Viele Firmen streben eine stärkere Kundenorientierung an. Doch dieses Versprechen zu halten, ist oft leichter gesagt als getan. Selbst mit den besten Absichten können schlechte Erlebnisse dazu führen, dass Kundinnen und Kunden schwerer zu halten sind. Im Jahr 2024 nannten Verbraucher schlechte Kommunikation und Service-Probleme als Top-Gründe für schlechte Erlebnisse – und 53 % dieser Erlebnisse führten zu geringeren Ausgaben. Diese Ergebnisse unterstreichen die Bedeutung einer kundenorientierten Denkweise, insbesondere wenn Verbraucherdaten zur Steuerung der Strategie und Verbesserung der Integration von Kundendaten genutzt werden.
Im Jahr 2016 erkannten wir bei Adobe die Chance, unser Unternehmen besser an den Bedürfnissen unserer Kundschaft auszurichten. Hier kommt unser datengestütztes Betriebsmodell (engl. data-driven operating model, DDOM) ins Spiel – eine Arbeitsweise, die das Unternehmen konsequent an der Customer Journey ausrichtet und mithilfe fundierter Erkenntnisse strategische Ziele voranbringt.
DDOM hat die Effizienz gesteigert, unser Adobe Creative Cloud-Geschäft deutlich angekurbelt – und dabei zu einer noch besseren Customer Experience beigetragen. Dennoch war es eine große Herausforderung, die notwendigen datengestützten Erkenntnisse zu gewinnen. Die Zusammenarbeit mit der IT war entscheidend für unseren Erfolg. Das bedeutet: Selbst in von der IT betreuten Workstreams – etwa bei der Datenintegration – bleibt das Business ein wichtiger Impulsgeber. Unsere Erfahrung zeigt, dass jede Firma in einigen zentralen Bereichen zusammenarbeiten sollte. Hier sind drei Best Practices, die eure Datenintegration und DDOM-Transformation maximal wirkungsvoll machen:
1. Ermöglicht eine nahtlose Integration von Kundendaten – mit einem Top-down- und Bottom-up-Ansatz.
Bei vielen Firmen sind Daten im gesamten Unternehmen verstreut, in Teams isoliert und vom Umfang her überwältigend. Ein kollaborativer Top-down- und Bottom-up-Ansatz kann euch dabei helfen, ein ausgewogenes Verhältnis zu erreichen. Wir haben beginnend mit der obersten Ebene die Schritte der Customer Journey analysiert, um die wichtigsten geschäftlichen Fragestellungen zu identifizieren und herauszufinden, welche KPIs uns zu den Antworten führen könnten. Die Business-Seite hat die beste Sicht auf die Customer Journey und hat daher diese Initiative angeführt.
Das IT-Team identifizierte anschließend die entlang der Customer Journey erzeugten Datenbestände, die zu den Business-KPIs beitragen. Dieser Bottom-up-Ansatz erforderte vom IT-Team, die Datenbestände und ihre Quellen zu erfassen und den Aufwand für die Integration jeder Quelle zu dokumentieren. Die IT-Organisation gewann einen Überblick darüber, welche Quick Wins verfolgt werden sollten und welche Quellen mehr Ressourcen und Aufwand erfordern würden. Diese Informationen sind hilfreich für die Entwicklung einer Roadmap für die Datenintegration.
Dieser Top-down- und Bottom-up-Ansatz ist nicht auf eine einzelne Funktion beschränkt – er lässt sich an viele Branchen anpassen. Im Einzelhandel trägt die Integration von Verkaufsstellensystemen, Customer Relationship Management (CRM)-Plattformen, Lagerverwaltungstools und Marketing-Kampagnen dazu bei, dass Teams das Kundenverhalten besser verstehen und die Verkaufs-Performance in Echtzeit optimieren können. Finanzabteilungen können Daten aus Bankensystemen, Handelsplattformen und Kundendatenbanken zusammenführen, um Handelsanalysen, die Entscheidungsfindung vor dem Handel sowie das Sentiment-Tracking zu unterstützen. Marketing-Organisationen profitieren davon, CRM-Daten, Anzeige-Performance-Kennzahlen und Social Media-Interaktionen zu verknüpfen, um zielgerichtetere Kampagnen aufzubauen und Kundenbeziehungen zu vertiefen. Gleichzeitig nutzen E-Commerce-Unternehmen integrierte Daten aus Warenlagern, Versanddienstleistern und Zahlungs-Gateways, um ein präzises Auftrags-Tracking zu ermöglichen und den Fulfillment-Prozess zu optimieren.
