How (not) to fail in Big Data Management!

 

Die Idee

Wir alle hinterlassen Spuren im Internet, bei der Nutzung digitaler Devices und bei so mancher Pflege unserer Kundenbeziehungen. Oft sind uns diese Spuren gar nicht bewusst, manche kommen sogar zustande wenn wir vertrauliche Daten mit Banken, Versicherungen und Krankenkassen austauschen. Noch mehr persönliche Daten, in Form von Gedanken und Meinungen, hinterlassen wir in sozialen Netzwerken. Kurzum es ist der Traum eines jeden Marketing-Experten, Produkt-Innovators und Unternehmens-Strategen –  100% Transparenz über all das was potentielle Kunden wollen und dann muss man es ihnen nur noch geben.

 

screensnapshot-11-04-2016-01-46-20

So weit so gut, in der Theorie amortisiert sich die Investition in die Speicherung und Verarbeitung von Daten schon alleine dadurch, dass die Analyse der Daten zu den richtigen Entscheidungen führt.

Herausforderungen BigData

So ganz Grundsätzlich hat sich an den Regeln für ein gutes DataManagement in den letzten 20 Jahren nicht viel geändert. Daten-Wahrheit, Klarheit, Quantität und Qualität sind fundamental, um Kundendaten auf allen Ebenen des Konversionspfades zusammenzuführen und zu verstehen.

Mit einem entsprechend offenen Identitätsmanagement lassen sich sogar Daten ausserhalb der eigenen Customer Journey korrelieren. Das bedeutet, Sie erfahren nicht nur, wer ihr potentieller Kunde ist, sondern sukzessive auch, was dieser für Motive und Meinungen hat.

Wenn Sie dann noch in ihrer eigenen DMP ( DataManagementPlattform) entsprechende Segmente bilden und diese nachgehalten bekommen, wird aus der althergebrachten Zielgruppe ( Deutscher Markt zwischen 20 und 60 Jahren Alter) ganz schnell hunderte verhaltensbasierte Zielgruppen, die sich klar mit Attributen eingrenzen lassen.

Somit können sie zielgerichtet Werben, treffen endlich die richtigen Kunden und bekommen viel mehr Effizienz in ihren Marketing Mix. Die Kosten sinken und alle sind glücklich.  Zumindest theoretisch, denn die Realität hält aber oft genug Enttäuschungen bereit.

 

Die wirklichen Herausforderungen

 

Die Grundlage für die Verarbeitung der Daten ist die Customer-Journey des Kunden innerhalb des Marketing-Kosmos des Unternehmens.

Die Herausforderung ist, diese zum einen zu kennen und zum anderen auch so zu modellieren, dass diese sukzessive bessere Daten produziert. Das hört sich einfacher an, als es gesagt ist. Bei näherer Betrachtung einer Customer Journey und den Touchpoints der meisten Unternehmen fällt auf, dass diese gar nicht so aufschlussreich sind, wie man sich dies erhofft.

Angesichts dessen, dass alleine für die Infrastruktur, die es Bedarf um ein ordentliches Data-Management zu betreiben locker einen 6 stelligen Betrag verschlingt, liegt es nahe, das die Erwartungshaltungen groß sind. Doch sehr schnell werden die Gesichter mehr als lang.

Die Top 7 Fails im Data Management: 

 

Keine oder nur Siloartige Data-Management Strategie 

In vielen Fällen gibt es kein Daten/Identitäts-Zielbild, da der Fokus darauf liegt, schlicht Daten zu sammeln und dann irgendwie zu verwerten. Dabei werden weder die Ziele noch potentiell daraus resultierende Maßnahmen vorab in irgendeiner Form angedacht. Wenn dann doch mal aus versehen das eine oder andere „Key-Finding“ aus dem Datensalat purzelt, ist die Aufregung sofort groß und schnell werden irgendwelche Maßnahmen eingeleitet.

Viele Unternehmen geben sich damit zufrieden, wenn das Thema als solchen in irgendeinem Silo des Unternehmens geparkt ist. Dabei kann das Unternehmen als Ganzes von den Daten profitieren und vor allem müssten die unterschiedlichen anderen Silos stetig dazu beitragen die Datenlage zu verbessern.

Die Vernetzung der Touchpoints zu einer „Identitätsarchitektur“ ist komplex, weil C-Naming, Tool Einsatz, Datenschutz und schlicht Kompetenzlücken aufeinander treffen.

