ingo Gächter Veröffentlicht unter eCommerce/Magento, Know-how/Tipps&Tricks, Online Marketing/Social Media Verschlagwortet mit , , , ,
Big Data - 7 Erfolgsfaktoren für Schweizer KMU. Ingo Gächter

Die „Big Data“ Serie: Big Data Erfolgsfaktoren und Tipps für Schweizer KMU. Ingo Gächter, snowflake & Google Partner

Schweizer KMU sammeln vermehrt „Big Data“. Sie tun sich aber schwer dabei, diese Daten gewinnbringend zu nutzen. Der Grund liegt am mangelhaften Engagement und in häufigen Fehlern, die man vermeiden kann. Im harten Wettbewerb gewinnt, wer den Fokus auf Kunden statt Kanäle oder technische Details setzt.

7 Erfolgsfaktoren & Tipps

1  Der Mensch ist im Mittelpunkt

Legen Sie den Fokus bei Big Data Analysen auf Ihre Kunden, nicht auf Ihr Business! Menschen denken nicht „Multi-Channel“ wie Marketing Manager, sondern sie entscheiden ganz einfach aus dem Kontext ihres Alltags heraus. Das wird im Dschungel von Daten und IT Herausforderungen oft vergessen.

2  Ziele & KPI genau definieren

Die Ursache für das häufige Scheitern von Big Data Prozessen liegt sehr oft am Beginn: Nicht IT-Prozesse sollen hier tonangebend sein, sondern Business Prozesse. Definieren Sie Geschäftsziele und Key Performance Indicators (KPI) genau, bevor Sie beginnen, Daten zu sammeln und analysieren.

3  IT Infrastruktur & Datenschutz planen

Eine grosse Herausforderung sind oft Schnittstellen zwischen alten und neuen IT Infrastrukturen und Data Tools. Ebenso wird Datensicherheit und Datenschutz oft unterschätzt. Eine Kostenexplosion kann aber durch gute Planung schon zu Beginn vermieden werden.

4  Set up von Data Tools

Für den Laien ist es unmöglich, die Flut an bestehenden und immer neuen Hard- und Software Angeboten zu überblicken. Data Tools sollten von Experten auf der Grundlage von Geschäftszielen ausgewählt und aufgesetzt werden, und nicht umgekehrt! Ein grosser Teil der KMU entscheidet sich zuerst übereilt für ein Data Tool und erkennt erst später, dass andere Tools (und IT Infrastrukturen) für ihre Zwecke zielführender wären.

5  Daten sammeln und messen

Während man noch vor wenigen Jahren eher vor der Herausforderung gestanden ist, WIE man bestimmte Daten messen kann, lautet die wirklich wichtige Frage in Zeiten der „Datenfluten“ viel mehr „WAS?“: Welche Daten sollen wir messen? (Und welche nicht? Denn weniger ist hier oft mehr.) Diese Entscheidungen sollten im Kontext der gesamten Online Marketing Strategie gefällt werden.

6  „Smart Data“ analysieren und zielführend nutzen

„Customer Journeys“ auswerten und gewinnbringend nutzen: Um „Gold“ aus Daten zu schöpfen, brauchen die meisten Unternehmen nicht „Big Data“, sondern „Smart Data“: Es kommt darauf an, aus einer Vielzahl an Daten nur die wenigen relevanten Daten in möglichst einfachen Datenmodellen so auszuwerten, dass klare Handlungsaktionen und Strategien daraus abgeleitet werden können. Nur so haben „Big Data“ einen wirklich grossen Einfluss auf den Geschäftserfolg.

7  Regelmässige Optimierung von Big Data Analytics & Business Intelligence

Unsere Erfahrung zeigt, dass KMU langfristig mit „Big Data“ Strategien nur dann zufrieden sind und ans Ziel kommen, wenn sie von Anfang an eine regelmässige Optimierung dieser Prozesse planen. Das gilt für Business Prozesse genauso wie für IT-Infrastrukturen und Data Tools. Angesicht der sich rasch ändernden technischen Möglichkeiten und vor dem Hintergrund von Kunden, die ihr Verhalten noch rascher an die neuen Angebote anpassen, ist diese Einsicht wenig überraschend. Umso überraschender ist es aber, dass sich trotzdem nur ein kleiner Teil der KMU zu fortlaufenden Optimierungsmassnahmen bekennt. Dadurch vergeben sie die grosse Chance, im Konkurrenzvergleich langfristig durch gezieltes Know How die Nase vorne zu haben.

Big Data Beispiele aus dem Alltag

In diesem Sinne ist es zentral, die wenigen und wirklich wichtigen „Variablen“ zu kennen, die das Herz der Menschen im Kontext ihres Alltags berühren. Abstrakt? Beispiele gibt es genug:

