Komplexe Daten zu sammeln und diese auf sinnvolle Weise zu verwerten ist für viele Unternehmen eine aufwendigen Investition, deren Früchte man erst spät ernten kann. Sie verkennen jedoch, dass Daten nicht nur helfen können, Prozesse signifikant zu vereinfachen und gewinnbringender zu arbeiten, sondern auch ihre Kunden besser zu verstehen – ein Faktor, der nie erfolgsentscheidender war als heute.
Peter Stadler, Acting VP Central Europe bei Teradata erklärt im Folgenden, wie Unternehmen beginnen können, echten Mehrwert aus ihren Daten zu schöpfen, um auch in Zukunft zu bestehen.
Unwissenheit ist die Wurzel des Problems
Noch immer sind sich viele Unternehmen nicht darüber bewusst, welche Möglichkeiten ihnen eine zielführende Datenanalyse bieten kann. Jedes Mal, wenn ein unpassender Rabattgutschein in einem Paket mitgeliefert wird oder Menschen, die kein Auto besitzen, Online-Anzeigen für Kfz-Versicherungen sehen, ist eine Chance verstrichen, ein Geschäft zu machen.
Oft sind es unzureichende Analysen, die diese fehlplatzierten Werbeaktionen verursachen. Doch das Potenzial der Datenanalyse geht weit über das Marketing hinaus. Ein gutes und sehr einfach verständliches Beispiel ist ein Becher Joghurt im Supermarkt.
Wird dieser Becher nicht verkauft, muss er entsorgt werden und der Supermarkt macht einen Verlust. Doch vielleicht ist genau dieser Joghurt in einem anderen Stadtteil sehr gefragt oder sogar ausverkauft. In diesem Fall fährt die Supermarktkette einen doppelten Verlust ein, da sie einerseits ein Produkt nicht verkaufen konnte und in einem anderen Markt die Chance auf einen Verkauf verpasst hat.
Mithilfe moderner Datenanalyse kann genau nachvollzogen werden, wie der Verkauf bestimmter Produkte in den einzelnen Märkten verläuft. Der in Markt A verschmähte Joghurt kann also früh genug in Markt B umgelagert werden – und das Sortiment der beiden Märkte in Zukunft besser an das Publikum angepasst werden.
Verständnis über Kunden wird zum Schlüssel für Erfolg
Ein viel größerer Faux-Pas ist es aber, die Möglichkeiten gar nicht zu kennen, die Datenanalysen bieten. Wenn wir etwa noch einmal auf unser Beispiel des Supermarktes zurückgehen, ist eine zentrale Frage, die sich alle Entscheider im stationären Handel stellen sollten: „Wer ist wann und warum in meinem Laden?“ Nur wer diese Frage beantworten kann, hat die Möglichkeit, wirklich auf seine Kunden einzugehen und sie auf lange Sicht auch zu halten.
Internationale Player wie Amazon haben die Wichtigkeit dieser Daten schnell erkannt und entsprechend gehandelt. Nur deshalb konnten sie die Position auf dem Weltmarkt erlangen, die sie heute innehaben. Auch für Unternehmen im Einzelhandel gilt diese Devise: Wer gegen seine Konkurrenten bestehen will, muss sich mit einer klaren Markenposition und Botschaft auf dem Markt platzieren. Der Kunde muss klar verstehen, wer er ist und wofür er steht. Doch dazu muss das Unternehmen den Kunden erst einmal verstehen.
All das funktioniert nur auf einer Grundlage von soliden Daten und exakten Analysen. Dabei geht es längst nicht mehr um die Einteilung der Kunden in eine bestimmte Anzahl von Kundensegmenten, die unterschiedlich bedient werden. Vielmehr ist eine echte Personalisierung das Ziel, sodass jeder Kunde mit seinen Bedürfnissen ein eigenes Segment bildet und ganz individuell angesprochen werden kann.
Einen Einstieg finden – mit kleinen, klar umrissenen Projekten
Doch wie kommt man an diesen Punkt? Zuallererst brauchen Unternehmen eine solide Datenkultur. Das Bewusstsein für die Wichtigkeit von strategischer Datenanalyse muss im gesamten Unternehmen vorhanden sein – angeführt von der obersten Führungsebene. Nur dann ist der Wandel zu einem datengetriebenen Unternehmen von Erfolg gekrönt.
Das heißt aber nicht, dass ein Unternehmen in einem Herkulesakt alle Geschäftsprozesse binnen kürzester Zeit umstellen muss. Ein guter Anfang ist ein abgegrenztes Projekt mit klaren Zielen und KPIs. So können Unternehmen Einblicke gewinnen, welche Analysen ihnen am meisten Mehrwert bringen und welche Bereiche wichtig sind, um weitere Analysemodelle einzuführen.
Im Einzelhandel bietet sich zum Beispiel ein sorgfältiges Monitoring und Analysieren der Supply Chain an, um Engpässe im Sortiment bei einzelnen Märkten einerseits und Müll durch überflüssige Produkte andererseits zu vermeiden.
Gerade in den vergangenen Monaten haben wir deutlich gesehen, wie ungewohnte Situationen wie ein pandemiebedingter Lockdown altbewährte Systeme auf den Kopf gestellt und Versorgungsprobleme mit sich gebracht haben. Datenanalyse kann hier helfen, schnell einen Überblick über die Situation in einzelnen Filialen zu erhalten und gegenzusteuern.
Perfektion ist nicht die Lösung
Analysemodelle sind komplex – oder nicht wirksam. Das ist ein Irrglaube, der viele Unternehmen davor zurückschrecken lässt, mehr auf Datenanalyse zu setzen. Doch mit diesem Argument machen es sich Zweifler allzu leicht. Kein Modell der Datenanalyse ist je perfekt. Und das muss es auch nicht sein. Modelle sind Hilfen und Annäherungen, die Entwicklungen und Trends anzeigen.
Wollte man die Realität 100prozentig in einem Modell abbilden, so würde es in der Tat viel zu viele Variablen enthalten müssen und dadurch impraktikabel werden. Die Lösung ist die 80/20-Regel: 80 Prozent der Erfolge beruhen auf 20 Prozent des Einsatzes.
Wer Datenanalyse-Projekte also strategisch angeht und im Vorfeld klärt, welche 20 Prozent entscheidend sind, um das Geschäft einen entscheidenden Schritt weiterzubringen, kann ein effizientes Modell erstellen, das sich auf die wichtigsten Parameter konzentriert. Auch ein imperfektes Modell kann schon einen großen Mehrwert bieten, wenn es die Mehrheit der Bedürfnisse abdeckt und dem Zweck dient.
Fazit
Auch wenn die Herausforderung für viele Unternehmen noch groß ist – wer den ersten Schritt macht und zielgerichtete und effiziente Datenanalyse einführt, kann Entscheidungen auf einer soliden Grundlage treffen. Das steigert nicht nur die Qualität der eigenen Arbeit, sondern bringt Unternehmen auch einen entscheidenden Wettbewerbsvorteil.
Die wichtigste Veränderung, die Unternehmen dafür vollziehen müssen, ist die Einstellung, Daten als entscheidendes und wertvolles Asset zu verstehen, deren Analyse entscheidend für ihr zukünftiges Bestehen sein kann.