| Business Inteligence
19. Dezember 2014 | 3013 Artikelaufrufe

Big Data zu Smart Data

CRM im Vertrieb: Warum Big Data zu Smart Data werden muss

Der Begriff Big Data hat in den letzten Jahren mit stark anwachsenden Datenmengen an Bedeutung gewonnen. Allein der Besitz großer Datenmengen bringt jedoch noch keinen Wettbewerbsvorteil mit sich. Die Notwendigkeit zur Strukturierung und gezielten Analyse stellt viele Unternehmen vor echte Herausforderungen. Was wirklich zählt, ist die Relevanz und der Gehalt der Daten. Hier setzt Smart Data an. 

Wenn Unternehmen große Datenmengen (Datasets) aus mitunter verschiedenen Quellen strukturiert aufbereiten und analysieren, dann spricht man von „Big Data“. Ziel ist dabei, neue Erkenntnisse über Kunden, Markt , Geschäftsprozesse oder Produktionsabläufe zu gewinnen. Big Data findet über alle Wirtschaftszweige hinweg und sogar in der Medizin Anwendung. Im Prinzip geht es aber auf allen Anwendungsfeldern darum, vorhandene Datenmengen so zu nutzen, dass Entscheidungen mit verringertem Risiko getroffen werden können und ein möglichst optimales Ergebnis erzielt wird.

Bezogen auf ein Unternehmen und seine Kundeninteraktion soll Big Data z.B. zur Beantwortung folgender Fragen beitragen:

  • Wie verhalten sich meine Kunden (im Onlineshop oder auf facebook etc.)?
  • Welche Produkte / Services suchen sie, für welche entscheiden sie sich?
  • Wie kann ich meine Kunden über verschiedene Kanäle hinweg noch gezielter ansprechen?
  • Welche Trends zeichnen sich ab?
  • An welcher Stell kann ich Abläufe, Services und Angebote noch optimieren?

Hier sind viele Fragestellungen denkbar. Sie sind ebenso vielfältig wie Unternehmen, deren Angebote und die jeweilige Kundenstruktur. Daher ist es umso wichtiger, die Analyse von Datasets nicht als Selbstzweck zu betrachten, sondern im Vorhinein genau festzulegen, welche Fragen beantwortet werden sollen und welche Erkenntnisse wirklich wertvoll sind.

Smart Data: Gehalt statt Masse

Ausgangspunkt für Big Data Analysen ist für viele Unternehmen die Analyse der eigenen Datenbasis. Daraus werden Maßnahmen zur Optimierung der Kundeninteraktion abgeleitet. Hier geht es meist um die Nutzung von Daten, die beim Surfen oder Einkaufen im Internet oder in Finanz- und Kommunikationsnetzen anfallen. Um die Datenmassen richtig auswerten zu können, muss man sie jedoch verstehen. Hier ist nicht unbedingt die Masse der Daten (Big) relevant , sondern deren Gehalt bzw. Relevanz (Smart).

Smart Data erfordert neue Analyseverfahren. Aber auch eine sorgfältige Abwägung der Frage, welche Daten für welche Analysen wirklich benötigt werden. Dabei werden die analyserelevanten Daten am Ort ihrer Entstehung identifiziert. Insbesondere der prädiktive Bereich, d.h. Prognosen über Konsumverhalten, Trends und Marktentwicklungen, wird in Zukunft an Bedeutung gewinnen.

Smart Data soll damit nicht nur die Frage beantworten, wie sich Kunden verhalten, sondern warum sie etwas tun und wie sich in der Zukunft verhalten werden.

Nach dem Big-Data-Prinzip sammelt ein Unternehmen beispielsweise Daten über Kundenaktionen im eigenen Online-Shop und über soziale Medien. Daraus werden Verhaltensmuster und Erkenntnisse über Konsumvorlieben sowie nachgelagerten Bedarf abgeleitet. Zukünftig werden dem Kunden gezielt Produkte angeboten, die dieser Erkenntnis entsprechen.

Diese Betrachtung der Kunden ist jedoch sehr einseitig. Sie ist vergangenheitsbezogen (retrospektiv) und betrifft nur das eigene Unternehmen. Sie sagt außerdem nichts darüber aus, WARUM ein Kunde sich im ersten Schritt für mein Produkt entschieden hat. Sie liefert auch keine Informationen darüber, mit welchen Unternehmen mein Kunde noch interagiert. 

