Viele Unternehmen müssen in Folge von Corona umdenken und sich neu positionieren. Gerade in dieser Zeit kann es nicht schaden, mehr Geld für die Digitalisierung auszugeben. Das beginnt im Bereich der Technologie, setzt sich im Bereich der Geschäftsprozesse fort und endet bei den Mitarbeitern. Fast 51 % der Unternehmen sind bereit, aufgrund der Pandemie Geld für die Digitalisierung auszugeben, viele davon in der Hoffnung auf Umsatz- oder Effizienzsteigerungen. Vieles von dem, was Unternehmen über ihre Kunden zu wissen glaubten, ändert sich durch die aktuelle Situation. Durch den Wegfall der alltäglichen Einkaufsmöglichkeiten verschiebt sich das Kaufverhalten und damit auch die Datenanalyse. Folglich müssen sich Unternehmen mit den Daten ihrer Kunden neu versorgen und vor allem lernen, diese Daten als Werkzeug für sich zu nutzen. Viele Unternehmen haben dies bereits erkannt, denn wie „The Adex“ schon erwähnte, ist 2020 das Jahr der Daten. Lesen Sie mehr im folgenden Text.
1.Was ist BIG DATA?
Es gibt, vereinfacht gesagt, 3 Komponenten, in die man Big Data unterteilen kann. Wichtig ist hierbei die Datengröße, also das Volumen der Daten. Auch zählt die Geschwindigkeit, in der die Daten ausgelesen werden. Da das mehrere Male am Tag passiert, hat man am Ende eine Vielzahl von Daten.
Anhand dieser drei Faktoren haben sich im Laufe der Zeit zwei weitere Parameter abgeleitet. Dabei handelt es sich um die Glaubwürdigkeit der Daten und dem Nutzen, der sich aus den Daten für ein Unternehmen und dessen Entscheidungsträgern ergibt. Der anschließende Nutzen für das Unternehmen wird von den vier vorausgehenden Faktoren bestimmt.
2. Datenanalyse
2.1 Descriptive Analytics
Die deskriptive Datenanalyse gibt Auskunft darüber, was in der Vergangenheit vorgefallen ist, es wird jedoch keine Auskunft darüber gemacht, wieso es passiert ist. Gerade deswegen ist es wichtig, noch andere Methoden anzuwenden, um sich das bestmögliche Bild der Gesamtsituation zu machen.
2.2 Diagnostic Analytics
Diese Methode ist das Gegenstück zu der descriptive analytic und kann erklären, wieso etwas passiert, indem es Daten aus der Vergangenheit analysiert und mit weiteren Daten vergleicht. Von Vorteil ist hierbei, dass Daten verglichen werden, die nicht unbedingt zusammengehören. Indem man sie trotzdem zusammenführt und vergleicht, kann man tieflegende Unternehmensprobleme erkennen und angehen.
2.3 Predicitve Analytics
Diese Art der Datenanalyse muss nicht unbedingt am verlässlichsten sein, bringt jedoch einen Blick in die Zukunft. Was weiß ich über das zukünftige Kaufverhalten meines Kunden? Werde ich ihn halten können? Die Genauigkeit dieser Auswertung hängt vor allem von der Datenqualität, sowie von der Leistungsfähigkeit des Algorithmus ab.
2.4 Prescriptive Analytics
Hier geht es speziell eher um die Problemlösung. Es möchte zukünftige Probleme vermeiden und Trends erkennen. Es ist die modernste Art der Datenanalyse, denn sie nutzt vergangene Daten genauso wie externe Daten. Ein Beispiel hierfür wären Wiederholungskäufte, in denen anhand von Kundendaten und der Käufervergangenheit geschaut wird, bei welcher Wahrscheinlichkeit ein erneuter Kauf liegt.
3. Big Data im Marketing
Diese Daten sind zwar enorm wichtig für ein Unternehmen, jedoch bringen sie allein erstmal wenig, wenn man sie noch nicht ausgewertet hat.
Diese Auswertungen können Mitarbeiter im Marketing Einblicke dazu geben, welche Inhalte des Verkaufsprozesses besonders wichtig sind. Somit kann er diese noch weiter ausbauen und Fehler optimieren. Wie wurde der Kunde auf unsere Website aufmerksam? Zum wievielten Mal kauft er das Produkt? Welche Zielgruppe sprechen wir genau an?
Folglich auch, wie sich Investitionen in Customer-Relationship-Management (CRM)-Systeme verbessern lassen.
Durch Customer Value Analytics zum Beispiel, lassen sich gewinnbringende Kunden ausfindig machen. So kann das Unternehmen entscheiden, ob er diese Kundenbeziehung, im besten Fall optimieren, oder ob er nicht weiter daran festhalten will. Es ist auch wichtig zu wissen, ob man in sie oder in die Verbesserung der Systeme investieren soll. Durch Optimierung des Kundendienstes oder durch verbesserte Abwicklung der Retoure. Big Data ist deswegen so wichtig, weil es eben nicht nur der Bestellprozess ist, der durch Daten ausgewertet wird. Es ist auch stückweit Identität und Interessen des Kunden über die die Firma dann verfügt. Auch Prozesse, die vor und nach dem Kauf ablaufen, können in diese Daten hineinfließen.
Das alles hört sich sehr einfach an, es ist aber wichtig zu wissen, dass ohne die richtige Fragestellung Zahlen nur Zahlen bleiben. Man braucht ein genaues Vorhaben und eine genaue Formulierung eines Use-Cases um Zahlen in Daten umzuwandeln. Die Aufgabe eines Marketers ist es die richtige Frage zu stellen, um genau die Antwort zu bekommen die man möchte. Am Ende kommt es darauf an Ergebnis im Zusammenhang betrachten und gewinnbringende Schlüsse für das Unternehmen erzielen.