Damit diese Maßnahmen nachhaltig und skalierbar sind, sollten Unternehmen folgendes tun:
- In Schulungen zur Datenintegration und Datenkompetenz investieren. Passt Programme an spezifische Rollen an. So versteht ihr, mit welchen Datentypen ihr arbeitet, wie diese mit Geschäftsergebnissen zusammenhängen und wie ihr dateninformierte Entscheidungen treffen könnt.
- Klare Standards für die Datenintegration festlegen. Dazu gehören die richtigen Integrationsmethoden und -Tools, strenge Datenqualitätskontrollen und ein Design, das von Anfang an Skalierbarkeit, Sicherheit und Compliance berücksichtigt.
- Den Wert datengestützten Denkens kommunizieren. Verwendet Beispiele aus der Praxis und Storrytelling, um den Business Case im gesamten Unternehmen zu verdeutlichen. Teilen Erfolgsmetriken und zeigt, wie datenbasierte Erkenntnisse die Customer Experience und Geschäftsergebnisse verbessern.
- Schafft Incentive-Strukturen, die datengesteuertes Verhalten belohnen. Erkennt Einzelne oder Teams an, die integrierte Erkenntnisse nutzen, um Ergebnisse zu verbessern – sei es in Form von höherer Effizienz, bessere Kampagnen-Performance oder stärkerer Kundenloyalität.
Entwickelt zugängliche Reporting-Lösungen, die auf Business-Personas zugeschnitten sind.
Eine „Single Source of Truth“ bringt nur dann echten Mehrwert, wenn sie konsequent genutzt wird. Unsere IT-Organisation erkannte das, und unser CIO setzte sich dafür ein, dass alle im Unternehmen Daten eigenständig nutzen können – unabhängig von Rolle oder technischer Expertise. Unsere IT verfolgte bei der Entwicklung verschiedener Reporting-Erlebnisse einen kundenzentrierten Ansatz. Die Erlebnisse wurden konsequent auf unterschiedliche Business-Personas ausgerichtet, wobei das Business als primärer Kunde fungierte.
Die IT führte Interviews mit mehreren Business-Verantwortlichen, um die Bedürfnisse der Persona besser zu verstehen. Anschließend arbeitete sie mit Produktdesignerinnen und -designern zusammen, um diese Anwendungsfälle in den Reporting-Erlebnissen umzusetzen. Dieser Prozess führte zu einer Vielzahl unterschiedlicher Tools: vom zentralisierten Dashboard, das allen im Unternehmen als Performance-Tracking dient, bis hin zu spezialisierten Reporting-Werkzeugen für Data Scientists mit komplexeren Fragestellungen. Indem die IT diese Anwendungen auf die Business-Zielgruppen zuschnitt, wurde es für alle in der Organisation einfach und intuitiv, Daten heranzuziehen.
Es ist wichtig, weitere zentrale Stakeholder wie Daten- und Analyse-Teams sowie Marketing, Vertrieb und Finanzwesen in die Entwicklung von Reporting-Erlebnissen einzubeziehen. Diese Teams arbeiten häufig mit unterschiedlichen Ebenen der Datenkomplexität und benötigen Berichte, die ihre spezifischen Ziele unterstützen.
Indem klare KPIs unter Berücksichtigung dieser internen Zielgruppen definiert und mit den Geschäftszielen abgeglichen werden, können Unternehmen die Akzeptanz, Datenexploration und erkenntnisbasierte Entscheidungsfindung unternehmensweit fördern.