Komplexe Aufgabenstellungen für Smart Data Spezialisten

Smart Data Spezialisten müssen aus einer Vielzahl von Daten die wichtigen Parameter extrahieren. Zudem müssen sie Informationen darüber gewinnen, wie sich die Parameter gegenseitig beeinflussen und Algorithmen entwickeln, die stetig dazulernen und die Realität möglichst treffend wiedergeben.

Hier setzen neue Smart Data Dienstleister und Agenturen an:

  • Sie aggregieren Datasets verschiedener Kunden und bieten so Informationen, die den Markt als Ganzes widerspiegeln und nicht auf ein einzelnes Unternehmen beschränkt sind.
  • Sie sammeln über verschiedene Kanäle, Social Media Plattformen und Endgeräte hinweg Informationen über digitale Aktivitäten einzelner User. So erschaffen Sie ein ganzheitliches Bild über Vorlieben und Interessen der jeweiligen Personen.
  • Auf diese Weise erweitern sie den Blickwinkel auf das eigene Unternehmen, seine Produkte und seine Leistungsfähigkeit im Marktvergleich. Auf dieser Basis kann das unternehmenseigene Dataset in einem weiteren Kontext betrachtet werden. 

Fragestellungen, die durch Smart Data beantwortet werden sollen, können wie folgt lauten:

  • Warum hat sich mein Kunde für mein Produkt bzw. meine Dienstleistung entschieden?
  • Welche Konkurrenzprodukte spielten in der Kaufentscheidung eine Rolle?
  • Wofür interessiert sich mein Kunde? Wie gestaltet er seine Freizeit?
  • Welche Online-Shops besucht er und für welche Produkte interessiert und entscheidet er sich?
  • Für welche Produkte könnte er sich zu welchem Zeitpunkt interessieren? 

Hier sind Fragestellungen denkbar, die fast alle Lebensbereiche einer Person betreffen. Am Ende geht es darum, dem Kunden zum richtigen Zeitpunkt im richten Kontext das ideale Angebot zu machen.

Aktuelle Herausforderungen

Unternehmen haben eine Vielzahl von Herausforderungen zu meistern, wenn sie in den Smart Data Bereich einsteigen wollen. Dies liegt zum einen darin begründet, dass viele Unternehmen es über Jahre hinweg nicht geschafft haben, strukturierte Daten zu sammeln. So ist das Thema CRM und Datenpflege in vielen Vertriebsabteilungen immer noch ein aktuelles Problem. Das Sammeln unstrukturierter Daten (z.B. über soziale Kanäle) und der Umgang mit diesen Daten ist umso komplizierter. Hierfür sind qualifiziertes Personal und geeignete Technik erforderlich.

Aktuelle Analysesysteme sind meist retrospektiv. Sie werten Informationen aus der Vergangenheit aus. Das führt dazu, dass den Kunden Produktempfehlungen unterbreitet werden, die auf einem vergangenen Bedarf beruhen. Hier gelingt vielen Unternehmen die Umsetzung vorhandener Datasets in smarte Daten noch nicht. Intelligente Systeme würden Kunden Produkte erst zum passenden Zeitpunkt (wieder) anbieten.

Fazit

Big Data unterstützt Unternehmen dabei, das menschliche Verhalten, insbesondere soziale Interaktionen, auf eine Weise neu zu verstehen, die vorher nicht möglich war. Auf dieser Basis können Interaktionsmodelle gestaltet werden.

Unternehmen, die es verstehen, Smart Data zu realisieren, eröffnen sich neue Wege, den Wert  großer Datasets tatsächlich zu erschließen. Dann gelingt der Schritt von „Smart Data“ zu „Smart Selling“.

CRM im Vertrieb: Warum Big Data zu Smart Data werden muss
Bewertung: 1

Print Friendly, PDF & Email

Magistra Artium in Informationswissenschaft, Betriebswirtschaftslehre und Wirtschaftsinformatik. Mehrjährige Erfahrung als Software Consultant sowie Projektmanagerin in IT-Projekten und EU Forschungsprojekten. Heute selbständig mit Schwerpunkt: Business Processes & Communication, Wissensmanagement, Web 2.0

Schreiben Sie einen Kommentar