So machst auch Du aus Daten Gold! Lerne in diesem Artikel mit 10 Tipps, wie Du Daten erfolgreich zur Optimierung der internen Prozesse und Kundenkommunikation einsetzt. Mit der kostenlosen Infografik von datenGOLD (Am Ende des Artikels zum Download) hast Du alle Steps immer vor Augen und wirst zum Goldgräber!

Die Themen:

Data gehört in die Unternehmenskultur
1. Kenne das Ziel Deiner Webseite!
2. Lasse Deine Daten nicht verstauben, nutze sie!
3. Eine Schlacht gewinnt man mit Verbündeten!
4. Sorge für direkte Ergebnisse!
5. Spiele nicht mit falschen Daten!
6. Ein wenig Prahlen ist erlaubt!
7. Mit Teamwork ans Ziel!
8. Fail fast and often – aber lerne!
9. Daten für alle!
10. Wissen ist Macht!
Fazit

Daten sind das Gold des 21. Jahrhunderts.

Es ist nichts neues, dass Unternehmen wie Facebook, Spotify oder Amazon auch deswegen so erfolgreich sind, weil sie die Terabyte an Nutzerdaten gezielt zur Optimierung interner Prozesse und der Kundenkommunikation einsetzen. Einem Bericht der Aberdeen Group aus 2013 zufolge erzielten Unternehmen, die ihre Business Entscheidungen auf Basis von Daten stützten, ein jährliches Umsatzplus von durchschnittlich 27%, während andere Unternehmen lediglich 7% Wachstum vorweisen konnten.

Aber weshalb machen es dann nicht alle Unternehmen aus der Onlinebranche so? Weshalb bleibt ein Großteil des digitalen Datenbergs schlicht ungenutzt für wichtige Entscheidungsprozesse? Und vor allem: Wie kann man das ändern?

Data gehört in die Unternehmenskultur

Ein wesentlicher Grund für das ungenutzte Potential ist, dass es in vielen Unternehmen an einer datengetriebenen Entscheidungskultur fehlt. Oft werden Entscheidungen immer noch auf Basis von Erfahrungen, nach Bauchgefühl oder dem „HIPPO“-Prinzip (Highest paid person’s opinion) getroffen. Vielen Unternehmen ist gar nicht bewusst, wie sie ihre Prozesse durch datengetriebene Entscheidungen verbessern können. Einige sehen auch gar nicht den Mehrwert darin, da sie jahrelang auch ohne aufwendige Analysen erfolgreich gewachsen sind.

Kein Wunder, denn sie kennen den Wert der möglichen Fehlentscheidungen nicht und können nicht berechnen, wie hoch das Wachstum gewesen wäre, wenn man anstelle des großen Erfahrungsschatzes den großen Datenberg für Unternehmensentscheidungen eingesetzt hätte. Doch wenn man dann plötzlich feststellt, dass der Wettbewerb zu überholen droht, stellt man sich die Frage, was man anders machen sollte.

Nun ist es aber ja so, dass sich eine Unternehmenskultur über Jahre entwickelt und festigt. Unternehmenswerte müssen verinnerlicht und gelebt werden, indem sie tief in der Denk- und Arbeitsweise der Mitarbeiter verankert sind. Nur so lassen sich langfristig Unternehmensprozesse ändern.

Das klingt kompliziert und nach jahrelanger Arbeit. Das ist es auch. Aber die gute Nachricht ist, dass Du damit direkt starten kannst. Wenn das eigene Handeln an einer datengetriebenen Denkweise ausgerichtet ist und Du als Vorbild agierst, trägst Du zu einem schrittweisen Umdenken in Deinem Unternehmen bei.

Wie das funktionieret, zeigen Dir die 10 folgenden Bausteine für eine datengetriebene Unternehmenskultur.

1. Kenne das Ziel Deiner Webseite!

„Was wollen wir eigentlich mit unserer Website erreichen?“

Dies ist im Grunde genommen eine einfache Frage, auf die man jedoch unterschiedliche Antworten erhält – je nachdem, wen man im Unternehmen fragt:

• Antwort 1: „Klare Sache. Verkaufen, also Umsätze. Was denn sonst?“
• Antwort 2: „Umsatz, ja ok. Aber wir sollten doch eher auf die Zahlen nach Retoure gucken.“
• Antwort 3: „Eigentlich geht es eher darum, die Offline Verkäufe zu pushen.“

Wenn nicht klar ist, was das eigentliche Ziel ist, ist auch unklar auf welche KPI die eigenen Entscheidungen ausgerichtet werden sollen. Dabei kann es ja durchaus mehrere Unternehmensziele geben. Diese sollten aber in eine priorisierte Zielmatrix gebracht und unternehmensweit geteilt werden.

