Warum Big Data nur mit eigenen Daten gut funk...
 

Warum Big Data nur mit eigenen Daten gut funktioniert

Johannes Brunnbauer
Hilton
Hilton

Data Ownership ist einer der kritischen Erfolgsfaktoren für eine Big Data-Strategie. Und auch die Suche nach passenden Fachkräften ist nach wie vor eine Herausforderung.

Ohne die richtige Analyse hilft auch die größte Datenbank nicht weiter. Das Verständnis um die gesammelten Daten ist Voraussetzung für die zielgerichtete Strategie. Echtzeitentscheidungen sind der Schlüssel. Die Datenzusammenführung aus Business Intelligence, CRM und Webanalyse hilft bei der besseren Sicht auf die Kundenbedürfnisse. Professionelle Datenanalysten sind gefragt – Tendenz steigend. Wie wappnen sich Unternehmen für die immer komplexer werdenden Aufgaben?

Über diese und andere Fragen diskutierten auf dem Werbeplanung.at Summit unter der Moderation von Eugen Schmidt (AboutMedia) die Experten Jürgen Seitz (Hochschule der Medien Stuttgart), Michael Vaclav (.brandREACH), Susanne Koll (Omnicom Media Group) und Georg Kalandra (Hutchison Drei Austria GmbH).

In seinem Impulsvortrag präsentierte Seitz eine Studie, in der die Schwerpunkte und Chancen des Themas Big Data skizziert wurden. Daten allgemein, aber vor allem die eigenen Daten stehen laut Seitz oben auf der Prioritätenliste: „Data Ownersip ist den Entscheidern wieder wichtig“, sagt er. Weiters steht auch Customer Centricity im Fokus, also der Kunde per se. Denn auch das kundenorientierte Verhalten ist das oberste Ziel auf der Agenda, noch vor mehr Umsatz. Wichtigste Herausforderung dafür ist ein ganzheitliches Bild des Kunden, darunter vor allem die Cross-Device-Sicht und die Integration von Offline-Daten, inklusive CRM-Daten und künftig auch Offline-Touchpoints. Das muss künftig gelöst werden, um ein ganzheitliches Bild zu bekommen, sagt Seitz. Die Investitionsbereitschaft ist in den Unternehmen generell hoch, vor allem liegt die Priorität auf dem Ausbau von Inhouse-Kapazitäten und de Integration von Datensilos -  so soll die Grundlage geschaffen werden, um von Big Data zu profitieren. Wirtschaftliches Potenzial wird heute vor allem in Personalisierung der User Experience gesehen, dadurch soll die Conversion Optimierung verbessert werden. Hier spielt natürlich auch wieder die DSGVO eine Rolle, der Unternehmen müssen von ihren Kunden ein Opt-In einholen. „Das braucht man, um Data Ownership zu gewährleisten“, sagt er. Auch Data Leakage ist ein Thema: Wo fließen Daten in der Wertschöpfungskette ab an Third Parties?

Data Ownership und das Problem der Silos

In der anschließenden Diskussion griff Schmidt das Thema Data Ownership auf. Funktioniert es überhaupt, die Datensilos aufzulösen? „Es ist eine hochspannende Zeit“, sagt Koll euphemistisch und erntet dafür Gelächter: „Als Mediaagentur sind wir es gewohnt, mit Daten umzugehen, aber es wird immer komplexer. Man muss aber auch Daten, und vor allem die Qualität der Daten, in Frage stellen.“ First Party Data sei absolute Priorität – denn wer Daten aus dem Haus gibt, hat das Thema nicht verstanden, sagt Koll.

Kalandra betont in Sachen DSGVO, dass die Telcos schon seit Jahren strengen Gesetzen unterliegen, nun ist mehr Aufwand durch zum Beispiel das Recht auf Löschung hinzu gekommen. Die Daten befinden sich bei Hutchison Drei inhouse und werden anonymisiert genutzt: „Wir können Nutzgruppen bilden, aber dürfen keine Rückschlüsse auf einzelne Kunden machen“, sagt er: Die IT-Systeme wissen zwar über den einzelnen Kunden Bescheid, die Daten werden dann aber gehashed und anonymisiert - die Mitarbeiter wissen also gar nichts. „Wir machen also nur einen Bruchteil von dem, was technisch theoretisch möglich wäre“, sagt Kalandra.