Im Ergebnis gibt es nur unzusammenhängenden Datenschrott aus dem sich nur sehr Waage herauslesen lässt, welche Trends existieren, weil diese weder Quantitativ ausreichend sind oder noch schlimmer vollkommen losgelöst von dem geschehen was auf Ihrer Website passiert und von dem was Ihre Kunden wollen. screensnapshot-01-05-2016-07-10-24

Ohne Vision keine Datenarchitektur – Keine Vision, Keine Personas, kein Prozess

Wenn es keine klare Datenvision gibt, dann liegt dies oft daran, dass UX-Experten nicht in den Prozess involviert sind. Es sind viel zu oft, nur die Datenexperten involviert und nicht diejenigen, die die Prozesse im Unternehmen insb. die digitalen Prozesse designen.Die Ermangelung an solchen Experten führt dazu, dass es keine Personas und somit auch keine Zielprotagonisten gibt, die überprüft werden können.Folglich fehlt es auch an klaren Thesen, zu Informationsgewinnung Ohne die entsprechenden Thesen, wie man den Konsumenten wirklich erkennt, kann es nicht zu Prozessen kommen, die die gewünschten Informationen liefern.Ohne die Prozesse zu kennen, die es bedarf, kann auch nur schwer entschieden werden, welche Datenquellen wirklich notwendig sind.

Kundendatenmodellierung

Klare Vision zur Kundentypologisierung ist die Voraussetzung für Data-Management

 

Data Management ist Service Design, ist Data Management.

Viele der Applikationen auf Unternehmenswebsites / Shops dienen dazu den Kunden zum Kauf zu bewegen anstatt Services aufzubauen, die dem Kunden Sicherheit im Kaufprozess geben. Dementsprechend fallen die Antworten genauso eindimensional aus, wie vorher im WebAnalyse-System. Man weiß also gar nicht was der Kunde will und kann somit aus den Daten nichts herauslesen.

Wer also  qualitativ vernünftige Daten gewinnen möchte, wird das nicht mit einer Servicewüste schaffen, sondern nur mit einer Dienstleistungsarchitektur, die den eigenen Kunden hilft und gleichzeitig Informationen liefert. Dies muss vor allem nachhaltig erfolgen und agile weiterentwickelt werden. Mit dem entsprechenden Servicegedanken im Kern, kann aus den ersten Daten schon soviel mitgenommen werden, dass die Applikationen weiter entwickelt werden können.

Conversionsfunnel werden oft sowohl zu eindimensional ( CR) betrachtet und nicht in Bezug auf die individuelle Nutzersituation und Nutzermotive.Ihre Kunden konvertieren deutlich früher, als es im klassischen Funnel-Denken erscheint, zum Beispiel beim ersten Besuch ihrer Website, nur merken Sie es gar nicht, weil es nicht direkt zu einer Transaktion führt, sondern zum „Plan“ der Transaktion beim Kunden.  Sie müssen es schaffen, den Kunden besser auf dem Pfad zur Konversion zu begleiten.Diese Betrachtung oder besser „Nicht-Betrachtung“ der Vielschichtigkeit des Pfads zur Conversion verdeckt die Sicht auf das Wesentliche, nämlich die Ausrichtung auf die Bedürfnisse der User und die Schaffung von Daten, die mehr Anhaltspunkte zum Verständnis der User bringen.

So werden Features geschaffen, die oft nur dem Business dienen, aber aber nicht dem User und schon gar nicht dazu tiefere Erkenntnisse zu gewinnen. Das bedeutet, der Business Stratege hat sich durchgesetzt, aber eine UX Strategie wurde leider komplett vernachlässigt.

Fehlende Empathie für Kunden durch Strukturen, Prozesse und falsche KPI

Jede Service Applikation liefert nicht nur Kundenvorteile, sondern auch wertvolle Daten über den Kunden und seine Wünsche.

Aus Sicht des Kunden ist eine Website ein Werkzeug, um z.B. ein Produkt zu konfigurieren aber noch viel wichtiger, um eine Entscheidung zu fällen und Informationen zu erhalten, die dies ermöglichen.

Doch wenn die Mitarbeiter im Unternehmen, welche die Daten-Analyse-Infrastruktur bedienen, nicht verstehen wie Kunden „ticken“ und auch nicht an die Entwicklungsprozesse angedockt sind, laufen zwei Stränge parallel und im Ergebnis entstehen keine Einsichten.