  1. Migros und Coop können ihre „Big Data“ nutzen, um beispielsweise Käufern von Kindernahrung auch personalisierte Informationen zu Windeln oder ein aktuelles Angebot für ein Kinderzimmer in ihren Filialen zukommen zu lassen.
  2. Steuerbehörden können mit Hilfe von Datenanalysen voraussagen, wie hoch die Wahrscheinlichkeit ist, dass Sie in Ihrer Steuererklärung „tricksen“ und falsche oder betrügerische Angaben machen.
  3. Alle grösseren Banken, Kreditkarten- und FinTech Unternehmen verfügen über Daten, die voraussagen, wie wahrscheinlich bestimmte Kreditnehmer pleite gehen und das Darlehen nicht zurück bezahlen können.
  4. Inkassobüros können diesen Kreditgebern mit weiteren Datenanalysen voraussagen, welche Taktik und konkreten Aktionen am zielführendsten sind, um diese Darlehen von säumigen Schuldnern wieder einzutreiben.
  5. Wikipedia erörtert mit Datenmodellen, welche ihrer Redakteure wahrscheinlich in nächster Zeit ihre kostenlose Hilfe einstellen werden. Wikipedia ist angewiesen auf diese freiwilligen „Helfer aus Liebe“, um den kostenlosen Online Service am Leben zu erhalten.
  6. Netflix zahlt 1 Million U$ an ein Team von Wissenschaftlern, die ein automatisches Empfehlungssystem aufsetzen, das am besten voraussagt, was für einen Film Sie als nächstes am wahrscheinlichsten lieben werden. Laut Medienberichten verliert Netflix in der Schweiz hohe Geldbeträge aufgrund der vielen „Schwarz-Seher“, die bei bestehenden Kunden mitsehen anstatt zu zahlen. Obwohl Netflix diese Informationen hat, schauen sie vorerst zu, – vermutlich, um die Reichweite nicht zu früh einzuschränken.

Ein Dschungel an Analytics & Monitoring Tools

Was Schweizer KMU relativ leicht fällt, ist das Aufsetzen von Data Analytics und Monitoring Tools. Das geschieht oft in relativ kurzer Zeit, sodass sie Daten zeitnah sammeln können. Die grosse Frage ist aber, ob die von Ihnen gewählten Data Tools auch zielführend sind. Die mit Abstand grösste Reichweite verzeichnet Google Analytics, mit dem die meisten KMU starten. „Big Data“ erfordern aber weitere Tools und Datenquellen.

Diese Entscheidung ist nicht immer einfach, denn es gibt eine unüberschaubare Fülle an Data & Monitoring Tools. Für den „Endverbraucher“ ist es schwierig, hier eine gute Auswahl zu treffen, die aktuelle Geschäftsziele und bestehende Infrastrukturen möglichst gut unterstützen können.

Big Data Umsetzung erfordert Experten in 4 Fachbereichen

Es gelingt nur relativ wenigen KMU, einen realen Nutzen aus diesen Daten zu ziehen. Das „Big Data“ Thema endet immer wieder im Chaos. Das gilt nicht nur für KMU, sondern auch für grössere Konzerne. Das Hauptproblem liegt meistens darin, dass man in diesem Prozess mindestens vier Fachbereiche und dem entsprechend auch erfahrene Experten benötigt:

1. Business Analyst
2. Statistiker / Data-Modeling Experte
3. Entwickler / Developer / „Programmierer“
4. IT Experten / Data Warehouse / Hosting

Die Hauptverantwortung sollte im Normalfall beim Business Analysten liegen, – und nicht in der IT-Abteilung! Der Business Analyst muss letztlich entscheiden, welches die wichtigsten abhängigen Variablen sind, die zum Geschäftserfolg führen. Alle weiteren Prozesse sollten von diesem Punkt ausgehen und hier wieder zusammenlaufen.

Letztlich entscheidet eine möglichst einfache Umsetzung des „Big Data“ Trends über Erfolg oder Misserfolg dieser Mission. Es ist aber nicht einfach, einfache Modelle und Variablen für die jeweiligen geschäftskritischen KPI zu finden. Dafür braucht man Zeit, Erfahrung und ein Jahresbudget.

„Der geniale Goldrausch“

Immer mehr KMU sammeln immer mehr Daten und sehen sich in einem „genialen Goldrausch“. Aber Daten in ihrer Rohform sind nicht Gold. Das Gold ist, was wir darin entdecken. Und das ist wesentlich komplexer als einfach Daten sammeln. Letztlich geht es um die Optimierung von Business Zielen, Business Performance und Customer Journeys:

  • Kundenzufriedenheit mit Hilfe von „Customer Journey“ Analysen verbessern
  • Höherer Umsatz und weniger Streuverluste durch effizientere Interaktion mit Zielgruppen
  • Datenbasierte Key Performance Analysen sollen „Bauchgefühl“-Entscheidungen ergänzen

Mit der rasanten Digitalisierung unseres Alltags hat sich das Kundenverhalten mit einer Geschwindigkeit verändert, dass ein gutes „Kampagnencontrolling“ für Unternehmen eine immer komplexere Aufgabe ist. Die Unsicherheit ist gross. Das Beratungsangebot von angeblichen und tatsächlichen Experten ist ebenso gross.

Einfachheit siegt

In diesem Dschungel an Möglichkeiten, Unsicherheiten, Gefahren und Chancen ist es wichtig, kühlen Kopf zu bewahren. Operative Hektik ersetzt im Business Intelligence und Data Intelligence Umfeld oft geistige Windstille. Dabei ist eigentlich nur eines wichtig: Vergessen Sie nicht, dass der Mensch im Mittelpunkt steht. Wer diese Strategie konsequent verfolgt, fokussiert am Ende auf die wirklichen Bedürfnisse der Kunden, anstatt auf das eigene Business, technische Details oder „Channels“. Es siegt die Einfachheit.

 

Kontakt:

Ingo Gächter, Leiter Online Marketing & Google Partner
Tel: +41 58 680 32 46

 

Quellen der „Big Data“ Serie (Weitere Beiträge folgen):

Projekte im Berufsalltag bei snowflake als Google Partner

Siegel, Eric. Predictive Analytics. The Power to predict who will klick, buy, lie or die. 2013, John Wiley & Sons, Inc., Hoboken, New Jersey.

NZZ Online, www.nzz.ch/

t3n, www.t3n.de

 

 

 

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.