Sie brauchen eine Datenstrategie!

Datenstrategie als essenzieler Baustein für das Marketing

 

Mit einer Datenstrategie langfristig nutzbare Daten generieren und diese gewinnbringend einsetzen.

Warum eine Datenstrategie?

Wie wir heute Unternehmensdaten verarbeiten, hat sich in den letzten zwei Jahrzehnten stark verändert. Traditionell wurden große Mengen an Daten nur als Facette eines Technologieprojekts oder als Folge von Geschäftsaktivitäten oder -prozessen betrachtet. Heute sind Unternehmensdaten eines der wertvollsten Güter, die Unternehmen in Form einer Datenstrategie verwalten und aktiv erheben müssen.

Dabei werden enorme Mengen an Daten über mehrere verschiedene Systeme hinweg gemeinsam genutzt und gruppiert, um relevante, gewinnbringende Erkenntnisse zu ermöglichen. Der Aufbau einer umfassenden Datenstrategie ermöglicht es den Entscheidungsträgern des Unternehmens, sich mit allen Arten von Problemen zu befassen, und liefert entscheidende Wettbewerbsvorteile. Zum Beispiel:

  1. Verwendung von Daten zum besseren Verständnis der Kunden
  2. Angebot von intelligenteren Produkten und Dienstleistungen
  3. Verwendung von Daten zur Verbesserung interner Prozesse
  4. Daten als mögliche Umsatzquelle nutzen

Dennoch haben Unternehmen Schwierigkeiten, eine sinnvolle Datenstrategie zu entwickeln, die ihren Bedürfnissen entspricht. Die Schwierigkeiten beginnen meist damit, das Unternehmen die Verwaltung ihrer Daten in den letzten Jahren kaum aktualisiert haben. Sie betrachten sie nach wie vor als einen notwendigen Bestandteil ihrer Aktivitäten, welche eigentlich nur IT-Kosten verursachen. Oftmals enden verschiedene Projekte damit, dass sie ihre Daten unabhängig voneinander verwalten, da es keine Struktur oder kein Plattform gibt die Daten gemeinsam zu nutzen. Das Fehlen einer umfassenden Datenstrategie wird daher nicht nur immer kostspieliger sonder auch riskanter. Führungskräfte müssen ihre Herangehensweise an Unternehmensdaten ändern, wenn sie wertvolle Informationen extrahieren und Wettbewerbsvorteile generieren wollen.

Was ist eine datenbasierte Strategie?

Gleich vorab: Verwechseln Sie keinesfalls Digitalstrategie mit Datenstrategie, denn erstere bezieht sich auf die Digitalisierung von Unternehmensprozessen unter Einsatz neuer Technologien oder die Erschließung von neuen digitalen Kanälen. Eine Datenstrategie hingegen ist ein spezieller Business Plan zur gewinnorientierten Nutzung Ihrer Daten, die quasi ein Nebenprodukt der Digitalisierung sind.

Die Gestaltung einer gut zugeschnittenen Unternehmens Datenstrategie erfordert deshalb ein klares Verständnis im Umgang mit große Datenmengen sowie die Organisation aller vorhandenen und zukünftig genutzen Datenressourcen des Unternehmens. Unternehmensdaten werden damit zum Kernbestandteil strategischer Entscheidungen und Sie müssen dafür die richtigen Werkzeuge auswählen um folgende Bereiche abzudecken:

Data Lake: Sie benötigen eine IT-Lösung, die die Eigenschaften und Fähigkeiten hat alle Daten welche im Unternehmen anfallen zu sammeln. Es gibt dazu eine breite Palette von Optionen, aus denen Sie wählen können, z.B. Software-as-a-Service (SaaS)-Plattformen und Hybridlösungen oder natürlich auch On-Site Lösungen. Zu beachten ist, hier geht es nicht darum die Daten auszuwerten, sondern im ersten Schritt nur darum diese für eine Datenauswertung zugänglich zu machen. Typischerweise ermöglicht ein Date Lake es ihrem Unternehmen Daten für Data Analyists oder Date Scientist zugänglich zu machen und stehen somit immer am Anfang einer Datenstrategie.

Datenanalysesoftware: d.h. eine hochentwickelte Softwarelösung, die riesige Datenmengen analysiert und die relevanten Informationen aus diesen Daten extrahiert. Hier kommen die oft genannten Maschine Learning und AI/KI-Anwendungen zum Einsatz, um in den Daten Muster oder Strukturen zu erkennen oder aufgestellte Hypothesen zu bestätigen oder zu wiederlegen. Wenn Sie sich für eine große Datenanalyse-Lösung entscheiden, sollten Sie darauf achten, dass Sie große Mengen an strukturierten und unstrukturierten Daten verarbeiten kann und möglichst viele Analysewerkzeuge bietet.