„Die Daten, die man selbst hat, darf man verwenden“, betont auch Vaclav – wobei es angesichts der DSGVO fraglich sei, was man davon tatsächlich nutzen kann. Ein Problem sei, dass einige Unternehmen viele Daten sammeln, sie aber nicht verwenden und an vielen Stellen Silos bilden. „Daten können verrotten“, betont Vaclav: Die Daten eines 14jährigen sind zehn Jahre später nutzlos – das zeigt sich etwa in der Branche Kino und Unterhaltung, wo die Kunden eine Mitgliedskarte anlegen und angeben, für welche Kategorie sie sich interessieren - als 17jähriger Mann interessiert sich der Kunde für Actionfilme, zehn Jahre später ist er Vater und will eher Kinderfilme im Kino sehen. „Es ist spannend, wie sich die Affinitätsmatrix von einzelnen Personen ändert und was man daraus ableiten kann“, sagt Vaclav.

Digital als Ergänzung

Verdrängt Online durch die Macht von Big Data die Klassik? „Man liest immer, dass Print und TV tot sind und nur noch digital zählt“, sagt Koll: „Das stimmt aber nicht, es ergänzt sich.“ Die Frage sei, ob man lauter schreit oder es schlauer macht, um zum Kunden durchzudringen: „Ich bin für schlauer“, sagt sie. Man argumentiert dies dann immer vor dem Kunden, doch diese argumentieren dann oft, dass der Sohn des Kunden ein spezifisches Konsumverhalten habe – eine Stichprobe, die nicht unbedingt repräsentativ ist. „Das Denken in Unternehmen muss sich ändern, das Durchbrechen von Silos der Daten innerhalb oder mit den Agenturen zusammen muss noch stattfinden“ sagt Koll.

Seitz: betont, dass die negative Sichtweise in Europa das Problem bei der effizienten Nutzung von Big Data sei - China hingegen ist vom „Economist“ zuletzt als das Saudi Arabien der Daten bezeichnet worden.

Gesucht: Data Analysten

Und wie sieht es mit dem Fachkräftemangel aus, also der Suche nach geeigneten Datenanalysten? Die Ausbildung ist das Problem, sagt Seitz: Zwar schicken Eltern ihre Eltern in entsprechende Studiengänge – dennoch gibt es noch weit weniger Datenexperten als wirklich gebraucht werden.

„Viele machen Datenanalyse nur einmal“, kritisiert Vaclav in Bezug auf die Herangehensweise: „Datenanalysen sind aber nur Hypothesen, noch kein Ergebnis. Nur durch laufende Analysen, repetitive Tests - auch mit Dingen die vorher nicht funktioniert haben - können wir das Potenzial wirklich nutzen.“

„Viele bezeichnen sich als Data Scientists, wenn sie nur ein bisschen Excel können“, bemängelt Kalandra: Er muss aber die Kunst der Algorithmen können. Zum Beispiel wollte eine Bäckerei wissen, ob ein Standort für eine neue Filiale interessant ist – Kriterium dafür war, ob genug Familien sich in der Gegend aufhalten. „Ich konnte zum Beispiel sehen, dass eine Schule in der Nähe ist und die passende Zielgruppe vorbei kommt“, sagt Kalandra: „Um das zu machen, brauche ich aber jemand, der über den Tellerrand blickt und sich die lokalen Gegebenheiten anschaut.“ Das sei auch das Asset gegenüber Google und Facebook: „Wir sind lokal verankert und machen es spezifisch auf das Segment.“

„Wir müssen umdenken, Silos aufbrechen, Hypothesen aufstellen und dann A/B-Testing bis zum Abwinken“, sagt Koll: Und man müsse auch den Mut haben, vor dem Kunden zuzugeben, dass etwas nicht funktioniert hat. 

stats