Big Data Integration Daten mittels Big Data erfolgreich nutzen

Anbieter zum Thema

Schindler Parent GmbH

Medienwerft Agentur für digitale Medien und Kommunikation mbH

Liferay GmbH

Modelyzr GmbH

Die wachsenden Datenmengen nutzen, um unternehmerisch erfolgreich zu sein: In Marketing, Sales und Business Development ist dies immer häufiger die Zielsetzung. Doch weil einzelne Abteilungen hierbei oft unterschiedliche Teilziele verfolgen, werden die vollen Potenziale verfügbarer Daten nicht ausgeschöpft. Wie kann eine abteilungsübergreifende Big Data Integration gelingen und die Datennutzung größere Erfolge liefern?

Eine Big Data Integration ohne die richtigen Prozesse, ist wie ein neuer Schnellzug ohne Fahrgäste: Technisch eindrucksvoll, doch wenig zielführend, wenn alle Menschen weiterhin mit ihren Autos zur Arbeit fahren. Es zeigt sich, dass auch die beste Datenbasis keine messbaren Erfolge produziert, wenn sie nicht sinnvoll eingesetzt wird. Doch woran scheitert eine erfolgreiche Big Data Integration in der Praxis und wie kann das Potenzial einer gemeinsamen Datenbasis abteilungsübergreifend besser genutzt werden?

#experte

Lead Management Summit 2021

Kompetenz, Glaubwürdigkeit und Absicht von Marketing kritisch hinterfragen

Mehrwerte durch Datenintegration schaffen

Weshalb befassen sich Wirtschaft und Forschung seit Jahren so ausführlich mit dem Thema Big Data Integration? Weil es viele gute Argument dafür gibt, Datensilos zu verbinden und einer möglichst breiten Nutzerbasis zur Verfügung zu stellen. Naheliegend ist vor allem das Thema Kostenreduktion durch die Vermeidung von unnötiger Datenredundanz, -pflege und -akquisition. Noch wichtiger ist jedoch eine Nutzenmaximierung durch Synergieeffekte und Anwendungsoptimierung der Daten. Die richtigen Zahlen und Analysen zum richtigen Zeitpunkt heranzuziehen, zeichnet einen modernen datengetriebenen Ansatz aus, der sich alle Vorteile der Digitalisierung zunutze macht.

In Unternehmen und Organisationen entstehen in zahlreichen Prozessen große Mengen an Daten. Zusätzlich werden Informationen zugekauft, gesammelt und veredelt. Diese Daten liegen dabei häufig in isolierten Silos ohne eine abgestimmte Governance – von Mehrwert keine Spur. Immer häufiger werden deshalb unternehmensweite Data-Lakes erzeugt, die theoretisch die Zugriffsmöglichkeiten auf und die Sichtbarkeit von Daten deutlich verbessern. In der Praxis sind diese jedoch häufig für den Endanwender nicht nutzbar, weil der Verarbeitungszustand unklar ist oder Konsistenz und Aktualität nicht gewährleistet oder zumindest bekannt sind.

Eine vertrauenswürdige Pipeline erstellen

Deshalb zielt eine Integration darauf ab, aus mehreren Quellen eine businesstaugliche, vertrauenswürdige Datenpipeline bereitzustellen, die für operationale und analytische Zwecke verwendet werden kann. Dazu bieten viele namhafte Hersteller wie IBM, MODELYZR oder Oracle umfangreiche und anpassbare Konzepte an. Einige Plattformen wie Informatica oder MODELYZR haben gleichzeitig Frontends für Businessnutzer im Portfolio, was zum Beispiel dann hilfreich ist, wenn über eine Teilintegration erst einmal eine bestimmte Prozesskette unterstützt werden soll. Dadurch werden Kosten, Komplexität und Laufzeit eines Projektes verringert.

Ein typisches Beispiel für eine solche Kette stellen die marktgerichteten Aktivitäten einer Unternehmung dar. Ihre Hauptakteure bestehen aus Business Development, Marketing und dem Vertrieb. Diesen Abteilungen eine gemeinsame, vertrauenswürdige Datenbasis bereitzustellen, erzeugt messbare Erfolge in der unternehmenseigenen Pipeline. Doch was gilt es zu beachten, damit die Integration prozessseitig gelingt?

Die Hauptakteure und ihre Bedürfnisse

Obwohl sich Business Development, Marketing und Vertrieb in ihren Zielvereinbarungen meist voneinander unterscheiden, arbeiten sie letztendlich auf das gleiche Ziel hinaus, nämlich mehr Produkte am Markt abzusetzen. Diese Abteilungen spielen die Hauptrollen im Go-To-Market:

• Business Developer planen vorausschauend, immer mit Blick auf die kommenden ein bis zwei Geschäftsjahre. Geographische und firmographische Daten werden berücksichtigt, Markt- und Trendstudien ausgewertet und Umsatz- und Erfolgskennzahlen des eigenen Produktportfolios genutzt, um erfolgreiche Strategien zu entwickeln.