Je stärker ein Unternehmen durch wirtschaftliche Kennziffern getrieben ist, desto mehr rücken die Kennziffern zur Feststellung der Kundenzufriedenheit in den Hintergrund. Schließlich muss ja Geld verdient werden. Dass allerdings das Verhalten der Kunden eher intuitiv zum Umsatz führt, fällt dabei oft hinten runter.

Das Problem sitzt vor dem Rechner – allerdings ist damit diesmal nicht der Kunde gemeint. Die Schwierigkeit liegt nämlich darin, Daten und Analysen richtigen zu interpretieren und nicht nur, sie einfach zu erheben. Hierfür bedarf es nicht nur einiger grundlegender statistischer Kenntnisse, sondern vor allem auch Business-Know how. Kurz gesagt, wenn Ihr Analyst gar nicht versteht was wirklich auf ihrer Website los ist, dann kann er auch nicht die richtigen Schlussfolgerungen aus Ihren Daten ziehen. Im Ergebnis erhalten Sie nicht zwangsläufig die richtigen Informationen.

Daten sind nur fragmentiert im Unternehmen bekannt. Datenhoheit ist der Tod für einen lernenden Marketing-Organismus.

Unternehmen in Matrix-Strukturen sollten zwar auf Grund von Querschnittsfunktionen grundsätzlich einen guten und strukturierten Informationsfluss haben, doch kommt es vor, dass  die Informationen dieser Querschnittsfunktionen nicht publiziert oder konsistent mit den Prozessen der Säulen verdrahtet werden. Im Ergebnis werden in den Säulen entsprechende Entscheidungen ohne die relevanten Daten gefällt.

Besonders in großen Unternehmen ist spezifisches Know How oft genug politische Munition zur eigenen Profilierung. Ein derart erlerntes Verhalten prägt ganze Unternehmenskulturen. Wenn nun aber Daten theoretisch jedem zur Verfügung stehen, verändert sich auch die Kultur des Unternehmens, weil die die „Zurückhaltung“ von Insights keinen strategischen Vorteil mehr darstellt. Das dies so manchem nicht gefällt, liegt auf der Hand. Dementsprechend bedarf es auch einem grundlegenden Bewusstsein darüber was es bedeutet, eine transparente Informationskultur aufzubauen.

Der Geist ist willig – aber die Organisation ist träge

Dies ist sehr wahrscheinlich der größte Pitfall den es zu überspringen gilt. Wir leben in einer Zeit, in der nicht nur Daten tunlichst in Echtzeit jedem auf Abruf zur Verfügung stehen sollten ( Sichtwort: Datenstreaming), sondern in der Kunden erwarten, dass die Dinge sich schnell ändern. Weiterhin kostet Sie jede Minute eines ineffizienten Prozesses bares Geld in Form von Opportunitätskosten. Wenn Sie also jede Veränderung und jeden neuen Service über die 4 verschiedene Gremien hinweg jedes mal aufs Neue besprechen müssen oder wollen – helfen Ihnen auch die besten Daten nichts. Vielmehr ist das einzige, was Ihnen diese Daten am Ende verraten werden, dass Sie Geld verlieren.

Data-Management ist also bei weitem mehr, als nur das Handling von Petabyte an Daten auf Cloudbasierten Plattformen und komplexe Analysetools. Der Einsatz von BigData und entsprechendem Management touchiert ganz andere Themenkomplexe:

  1. Unternehmensstrategie / Digitalstrategie / Transformationsstrategie
  2. Service Design-Strategie
  3. Change-Management und Organisationsentwicklung
  4. HR-Development
  5. Prozess-Management ( Operations)
  6. Marketing / Sitemanagement / CRM / Filialen/ ServiceCenter / Redaktion
  7. Preis-Steuerung
  8. Logistik ( je nach Case)

In einer so komplexen und volatilen Welt wie der unseren, wird die richtige Verwendung von Daten und die vernetzte Integration dieser zum fundamentalen Erfolgsfaktor. Alleine der Zugriff auf die richtigen Daten wird ein Wettbewerbsvorteil.

Kein Prozess – Kein Inhalt – keine Daten

Das wirkliche Problem besteht allerdings vor allem darin, nicht nur Prozesse und Schnittstellen aufzubauen, sondern diese auch mit Leben zu füllen.

