Warum die Weiterentwicklung der Datenreife Ihr digitales Potenzial freisetzen wird

Es lässt sich nicht leugnen, dass Marken, die ihre Fähigkeiten mit Daten nutzen und in sie investieren, diejenigen sein werden, die ihr volles Umsatzpotenzial maximieren werden. Aber während die Marketer von heute über eine Fülle von Daten verfügen, sind zwei der größten Herausforderungen überhaupt, zu wissen, welche Daten zu verwenden sind und wie sie verwendet werden.

In diesem Artikel teilen wir einen strategischen Rahmen, der Unternehmen dabei hilft, zu erkennen, wo sie sich auf ihrem Weg zur Datenreife befinden, und wie sie ihre Datenfähigkeiten und -kompetenz verbessern können, um Innovation und Wachstum voranzutreiben.

Die Digitalisierung der Wirtschaft hat zu einer explosionsartigen Entstehung von Daten geführt. In den letzten zehn Jahren ist die Welt von 6,2 Zettabyte im Jahr 2012 auf etwa 97 Zettabyte im Jahr 2022 gestiegen.

Die Gelegenheit eines solch dramatischen Anstiegs der Daten lässt sich von Führungskräften in allen Branchen nicht entgehen, von denen viele versucht haben, die Daten zu nutzen, um so viel wie möglich über ihre Kunden zu analysieren. Die Ausgaben für Big-Data-Analyselösungen werden in diesem Jahr weltweit voraussichtlich 215,7 Milliarden US-Dollar erreichen.

Die unternehmensübergreifende Nutzung von Daten ist jedoch eine widersprüchliche Erfahrung. Einige Unternehmen haben klug in die Entwicklung ihrer Datenreife investiert.

Mit kurzer Vorankündigung können sie flexibel umschwenken, um die Einnahmemöglichkeiten in einem unvorhersehbaren wirtschaftlichen Umfeld zu maximieren. Andere erleben einen Kreislauf abnehmender Renditen, wenn sie versuchen, frühere Erfolge mit gemischten Ergebnissen zu wiederholen.

Datenreife im Marketing

Verständlicherweise sind Marketer, die in der Nutzung fortschrittlicher Daten und analytischer Techniken zur Erreichung kritischer Ziele geübt sind, sehr gefragt.

Im Gegensatz zu Marketern in Unternehmen mit geringer Datenreife verstehen Marketer mit fortgeschrittener Datenreife und -kompetenz, wie sie Daten in kritische Unternehmensressourcen verwandeln. Sie regeln ihre Anwendung und Auswirkungen auf die Geschäftsziele und nutzen Daten, um erhebliche Wettbewerbsvorteile zu erzielen.

Aber was genau verstehen wir unter Datenreife? In diesem Artikel diskutieren wir unsere Definition von Datenreife, teilen einige unserer Erfahrungen mit Ihnen und skizzieren ein einfaches Framework, mit dem Marketer ihren eigenen Grad an Datenreife messen können.

Was ist Datenreife?

Die Datenreife bezieht sich auf die Entwicklung der Datenfähigkeiten eines Unternehmens. Auch wenn es auf den ersten Blick strittig erscheinen mag und vielleicht impliziert, dass weniger entwickelte Unternehmen irgendwie „unreif“ sind, ist dies in der Praxis nicht der Fall.

Der Begriff Datenreife hat eine sehr spezifische kontextuelle Bedeutung. Der Schwerpunkt liegt auf der Entwicklung, mit der Erkenntnis, dass jedes Unternehmen an einem anderen Ort beginnt und spezifische Maßnahmen erfordert, um voranzukommen.

Warum ist die Datenreife wichtig?

Das Verständnis der Datenreife Ihres Unternehmens ist aus fünf wichtigen Gründen wichtig. Eine Wertschätzung der Datenreife kann Marketern dabei helfen:

• Ausrichten: Verstehen Sie, welche Probleme und Herausforderungen das breitere Unternehmen zu lösen versucht, und passen Sie Strategien an, um die Ziele zu unterstützen.
• Schätzen : Analysieren Sie leidenschaftslos, was das Unternehmen heute gut kann und wo Verbesserungen vorgenommen werden müssen, um bessere Datenentscheidungen zu treffen.
• Bewerten: Benchmarking der Datenkompetenzniveaus, Anwendung von Schulungs- und Weiterbildungsressourcen, um die Einführung einer offenen Lernumgebung zur Unterstützung innovativen Denkens sicherzustellen.
• Antizipieren: Freuen Sie sich auf aufregende erweiterte Analysefunktionen, wenn die Datenkapazitäten des Unternehmens ausgereift sind.
• Kalibrieren: Optimieren Sie Technologie und Infrastruktur, um nicht nur jetzt den maximalen Nutzen zu erzielen, sondern auch die Ressourcen, die sie in Zukunft benötigen könnten, genau zu planen.