Im nächsten Schritt ist es wichtig, eine einheitliche Vorstellung davon zu haben, wie genau diese Ziele gemessen werden.

Ein Beispiel:

Als Hauptziel hat das Unternehmen festgelegt, die Kundenbindung zu erhöhen. Aber was genau ist das eigentlich? Dieses Ziel kann unterschiedlich gemessen werden: Durch die Anzahl der Wiederkäufer, die Abwanderungsrate (Churn Rate) oder den langfristigen Kundenwert. Es muss klar sein, was unter diesem Unternehmensziel verstanden wird und wie die Zielerreichung mit Daten quantifiziert werden kann.

Die Unternehmensziele werden für einzelne Abteilungen in Form von Unterzielen definiert, denn unterschiedliche Abteilungen verfolgen in der Regel auch unterschiedliche Ziele. Alle Zielgrößen zahlen jedoch auf das unternehmensweite Ziel ein. Diese Subziele sind durch Daten messbar und dienen den einzelnen Teams als Evaluationskriterium der eigenen Arbeit.

2. Lasse Deine Daten nicht verstauben, nutze sie!

Laut Forrestor wollen 74% der Unternehmen „data driven“ sein, aber nur 29% schaffen es, aus der Unmenge der gesammelten Daten wirkliche Ableitungen zu treffen (Smart Data).

Das reine Sammeln von Daten ist bei den meisten Unternehmen der Onlinebranche nicht das Problem. Im Gegenteil: Alle möglichen Aktionen des Nutzers auf und außerhalb der Website werden erfasst und in unterschiedlichste Datenbanken geschrieben. So ergibt sich nach einiger Zeit ein unübersichtlicher Berg an Daten. Was es dann wirklich zu einer Herausforderung macht ist, die richtigen Fragen zu stellen und in der Folge die richtigen Insights und Ableitungen aus der Unmenge an Daten zu ziehen. Mehr dazu in diesem Artikel. Wir bei konversionsKRAFT sprechen in diesem Zusammenhang auch von datenGOLD.

„Actionable Insights“ ist hier das Stichwort, fast schon zu einem inhaltsleeren Buzzword verkommen. Man sollte sich hingegen an einen klaren Prozess der Datenanalyse halten, um die relevanten Fragestellungen richtig beantworten zu können:

Wie dieser Prozess im Detail funktioniert, erfährst Du in der Infografik zum datenGOLD-Prozess. Diese gibt es kostenlos zum Download am Ende des Artikels. ↓

3. Eine Schlacht gewinnt man mit Verbündeten!

Oft wird darüber diskutiert, ob eine datengetriebene Unternehmenskultur etwas ist, was sich top-down oder bottom-up entwickeln sollte. Letztendlich ist es ein Zusammenspiel beider Seiten.

Wie schwierig es wird, wenn eine der beiden Seiten nicht mitzieht, zeigt sich zum Beispiel, wenn ein Data Analyst auf den sogenannten Hippo trifft, eine Führungsperson die bei wichtigen Entscheidungen stets auf ihr „Gefühl“ (das heilige gut feeling) und eine oft langjährige Erfahrung vertraut. Es gibt sogar Fälle dieser Spezies, die sich fast schon weigern, einen Blick in die aufwendigen Analysen zu werfen, die man extra erstellt hat und die eigentlich genau das Gegenteil des gut bezahlten Bauchen aussagen.

Als datengetriebener Analytiker heißt es dann erst einmal: Ruhe bewahren und sich eine Strategie zurechtlegen, wie man den Support trotzdem bekommt. Denn dieser ist wichtig, um die Unternehmensprozesse nachhaltig zu beeinflussen:

• Ziele: Versetze dich in die Lage des Managers. Welche Ziele hat er? Was ist seine Strategie? Wie kannst Du ihn bei der Erreichung der Ziele mit Hilfe von Datenanalysen unterstützen?
• Potenzialanalyse: Durch einen Business Case kann man den zusätzlichen Wert datengetriebener Optimierungen für das Unternehmen in EUR quantifizieren oder aufzeigen, wie hoch der Verlust ist, wenn man sich bei den Bauchentscheidungen mal irrt.
• Benchmarking: Zeige auf, wie der Wettbewerb mit dem Datenbestand erfolgreich arbeitet und welche Auswirkungen dies auf das Unternehmenswachstum hat. Was passiert, wenn man ständig dem Wettbewerb hinterher hängt? Dann wird das eigene Unternehmen langfristig von der Konkurrenz abgehängt und vielleicht sogar vom Markt verdrängt.

