Sie sind hier: Startseite » Markt » Tipps und Hinweise

Datenstrategie braucht mehr als Tools


Sechs Erfolgsfaktoren, wie Unternehmen Mehrwert aus Kundendaten ziehen
Am Anfang einer Datenstrategie gilt es, alle externen und internen Datensilos und Quellen zu identifizieren, die im engeren und weiteren Sinne Relevanz für die Geschäftsprozesse entfalten


Die Menschheit produziert 2,5 Trillionen Bytes pro Tag. In den letzten zwei Jahren wurden mehr Daten gesammelt, als in der gesamten Menschheitsgeschichte zusammen. Für jeden Menschen entstehen pro Sekunde 1,7 Megabyte neue Rohinformationen. Kurzum: Die Datenflut ist unaufhaltsam. Wobei diese Datenflut nicht automatisch bedeutet, dass daraus auch Wissen entsteht. Daten und Informationen an sich haben zunächst keinen Wert. Sie sind wie Rohdiamanten, die erst durch ihre Verarbeitung Brillanz gewinnen. Auch für Unternehmen entfalten Kundendaten erst ihren Wert, wenn sie ausgewertet einen Erkenntnisgewinn liefern, der zu neuen Handlungsoptionen führt. Das bedeutet, dass Unternehmen eine Datenstrategie brauchen, die ihre Geschäftsprozesse fundiert und leitet.

Auch wenn heute viele Unternehmen glauben, sie würden ihre selbst gesammelten Kundendaten mit den vorhandenen Tools angemessen auswerten, entsteht dadurch noch keine zeitgemäße Datenstrategie. Vielmehr brauchen Management und Fachabteilungen eine umfassende Analyse, über welche Daten sie bereits verfügen und welche sie darüber hinaus benötigen, um alle Aspekte zu ihrem Markt, ihrem Wettbewerb und ihren Kunden abzudecken. Sie brauchen ein Datenmodell, welche Daten in welcher Kombination geeignet sind, um ihre Geschäftsprozesse optimal zu unterstützen und Mehrwert daraus zu generieren.

dunnhumby, einer der weltweit führenden Anbieter von Datenanalysen für den Handel, hat sechs Erfolgsfaktoren identifiziert, wie Unternehmen Mehrwert aus ihren Kundendaten ziehen können:

1. Die richtigen Daten und Quellen identifizieren
Am Anfang einer Datenstrategie gilt es, alle externen und internen Datensilos und Quellen zu identifizieren, die im engeren und weiteren Sinne Relevanz für die Geschäftsprozesse entfalten. Welche Daten benötigen Management und Fachabteilungen, um Key Performance Indicators (KPI) aufzustellen, mit denen sie ihre Erfolge messen können? Und welche KPIs benötigen sie, um ihre Entscheidungsprozesse zu fundieren und neue Geschäftsprozesse zu etablieren?

2. DSGVO-konforme Data Governance definieren
Für die Zusammenführung und Auswertung von Daten sollten Unternehmen Richtlinien und Prozesse definieren, die die Datenschutzgrundverordnung beachten. Für das Vertrauen der Kunden ist es erforderlich, die Datensicherheit über die komplette Prozesskette zu gewährleisten. Alle Mitarbeiter sollten durch Schulungen auf die Data Governance verpflichtet werden.

3. Datenarchitektur entwickeln
Für die Auswertung verschiedener Datenquellen brauchen Unternehmen eine Dokumentation, wo und wie Daten gespeichert, integriert und genutzt werden. Es gilt, einen "Single Point of Truth" zu schaffen, damit alle Datenquellen stets aktuell, valide und konsistent sind, um sie für die regelmäßige Zusammenführung und Auswertung bereitzustellen.

4. Eigene Datensilos und externe Datenquellen integriert analysieren
Eigene Kundendaten liegen oft verstreut in isolierten Datensilos. Diese gilt es zusammenzuführen und mit externen Datenquellen für die Auswertung zu verbinden. Zum besseren Verständnis von Kundenbedürfnissen sind alle Kanäle zu integrieren und in einer technisch innovativen sowie rechtlich zulässigen Weise aufzubereiten.

