7 Regeln für CMOs, um Big-Data rund um den Kunden zu verstehen
Big-Data stellt eine Herausforderung dar, die manchmal mehr mit dem Führungsstil zu tun hat, als mit der Technologie. Marketing-Experte Thomas Barta über ein kniffliges Thema.
Viele Spitzenkräfte im Marketing haben in ihrer Rolle als Leader mit einem neuen Problem zu kämpfen: Wie können aus Big Data Erkenntnisse über Kunden gewonnen werden, die für die Führungsebene relevant sind? Während meiner Recherchen für „The 12 Powers of a Marketing Leader“ sprach ich mit vielen führenden CMOs darüber, wie sie Big Data nutzen, um zu wirklich brauchbaren Erkenntnissen zu gelangen. Hype und Verwirrung um die Big-Data-Insights sind so groß, dass ich Ihnen hier gerne ein paar praktische Empfehlungen Ihrer Kollegen präsentieren möchte.
„Big Data“ heißt meistens, dass es sich um eine riesige Menge Daten handelt. Häufig ist ein Großteil davon aber als Nebenprodukt entstanden, zum Beispiel durch die Datenaufnahme im täglichen Geschäftsbetrieb oder aus den Social-Media-Konversationen der Kunden. Nur selten stammt Big Data aus eigenständigen Erhebungen. Normalerweise schwirren die Daten im ganzen Unternehmen und anderswo in den verschiedensten Formaten herum, oftmals auf nicht kompatiblen alten Systemen. Sie sind fehlerhaft, unvollständig und nur schwer zu analysieren und zusammenzufassen. Mit anderen Worten, Big Data ist ein Chaos. Aber entspannen Sie sich. Das ist normal.
Als Führungskraft im Marketing werden Sie mit Angeboten für Konzepte und Tools überschüttet, von denen die meisten unmöglich von einem Nicht-Spezialisten beurteilt werden können. Auch hier gilt: Entspannen, denn auch das ist normal.
Aus Big Data Erkenntnisse über Kunden zu gewinnen, stellt in erster Linie Ihre Führungskompetenz auf den Prüfstand und ist keine technische Herausforderung. Als Marketingchef müssen Sie nicht Datenexperte werden, sondern geschäftsorientiert denken. Sie sind derjenige, der die Zusammenhänge erkennt, die richtigen Fragen stellt und erst dann die Experten ins Boot holt. Hier sind die sieben Regeln:
1. Verschaffen Sie sich zunächst einen Überblick. Fragen Sie sich: Welche geschäftlichen Probleme gehen wir an, um den Service für unsere Kunden zu verbessern? Die Liste der möglichen Analysepunkte ist endlos: Mundpropaganda, Abwanderung, Vertrieb, Feedback, Kommentare über die Konkurrenz, Umsatz, Preisentwicklung, Kundenpräferenzen, Wirtschaftlichkeit, Share-of-Wallet und so weiter. Versuchen Sie nicht, alles in ihrem Customer-Insight-Plan unterzubringen. Suchen Sie sich ein großes Problem heraus, das Sie für das Unternehmen lösen möchten. Denken Sie dann gemeinsam mit Ihrem Team darüber nach, welche Daten Ihnen am meisten helfen könnten.
2. Erstellen Sie eine Informationskarte Ihres Unternehmens. Welche kundenrelevanten Informationen erhält das Unternehmen derzeit oder entsteht in dessen Umfeld? Wo? Und in welcher Form? Es gibt nur wenige Marketingabteilungen, die mit einer solchen Karte arbeiten. Dabei ist sie ein großartiges Tool, um wirklich mehr über Ihre Kunden zu erfahren.
3. Ziehen Sie sich ein paar Daten manuell heraus und spielen Sie damit. Ganz gleich wie komplex Ihre Systeme sind: Sie sollten dazu in der Lage sein, Customer Insights aus einer kleinen Sammlung relevanter Daten manuell auszuwählen. Führen Sie an diesen Daten eine modellhafte Erstanalyse durch. Indem Sie selbst mit den Daten arbeiten, entwickeln Sie ein Gespür dafür, um was für Daten es sich handelt, wie gut sie sind und welche Muster und Einblicke Sie aus einer vollständigen Analyse gewinnen könnten.
4. Betrachten Sie potenzielle große Data-Insight-Projekte aus mehreren Perspektiven. Bitten Sie zum Beispiel drei Firmen, Ihnen zu demonstrieren, wie sie für Ihr Unternehmen geschäftsrelevante Customer Insights generieren würden. Beschreiben Sie ihnen die Geschäftsziele, die Art Ihrer Daten und die Ergebnisse Ihrer Modellanalyse. Fragen Sie, welche Herangehensweise sie empfehlen würden, um diese Art der Erkenntnisse über Kunden in Zukunft regelmäßig und umfassend aus den Daten zu gewinnen und auszuwerten. Fragen Sie auch nach Kosten, Terminen und anderen Unternehmen, in denen die Firmen ihr empfohlenes Konzept angewendet haben. Und fragen Sie, ob Sie mit diesen anderen Kunden sprechen können. Wenn Sie die Sache aus verschiedenen Blickwinkeln heraus betrachten, können Sie besser vergleichen und ein besseres Verständnis darüber erlangen, was möglich und sinnvoll ist und was nicht.
5. Setzen Sie die manuelle Erstanalyse fort, während Sie eine IT-Lösung implementieren. Big Data kann dazu verleiten, ein riesiges Projekt mit allen Schikanen starten zu wollen, das angeblich grandiose Ergebnisse einfahren wird … irgendwann einmal. Häufig wird ein solches Vorgehen auch von Serviceanbietern angeheizt. Doch diese Herangehensweise ist in der Regel teuer, unflexibel, langsam und führt oft zu Misserfolgen. Es kann dann ewig dauern, bis Sie irgendwelche Erkenntnisse über Kunden gewinnen. Schlimmer noch ist, dass Sie wahrscheinlich am Ende das falsche Design haben, weil zwischendurch von verschiedenen Leuten Funktionen hinzugefügt werden, die doch „ganz nett“ wären. Fordern Sie lieber, dass Big-Data-Projekte in jeder Phase sofort Ergebnisse erbringen müssen. Das darf auch manuell geschehen – Hauptsache, Sie können fortlaufend lernen und das Projekt gut steuern.
6. Holen Sie sich selbst ein paar gute Datenanalysten ins Team. Auf diese Weise können Sie Datenanalysen parallel zu althergebrachten Quellen für Customer Insights nutzen. Weil heutzutage jeder nach guten Datenanalysten Ausschau hält, sollten Sie allerdings bereit sein, ein bisschen draufzuzahlen – schließlich ist das eine strategische Investition. Jedes moderne Marketingteam braucht jemanden, der hervorragend analysieren kann.
7. Führen Sie nicht zu viele Big-Data-Projekte gleichzeitig durch. Um aus Big Data Erkenntnisse zu gewinnen, die für die Führungsebene wirklich relevant sind, sollten Sie nicht an mehr als ein oder zwei Big-Data-Projekten gleichzeitig arbeiten … und sich immer an die sieben Regeln halten.