Datenkultur: So lassen sich Kundenwünsche in Echtzeit abbilden

Anbieter zum Thema

Klinkhammer Intralogistics GmbH

Marken-MEDIA Iji GmbH

Wer Kundenwünsche in Echtzeit bedienen will, muss Daten aus ERP-, PIM- und CRM-Systemen, Online-Shops und Social Media zusammenführen. Dabei reicht es nicht, immer nur neue Informationen zu erheben. Es bedarf vielmehr einem Verständnis für die vorhandenen Metriken – und eine etablierte Datenkultur.

Verkaufszahlen oder Social-Media-Auswertungen bieten erst dann einen konkreten Nutzen für Retailer, wenn sie die Basis für ihre Entscheidungen liefern. Entsprechend sollten die Mitarbeitenden über sämtliche Geschäftsbereiche hinweg in der Lage sein, durch die Nutzung von Erkenntnissen aus Daten, einen echten Mehrwert zu erzielen. Eine YouGov-Befragung im Auftrag von Tableau ergab jedoch, dass über die Hälfte der befragten Führungskräfte ein mangelndes Datenverständnis wahrnehmen. So sehen 41 Prozent Defizite, wenn Erkenntnisse aus Daten gezogen werden sollen. Um diese Lücke zu schließen, ist eine Datenkultur nötig. Dabei sollten Handelsunternehmen in vier Schritten vorgehen.

1. Strategische Priorisierung und Ziele des Unternehmens festlegen

Führungskräfte aus allen Teilen der Organisation müssen sich zunächst über die strategischen Prioritäten im Klaren sein. Speziell für Handelsunternehmen bedeutet das beispielsweise, ob der Fokus der Verkaufsaktivitäten auf dem stationären oder dem Online-Handel liegen soll. Oder sie bestimmen, ob sie sich primär auf das Neukundengeschäft oder die Optimierung des Einkaufserlebnisses von Bestandskunden konzentrieren. Anhand der wichtigsten Ziele definieren die Führungsteams Leitmetriken, mit denen sie die aktuelle Geschäftssituation bewerten. Diese werden laufend aktualisiert, damit das Unternehmen frühzeitig Trends erkennen und entsprechend reagieren kann.

Analog ist das Management des US-amerikanischen Modelabels Abercrombie & Fitch vorgegangen: Vor der Einführung einer Datenkultur lagen die Sales-Informationen aus 865 Geschäften in separaten Silos. Die Analyse der Verkaufszahlen dauerte sehr lange, sodass sich der Lagerbestand nicht zeitnah an den tatsächlichen Bedarf anpassen ließ. Nach der Definition von Leitmetriken konnten die Merchandising-Teams hingegen die Verkäufe im Zeitverlauf und nach Kundensegmenten verfolgen. Dieser klare Überblick über Trends und Kundenverhalten erlaubte es dem Bekleidungshändler, sofort zu reagieren, um den Bestand an den Bedarf anzupassen.

2. Datenkultur: Kritische Entscheidungspunkte identifizieren und Datenquellen erstellen

Im nächsten Schritt auf dem Weg zu einer umfassenden Datenkultur bilden die Verantwortlichen für Daten sowie Geschäfte ein Projektteam. Gemeinsam ermitteln oder erstellen sie wenige aber wichtige Datenquellen. Angenommen, die zentrale Zielsetzung ist das Kundenwachstum: Die Datenquelle liefert dann Informationen rund um das Kundenverhalten oder das Kundenerlebnis, wie Bewertungen auf den Social-Media-Kanälen oder im Online-Shop. Auch Zahlen zu den Bestellungen im Verhältnis zu den Retouren geben Aufschluss über die Kundenzufriedenheit. Oft liegen den Datenquellen unterschiedliche Systeme diverser Hersteller zugrunde, sodass diese zunächst verknüpft und in einen Datenpool zusammengeführt werden müssen.