5. Personelle Ressourcen für Umsetzung der Datenstrategie bereitstellen
Noch wichtiger als die Entwicklung einer Datenstrategie ist für Unternehmen die Schaffung der personellen Grundlagen für die Umsetzung. Kompetenzprofile, Qualifikationen und Zusammensetzung der Teams sowie ihre Arbeitsstrukturen müssen passen, um für Management und Fachabteilungen aus den Daten die richtigen Analysen liefern zu können.

6. Geschäftsprozesse für die Daten-Monetarisierung etablieren
Denn es gilt nach der Umsetzung der Datenstrategie, Analysen zu liefern, die neue Geschäftsprozesse ermöglichen. Durch die Auswertung von Marketing- und Vertriebsmaßnahmen entstehen idealerweise neue Monetarisierungs-Ansätze, die ohne die Datenstrategie bisher nicht identifizierbar waren.

Regelmäßiger Data Healthcheck für die Weiterentwicklung der Datenstrategie
Um aus Kundendaten Mehrwert zu generieren, sind diese sechs Erfolgsfaktoren aber nur der Anfang. "Eine erfolgreiche Datenstrategie benötigt eine kontinuierliche Überprüfung und Verbesserung. Ein regelmäßiger Data Healthcheck zur Optimierung der Prozesse minimiert das Risiko und maximiert den Nutzen der Datenanalyse", resümiert Jurgen van Leeuwen, Director dunnhumby Germany. Denn nur mit einer soliden Datenstrategie können Unternehmen mehr aus ihren Daten herausholen und Wertschöpfung generieren, ihr Verständnis für ihre Kunden verbessern und eine messbare Wertsteigerung für ihr Unternehmen realisieren.
(dunnhumby: ra)

eingetragen: 19.12.18
Newsletterlauf: 13.02.19

dunnhumby: Kontakt und Steckbrief

Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.


Meldungen: Tipps und Hinweise

  • Mythos der maßgeschneiderten Entwicklung

    Der gezielte und flexible Einsatz von Technologie ist ein zentraler Erfolgsfaktor für Unternehmen. Digitalisierung ist für viele Unternehmen weiterhin eine Priorität, der sie eine substantielle Menge an Ausgaben einräumen: Einem Bericht des IDC zufolge, werden die weltweiten Investitionen in IT-Transformationsinitiativen voraussichtlich 4 Billionen US-Dollar bis 2027 übersteigen. Jedoch erreichen weniger als die Hälfte (48?Prozent) aller Digitalisierungsprojekte die angestrebten Ziele. Laut McKinsey scheitern sogar sieben von zehn Unternehmenstransformationen.

  • Migration in lokale Cloud-Rechenzentren

    Digitale Souveränität in und mit der Cloud - dafür sind Unternehmen gefordert, die entscheidenden Weichen zu stellen. Aus der Projekterfahrung von Yorizon, Vorreiterin für Open Source Edge-Cloud-Services, sind es fünf entscheidende Faktoren, die eine unabhängige und zukunftsfähige Cloud-Strategie sicherstellen.

  • Agentische KI im Retail-Bereich

    KI revolutioniert wie wir Ideen und Produkte entwickeln, Handel treiben und Informationen sammeln. Die menschliche Genialität bekommt dabei einen Kompagnon: die KI. Doch obwohl die generative KI häufig den größten Hype erzeugt, wird es die agentische KI sein, die Händlern den größten Nutzen bringt.

  • IT-Resilienz als Überlebensfaktor

    Angesichts der vom Bundesamt für Sicherheit in der Informationstechnik als "besorgniserregend" eingestuften Cybersicherheitslage gewinnen automatisierte Ansätze für die Stärkung der IT-Resilienz zunehmend an Bedeutung, wie aktuelle Implementierungen zeigen.

