Im Rahmen des CAS Digital Finance diskutierte Robert Schumacher, Director bei gateB, mit den teilnehmenden Studierenden “the Power of Big Data” oder wie datenbasiertes Marketing in einer digitalen Welt funktioniert. Hierzu berichtet Uli Dolmetsch:

Bevor mit dem eigentlichen Wissenstransfer zum Thema Big Data gestartet wurde, zeigte R. Schumacher den Studierenden anschaulich auf, dass bei der Präsentation faktenbasierter Inhalte nicht nur das “was”, sondern auch das “wie” eine entscheidende Rolle spielt. Die Visualisierung von Daten hilft, diese einfacher zu verstehen und richtig zu interpretieren.

Nach diesem kurzen interessanten Intro und der Feststellung der Tatsache, dass das Marketing immer mehr unter Druck gerät, da die Unternehmen zunehmend einen Beweis der Wirksamkeit der diversen Aktivitäten einfordern, rückte das eigentliche Thema in den Fokus.

Von Big Data zu Smart Data

Nach Gartner’s Hype Cycle of Emerging Technologies ist der Begriff Big Data lang über den Status des “Hype” heraus und befindet sich eher in einer Phase der Ernüchterung. Es geht nicht mehr per se darum, einfach möglichst viele Daten zu haben, es geht darum, die richtigen, relevanten Daten zu kennen und diese richtig zu kombinieren. Erst damit kann tatsächlich Nutzen aus Daten generiert werden. Damit wird aus Big Data Smart Data.

Das Wachstum der Datenvolumen jedoch wird ungebremst weiter voranschreiten. Die Datenvolumen werden sogar exponentiell weiterwachsen. Exemplarisch sei hier die mit IPv6 neue Möglichkeit an Internet-Adressen genannt. Statt rund 4 Milliarden Internet-Adressen wie mit der bisherigen Technologie stehen mit IPv6 nun 340’000’000’000’000’000’000’000’000’000’000’000’000 (in Worten: 340 Sextillionen) Adressen zur Verfügung. Dies unterstreicht nochmals deutlich, dass die Herausforderung zukünftig noch stärker darin bestehen wird, aus den Unmengen an Daten die relevanten Daten herauszufiltern und durch Kombination dieser einen konkreten Nutzen zu generieren.

Die vier V

Dass Big Data, wie der Name schon sagt, mit Volumen zu tun hat, ist klar, aber wie lässt es sich definieren? Am einfachsten lässt sich Big Data mit den vier “V” erklären: Volume, Variety, Velocity und das wichtigste: Value. Zu Erkennen, dass Daten grundsätzlich wertvoll sind für ein Unternehmen und damit auch nicht als Kostenblock innerhalb einer Unternehmung betrachtet werden, ist die Basis für eine erfolgreiche Big-Data-Nutzung bei Unternehmen. Damit sei das Thema Big Data möglichst nicht bei der IT oder aber als Stab beim Management Board anzuhängen, so Schumacher.

Weitere Voraussetzung für erfolgreiches Nutzen von Big Data ist die transparente Information über die Nutzungsabsichten der Kundendaten gegenüber den Kunden, um etwaiges Konfliktpotenzial und damit entsprechende Reputationsrisiken für die Unternehmung zu unterbinden. Sobald die Kundinnen einen Nutzen für die zur Verfügung-Stellung der Daten erhalten, stellen sie diese auch zur Verfügung.

Big Data und digitale Transformation

Nach den eingehenden Ausführung zu Big Data und was dies eigentlich ist, ging es um die Frage der digitalen Transformation und wie diese mit dem Thema Big Data zusammenhängt. Kurz gesagt: Daten sind die Grundlage und der Treiber der digitalen Transformation. Ohne Daten keine digitale Transformation. Was ist unter digitaler Transformation zu verstehen? Es ist nicht der Ersatz des Briefes durch E-Mail oder aber die Weiterentwicklung von Technologien wie beispielsweise die Entwicklung von der LP zur CD. Dies sind rein funktionale Optimierungen durch den Einsatz besserer Technologien. Aber, um im Beispiel der Musik zu bleiben, eine digitale Transformation war der Prozessmusterwechsel von der CD oder auch mp3 zu beispielsweise Spotify. Hier hat eine komplette Verhaltensänderung stattgefunden und nicht nur eine technologische Weiterentwicklung.

