Hürden überwinden
Markt- und Verbraucherdaten besser nutzen
Wie KMUs Hürden bei der Demokratisierung der Datenwissenschaft überwinden
Dualität zwischen Datenquellen
In Gesprächen mit Teams für Verbraucher- und Markteinblicke zeigt sich oft eine gewisse Dualität zwischen Einsichten aus Marktforschungsdaten im engeren Sinne (Primärdaten aus Umfragen) und Einsichten aus anderen Datenquellen (Social Media Monitoring, Paneldaten, Online-Performance usw.). In Zeiten datenbasierter Wertschöpfung erscheint es umständlich und ineffizient, verschiedene Datenquellen und somit auch Wissensreservoirs voneinander getrennt und für analytische Ansätze verfügbar zu halten. Prozesse und Strukturen, die sich über Jahrzehnte entwickelt haben, lassen sich jedoch nicht durch eine einzelne, definierbare Initiative ersetzen.
Innovativer Ansatz notwendig
Was benötigt wird, ist ein innovativer Ansatz, der die spezifischen Umstände von Markt- und Verbraucherdaten berücksichtigt. Wie kann dies erreicht werden, insbesondere in mittelständischen Unternehmen mit begrenzten Ressourcen?
Verknüpfung von Mehrwerten in großen Unternehmen
In großen Unternehmen sind die Aktivitäten und Ergebnisse der Verknüpfung des Mehrwerts, der aus Daten generiert werden kann, offensichtlich: Beispielsweise durch die Bündelung von Expertise und Methoden in Datenintelligenzzentren, wo Analysten, Datenwissenschaftler und KI-Spezialisten gemeinsam an Werkzeugen und Methoden für die systematische Nutzung von Daten in allen Bereichen des Unternehmens arbeiten. Auch die Abteilung für Verbraucher- und Marktforschung differenziert sich in dieser Hinsicht schnell: Datenwissenschaftler werden und sind feste Mitglieder von Teams, und die Fähigkeiten und Tätigkeitsfelder dieser Abteilungen entwickeln sich weiter, so dass die oben erwähnte Dualität schwächer wird, Datenbestände und Wissen konvergieren und wertschöpfende Prozesse standardisiert werden.
Ressourcenintensive Strukturerweiterung
Das Aufbauen und Erweitern solcher Strukturen ist ressourcenintensiv:
- Die IT- und Datenstruktur muss koordiniert werden,
- interne und externe Experten müssen zusammengebracht werden,
- und Daten müssen den Nutzern zugänglich gemacht werden.
Verantwortungsvolle Unterstützung und Verwaltung
Jeder, der solche Prozesse verantwortungsvoll unterstützen und verwalten möchte, ist sich der Unwägbarkeiten bewusst, die beispielsweise mit dem Aufbau eines Daten-Sees oder ‑Lagers und der Implementierung analytischer Lösungen verbunden sind. Ohne eine gezielte Initiative gibt es im Tagesgeschäft kaum Kapazitäten, um Projekte dieser Art stringent und mit der notwendigen Stärke und Ressourcen voranzutreiben.
Marktforscher als Teil datengetriebener Teams
Marktforscher sind von Natur aus Teil der datengetriebenen Teams. Sie sind verantwortlich für und fähig, diese Projekte zu leiten und Veränderungen zu implementieren. Sie sind Botschafter für Datenkompetenz und Daten-Demokratisierung, d.h. sie schaffen Zugang zu Daten und Analysen für viele Menschen aus verschiedenen Bereichen des Unternehmens. Ziel dieser Prozesse ist es, Wissen zu gewinnen und auf der Basis von Daten Werte zu schaffen, sodass möglichst viele Menschen mit unterschiedlichen Perspektiven beitragen und diese bestmöglich und nützlich für Unternehmen nutzen können. Hackathons sind ein gutes Beispiel: Wenn man Menschen mit Expertise Zugang gibt, können kreative und effiziente Lösungen entstehen.
Souveränität der Unternehmen über ihre Daten
Gleichzeitig erfordert die Demokratisierung, dass Unternehmen die Souveränität über ihre Daten haben. Was selbstverständlich erscheinen mag, kann tatsächlich eine Hürde darstellen. Denn Anbieter externer Daten versuchen derzeit, Unternehmen durch Einschränkungen oder Erschwernisse bei der Datennutzung an ihre eigenen Analyseplattformen zu binden (und somit in einer „geschlossenen Schleife“ oder einem „Lock-in“ zu halten). In Zusammenarbeit mit anderen internen Stakeholdern, wie dem Category Management, ist es sinnvoll, eine nachhaltige Strategie zu entwickeln, die eine unabhängige Nutzung, d.h. Datensouveränität, bewahrt. Wie sonst kann Flexibilität geschaffen werden, die die Anpassung an zukünftige Anforderungen, vorhersehbare Ausgaben und Skalierbarkeit sicherstellt?
Wichtige Aspekte für die Bewertung und Planung der Datenstrategie
Silos abbauen: In vielen Unternehmen können Daten noch nicht effizient genutzt werden, weil einzelne Abteilungen ihre Eigentümer sind oder die Qualität der Daten den Zugang erschwert. Es kann daher nicht oft genug betont werden, dass Daten ein Potenzial bergen, das weit über das hinausgeht, was die aktuellen (‚traditionellen‘) Eigentümer im Unternehmen generieren. Die Zusammenarbeit zwischen Teams und unterschiedlichen Datenquellen kann oft erheblichen Mehrwert generieren.
Ein einziger Wahrheitspunkt: Die Schaffung einer einheitlichen und verbindlichen Datenbasis stellt sicher, dass alle Stakeholder Zugang zu denselben Daten haben und dass die darauf basierenden Analysen und Prozesse, z. B. für das Reporting, transparent und nachvollziehbar sind. Dazu gehört auch die automatisierte Datenbereinigung und ‑harmonisierung (Vorverarbeitung). Dies erhöht die Datenqualität und die Arbeitseffizienz.
Automatisierung von Datenprozessen: Um Erkenntnisse mit Mehrwert zu generieren, sollten Prozesse, wo möglich, digitalisiert/standardisiert werden (Datenbankabfragen, wiederkehrendes Reporting). Einerseits garantiert dies die Validität der Analysen. Andererseits können sich Marktforscher auf inhaltliche und beratende Arbeit konzentrieren.
Skalierbarkeit: Organisationen, Märkte und Technologien befinden sich im Wandel. Datenanwendungen und ‑strategien sollten daher immer im Auge behalten, dass zukünftige Anforderungen und Bedürfnisse erfüllt werden können.
Teams für Markt- und Verbraucheranalysen können gezielt unterstützt werden, um neue Systeme aufzubauen. Dabei liegt der Fokus durchgehend auf Empowerment: Die bestehende inhaltliche Expertise wird optimal durch die (automatisierte) Konsolidierung verschiedener Quelldaten, standardisierte Prozesse und On-the-Job-Analytics-Training ergänzt. Infolgedessen geht das Team gestärkt, kreativer und effizienter aus der Transformationsphase hervor und kann sein volles Potenzial entwickeln. Die Arbeit mit den Daten macht endlich wieder Spaß.