Data Warehouse: Strukturierte Unternehmensdaten sind oft in einem Silo gespeichert und müssen mit anderen Daten integriert werden, die entweder in einem anderen Silo gespeichert sind oder aus einem Analyseergebniss stammen. Diese Analyseergebnisse entstehen wenn aus Data Lakes mit Datenanalysesoftware Erkenntnisse in Form von Verknüpfungen oder Regeln entstanden sind. Die Datenintegration in einem Data Warehouse liefert im Allgemeinen Erkenntnisse, die sonst nicht entstanden wären und macht die gewonnenen Informationen zur Integration in IT-Anwendungen oder für die Visualisierung zugänglich.

Datenvisualisierung: Die Datenvisualisierung hat zum Ziel, die Zahlen oder Daten in visuelle Objekte umzuwandeln und diese neu zu präsentieren. Erst damit können die gewonnenen Informationen einer breiten Nutzerbasis zugänglich gemacht werden. Vorgefertigte Reports und Möglichkeiten zum erstellen eigener Auswertungen und Dashboards helfen den Anwendern sich die Daten für ihre Zwecke zu erschließen. Dies wird Ihnen ebenfalls helfen, wenn Sie die Ergebnisse Ihres großen Datenprojekts Ihren Interessenvertretern präsentieren wollen.

Ein häufiger Fehler bei der Definition einer Unternehmensdatenstrategie besteht darin, sie als eine einmalige Sache zu betrachten. Die Entwicklung einer Datenstrategie ist ein fortlaufender Prozess und muss regelmässig überprüft und angepaßt werden.

In 5 Schritten zur Datenstrategie

Zu Beginn steht der strategische Teil in der die Geschäftsanforderungen und Geschäftsziele vor dem Hintergrund der Implikationen auf die Unternehmensdaten-Roadmap zu bewerten sind. Legen Sie strategische Ziele auf kurz, mittel und langfristiger Basis fest und versehen Sie diese mit Zeitangaben. Darüberhinaus benennen Sie den voraussichtlichen Ressourcen-Einsatz, Investitutionen und die Rahmenbedingungen, um die festgelegten Ziele zu erreichen.

Denken Sie auch an die Identifizierung der Stärken und Schwächen Ihrer möglichen Datenumgebung, wie z.B. rechtliche Einschränkungen oder die Art wie die Daten heute gespeichert sind. Beziehen Sie hierbei die wichtigsten Akteure und Entscheidungsträger des Unternehmens direkt mit ein, um eine insgesamt bessere Datenstrategie zu entwickeln. Wenn Sie deren Zustimmung in diesem entscheidenden frühen Stadium erhalten, ist es wahrscheinlicher, dass sie alle notwendigen Datenquellen und Ressourcen später gut nutzen können. Denn ihr Ziel ist es den Zugang zu Daten auf jeder Ebene des Organigramms zu ermöglichen.

Um den späteren Umgang mit den Daten genaustens zu Beschreiben und alle Aspekte dazu zu erfassen, können die 5 Schritte sowohl zum initialen Aufbau der Datenstrategie verwendet, sowie auch als Prozess verstanden werden. Diesen muss man immer wieder durchlaufen, um seine Datenstrategie bzw. die Informationsgewinnung in der etablierten Datenstrategie auf dem aktuellen Stand zu halten.

1 – Datenquellen identifizieren und klassifizieren

Im Allgemeinen können Daten entweder strukturiert oder unstrukturiert sein. Sie können aus mehreren verschiedenen Quellen stammen und sich an vielen verschiedenen Stellen befinden. Trotz aller Eigenschaften der Daten, mit denen Sie sich beschäftigen, muss Ihre Datenstrategie Ihnen helfen, relevante Daten zu identifizieren und einen Sinn darin zu erkennen. Formulieren Sie interne Standards und ein konsistentes Datenglossar die den Mitarbeitern helfen, bei der Wahl des Datennamens, des Formats, eventueller Metadaten und der Darstellung der Daten den gleichen Ansatz und die gleiche Terminologie zu verwenden.

2 – Daten sammeln und integrieren

Die Datenspeicherung kann ein anspruchsvoller Prozess sein. Daten sollten in einer Struktur und an einem Ort gespeichert werden, die den Datenzugriff und die Datenverarbeitung im gesamten Unternehmen reibungslos gestalten. Meist ist das aber Wunschdenken und die meisten IT-Systeme benötigen immer noch spezielle und dedizierte Datenspeicher. Hier hilft entweder die Verknüpfung von Datenspeichern mit einem Datewarehouse oder der Umweg über einen Date Lake in dem die Daten zwischengepeichert werden und nach einer Aufbereitung in ein Data Warehouse zu überführen. Richten Sie ihren Fokus auf die Struktur und nicht ausschliesslich auf den Ort der Speicherung. Sobald Sie große Mengen an Daten haben können Sie es kaum vermeiden mehrere Speicherorte zu haben, dann aber bitte alle mit der gleichen einfachen und logischen Struktur.

