Data-driven Business – Fundierte Entscheidungen statt Bauchgefühl

Von Data Science über Data Engineering bis hin zum Data-driven Business. Die Zahl an Buzzwords, die im Zusammenhang mit der datengetriebenen Wirtschaft kursieren, ist endlos. Zeit also, »Data-driven Business« genauer unter die Lupe zu nehmen und zu schauen, was dahintersteckt.

Im »Data-driven Business« geht es konkret darum, aus Daten Mehrwerte für die eigenen Kunden und das Unternehmen zu ziehen und dadurch Prozesse zu optimieren und gewinnbringende Entscheidungen zu treffen. Kurz gesagt: Weg von der Intuition, hin zur datenbasierten Entscheidungsfindung.

Data-driven Business – Weg von der Intuition

Doch wie werden Entscheidungen im Normalfall getroffen? Wie geht man beispielsweise bei der Auswahl von Produkten vor? Nehmen wir den Kauf eines Akkuschraubers: Ein potenzieller Käufer könnte hier natürlich spontan aus dem Bauch heraus entscheiden: Welcher Akkuschrauber spricht mich optisch an? Welcher ist vielleicht sogar gerade im Angebot?

Investiert der Käufer jedoch mehr Zeit in seine Entscheidung, wird er wahrscheinlich weitere Kriterien in den Kaufentscheidungsprozess einbeziehen. Er vergleicht die Preise, stöbert sich durch Bewertungen oder checkt Stiftung Warentest und trifft somit eine weitaus fundiertere Entscheidung.

Überträgt man dieses Beispiel nun aber auf den Einkäufer eines Unternehmens wird schnell klar: Bei einer Bestellung im Wert von hunderttausenden Euro kann er nicht mal eben nach Bauchgefühl à la »Mir gefällt die Farbe besser.« entscheiden. Vielmehr bedarf seine Entscheidung einer soliden Datengrundlage. Er könnte beispielsweise die Retourenquote bestimmter Hersteller berücksichtigen und nur jene Produkte mit einer geringen Rücksendequote in die engere Auswahl nehmen.

Data-driven Business – Aus Daten werden Entscheidungen

Data-driven Business setzt genau bei solchen Entscheidungsprozessen an. Im ersten Schritt auf dem Weg zu datengetriebenen Entscheidungen braucht es dafür eine entsprechende Datenbasis: Unternehmen verfügen meist schon über viel mehr Daten, als ihnen eigentlich bewusst ist, zum Beispiel Daten aus ERP- oder Shopsystem, Service- oder Marketing-Cloud sowie diverse Trackingdaten. Zudem können auch externe Datenquellen genutzt werden, um Entscheidungen voranzutreiben. Von käuflich zu erwerbenden bis hin zu frei zugänglichen Daten stehen eine große Auswahl an Quellen zur Verfügung.

Um aus diesen Daten Informationen zu extrahieren, braucht es wiederum klare Metriken und KPIs, um Zahlen vergleichbar zu machen. Bleibt man beim Beispiel der Retourenquote, müsste also genau festgelegt werden, auf welchen Zeitraum sich die Kennzahl bezieht. Im Anschluss werden die Daten visualisiert, sodass sie schneller und einfacher erfasst werden können.

Im nächsten Schritt können die Daten durch Data Science mithilfe statistischer Modelle, Machine Learning und KI zur explorativen und gezielten Datenanalyse genutzt werden. Im besten Falle könnte die Entscheidungsfindung nun komplett automatisch vonstattengehen. Realistischer ist es jedoch, dass der Einkäufer in seiner Entscheidung durch automatische Vorschläge unterstützt wird und ihm beispielsweise die optimale Menge zum optimalen Zeitpunkt empfohlen wird.

Data-Driven Business: Die Buzzwords im Überblick

Inwiefern »Data-driven Business« dazu beitragen kann, die Entscheidungsfindung auf das nächste Level zu heben, sollte nun hoffentlich jedem klar sein. Um Licht in den Buzzword-Dschungel zu bringen, stellen wir euch im Folgenden noch einmal alle wichtige Begriffe vor, die in diesem Zusammenhang kursieren und ordnen diese ein.

• Data-driven Business: Der Begriff Data-driven Business beschreibt datengesteuerte Geschäftsmodelle, welche darauf basieren, mithilfe von Daten Prozesse und Entscheidungen zu optimieren.
• Data Strategy: Die strukturierte Aufarbeitung der Datenlandschaft mit Fokus auf Messbarkeit, Datenqualität, Datensicherheit und DSGVO-Konformität, um darauf aufbauend konkrete Fragestellungen zu erarbeiten.
• Data Thinking: Eine Methode, die Data-Science mit dem Design-Thinking-Ansatz verbindet. Sie stellt die relevante Use Cases an den Anfang jeder Datenstrategie – und definiert erst dann, welche Daten in welcher Qualität für die Implementierung von geeigneten Tools benötigt werden.
• Data Engineering: Data Engineering befasst sich mit dem Sammeln, Aufbereiten und Validieren von Daten und stellt sicher, dass die Infrastruktur und die Anwendungen vorhanden sind, die zur Analyse benötigt werden, wie zum Beispiel ein Business-Intelligence-Tool.
• Data Science: Exploration und gezielten Analyse von Daten mithilfe von statistischen Modellen, Machine Learning und Künstlicher Intelligenz.

Data-driven-Business-Checkup: Wie datengetrieben ist euer Unternehmen bereits?

Um solch eine datengetriebenen Prozess umzusetzen, braucht es neben einer geeigneten Infrastruktur und den richtigen Tools auch gut ausgebildetes Personal. Die Data Scientists von dotSource unterstützen euch dabei, eine Datenstrategie zu definieren, im Rahmen des Data Engineering die geeigneten Tools zu finden und zu implementieren sowie gesammelte Informationen mithilfe von Data Science auszuwerten.

Data-driven Business mit eurem KPI-Framework – Whitepaper jetzt kostenfrei herunterladen!

Key Performance Indicators (KPIs) sind entscheidend für die Auswertung und weiter Verarbeitung vorhandener Daten. Um eure KPI-Strategie auf die Ziele eures Unternehmens abzustimmen, bietet das Whitepaper »KPIs im Digital Business« einen Überblick über wichtige KPIs im E-Commerce und ihre Relevanz für verschiedene Unternehmensbereiche. Füllt jetzt das Formular aus, sichert euch euer kostenfreies Exemplar und stellt euch euer KPI-Framework zusammen.