Wie wir bereits erwähnt haben, haben es einige Unternehmen geschafft, das Gleichgewicht zu halten und ihre Fähigkeiten weit vor der Konkurrenz zu beschleunigen. Werfen wir einen Blick auf einige der besten Beispiele dafür, wie die fortgeschrittene Datenreife einige wenige Unternehmen den anderen überlegen gemacht hat.

Monzo

Monzo wurde 2015 gegründet und hat der internen Zusammenarbeit in beeindruckendem Maße Priorität eingeräumt. Die Challenger-Bank hat sich für eine Struktur entschieden, in der es intern keine traditionellen BI-Teams (Business Intelligence) gibt. Stattdessen können Datenwissenschaftler die analytischen End-to-End-Workflows autonom durchführen.

Monzo ermutigt Teams, Datenmodelle zu entwickeln, die dem Unternehmen als Ganzes zugute kommen. Trotz eines hart umkämpften Fintech-Marktes festigt Monzo weiterhin seinen Ruf als Marktmacht im Privatkundengeschäft. Im Jahr 2020 wurde Monzo mit 4,5 Mrd. $ (USD) bewertet und ist Europas drittwertvollste Neobank.

Asos

Der Einzelhandelssektor hat in den letzten zwei Jahrzehnten gekämpft, seit die Vorherrschaft von Amazon den traditionellen Einzelhandel auf den Hauptstraßen auf den Kopf gestellt hat.

ASOS ist jedoch eine der Modemarken, die sich dem Trend erfolgreich widersetzt hat. Der Fast-Fashion-Riese schreibt einen großen Teil seines Erfolgs seiner Datenstrategie zu und testet insbesondere Hypothesen im Miniaturformat, um ihren Wert vor der Skalierung zu beweisen.

Das Unternehmen hat Brand Lift-Studien neben geografischen Experimenten in allen Märkten durchgeführt. Es nutzte die gesammelten Informationen, um seine Strategie im Jahr 2020 festzulegen, als die Pandemie zu greifen begann. Im Jahr 2021 hatte die Marke einen Wert von 1,3 Mrd. USD (USD) und steigerte ihren Wert in einer beispiellosen Zeit für die Weltwirtschaft.

Netflix

Die Empfehlungsalgorithmen von Netflix generieren vorgeschlagene Inhalte und empfehlen den Zuschauern Titel auf dynamische Weise. Jede hat eine andere Kategorie (normalerweise ein Genre oder Thema), wobei der Titel, der am ehesten den Interessen eines Benutzers entspricht, zuerst platziert wird.

Empfehlungen werden automatisch generiert und basierend auf einer Reihe von Faktoren geordnet, darunter der Wiedergabeverlauf, die Länge der angezeigten Titel, das derzeit verwendete Gerät und mehr. Das Unternehmen erfasst Daten darüber, welche Vorschläge vom Benutzer übersprungen und welche Titel vom Betrachter übersprungen wurden.

Die hochmodernen Empfehlungsalgorithmen tragen dazu bei, die Zeit zu erhöhen, die Benutzer in ihren Anwendungen verbringen. In der Aufmerksamkeitsökonomie dominiert Netflix weiterhin, wo seine Konkurrenten regelmäßig zu kämpfen haben, und genießt 34 % aller US-Streaming-Minuten, verglichen mit 8 % bei Amazon Prime und nur 4 % bei Disney Plus.

Babylon

Babylon hat Transparenz mit großer Wirkung angenommen. Anstatt seine Ergebnisse hinter verschlossenen Türen des Unternehmens absolut vertraulich zu behandeln, bietet Babylon an, das zu teilen, was die Plattform über ihre Benutzer weiß.

Das Unternehmen gibt an, dass es sein Ziel ist, im Voraus zu bleiben und Datenressourcen für Kunden bereitzustellen, um eine dauerhafte Loyalität unter seiner Benutzerbasis zu fördern.

Die obigen Beispiele stellen einige der besten Anwendungen der erweiterten Datenreife dar. Aber es ist wichtig zu bedenken, dass Organisationen mit fortgeschrittener Datenreife nicht einfach aus dem Nichts auftauchen. Es gibt Schritte, die Sie unternehmen können, um Fortschritte zu erzielen.

Bei 26 hat uns unsere Arbeit mit erfahrenen Vermarktern und CMOs dazu veranlasst, das LEAP-Framework zu entwickeln: eine einfache Datenreifekurve mit drei Schritten und Stufen.

Um das LEAP-Framework zu verstehen, ist es wichtig, zunächst die zentrale Rolle interner Strukturen bei der Definition der Datenreife zu verstehen.