4. Sorge für direkte Ergebnisse!

Klar kann man damit anfangen, in einem 18-monatigen Projekt erst alle Datenquellen miteinander zu verbinden, das Tracking neu aufzusetzen und alle notwendigen Tools anzuschaffen, zu testen und zu implementieren.

Genauso kann man statt einfacher Analysen direkt mit dem Aufbau eines neuronalen Netzwerkes starten, das dann in 12 Monaten entwickelt ist und Ergebnisse bringt.

Beides ist keine gute Idee.

Erste Datenanalysen sollen ohne langwierige, teure Projekte ROI erzielen. Wenn diese erfolgreich sind, kommt der Support und das Budget für größere Projekte fast von alleine, einfach weil das Vertrauen da ist.

Das Data Analytics Team ist kein Labor, in dem jahrelang geforscht wird, bis man mit der Weltherrschaftsformel nach draußen kommt. Es muss immer praktisch, businessrelevant und zielführend bleiben.

Oft sind es schon kleine Dinge, die wenig Aufwand haben, aber für bestimmte Teams extrem hilfreich sind. So zum Beispiel ein vernünftig aufgesetzter Report zur Nutzung der Filter im Onlineshop, eine saubere Analyse der Warenkorbwerte bereinigt um die extrem hohen Bestellungen aus dem B2-Bereich oder die Analyse von A/B-Testergebnissen für bestimmte Kundensegmente (z.B. Neukunden).

5. Spiele nicht mit falschen Daten!

Datengetriebene Entscheidungen bringen nur dann wirklich etwas, wenn die Daten richtig sind. Sicherlich wirst Du sofort zustimmen, wie frustrierend es ist, wenn man wichtige Entscheidungen auf Basis von Daten treffen muss, bei denen man vermutet, dass sie falsch sind. Gerade beim Tracking des Nutzerverhaltens auf der Website tauchen oft fehlerhafte Implementierungen auf, die zum Beispiel dazu führen, dass nicht alle Seitenaufrufe, Conversions oder Klicks korrekt erfasst werden.

Bevor man mit der Analyse startet, sollte vorher auch immer eine Plausibilitätsprüfung und Datenbereinigung erfolgen. Das gilt auch beim Thema Datenintegration und der Verknüpfung unterschiedlicher Datenquellen, z.B. Daten aus dem CRM-System mit den Onsite-Daten.

Wird ein A/B-Testingtool verwendet, empfiehlt es sich, dieses mit dem Web Analytics System zu verknüpfen. So sind nicht nur tiefere Analysen der Testergebnisse für einzelne Segmente möglich, sondern auch eine Prüfung der Datenkonsistenz.

Aufgrund von unterschiedlichen Trackingverfahren und Cookie-Definitionen wird es zwar immer leichte Abweichungen zwischen beiden Systemen geben. Wichtig ist jedoch, dass die Tendenz stimmt, dass also beide Systeme die gleiche Ergebnisrichtung anzeigen. 

Oft finden sich im Web Analytics Tool unterschiedliche Messungen von ein und derselben KPI. Obwohl hier keine Fehler in den Daten vorliegen, haben diese unterschiedlichen Berechnungen doch eine ziemlich unterschiedliche Bedeutung. Das zeigt das folgende Bild am Beispiel, wie die Conversion Rate gemessen werden kann:

Je nachdem, welches Ziel die Analyse erfolgt, würde man eine andere KPI wählen: 
Geht es darum herauszufinden, ob ein Optimierungskonzept dazu führt, dass Nutzer überhaupt bestellen, würde man die Unique Conversions / Visitors verwenden. 
Geht es eher darum, Nutzer zu binden und auch Folgebestellungen zu erfassen, wäre die zweite Definition der Conversion Rate passender.

In Web Analytics Systemen findet man oft mehrere Conversion Rate Definitionen, die für Analysen verwendet werden können. Wichtig ist, dass die unterschiedliche Bedeutung klar und zugänglich ist.

6. Ein wenig Prahlen ist erlaubt!

Genauso wichtig, wie erfolgreiche Data Projekte schnell auf den Weg zu bringen ist es, die Sichtbarkeit des Themas im Unternehmen zu erhöhen.

Das kann zum Beispiel in Form regelmäßig stattfindender Team- oder Abteilungsevents erfolgen ,in denen Kollegen ein Update über ihre Projekte geben. Eine kleine Präsentation darüber, wie der letzte A/B-Test die Conversion Rate signifikant gesteigert hat und dabei mit Hilfe von Segmentierungsanalysen sogar noch neue Erkenntnisse zum Kundenverhalten entstanden sind, das ist das wahre datenGOLD.