3 – Daten analysieren

Unternehmensdaten können entweder als intern oder extern entstanden klassifiziert werden. Interne Daten stammen aus den Anwendungssystemen des Unternehmens; externe Daten können aus einer Vielzahl von Quellen stammen, von denen keine dem Unternehmen gehört. Unabhängig von ihrer Herkunft sind die Daten zunächst nicht gebrauchsfertig. Sie müssen verarbeitet und aufbereitet werden, damit sie leicht verwendet werden können. Hierzu müssen alle oder ein Teil der Daten integriert und kombiniert werden für eine konsistente Datenansicht. Hat man dies über einen Data Lake und Datenanalyse realisiert, gilt es die Informationen aus den Daten zu schürfen. Wie bei der Goldsuche wird man sich verschiedenster Ansätze von Maschine Learning, KI oder anderer Algorithmen bedienen, um die in den Daten enthaltenen Informationen zu finden und Zusammenhänge sichbar zu machen.
Bündeln Sie die Ressourcen an Data Scientists in einem (virtuellen) Team und sorgen Sie dafür das es genügend Freiräume zum ausprobieren gibt. Nicht alle Ansätze werden zum Erfolg führen. Planen Sie Rückschläge mit ein. Ist etwas wertvolles gefunden worden, kann eine Datapipline gebaut werden, die den Vorgang in festgelegten Zeitintervallen wiederholt und damit Minuten-, -Stunden- oder Tagesgenaue Ergebnisse liefert.

4 – Verarbeitung und Integration von Daten

Die Ergebnisse der Analyse können dann entweder in einem Data Warehouse oder einer anderen IT-Anwendung wie z.B. einem CRM oder ERP-System verwendet werden, um die Unternehmensprozesse zu verbessern. Die Informationen wären nutzlos, wenn die wichtigsten Erkenntnisse nicht den richtigen Personen in der richtigen Weise präsentiert werden, um die Entscheidungsfindung zu unterstützen. Behalten Sie also ihre interne Zielgruppe genau im Auge. Ein weiterer Aspekt ist die Data Governance. Ursprünglich waren die Anwendungssysteme nicht für die gemeinsame Nutzung von Daten konzipiert. Heute müssen Daten so gebündelt und strukturiert werden, dass sie leicht gemeinsam genutzt, wiederverwendet und über eine große Anzahl von Systemen ausgetauscht werden können. Etablieren Sie Standarschnittstellen zu den meistgenutzten Systemen und eine Date Governance. inbesondere bei personenbezogenen Daten sollte die Data Governance sehr stringent angegangen werden, stellen Sie dabei jedoch sicher, dass die Richtlinien Ihres Unternehmens nicht zu komplex sind, um die Implementierung zu erleichtern.

5 – Daten Veranschaulichen und gemeinsam Nutzen

Wenn Sie die richtigen Tools bei der Datenvisualisierung nutzen und sich bemühen, Schlüsselinformationen auf benutzerfreundliche Weise hervorzuheben, können Sie sicher sein dass Ihre Daten auch ohne das Eingreifen der IT-Abteilung gut genutzt werden. Sie werden sehr schnell erleben, das dieser Schritt auch eine reiche Quelle an neuen Ideen und Anforderungen für die nächste Integration von Datenquellen oder für Analyseaufträge an Ihre Data Scientists darstellt. Jedes Unternehmen braucht somit Standardverfahren für die Bündelung und gemeinsame Nutzung von Daten um auch zukünftig noch effizient zu arbeiten. Gerade im Marketingbereich und dem Thema datengetriebenes Marketing fallen besonders viele Nuzungsszenarien an, weshalb das technische Ökosystem dort (MarTech Stack) immer wichtiger wird.

Schlussfolgerung

Zusammenfassend lässt sich sagen, dass die Datenstrategie eine Notwendigkeit ist. Diejenigen, die in der Lage sind, eine umfassende und solide Datenstrategie zu erstellen, werden sowohl kurz- als auch langfristig großen Nutzen daraus ziehen. Sei es für datengetriebenes Marketing, Insights oder Anwendungen im Rahmen von künstlicher Intelligenz. Die Konzentration auf ein bestimmtes Element oder die Herangehensweise an die Datenstrategie als einmalige Aktivität wird letztendlich zum Scheitern führen. Sowohl für Ihre Datenprojekte und möglicherweise auch für Ihr ganzes Unternehmen.