Daraufhin gilt es, kritische Entscheidungspunkte zu identifizieren, an denen Kundinnen und Kunden abwägen, ob sie eine bestimmte Aktion starten, stoppen, fortführen oder ändern. Anhand der Datenquellen können diese Punkte mit Informationen unterfüttert, potenzielle Ergebnisse simuliert und modelliert sowie die Auswirkungen gemessen werden. So lässt sich beispielsweise feststellen, ob die Schritte zur Optimierung des Kundenerlebnisses beispielsweise zu einem höheren Website-Engagement geführt haben. Eine einzelne Datenquelle kann dabei helfen, viele Entscheidungspunkte zu optimieren, bevor sich das Projektteam den nächsten Geschäftsprozess näher ansieht. Dieses schrittweise Vorgehen schafft die Voraussetzung für den späteren Erfolg, bevor Datenassets für die gesamte Organisation erstellt werden.

3. Daten motivierend veranschaulichen

Ein Bild sagt mehr als tausend Worte – das gilt auch für die Aufbereitung von Zahlenmaterial. Daher ist es die Aufgabe von IT- und Fach-Expertinnen und -Experten, die gesammelten Daten aus dem zweiten Schritt bedarfsgerecht in Form von Dashboards, Visualisierungen, Berichten oder Arbeitsmappen aufzubereiten. Diese Assets sollten auf die individuellen Anforderungen der einzelnen Funktionsbereiche – vom Verkauf bis zum Kundenservice – angepasst sein. Das fördert nicht nur die Zusammenarbeit im Unternehmen, sondern gewährleistet auch Ergebnisse mit echtem Mehrwert.

Lieferketten und Customer Journeys liefern eine Fülle an Datenquellen. Deren Zusammenführung und Aufbereitung in einem Dashboard bietet eine einheitliche, ansprechende Datensicht, die Kundenerlebnisse mess- und optimierbar macht. Die Datenpunkte reichen vom POS bis zu Google Adwords. Im Endeffekt können Unternehmen so die komplette Customer Journey – online wie offline – analysieren. Auf Basis dieser Übersicht steht bei jeder Entscheidung das beste Kundenerlebnis im Mittelpunkt.

4. Fördern der Datenkompetenz für alle Bereiche

Alle Mitarbeitenden sollten über ausreichendes Vertrauen in und Wissen über Daten verfügen. Wichtig sind daher Schulungen und Weiterbildungen zur Förderung ihrer Datenkompetenz. Dadurch können sie selbstständig Erkenntnisse aus Daten für Geschäftsentscheidungen gewinnen.

Nicht zuletzt ist Datenkompetenz die Basis, um Online und Offline Kanäle zu einer einheitlichen Datenquelle zusammenzuführen. Mithilfe von Dashboards können Umsätze und Kundenfluss gemessen werden, um die Personalplanung daran anzupassen. Erkenntnisse der Produkt-Vorlieben können beispielsweise genutzt werden, um das Angebot auf allen Kanälen zu optimieren und verfügbar zu halten. Eine Datenkultur sorgt so neben der betrieblichen Effizienz für ein besseres Kundenerlebnis auf allen Kanälen.

Datenkultur: Fazit

Eine unternehmensweite Datenkultur entwickelt sich im Handel zu einem geschäftskritischen Faktor. Um echten Mehrwert aus Daten zu generieren, müssen Unternehmen ihre Datenquellen nicht nur vernetzen und intelligent analysieren, sondern auch Geschäftsbereiche zusammenführen und die Belegschaft individuell weiterbilden, indem sie eine Analyseplattform wie Tableau nutzen, die all dies zusammenführt. Eine erfolgreiche Datenkultur ist eine Frage des Mindsets jeder einzelnen Person und muss sich durch sämtliche Geschäftsbereiche im Unternehmen ziehen.

Über den Autor: Henrik Jorgensen ist seit 2014 Country Manager für Deutschland, Österreich und die Schweiz. Jorgensen hat den Auftrag, das Wachstum von Tableau im deutschsprachigen Europa durch die Investition in die Datenanalyse voranzutreiben und den Erfolg der Kunden sicherzustellen. Er hat über 30 Jahre Berufserfahrung. Jorgensen war unter anderem, mehr als 10 Jahre bei Quest Software Inc., inzwischen Dell Software als Vice President und General Manager Zentral EMEA und Emerging Markets tätig. Er begann seine Karriere bei IBM und hat einen Bachelor of Science in Maschinenbau von der Technischen Universität Dänemark in Lundtofte und Bachelor of Science in Marketing an der Copenhagen Business School.

Lesen Sie auch: Datenauswertung: Wie digitale Technologien den Handel weiter bringen