Dank sozialer Medien sind die Stimmen der Kunden heute deutlicher zu vernehmen denn je. Das Marketing hat verstanden, dass das Wissen um die Kunden aus erster Hand große Vorteile mit sich bringen kann – wenn ein Unternehmen genau zuhört und diese Informationen strategisch nutzt. Zudem fördert das Lauschen in den sozialen Netzen auch das Wissen über die Mitbewerber - und was die eigenen bestehenden oder potenziellen Kunden über die Wettbewerber denken.
Foto: AlexLMX - shutterstock.com
Marketing und Kundenservice kommen (endlich) zusammen
Seit vielen Jahren fokussieren sich die Unternehmen auf eine bessere analytische Kundensegmentierung. Das Ziel dabei ist es, den einzelnen Kunden sichtbar zu machen, um Vorlieben, Muster und Ereignisse innerhalb des Kunden-Lifecycles besser zu verstehen. Auch die Möglichkeit, künftige Chancen für profitable Interaktionen mit den Kunden zu prognostizieren, gehört hier dazu. Die neue Chance, die sich heute bietet, besteht in der Kombination interner Kundendaten mit den Daten aus sozialen Netzen und weiterer Kontextinformationen wie zum Beispiel der Aufenthaltsort.
Dies kann Unternehmen dabei helfen, eine vollständige Sicht auf die Kundentransaktionen und die zugehörigen Verhältnisse wie Vorlieben, Gewohnheiten und künftigen Bedarf im Gesamtkontext zu bekommen. Die Analyse der Daten aus sozialen Netzen in Kombination mit den vorhandenen Kundendaten aus den CRM-Systemen werden einen sehr großen Schritt nach vorne auf dem Weg zum lange gesuchten 360-Grad-Blick auf den Kunden und zu gut informierten, datenbasierenden Entscheidungen erlauben.
Aus dem operationalen CRM zur Verwaltung von Produkten und Dienstleistungen wurde das analytische CRM für Prognosen. Das ist nichts Neues. Auch Big Data und Social Business – die neuen Kanäle, die durch soziale Medien und Endgeräte entstanden - haben die CRM-Entwicklung beeinflusst. Social Business ist nicht nur ein weiterer Kanal, über den die Kunden erreicht und Informationen zusammengetragen werden können.
Analyse-Tools können zudem tiefgreifende Erkenntnisse liefern, die bislang nur schwer zu erzielen waren. Auch wenn sich viele Unternehmen seit einiger Zeit mit der Analyse der Stimmung bei den Kunden befassen, konnten die erfassten Daten in der Regel ihr volles Potenzial nicht ausspielen. Doch Unternehmen und Technologien werden erfahrener im Bereich des Social Business und der Social Analytics. Die Lücke zwischen Datengewinnung und nutzbaren Informationen schließt sich rasch.
- Datenanalyse als Service
Analytics Tools aus der Cloud können den Einstieg in die Datenanalyse erleichtern. Sie erfordern keine Vorabinvestitionen im fünf- oder sechsstelligen Bereich und besitzen teilweise grafische Benutzeroberflächen, die es auch dem weniger versierten Anwender ermöglichen, Analyseprozeduren zu erstellen, die zu aussagefähigen Ergebnissen führen. Wir stellen fünf wichtige Big-Data-Tools vor, die Sie als Service aus der Cloud nutzen können. - AWS Elastic MapReduce
Seit der Version 4.1.0 von Amazon Elastic MapReduce lassen sich Cluster im laufenden Betrieb verkleinern. - Google Cloud Platform
Mit dem Google Cloud Launcher lässt sich ein Hadoop-Cluster mit wenigen Klicks einrichten. - Microsoft Azure
Ein Hadoop-Cluster ist in HDInsight von Microsoft in zirka 10 bis 15 Minuten verfügbar. - IBM Analytics
Beim Einrichten eines Hadoop-Clusters auf IBM Bluemix hat der Anwender die Wahl zwischen drei Cluster-Größen. - SAP HANA Cloud Platform
LubeInsights verknüpft Hadoop im SAP HANA und lädt nur aktuell benötigte Daten in die In-Memory-Datenbank.
Die analytischen Fähigkeiten der CRM-Systeme wurden durch soziale Medien, mobile Nutzung und die Cloud ungemein mächtig. Die Unternehmen können heute nicht nur mit ihren Kunden interagieren. Sie können diese auch jederzeit, überall und mit jedem Endgerät nachverfolgen. Datengetriebene Entscheidungsfindung auf der Basis von Echtzeitinformationen ist heute Realität. Allerdings wissen viele Unternehmen nicht, wie oder wo sie damit beginnen sollen. Zum Glück werden die sozialen Technologien und die analytischen Möglichkeiten immer ausgereifter. Sie werden vermehrt in CRM-Lösungen integriert, was den Einstieg und die Nutzung vereinfacht.
Zum 360-Grad-Blick durch datengetriebene Informationen?
Eine Studie von IDC ergibt, dass stark analytisch ausgerichtete Unternehmen innerhalb ihrer Branche besonders wettbewerbsfähig sind. Zudem sind die Manager in besonders analytisch ausgerichteten Unternehmen um den Faktor zwei abhängiger von Business Analytics (gegenüber purer Intuition) als die Manager bei den am wenigsten konkurrenzfähigen Mitbewerbern.
Es ist also keine Frage des Wollens mehr, ob ein Unternehmen datengetrieben ist und wird. Werden Entscheidungen anhand datenbasierender Ansätze getroffen, sind nicht nur die Ergebnisse genauer. Analytics sorgt auch für Konsistenz bei der Interpretation dieser Ergebnisse und bei der Art, wie diese in das Business zurückfließen. Unternehmen müssen ihre Sicht auf das Geschäft ändern: Nicht Kunst, sondern Wissenschaft ist das Motto der Stunde. IDC erwartet, dass innerhalb der kommenden drei Jahre Unternehmen, die bei der Umsetzung einer datengetriebenen Strategie scheitern, den Kundenerwartungen nicht mehr effektiv entsprechen können.