Digitale Transformation ist also weniger die technologische Entwicklung als solches, sondern das Herbeiführen einer nachhaltigen Verhaltensänderung in der digitale Welt und damit einer disruptiven Veränderung. Die Herausforderung für Unternehmen dabei ist, der Adaptionskurve der Kunden bei neuen digitalen Technologien möglichst folgen zu können und v.a. aus den neuen digitalen Technologien Nutzenstiftendes für die Kundinnen bereitstellen zu können. Gelingt dies den Unternehmen nicht innert nützlicher Frist, wird dies für die betroffenen Unternehmen zu massiven Problemen führen.

Digitales Marketing

Auch das Marketing ist längst in der digitalen Welt angekommen und nutzt diese für seine Zwecke. Hierzu führt Schumacher einige interessante Beispiele auf, wie C&A Brasil, wo zu jedem Kleidungsstück gleich die Likes der Bevölkerung mitgeliefert werden, oder aber die App Amazon Flow, bei der mittels Foto eines Produkts automatisch der direkte Link zu Amazon hergestellt wird. Jeder Shop wird also zum potenziellen Amazon-Store (Potenzial zum Disruptiv!?).

Customer Intelligence: Datenbasiertes Marketing

Datenbasiertes Marketing führt zu höheren Erfolgsquoten. Anschaulich zeigt dies das Beispiel Migros mit Cumulus. Durch Big Data Analytics der Cumulus-Daten und den daraus resultierenden kundenfokussierten und verhaltensspezifisch zusammengestellten Coupons für die Kunden konnte die Einlösequote gegenüber der One-Fits-All-Logik früherer Zeiten verzehnfacht werden. Dies führt zur logischen Schlussfolgerung, dass eine kundenindividuelle Ansprache nicht schlechter sein kann, als einfach alle Kundinnen anzusprechen.

Für kundenindividuelle Ansprachen bedarf es auch komplexer analytischer Modelle mittels Data Mining. Diese Modelle werden ständig mit neuen Informationen gefüttert und sind in der Lage, stetig dazu zu lernen. In einfachen Worten ausgedrückt wird mit diesen Modellen u.a. versucht, kundenindividuelle Verhaltensmuster anhand einer Vielzahl von Variablen festzumachen und mittels dieser Verhaltensmuster prädiktiv entsprechende Massnahmen ergreifen zu können. Es gibt unzählige Beispiele, die aufzeigen, dass mittels Kundenanalytik gebildete Zielgruppen in Kampagnen die höheren Erfolgsquoten ausweisen. Verifizieren lässt sich dies einfach mittels A/B-Tests.

Anwendungsbeispiele

Final wurden einige Anwendungsbeispiele aufgezeigt resp. in Gruppenübungen selbst erarbeitet. So nutzt die PostFinance heute beispielsweise rund 150 Geschäftsfälle, als Trigger für ihr ereignisbasiertes Marketing. Oder aber Swisscom, welche Telefonanrufe von Kunden in die Call Center auswertet (also unstrukturierte Daten nutzt), um Indikationen für etwaige Problemfelder bei ihren Produkten resp. Unzufriedenheiten von Kundinnen frühzeitig zu erkennen.

Für eine erfolgreiche Umsetzung von datenbasiertem Marketing in Unternehmen, führt Schumacher abschliessend aus, sollte man gross denken, aber im Kleinen anfangen. Das heisst: mit einem Piloten starten, der nicht zu gross und damit komplex und politisch heikler ist, aber doch so gross ist, dass er eine gewisse Prozessanpassung mit sich bringt. Wichtig ist ferner, schnell Resultate zu schaffen und entsprechend zu visualisieren, womit sich der Kreis des spannenden Tages schliesst.

(Wer sich mit dem Thema vertiefter Auseinandersetzen möchte, dem sein das Buch “Smart Data” von Björn Bloching, Lars Luck und Thomas Ramge ans Herz gelegt.)