Ein Beispiel:

Seit dem Einzug von Social Media in den Marketing-Mix diverser Unternehmen ist eine Facebook-Seite oder ein Twitter Account sozusagen integrierter Bestandteil des Kommunikationsmixes geworden. Da es nicht ganz einfach ist, über sich selbst reflektiert und vor allem relevant zu sprechen, werden viele dieser sozialen Accounts vor allem mit Gewinnspielen, Marketinginformationen bzw. Angeboten bespielt. Fans werden zuvor über  Anzeigen oder virale Gewinnspiele gewonnen.

Was bringen Ihnen Partygäste, die nur des Buffets wegen kommen ?

Niemand mag solche Gäste, die eigentlich nichts mit Ihnen zu tun haben wollen, ausser etwas kostenlos zu bekommen. Genau das passiert aber, wenn man eine Fangemeinde nicht über den Inhalt sondern über Spielmechaniken gewinnt. Sie erhalten die falschen Freunde, keine loyalen Fans die sich mit Ihnen auseinandersetzen wollen. Abgesehen von den komplett verschwendeten Marketing-Budgets erhalten Sie auch keine wirklich relevanten Informationen über Ihre Kunden, denn diese wollen nicht mit Ihnen sprechen.

Neben dem Prozess bedarf es also auch die richtigen Inhalte um Kunden anzuziehen, die Ihnen die richtigen Informationen liefern. 

In der Praxis ? Wie wäre es denn besser ? 

Service, Inhalte und Prozesse die Kunden helfen.

Oft genug stehen sich Business-Strategen und UX Strategen diametral dogmatisch in den Auffassungen gegenüber. Die einen wollen platt den Umsatz erhöhen, die anderen das Nutzererlebnis steigern. Der Datenstratege setzt sich also direkt zwischen die Stühle, denn er versucht ja nun erstmal einfach nur Daten zu sammeln. Die Wahrheit dürfte allerdings irgendwo zwischen den jeweiligen Meinungen liegen und ein gemeinsames Prozessdesign könnte helfen einen Konsens zu erzielen, der sowohl nachhaltig, als auch agil erweiterbar ist.

 

Wenn Sie z.B. einen Carsharing Service betreiben, kann es sehr sinnvoll sein, die Service-Infrastruktur mit sozialen Netzwerken zu verbinden. So würden sie beispielsweise Erfahren, wo sich ihre Kunden wann regelmäßig befinden ( Check-In-Daten) und könnten in Echtzeit auf z.B. Beschwerden reagieren. Aus diesen Daten liessen sich beispielsweise Sonderpreise für Fahrten in bestimmte Stadtgebiete entwickeln und so die Flotte gleichmäßiger verteilen, damit die Fahrzeuge weniger lange herumstehen.

Der Daten Business-Case – Verdrahtung der Disziplinen im Prozessdesign und Contentaufbau.

Ein Lösungsansatz liegt vor allem darin, interdisziplinär in der Kompetenz, aber geschlossen in der Zielsetzung Services so aufzubauen, dass diese im Kern den Nutzern helfen UND das Geschäftsproblem lösen. Dabei sollte es von vornherein klar sein, dass keiner die absolute Wahrheit erahnen kann, sondern viel mehr mit jedem Service ein Grundstein für mehr Informationen gelegt wird, der nachgehalten und ausgebaut werden muss. Der Vorteil in der Interdisziplinarität liegt hierbei vornehmlich darin, dass sowohl das Know How der unterschiedlichen Kollegen in den Case eingeht, als auch die Verantwortung für die Weiterentwicklung von allen Beteiligten leichter erfolgt.

Weiterhin besteht so die Chance ein besseres Service Design für Kunden aufzubauen, Datensilos zu vermeiden, die Empathie für Kundenbedürfnisse organisationsübergreifend stufenweise zu steigern und damit auch die Kultur eines Unternehmens zu beeinflussen.

 

 

Hier können Sie Ihre Meinung hinterlassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden / Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden / Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden / Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden / Ändern )

Verbinde mit %s

Digital-Transformation

Die nächste große wirtschaftliche Revolution

NOOP.NL

Die nächste große wirtschaftliche Revolution

Human Workplace

Bring Life to Work, Bring Work to Life

Content Action Blog

Die nächste große wirtschaftliche Revolution

Seth Godin's Blog on marketing, tribes and respect

Die nächste große wirtschaftliche Revolution

Sven Ruoss

#Wer #nicht #digital #denkt #ist #raus

%d Bloggern gefällt das: