Die nächste Ebene der Datenwissenschaft

Datenwissenschaft gehört gegenwärtig zurecht zu den am meisten diskutierten Themen. Marken sind sich der enormen ungenutzten Datenmengen bewusst, doch mit großer Wahrscheinlichkeit lassen sie wichtige Einblicke in ihr Geschäft ungenutzt. Selbst wenn Unternehmen noch nicht genau wissen, wie sie Datenwissenschaft einsetzen können, um diesen Datenreichtum für sich zu nutzen, sind sie sich des Konzepts durchaus bewusst und neugierig auf die Möglichkeiten, die es bietet.

Mit diesem Thema befasste ich mich kürzlich mit meinem Kollegen, dem Analyseexperten Jeff Allen. Gleich zu Beginn möchten wir versichern, dass man kein Wissenschaftler sein muss, um wie einer zu handeln und die wissenschaftlichen Methoden und Sorgfalt auf alle Aspekte des Marketings anzuwenden.

Status einer durchschnittlichen Organisation

Als Erstes musste eine Benchmark etabliert werden. Wir fragten unsere Marketer-Kollegen, wo sie sich selbst und ihre Organisation auf einer Datenwissenschaft-Skala von 1 (ich scheue mich vor dem Konzept der Datenwissenschaft) bis 10 (ich bin absolut versiert) sehen. Die meisten sahen sich eher im Mittelfeld. Sie sind vertraut mit Daten und wissen, dass diese für die Optimierung und Personalisierung der Erlebnisse ihrer Marken unerlässlich sind. Doch der Zusatz „Wissenschaft“ scheint immer noch für Verwirrung zu sorgen.

Datenwissenschaft und ihre Anwendungen wie Automatisierung, maschinelles Lernen und künstliche Intelligenz sollen den Menschen einfache Aufgaben abnehmen. Befreit von diesen alltäglichen Aufgaben haben sie mehr Zeit für hochwertigere Tätigkeiten, zu denen Computer (zumindest bislang) nicht fähig sind. Dazu gehören kritisches Denken, kreative Problemlösungen und Entwicklung von Strategien für optimale Ergebnisse und zufriedene Kunden. Der Geldautomat ist hierfür ein perfektes Beispiel.

Die Einführung von Geldautomaten hätte das Ende des Kassiererberufs bedeuten können. Wer sollte sich noch am Schalter anstellen, um Bargeld abzuheben oder einen Scheck einzulösen, wenn ein Automat das alles schnell, rund um die Uhr und ganz ohne Wartezeiten und Verzögerungen erledigen konnte?

Doch tatsächlich erweiterten Geldautomaten das Bankengeschäft. Es mussten neue Filialen eröffnet und mehr Kassierer angestellt werden. Gleichzeitig veränderte sich das Berufsbild, und die Angestellten wurden zu wichtigen Marketing-Erweiterungen. Sie sind nicht länger einfach nur mechanische Kundendienstleister. Ihre Rolle ist größer und erfüllender. Bankangestellte übernehmen nun strategische Aufgaben, steigern langfristige Einnahmen und erhöhen die Kundenzufriedenheit.

Und nun schließt sich der Kreis. Einige Banken haben damit begonnen, das Geldautomat-/Kassierer-Erlebnis zu integrieren, und ermöglichen es ihren Kunden, den Automaten zu benutzen, während sie mit einer Person interagieren. Betrachten Sie dieses Beispiel einmal aus der Perspektive der Datenwissenschaft. Die Technologie war dazu gedacht, Menschen die sehr einfachen, bürokratischen Aufgaben abzunehmen, und genau das ist auch eingetreten. Doch nachdem Banken beobachten konnten, wie Kunden mit Geldautomaten interagierten, brachten sie ihre Unternehmen und die Branche als Ganzes dazu, die Wünsche des Kunden im jeweiligen Moment zu erkennen und entsprechend zu handeln. In diesem Fall wünschten sich Kunden die menschliche Note in Kombination mit der Bequemlichkeit und Zugänglichkeit von Geldautomaten. Mensch trifft Maschine – und das Ergebnis ist beeindruckend.

Datenwissenschaft erfolgreich einsetzen

Wie lassen sich Marken zu lebendigen, aktiven, datengestützten Organisationen mit Datenwissenschaft als treibender Kraft entwickeln?

1. Ändern Sie Ihre Kundenkultur.

Wenn die richtigen Menschen die richtigen Fragen stellen, qualitative und quantitative Maßnahmen wirklich verstehen, wissenschaftlichen Methoden folgen und die daraus resultierende Marketing-Alchemie anwenden, wird Datenwissenschaft greifbar. Wie bei allen Optimierungsinitiativen muss auch in diesem Fall die Unternehmensspitze für das Konzept gewonnen werden. Dafür müssen erste kleine Erfolge vorgelegt und viel Überzeugungsarbeit geleistet werden.

Damit Sie im Bereich der Datenwissenschaft erfolgreich sein können, muss dieser ein wichtiger Teil Ihrer Unternehmenskultur werden. Es reicht nicht, Datenwissenschaft an Datenwissenschaftler auszulagern und das Beste zu hoffen. Sie muss in die Arbeit von Marketern und Markenfürsprechern integriert werden, damit deren unterschiedliche Geschäftsziele und -initiativen die weitere Richtung vorgeben können. Dafür wenden Tech-Unternehmen zunehmend Business-Intelligence-Programme an, die es allen Mitarbeitern einer Organisation – ganz gleich ob mit oder ohne Abschluss in Datenanalyse, Statistik oder Informatik – ermöglichen, auf ihre Daten zuzugreifen und sie zu analysieren. Die auf dieser Grundlage erstellten Berichte reflektieren die Trends, die ihre Zielgruppen und Märkte beeinflussen. Genauso wie im Beispiel mit dem Geldautomaten sorgt auch hier eine auf Änderungen ausgerichtete Denkweise für große Wirkung.

2. Daten sind hilfreich, wenn Sie sie richtig interpretieren können.

Weiterhin gibt es Begriffe wie Kausalität, Korrelation und Störvariablen. Eine Variable in unseren Daten kann von zwei Elementen geteilt werden, was Marketer zu voreiligen Schlüssen in Bezug auf die Ursache verleiten könnte. Sie würden dann einfach nur auf die Daten verweisen, die ihre Schlussfolgerung stützen. Aber Korrelation ist nicht gleich Kausalität (und umgekehrt). Seien Sie sich unbedingt der verborgenen Auswirkungen der Variablen auf X und Y sowie jeglicher Stichprobenverzerrungen, Systemfehler und mangelhafter Statistikpraktiken bewusst. Erforschen Sie, stellen Sie Hypothesen auf, und testen Sie diese immer wieder aufs Neue.

Eines der größten Probleme, die ich in Organisationen mit einem relativ neuen Schwerpunkt auf Datenwissenschaft erkenne, ist die Voreingenommenheit, mit der sie an Experimente oder Kampagnen herangehen. Sie sind bereits vorab von bestimmten Sachverhalten überzeugt. Doch wenn man bereits vorab von etwas überzeugt ist, kann man es auch belegen, wenn man die Daten nur lange genug nach Belegen durchforstet. Das ist jedoch nicht der richtige Ansatz. Für einen effektiven Einsatz der Datenwissenschaft müssen Sie A/B-Tests durchführen und die wissenschaftliche Methode anwenden, um die richtigen Entscheidungen zu treffen und falsche Entscheidungen zu vermeiden. Wie schon gesagt: Erforschen Sie, stellen Sie Hypothesen auf und testen Sie sie – und zwar ohne Abkürzungen.

