Einer der Haupttreiber in der digitalen Business Transformation von Unternehmen ist die Datenstrategie. Wurde diese in der Vergangenheit durch rasante Entwicklungen in den Bereichen Data-driven Business und Data Economy beeinflusst, steht heute ganz klar der Kundennutzen im Vordergrund.
Das Geschäft ändert sich rasant. Setzten vor allem Marketer bis vor einigen Jahren Daten fast ausschließlich ein, um im Media-Umfeld Optimierungs- und Effizienzpotenziale mit eher taktischer Reichweite zu realisieren, ging es dabei nie um wirkliches Wachstum. Entscheider beginnen aber endlich zu erkennen, was wirklich zählt: die Beziehung zum Kunden. Sie ist das wichtigste Gut von Unternehmen. Vor diesem Paradigmenwechsel treten Themen wie Daten-Monetarisierung und Targeting in den Hintergrund strategischer Überlegungen. Ebenso wird der Irrglaube zweitrangig, sich auf der Suche nach der „Next Best Action“ durch Algorithmen und Machine Learning einen Vorteil oder gar Alleinstellungsmerkmal gegenüber den Mitbewerbern verschaffen zu können.
Die neue Zielgröße im Einsatz und in der Analyse von Daten lautet demnach Kundenzentrierung. Eine vollständige und umfassende Datenstrategie muss gleichermaßen sowohl exponentielle Steigerungs- als auch Optimierungspotenziale bieten – ganz im Sinne einer digitalen Business Transformation. Sie sollte Methoden, Kunden- und Geschäftsvorteile berücksichtigen, anstatt sich allein durch Technologien und Tools dominieren zu lassen. Verantwortliche, die sich an folgenden fünf Schritten orientieren, punkten dabei nachhaltig:
1. Liquide Datenstrukturen schaffen
Es gilt, den im Unternehmen bereits vorhandenen Datenbestand liquide zu machen: das heißt, durch die Nutzbarmachung spezifischer Informationen in den Daten sollen Kundenbedürfnisse adressiert, die User Experience personalisiert und neue digitale Produkte und Services entwickelt werden. Um auf diese Weise echte Geschäftsvorteile zu generieren, sind immer unternehmens- und kundenspezifische Metadaten notwendig. Diese beschreiben das Verhalten und die Anforderungen der Kunden oder die eigenen Produkte möglichst genau und gehen über die typische Datenbreite hinaus, die von Wettbewerbern oder Standardlösungen erhoben wird. Für sinnvolle und alleinstellende Ergebnisse sind Data Scientists auf diese Metadaten angewiesen. Häufig werden sie jedoch in der Datenkollektion vernachlässigt. In der Folge fehlen Daten für die Orchestrierung der digitalen Kundenkontakte über alle Tools und Kanäle hinweg. Eine einmalige oder punktuelle Anreicherung reicht hier nicht aus. Vielmehr gilt es, systematisch und strukturell die Datenkollektion zu überprüfen und optimieren.
2. Data-driven als Kultur und Prozess verstehen
Eine datengetriebene Unternehmenskultur und die damit verbundenen Geschäftsvorteile setzen grundlegende Änderungen in allen Unternehmensbereichen voraus. Diese gilt es schrittweise anzugehen und sie betreffen alle Prozesse, Vorgehensweisen und Entscheidungsfindungen entlang der digitalen Customer Journey. Nur wenn Entscheider experimentieren können, die richtigen Fragestellungen formulieren, Hypothesen aufstellen sowie jeweils gewonnene Learnings sauber einbinden und demonstrieren, gelingt der Wandel zur datengetriebenen Kultur. Bereits in diesem Stadium muss sich die Denkweise aller am Prozess Beteiligten in Richtung Kundennutzen drehen.