  • Backup-Lücke von Microsoft 365

    Unternehmen nutzen Microsoft 365 als Grundlage für ihre Produktivität. Doch neben den Vorteilen solcher Produktivitätsplattformen wird immer wieder eine Lücke in der Datenschutzstrategie übersehen: das Prinzip der geteilten Verantwortung. Diese Nachlässigkeit setzt wichtige Geschäftsinformationen erheblichen Risiken aus, die sich in Ausfallzeiten und wirtschaftlichen Verlusten niederschlagen können.

  • KI und digitale Souveränität

    Die europaweite Debatte rund um digitale Souveränität fokussiert sich in den vergangenen Wochen überwiegend auf das Thema "KI" (AI-Gigafactory etc.). Dabei gerät ein anderer Aspekt gerade etwas in den Hintergrund: Cyberresilienz und die Kontrolle über kritische Daten innerhalb Europas.

  • DMS und digitale Souveränität

    Die Welt ordnet sich neu und Europa steht unter wachsendem Druck, seine digitale Unabhängigkeit zu stärken. Laut einer Bitkom-Studie (2025) fordern 84 Prozent der Unternehmen, dass die neue Bundesregierung der digitalen Souveränität höchste Priorität einräumt. Gerade im Umgang mit vertraulichen Dokumenten und geschäftskritischen Informationen zeigt sich, wie entscheidend die Kontrolle über digitale Prozesse ist. Die easy software AG beleuchtet, welche Rolle das Dokumentenmanagement dabei spielt - und worauf es jetzt ankommt.

  • MDR - meist mehr Schein als Sein

    Managed Detection and Response (MDR) ist der neue Hype der IT-Sicherheitsbranche. Kaum ein Systemhaus, das nicht plötzlich MDR im Portfolio hat. Was sich hinter diesem Label verbirgt, ist oft enttäuschend: vollautomatisierte EDR- oder XDR-Lösungen mit dem Etikett "Managed", das in Wahrheit kaum mehr bedeutet, als dass ein Dienstleister Herstellerlösungen lizenziert - nicht aber selbst Verantwortung übernimmt.

  • Einblicke in die Sichtweise der Kunden

    Online-Händler erhalten täglich eine unzählige Menge an Anfragen. Ein Großteil davon wird mit KI-Agenten gelöst, da sie immer wieder ähnliche Themen wie Lieferzeiten, Rücksendungen oder Produktspezifikationen betreffen. Zum einen sind KI-Agenten damit eine Arbeitserleichterung bei wiederkehrenden Anfragen, besonders wenn diese Lösungen einfach zu bedienen sind, und den Unternehmen schnellen Mehrwert bieten. Doch hinter diesen Wiederholungen verbirgt sich zum anderen auch eine bislang oft ungenutzte Quelle strategischer Erkenntnisse: die Daten, die bei jeder einzelnen Interaktion entstehen.

  • Modernisierung birgt auch ein Risiko

    Der Trend zur Cloud-Migration setzt Vermögensverwalter zunehmend unter Druck, ihre digitale Transformation voranzutreiben. Einer der strategischen Pfeiler einer Cloud-Strategie ist dabei der Wechsel von On-Premise- zu SaaS-Lösungen. Für größere, traditionelle Institutionen stellt sich jedoch die Frage: Sollten sie direkt auf SaaS umsteigen oder lieber einen mehrstufigen Ansatz über PaaS wählen? Alberto Cuccu, COO von Objectway, erklärt, warum ein schrittweiser Migrationsprozess für bestimmte Geschäftsfälle eine sinnvolle Option sein kann, welche Rolle DORA dabei spielt und welche typischen Fehler Banken bei ihrer IT-Transformation machen.

Wir verwenden Cookies um unsere Website zu optimieren und Ihnen das bestmögliche Online-Erlebnis zu bieten. Mit dem Klick auf "Alle akzeptieren" erklären Sie sich damit einverstanden. Erweiterte Einstellungen