3. Nutzen Sie die Kraft maschinellen Lernens.

Datenwissenschaft beschleunigt die Erforschung von Daten und ermöglicht es uns, schnell Einblicke zu gewinnen und Zusammenhänge zu erkennen. Was ist der nächste Schritt? Wie können Sie diese Einblicke nutzen, Entscheidungen treffen und Maßnahmen ergreifen? Maschinelles Lernen spielt eine große Rolle bei der Verwertung dieser Einblicke und ermöglicht es Ihnen, das gesamte Potenzial von Daten zu nutzen, um individuelle Besucherinteraktionen zu optimieren und zu personalisieren. Durch die Untersuchung von Daten auf Trends, Ähnlichkeiten und Möglichkeiten bei gleichzeitiger Bereitstellung von Erlebnissen, die die Vorteile dieser Erforschung nutzen, gewinnen Sie einen Grad an Personalisierung, der mit manuellem Aufwand nicht zu erreichen wäre. Ihre Kunden erwarten es von Ihnen, und nachdem Sie das ganze Potenzial erkannt haben, wird Ihre Organisation es ebenfalls erwarten. Maschinelles Lernen sollte eine kontinuierliche Erforschung UND Verwertung von Daten ermöglichen. Zwar ist ein Grundverständnis von Statistik für jeden Marketing-Experten von Vorteil, doch niemand sollte sich um den statistischen Genauigkeitsgrad seiner Tools sorgen müssen.

4. Vertrauen Sie dem Autopiloten.

Damit Sie Ihre Initiativen im Bereich Datenwissenschaft und Optimierung wirklich auf eine höhere Ebene bringen können, muss automatisierte Personalisierung zu einem wesentlichen Bestandteil dieser Initiativen werden. Dafür müssen Sie lernen, dem Computer zu vertrauen. Anschließend müssen die kulturellen Best Practices daran ausgerichtet werden. In manchen Unternehmen könnte dies zu einer kniffligen Aufgabe werden. Wir verfügen über die notwendigen Tools. Aber Sie müssen bereit sein, Ihren maschinellen Marketing-Kollegen wirklich einzusetzen und ihm zu vertrauen. Diese Anforderung könnte einigen Marketing-Experten viel abverlangen.

Eine Demokratisierung der Datenwissenschaft könnte dabei jedoch unterstützend wirken. Selbst wenn es kein designiertes Datenwissenschafts-Team gibt, können die Aufgaben dennoch gemeinsam ausgeführt und die Ergebnisse anschließend gemeinsam verwertet werden. Kassierer überließen ihre Aufgaben den Geldautomaten, und ihr Vertrauen zahlte sich aus und brachte ihnen mehr Erfolge, mehr Möglichkeiten und einen höheren Status innerhalb ihrer Organisationen und innerhalb des gesamten Bankensektors ein.

Organisationen müssen ein gewisses Maß an Vertrauen aufbringen, wenn sie ihre Automatisierungsinitiativen mithilfe von Datenwissenschaft voranbringen möchten. Zahlreiche Informationen und Verfahren müssen Autopiloten überlassen werden. Jede Organisation wird für sich herausfinden müssen, wie sie diesen Schritt im Einklang mit ihrer internen Kultur und ihren Best Practices vollziehen will. Wir verfügen über die Tools und die Technologie, aber die Integration von Datenwissenschaft bringt gewisse kulturelle und organisatorische Veränderungen mit sich, die viele Unternehmen berücksichtigen müssen.

Der Anfang ist gemacht

Dies ist nur der Auftakt der Diskussion über Datenwissenschaft. Denken Sie über Integrationsmöglichkeiten für Datenwissenschaft in Ihrem Unternehmen nach. Ein externer Experte stellt ebenso eine Option dar wie ein interner Demokratisierungsprozess über vorhandene Ressourcen hinweg. Sie erschließen zahlreiche neue Möglichkeiten und ein enormes Potenzial, wenn Sie den für die Integration der Datenwissenschaft notwendigen kulturellen und strukturellen Wandel vollziehen. Wenn Sie es jedoch richtig machen, wird sich der Aufwand lohnen.

Dieser Post erschien erstmals auf SmartDataCollective.com.