Für viele Unternehmen bedeutet die Datenflut, dass mehr Informationen verfügbar sind, als analysiert werden können. Der Wettbewerbsvorteil am Markt entsteht jedoch nicht nur durch den Zugriff auf Informationen. Entscheidend ist die Fähigkeit, die Daten zu analysieren und zeitnah daraus Handlungen abzuleiten. Entsprechend müssen die Unternehmen ihre bestehende IT-Architektur um nichtrelationale Technologien erweitern, um den wirklichen Wert der Daten nutzen zu können. Durch die Kombination verschiedener Datentypen, Technologien und analytischer Techniken können Unternehmen zu faktenbasierenden Entscheidungen gelangen. Diese werden angetrieben durch die Analyse großer und kleiner Datenmengen und ermöglichen so konsistente, regelkonforme und optimale Reaktionen auf Geschäftsereignisse.
- Fünf gute Gründe ...
... warum Analytics nicht in die IT-Abteilung, sondern in die Fachbereiche gehören und warum jeder Fachbereichsleiter einen Data Scientist in seinem Team haben sollte. - Analytics können helfen, Unternehmensziele zu erreichen
Analytics dient keinem Selbstzweck. Der Wert von analytischen Services oder Datenprodukten entsteht erst durch die Einbindung in Geschäftsprozesse. Erst durch die Realisierung eines effektiven Nutzens in Form von Effizienzsteigerungen und damit verbundenen Kostensenkungen, der Generierung von Neugeschäft oder eine gesteigerten Kundenloyalität werden tatsächliche Effekte im Geschäftsergebnis messbar.<br /><br /> Fachbereiche sind in ihrer Funktion für die Steigerung von einzelnen Erfolgsfaktoren verantwortlich und haben daher ein Interesse zu verstehen, an welcher Stelle ihnen Analytics helfen kann. Zudem sollten die Mitarbeiter im Fachbereich auch zu einem Stück weit verstehen, wie die Analysen funktionieren, um mit dem Wissen zu ihren Geschäftsproblemen beispielsweise das Transferdenken zu leisten, wie man Daten anreichern sollte oder welche zusätzlichen Analysen durchgeführt werden sollten. Außerhalb des Fachbereichs hat für gewöhnlich niemand das entsprechende Interesse die Unternehmenskennzahlen in dem speziellen Bereich positiv zu beeinflussen und kein anderer kann es besser. - Anwendungsfälle ergeben sich aus den Erfahrungen, die Mitarbeiter im täglichen Betrieb sammeln
Gesunder Menschenverstand, Erfahrungswerte für Abwägungen zwischen Machbarem und Sinnvollem und ein Gespür für die echten Probleme in einem Unternehmensbereich sind relativ seltene Fähigkeiten, schwer zu erlangen und wenn dann über einen längeren Zeitraum im täglichen Geschäft entstanden. Das unverzichtbare Wissen, die sogenannte "Magic Sauce" für eine erfolgreiche Anwendung von analytischen Fähigkeiten ist und bleibt in den Fachbereichen. - Data Scientists brauchen das Know-how des Fachbereichs, um Modelle praxisrelevant zu entwickeln
Ein guter Data Scientist zeichnet sich durch ein breites Wissen von analytischen Methoden, Anwenderkenntnis von analytischen Technologien, Fähigkeiten zur Datenaufbereitung und Kreativität aus. Aber die Arbeit eines Risikoanalysten bei einer Bank und eines Marketinganalysten bei einem Online-Händler unterscheiden sich.<br /><br />Der Grund, warum sie ihre Jobs nicht ohne weiteres tauschen können, ist das Verständnis über ihren Fachbereich und das Wissen was funktioniert und was nicht. So wertvoll Datenprodukte für einzelne Fachbereiche sein können, häufig ist es ein Ansatz aus Testen und Lernen, der aus einem analytisch einwandfreien Modell ein für den praktischen Einsatz wertvolles und nachhaltiges Datenprodukt generiert. - Ergebnisse müssen interpretiert und Maßnahmen abgeleitet werden
Auch wenn der Data Scientist nicht im Fachbereiche angesiedelt ist: Eine enge Zusammenarbeit ist unerlässlich. Spätestens wenn es an das Verstehen von Ergebnissen und Ableiten von Maßnahmen oder die Integration in Geschäftsprozessen geht, nehmen Fachbereiche die Führungsrolle ein. Je enger die Einbindung während der gesamten Entwicklung des analytischen Anwendungsfalls, desto wahrscheinlicher ist die Akzeptanz und Relevanz für die Anwendung in den Fachbereichen. - Ein Data Scientists im eigenen Team schafft Agilität und Vorsprung
Sobald dem Fachbereich bewusst ist, welchen Mehrwert Analytics und die richtige Datenauswertung bietet, können sich Data Scientists häufig nicht mehr vor kurzfristigen Anfragen retten und müssen ihre Kapazität zwischen Fachbereichen balancieren. Arbeitet Data Scientist jedoch im eigenen Team, ist er schneller erreichbar. Analyseprojekte können dauerhaft weiterentwickelt werden und auf die immer schneller wechselnden Prioritäten vieler Fachbereiche kann reagiert werden. Der Data Scientist kann sich mit der Zeit Fachbereichswissen aneignen, entlastet somit andere Fachmitarbeiter und kann sie zugleich in ihren analytischen Fähigkeiten weiterentwickeln – als Hilfe zur Selbsthilfe für die Kollegen im Fachbereich.