Einige Unternehmen haben auch ein internes Kommunikationssystem (Intranet) oder einen Blog, den man gezielt nutzen kann. Lasse die anderen Teams sehen, wie man schon mit einfachen Analysen einen Wert für das Unternehmen erzeugen kann. So steigt nicht nur der Ehrgeiz dafür, auch so einen Erfolg vorweisen zu wollen. Die anderen werden auch noch von ganz allein dazu gebracht, mehr Daten in ihre Entscheidungen einbinden zu wollen.

7. Mit Teamwork ans Ziel!

 Die meisten großen Unternehmen aus dem Online-Bereich haben die Kompetenzen rund um das Thema Daten in einem Team geclustert. Diese Form der Organisation hat einen guten Grund: Wenn man das Thema innerhalb des Unternehmens professionalisieren möchte, braucht es auch ein Team, das sich zentral um alle Belange rund um das Thema kümmert.

Innerhalb des Teams gibt es unterschiedliche Rollen und Verantwortlichkeiten, die klar definiert sind. So läuft der Prozess der Datensammlung, der Analyse und der Generierung von Insights koordiniert und zielgerichtet ab.

Dieses Team ist ein zentraler Anlaufpunkt für andere Abteilungen, die Unterstützung im Bereich Datenanalyse benötigen. Der Projektmanager sorgt dafür, dass die Zusammenarbeit mit den anderen Abteilungen gut organisiert ist und fungiert als Interface zwischen den beiden Welten Business und Science, die es hier zu vereinen gilt.

Zudem sorgen die Experten dafür, dass das Thema ausreichend Sichtbarkeit nach außen bekommt und das Wissen auch an andere Abteilungen weitergegeben wird (Stichwort Enabling). Im besten Fall wird dieses Team auch einbezogen, wenn es darum geht, welche Rolle Daten in der mittel- bis langfristigen Unternehmensplanung spielen sollen und wie man wichtige strategische Ziele durch Datenanalysen und die richtige technische Infrastruktur erreichen kann.

8. Fail fast and often – aber lerne!

Klar, gerade wenn man etwas Neues ausprobiert, geht mal etwas schief. Oder vielleicht auch zweimal. Startet man das erste Data Analytics Projekt und es bringt nicht den Output, den man sich erhofft hat, ist es mit dem ersten Hype oft schnell vorbei.

Um das zu verhindern, startet man in der Regel mit kleineren Projekten, bei denen die Wahrscheinlichkeit, dass sie wirklich erfolgreich sein werden, sehr hoch ist. Trotzdem lassen sich Misserfolge nie ganz vermeiden. Die Frage ist nur, wie man dann damit umgeht. Niemand geht gerne zu seinem Chef, um ihm zu berichten, dass man mit dem letzten A/B-Test keinen signifikant positiven Effekt oder sogar einen Downcast erzeugt hat.

In einem Artikel erklärt Gabriel Beck, wie man trotzdem Erkenntnisse aus dem Test ziehen kann, welche für marketingrelevante Entscheidungen genutzt werden können. Und das ist genau der Punkt. Ein vergeigtes Projekt bleibt ein vergeigtes Projekt. Aber mit den richtigen Erkenntnissen, weshalb das eigentlich so gelaufen ist, lassen sich oft wichtige nächste Schritte ableiten, die letztendlich doch noch zu einem messbaren Unternehmenserfolg führen können.

9. Daten für alle!

Um bei möglichst vielen Unternehmensentscheidungen auf Daten zurückgreifen zu können, braucht es einen uneingeschränkten Zugang zu den Datenquellen. Damit ist allerdings nicht gemeint, dass man allen Teams Zugang zu den Rohdaten in Form von riesigen Log-Files ermöglicht.

Wichtig ist vielmehr, gute Tools zur Verfügung zu stellen, die es ermöglichen, bequem und zielführend mit Daten zu arbeiten. Schlechte Tools führen langfristig dazu, dass immer weniger Daten in die Entscheidungsprozesse mit einbezogen werden. Eine gute technologische Dateninfrastruktur und Tools, die individuelle Bedürfnisse decken, sind deshalb ein wichtiger Baustein, um eine „data driven culture“ wirklich leben zu können.

