.jpg)
Gastbeitrag: Einen Paradigmenwechsel beim Thema Datenanalyse fordert Martin Brunthaler.
Foto: Adverity
Der Autor Martin Brunthaler ist Co-Founder und CTO von Adverity
Entgegen weitläufiger Meinungen kommt der bestmögliche Einsatz gesammelter Daten allen Bereichen eines Unternehmens zugute. Das Problem: Selbst Datenanalysten, die sich eigentlich mit der Materie auskennen sollten und Informationen ebenso nutzen und interpretieren müssen, verfügen oft über eine nicht ausreichende und unzuverlässige Datengrundlage. Das Resultat: Die Ergebnisse ihrer Tätigkeit bieten weit weniger an Mehrwert, als sie eigentlich sollten – das zeigt auch der zweite Teil der Studie „Marketing Analytics 2022: State of Play“ von Adverity. Dass sich Datenanalysten zudem selbst als fähiger sehen, als sie es tatsächlich sind, macht die Situation nicht besser. In Zeiten, in denen über den Einsatz von Predictive Analytics diskutiert wird, muss ein deutlicher Paradigmenwechsel stattfinden.
Aktuell scheint auf dem Markt jedoch noch wenig Verständnis für diese so grundlegende Problematik vorhanden zu sein. Noch immer nehmen die Datenbereinigung und die Harmonisierung von Daten aus verschiedenen Quellen einiges an Zeit in Anspruch. Anstatt ihre Zeit mit Analysen zu verbringen, die einen wirklichen Mehrwert für das Unternehmen generieren, verbringen gut bezahlte Fachkräfte einen Großteil ihrer Zeit mit der manuellen Datenintegration. Bislang können nur 41 Prozent aller Analysten überhaupt auf eine „Single Source of Truth“ zugreifen, also eine einheitliche Datenquelle für das gesamte Unternehmen. Unter diesen 41 Prozent wiederum setzen ganze 69 Prozent der Befragten Predictive Analytics ein, bei Anwendern ohne ein zentrales Datendepot sind es lediglich 27 Prozent.
Um Vertrauen in die eigenen Daten zu erlangen, müssen Unternehmen eine gewisse Datenreife anstreben. Denn anstatt weniger zu werden, wird die Menge an gesammelten Informationen immer weiter zunehmen – und mit ihnen die Anzahl der Datenquellen. Allerdings haben mehr als drei Viertel der Analysten, die sich selbst für „datenreif“ halten, noch nicht einmal einen ersten Schritt in diese Richtung getan. Und trotzdem planen die meisten Befragten in diesem Jahr noch den Einsatz fortschrittlicher Technologien wie Predcitive Analytics. Bevor dies jedoch überhaupt eine Option ist, müssen sie zunächst die Lücken auf der grundlegendsten Ebene schließen – und das gilt ebenso für die Einführung anderer Technologien wie KI und Machine Learning.
So ist es umso erstaunlicher, dass laut 38 Prozent der in der Studie Befragten, die Predictive Analytics einsetzen wollen, noch immer mit der manuellen Integration von Daten zu kämpfen haben. Gut zwei Drittel greifen für die Erstellung ihrer Marketingreports obendrein noch immer auf Tabellenkalkulationen zurück. Auch interessant: Besonders Unternehmen, die bereits über ein starkes Kampagnenreporting verfügen, verfügen auch über die im Vergleich besten Voraussetzungen, um Predictive Analytics auszurollen.
Dabei sollten Informationen systematisch und immer auf dem neuesten Stand erhoben und dann auf einem Dashboard visualisiert werden, damit sich eine möglichst ertragreiche Entscheidungsgrundlage ergibt und Ergebnisse evaluieren lassen. Das Fundament hierfür liegt in einer guten Datenkultur sowie automatisiert laufenden Tools für einen analytisch ausgereiften Umgang mit Daten, inklusive Single Source of Truth. Denn für analytisch gereifte Teams sind eine automatisierte Datenintegration und eine einheitliche Sicht auf Daten eine Selbstverständlichkeit.
Für die notwendigen Schritte, die zum erfolgreichen Einsatz proaktiver Modellierungen führen, ist in Unternehmen bei weitem noch nicht ausreichend Bewusstsein vorhanden. So müssen wir also annehmen, dass sich in den nächsten Jahren auch in Sachen Data Maturity zeigt, wer wettbewerbsfähig bleiben wird. Denn erst der richtige Einsatz von hochwertigen Analytics- und BI-Tools öffnet die Tür zu aussagekräftigen Erkenntnissen und zum geschäftlichen Erfolg.
