5 Questions with Sebastian Klumpp
Was sind aus deiner Sicht die aktuellen Trends von Digitalisierungsstrategien in Unternehmen?
Ein absoluter Trend ist das Thema D2C und die damit verbundenen Strategien und Maßnahmen. Spätestens seit Mitte 2020 sehen wir verstärkt Digitalisierungsmaßnahmen bei bekannten Markenherstellern, insbesondere im Bereich des Aufbaus eigener E-Commerce Units und damit einhergehend natürlich weitere Digitalinitiativen.
Hersteller haben mehr als je zuvor verstanden, dass sie das Business selbst in die Hand nehmen müssen, auch um auf wertvolle Kundendaten aufbauen zu können und diese Erkenntnisse in die Produktentwicklung und den Service fließen zu lassen. Hieraus leiten sich viele Maßnahmen ab, die wir bereits vor einigen Jahren im Handel gesehen haben.
Hier bekommen im Konkreten der Verkauf über Marktplätze und Plattformen, aber vor allem auch das in diesem Kontext notwendige Thema Produktdaten (Attribute, Bilder, Texte, Preise, Versandkosten) einen sehr hohen Stellenwert. Es wird massiv in den Ausbau der Produktdatenqualität investiert und diese auch entsprechend in Realtime analysiert.
Welche Voraussetzungen gelten für den Erfolg von 'Data & Analytics' Initiativen im Unternehmen?
- Wissen wo Daten sind/zu beziehen sind
- Bereitschaft zum Teilen (Change)
- Datenqualität und -struktur
- Vorhandene Auswert- und Exekutierbarkeit
Am Ende zeigt die Erfahrung, dass es einerseits eine Demokratisierung von Daten benötigt, Abteilungen müssen übergreifend einen einfachen Zugriff auf Ihre Daten ermöglichen und dass die Datenqualität den stärksten Fokus bekommen muss. Es gilt: Shit in, shit out. Dies gilt sowohl für interne als auch für externe Daten. Unsere Kunden treffen maßgebliche Entscheidungen auf Grundlage der Daten, die wir zur Verfügung stellen. Preis-, Produkt-, Sortiments- und auch Partnerschaftsentscheidungen müssen auf Grundlage verlässlicher, verifizierter Daten getroffen werden. Hier gilt es nicht zu sparen, die Auswirkungen falscher oder nicht akkurater Daten ist enorm. Bspw. erholt sich der Markt von einmal falsch getroffener Entscheidung nur äußert schwer, manchmal gar nicht. Wir verfolgen das gerade im Bereich fehlerhafter Preise. Ein relevanter Marktakteur kann hier ein Produkt preislich ins Aus schießen. Alle anderen ziehen nach. Die Konsumenten verstehen dann nur schwer Korrekturen nach oben.
Hinzufügen möchte ich aber auch, dass das blinde Sammeln von Daten rausgeschmissenem Geld gleich kommt. Daten müssen nicht nur gesammelt und strukturiert – auf ihre Datenqualität geprüft werden – sondern vor allem auch analysiert werden können, sodass daraus auch Maßnahmen abgeleitet werden können. Oftmals erleben wir es, dass Daten in großen Mengen von uns bezogen werden, aber am Ende intern nicht ausgewertet werden können. Hier setzen wir – auch in der parsionate Gruppe – mit Data Science und Analytics Services an.
Was sind die drei wichtigsten Vorteile, die Unternehmen mit 'Data & Analytics' Tools erzielen können?
- Transparenz
- Geschwindigkeit
- Datengetriebene Entscheidungen
Wir schaffen mit unseren Daten und unseren Analytic-Tools Transparenz im E-Commerce. Viele unserer Kunden stehen vor dem Einsatz vor einer Blackbox des Handels. Es werden Entscheidungen über Kundensegmente, Marketingmaßnahmen, Preise und Sortimente sowie Produktportfolios auf veralteten Marktforschungsmethoden getroffen, die einfach nicht mehr der Dynamik des Markts entsprechen. Ich kann keine Umfrage unter X Konsument und das nur wenige Male im Jahr durchführen. Qualitativ ergibt das sicher oft Sinn, aber quantitativ und was die Dynamik betrifft eher nicht.
Die Daten sind da, in Realtime und in einem immensen Umfang. Aber wie zuvor schon beschrieben ist der alleinige Besitz nicht die Lösung, die Daten müssen mittels Data Science Maßnahmen (Machine Learning) und Analytics zu Erkenntnissen transformiert werden. Die Kunst ist, die Daten in hoher Frequenz zu beziehen und aus dem Rohdiamant das beste rauszuholen.
Wie verändern 'Data & Analytics' Technologien unsere Art zu arbeiten?
Erst einmal ist es wichtig, nicht nur Tools und Daten zu besitzen, sondern sie müssen auch verwendet werden. Wie so oft gibt es viele Initiativen, bei denen Tools und Daten angeschafft werden, aber am Ende verstauben sie im Schrank, weil sie im Alltag nicht anwendbar sind oder es andere Prioritäten gibt.
Die Frage, die wir uns immer wieder gemeinsam mit Kunden stellen ist, wie schaffen wir es, dass diese auch abteilungsübergreifend genutzt werden? Hier braucht es also nicht nur Software sondern auch Unterstützung, sodass die Verwendung gewährleistet ist und damit auch die richtigen Maßnahmen eingeleitet und umgesetzt werden. Analytics macht nur Sinn, wenn am Ende Themen identifiziert und vor allem gelöst werden.
Konkret: Es braucht Analysen für jeden Bereich im Unternehmen, die so verständlich und abteilungsspezifisch aufbereitet sind, dass Erkenntnisse und Maßnahmen ermöglicht werden.
Wir haben erst kürzlich in einem einjährigen Projekt eine Mannschaft von 40 Kategorie-Verantwortlichen (die Leute, die über Sortimente entscheiden und einkaufen im Handel) vom manuellen, täglichen Suchen nach aktuellen E-Commerce-Daten zu einer vollautomatischen Entscheidung befähigt. Und das ist nicht nur Software-nutzen-können, sondern vor allem auch die Herausforderung, mit Analysen aufzuzeigen, dass man Daten und der Maschine, die die ehemalige manuelle Arbeit vollautomatisiert, trauen kann!
Was würdest du Unternehmen empfehlen, die am Anfang von strategischen Datenmanagementprojekten stehen?
Immer den End-to-End-Prozess im Blick behalten, den Kunden dabei im Fokus behalten und agiles Vorgehen leben und nicht nur predigen. Heißt: Wirkliche MVPs starten und testen, schnelles Scheitern akzeptieren. Datenprojekte sind keine Blaupause, insbesondere da jedes Unternehmen unterschiedliche Datenbestände und Qualitäten vorliegen hat. Aber deshalb kommt es auch oft vor, dass Projekte nicht sofort den Benefit liefern, den man erwartet, es braucht auch Zeit, um die Organisation mitzunehmen.
Und wie immer Hausaufgaben machen. Den Data Scientisten einzustellen, ohne dass die Datenlage (Vorhandensein, Wissen an welchem Ort und Datenqualität / -stringenz etc.) geklärt ist, führt immer zur zeitnahen Kündigung und zur schlechten Stimmung im Unternehmen.