10. Wissen ist Macht!

Datenzugang und Tools haben keinen Mehrwert, wenn der richtige Umgang damit fehlt. Grundlegende Kenntnisse aus den Bereichen Statistik, Mathematik und Excel oder R sind wichtig für valide Analysen und das Ableiten der richtigen Maßnahmen. Dabei muss man wirklich kein studierter Statistiker sein, um Daten in seine Entscheidungsprozesse mit einzubeziehen.

Die meisten Unternehmen haben Experten für diese Bereiche (siehe 7. Data Analytics Team), an die man sich wenden kann, wenn es kompliziert wird. Dennoch ist es hilfreich, sich selbst die wichtigsten Fähigkeiten beizubringen, um möglichst viel selbst zu machen. So wird die Integration von Daten in den eigenen Arbeitsprozess mit der Zeit immer selbstverständlicher und einfacher.

Fazit

Eine datengetriebene Unternehmenskultur kann nur dann entwickelt werden, wenn es Werte gibt, die von den Mitarbeitern konsequent gelebt und nach außen getragen werden. Dies erfordert, dass man den Mehrwert von Daten für Unternehmensentscheidungen erkennt und so oft wie es geht, versucht, Daten in seinen eigenen Prozess zu integrieren, um bessere Entscheidungen treffen zu können.

Alle 10 datenGOLD – Tipps im Überblick

1. Kenne das Ziel Deiner Webseite!

# Quantifiziere die Ziele des Unternehmens und Deiner Abteilung durch die richtigen KPIs.

# Maßnahmen sollten gezielt geprüft werden, ob sie das Potenzial haben, diese KPIs zu steigern und zum Unternehmenserfolg beizutragen.

2. LasseDeine Daten nicht verstauben, nutze sie!

# Schau nicht zu, wie der Datenberg immer größer und unübersichtlicher wird, sondern nutze die richtigen Daten, um wichtige Fragen zu beantworten.

3. Eine Schlacht gewinnt man mit Verbündeten!

# Sei hartnäckig und gib nicht auf, die Skeptiker von den Vorteilen eines datengetriebenen Vorgehens zu überzeugen.

# Auch wenn das oft mühsam ist, wird es Dir langfristig helfen, Support für die richtig großen Data-Themen zu bekommen.

4. Sorge für direkte Ergebnisse!

# Mach es am Anfang nicht zu kompliziert, sondern fokussiere dich auf die Low-Hanging Fruits. Das schafft schnell den ersten Daten-ROI und vor allem Vertrauen.

5. Spiele nicht mit falschen Daten!

# Eine gute Tracking Dokumentation, in der die Berechnung der Web Analytics KPIs erfasst wird, schafft für Klarheit.

# Diese sollte man stets auf dem Laufenden halten und allen Teams, die mit Daten arbeiten, auch zugänglich machen.

6. Ein wenig Prahlen ist erlaubt!

# Sei der Data Analytics- Evangelist. Sprich soviel es geht über das Thema und schaffe Bewusstsein und Interesse auf allen Ebenen.

# Nutze diese Chance und sei ein Vorbild für Deine Kollegen, um zu zeigen wie man Daten gewinnbringend einsetzen kann.

7. Mit Teamwork ans Ziel!

# Auch für kleinere Unternehmen macht es Sinn, Mitarbeiter mit einem analytischen Hintergrund auch in der Organisationsstruktur zusammenzubringen.

# So fördert man nicht nur den Austausch der Experten untereinander, sondern zeigt auch, welche Relevanz dieses Thema im Unternehmen hat.

8. Fail fast and often – aber lerne!

# Lass dich von Misserfolgen nicht entmutigen, sondern lerne dazu, wie es beim nächsten Mal besser laufen wird.

# Ein „Lessons learned“-Termin führt dazu, dass Schwachstellen aufgedeckt und optimiert werden.

9. Daten für alle!
# Führe eine Bedarfsanalyse bei der Toolauswahl durch. Finde heraus, welche Teams mit den Tools arbeiten und was für sie dabei im alltäglichen Umgang wichtig ist.

# Bevor man sich entscheidet, bieten sich Testphasen an, um herauszufinden, ob diese Anforderungen im Praxistest gedeckt werden.

10. Wissen ist Macht!
# Verbreite das Wissen der Data Analytics Experten im Unternehmen, z.B. durch interne Trainings, Workshops und einer engen Zusammenarbeit zwischen dem Analytics Team und anderen Abteilungen.

Die datenGOLD – Infografik zum kostenlosen Download

Hol Dir Deinen Weg zum datenGOLD und werde mit datengetriebenen Entscheidungen zum Goldgräber! Klicke auf die Vorschau, um dir die komplette Infografik als PDF (ca. 4 MB) herunterzuladen.