• Auch im Marketing arbeitet man meist mit einem längeren Zeithorizont von sechs bis 18 Monaten, allerdings unterscheidet sich dieser je nach Aktivität stark, von langfristig angelegten Awareness-Kampagnen bis hin zu Telesales-Initiativen, die idealerweise in kurzer Zeit warme Leads generieren. Marktprognosen, Propensity-To-Buy-Modelle, Intent Data: Die benötigten Daten sind vielfältig. Auch das CRM spielt eine wichtige Rolle.

• Im Sales wird in der Regel von einem Quartalsziel zum nächsten gehetzt, jedoch immer mit den kommenden Quartalen im Hinterkopf. Das CRM steht im Zentrum der Aktivitäten. Im Neukundenvertrieb werden zusätzliche Marktdaten verwendet, ebenso Intent Data und jegliche sonstige Information, die über die potenziellen Kunden zur Verfügung steht.

Das Gesamtbild im Blick behalten

Es lässt sich schnell erkennen, dass aufgrund der Vielzahl an benötigten Datenpunkten bereits jede Einheit für sich einen Bedarf an einer Datenkonsolidierung und -integration hat. Stellt man sich den Planungshorizont ihrer jeweiligen Aktivitäten entlang eines Zeitstrahles vor, wird deutlich, weshalb man von einer zusammengehörigen Prozesskette marktgerichteter Aktivitäten sprechen kann.

Deshalb gibt es nicht nur innerhalb der Abteilungen einen Anreiz, auf eine konsolidierte und integrierte Datenbasis aller relevanten Quellen zugreifen zu können, sondern auch übergreifend. Doch Daten und Informationen freigiebig auszutauschen, ist nicht immer selbstverständlich. Aufgrund der eingangs erwähnten Unterschiede bei der Erfolgsmessung fehlt es zudem an Anreizen, das Gesamtbild im Blick zu behalten und abgestimmt zu agieren.

Demand Management Office: abgestimmte Wertschöpfung sicherstellen

Es ist wichtig, eine solche Datenintegration nicht nur als rein technisches Projekt zu verstehen, sondern auch als Changeprozess. Mitarbeiter sollten ermutigt werden, Wissen und Informationen zu teilen, abteilungsübergreifend zusammenzuarbeiten, um so eine Kultur des Informationsaustausches zu schaffen. So können Kosten für die Datenbeschaffung gemeinsam getragen werden. Unterstützt durch einen regelmäßigen Austausch zwischen den Abteilungen auf Führungsebene, wird dieses Verständnis in die Breite getragen. Alle Parteien sollten sich regelmäßig abstimmen, ob die zuvor gemeinsam beschlossene Strategie zielführend verfolgt wird und ob es gegebenenfalls Anpassungen bedarf.

In zahlreichen Projekten hat es sich zudem bewährt, den bestehenden Akteuren ein neu definiertes, dediziertes Office mit einem eigens entwickelten Zielsystem an die Seite zu stellen, um für ein konzertiertes Demand Management Sorge zu tragen. Dieses Demand Management Office (DMO) soll als Bindeglied eine gemeinsam abgestimmte Wertschöpfung entlang der gesamten, marktgerichteten Prozesskette sicherstellen.

Welche Aufgaben übernimmt das DMO konkret?

Tipps & Use Cases

Künstliche Intelligenz trifft Customer Experience

• 1. Verbinden: Das DMO hat das Gesamtbild im Blick, bringt alle beteiligten Ak-teure regelmäßig an einen Tisch und gewährleistet eine optimale Marktabde-ckung mit Blick auf die verfügbaren Ressourcen.

• 2. Planen: Das DMO stellt gemeinsam mit den beteiligten Abteilungen Kampag-nenpläne auf, um eine präzise Vorausplanung der Sales Pipeline sicherzustel-len.

• 3. Unterstützen: Das DMO unterstützt die beteiligten Abteilungen bei der Daten-nutzung und Durchführung von Analysen zwecks Definition von Zielgruppen und Zielmärkten.

• 4. Berichten: Das DMO stellt Datenanalysen bereit, berichtet an das Manage-ment und misst den Erfolgt anhand aussagekräftiger KPIs.

Im Idealfall handelt es sich bei den Mitgliedern des Demand Management Offices um Vollzeit-Mitarbeiter, die einige Jahre Berufserfahrung aus dem Vertriebs- oder Marketingumfeld sowie ein gutes Verständnis für Datenstrukturen mitbringen. Eine gewisse Seniorität der Office Members beziehungsweise eine von den Stakeholdern wahrgenommene Expertise ist auch deshalb von Vorteil, weil die Einrichtung eines DMO in der Regel tiefergehende Change-Prozesse innerhalb des Unternehmens erforderlich macht. Von Beginn an eine hohe Akzeptanz für das neue Vorgehen im Demand Management sicherzustellen, garantiert bestmögliche Ergebnisse.

Dabei werden nicht nur die anderen Abteilungen entlastet und unterstützt, sondern auch die bestehenden Daten optimal eingesetzt. Um die eingangs formulierte Analogie noch einmal aufzugreifen, wird durch diese Schritte also ermöglicht, dass der mit Daten betriebene Schnellzug seine Fahrgäste schneller und effizienter zu ihren Kunden bringt, als diese sie mit ihren Autos jemals hätten erreichen können.

*Richard Brückner ist Consultant für Big Data bei der Modelyzr GmbH.

(ID:48091773)