3. Zum Herr über die eigenen Daten werden
Grundlage für eine erfolgreiche Datenstrategie ist ein Umdenken im Management von Tool-Anbietern, Agenturen und Dienstleistern: Daten und Metadaten müssen sich vollständig in Unternehmens-Hoheit befinden. Denn: Oft nimmt durch den Einsatz von Standard-Lösungen oder durch Agenturen, die für Unternehmen die Datenerhebung vornehmen, die Datenqualität aufgrund von Privacy-Bedenken und sinkendem Vertrauen der Nutzer bedenklich ab. Zudem ist die Breite und Tiefe der zugrundeliegenden Daten oft durch die Standardfunktionalitäten der eingesetzten Lösungen determiniert. Dies hindert Unternehmen daran, zusätzliche Aktivitäten zur Verbesserung der eigenen Datenqualität durchzuführen. Sammeln und analysieren Marketing- und Vertriebsabteilungen hingegen – ganz im Sinne des Data-Ownerships – Daten und Metadaten künftig selbst, entstehen Geschäftsvorteile, die nicht durch die Best Practices und Use Cases der großen Anbieter definiert und gleichzeitig limitiert sind. Es entsteht vielmehr ein komplett originäres digitales Geschäftsmodell, das auf den eigenen Daten und tiefen Nutzer-Beziehungen aufbaut.
4. Geben und nehmen: Vertrauen und Customer Value Exchange
Für die höchstmögliche Datentiefe und -breite reicht es bezüglich der Privacy nicht aus, nur vorschriftsmäßig zu handeln. Unternehmen müssen individuelle Privacy-Konzepte erarbeiten und online klare Beweise für den Kundennutzen liefern und kommunizieren. Im Einzelfall bietet es sich für Unternehmen an, Kunden für ihre Daten zu vergüten. Und dabei transparent zu kommunizieren, wie und wofür ihre Daten genutzt werden.
Langfristigen Erfolg verspricht nur ein sauberer Austausch von erhobenen Kundendaten für tatsächliche Problemlösungen der Kunden sowie eine verbesserte Customer Experience. Das ist gleichzeitig grundlegend für Entscheider im Unternehmen, wenn diese auf den Customer (Lifetime) Value fokussieren und umfassende eigene digitale Geschäftsmodelle entwickeln wollen.
5. Digitale Ecosysteme aufbauen
Eine nachhaltige digitale Business Transformation erfordert immer Methoden, um das eigene Geschäftsmodell langfristig wettbewerbsfähig zu halten und es gegen Nachahmer und Mitbewerber abzusichern. Oftmals basieren entsprechende Ansätze digitaler Geschäftsstrategien allerdings ausschließlich auf reinen Skaleneffekten oder dem Aufbau einer eigenen Plattform-Ökonomie – ein meist unrealistisches und immer teures Unterfangen. Entwickeln Unternehmen aber digitale Produkte und Services, kann dadurch eine erste Stufe zum Schutz des Geschäftsmodells erreicht werden. Im nächsten Schritt sollte der Aufbau eines digitalen Ecosystems erfolgen, in das die Produkte und Services integriert werden. Das Ecosystem sollte gleichberechtigte Partner und Drittanbieter einbinden, die untereinander kooperieren und Daten sowie Algorithmen ihrer Services austauschen. Dies ermöglicht es allen Beteiligten, neue und aufeinander aufbauende digitale Produkte zu entwickeln. Ergänzende Algorithmen, die Weitergabe individuellen Wissens und gemeinsame augmentierte Modelle von Analysen und Entscheidungen führen zu höchstmöglichem Kundennutzen. Dieser Mehrwert gewährleistet die Einzigartigkeit des neuen digitalen Geschäftsmodells, das auf dem Ecosystem basiert.
Eine innovative Datenstrategie ist nicht mehr effizienzgetrieben, sondern verfolgt das Ziel, Alleinstellungsmerkmale und neue, nachhaltige digitale Geschäftsmodelle zu generieren. Der Weg dorthin erfordert individuelle Lösungen sowie ein Umdenken, das den Kundennutzen prominent in die gesamte Vorgehensweise einschließt.
Zweitveröffentlichung