Datenreife in internen Strukturen: Eine Einführung in die Leap Data Maturity Curve

Interne Strukturen sind mit dem Reifegrad der Daten verflochten, da sie unsichtbare Barrieren errichten oder unternehmensübergreifende Zusammenarbeit in unterschiedlichem Maße ermöglichen können. Basierend auf unserer branchenübergreifenden Arbeit haben wir interne Strukturen in Bezug auf die Datenreife in drei Kategorien eingeteilt.

1. Silo

Unternehmen, die am Anfang ihrer Reise zur Datenreife stehen, verfügen wahrscheinlich über interne Strukturen, die unabhängig voneinander funktionieren. Insbesondere das Marketing wird wahrscheinlich als separate Funktion vom Rest des Geschäfts existieren. Mangelnde Integration führt dazu, dass Abteilungen in Silos arbeiten. Einblicke werden nicht so häufig geteilt oder sind teamübergreifend zugänglich.

Infolgedessen sind KPIs und Ziele von recht grundlegender und allgemeiner Natur, da Teams nur mit dem arbeiten können, auf das sie Zugriff haben oder worüber sie Kontrolle haben. Die Marketingleistung basiert in erster Linie auf KPIs wie der Onsite-Conversion, möglicherweise auf Kanal-zu-Kanal-Basis.

Es ist dem Marketing nicht möglich, Conversions Offline-Verkäufen von Kunden zuzuordnen, da diese Daten ihnen nicht ohne Weiteres zur Verfügung stehen und bei den Vertriebsteams liegen. Ebenso hat das Vertriebsteam möglicherweise keinen Überblick darüber, welche Marketingkampagnen zu qualitativ hochwertigen Leads geführt haben.

Ziele konzentrieren sich in der Regel darauf, den Trichter zu füllen, Aktivitäten sind reaktiv und es gibt einen hohen Fokus auf Kosteneffizienz vor allen anderen Überlegungen.

Status: Begrenzt, isoliert und reaktiv, fokussiert auf Kosteneffizienz und Conversions.

2. Synchronisiert

Synchronisierte Teams arbeiten abteilungs- und funktionsübergreifend zusammen, um gemeinsame, gemeinsame Geschäftsziele zu erreichen. Benutzte Plattformen wurden für die schnelle Verbreitung gemeinsamer Erkenntnisse integriert. Data Governance ist etabliert und wird regelmäßig überprüft, wobei Ethik- und Compliance-Standards in die Datennutzung im gesamten Unternehmen eingebettet sind.

Synchronisierte Teams sind proaktiver, abteilungsübergreifend besser organisiert und schätzen Produktivität und Zusammenarbeit. Daten werden zunehmend als Unternehmensvermögenswerte genutzt und geschätzt.

Status: Organisiert und synchronisiert, mit Produktivität als Hauptpriorität. Die unternehmensweite Zugänglichkeit für Datenerkenntnisse wird geschätzt und respektiert.

3. Intelligent

In dieser am weitesten fortgeschrittenen Phase der Datenreife sind Teams hochgradig integriert und die Verwendung qualitativ hochwertiger, konsistenter Daten ist in allen Abteilungen tief verankert. Schnelles Experimentieren, kontinuierliche Verbesserungen und Co-Creation sind schnell und Informationen werden regelmäßig und schnell zwischen den Teams ausgetauscht.

Insbesondere Datenteams sind hochqualifiziert und in der Lage, nützliche Modelle für maschinelles Lernen zu erstellen und bereitzustellen, die verwendet werden, um genauere Erkenntnisse zu gewinnen und relevante Geschäftsprobleme zu lösen.

Marketingkampagnen werden ethisch und intelligent eingesetzt. Plattformen sind vereinheitlicht und die Leistung wird über mehrere Berührungspunkte in der Verbraucherreise hinweg verstanden.

In der fortgeschrittensten Phase der Datenreife werden Schnelligkeit und Innovation geschätzt.

Status: Optimiert für maximalen Wettbewerbsvorteil und Kundenintelligenz.

3 Beispiele für Fähigkeiten mit unterschiedlichem Datenreifegrad

Das LEAP-Framework ist eine nützliche Methode, um die Fähigkeiten von Unternehmen in jeder strukturellen Phase der Datenreife zu verstehen. Jeder Schritt konzentriert sich darauf, die nächste Stufe der Datenreife zu erreichen und was Marketingspezialisten tun müssen, um ihre Teams dabei zu unterstützen, voranzukommen.

Stufe 1: Lernen & Befähigung

In der frühesten Phase der Datenreife sollten Marketer damit rechnen, Folgendes voranzutreiben:

• Grundlegende Analytics- und Data Literacy-Schulungen
• Weit verbreitete Nutzung grundlegender Analysetools wie Google Analytics
• Genaues Tracking grundlegender KPIs, wie z. B. Conversions
• Datenstandards für Genauigkeit und Compliance.

Stufe 2: Bewerben

In der nächsten Phase der Datenreife sollten Marketer damit rechnen, Folgendes implementiert zu haben:

• Datengetriebene Attributionsmodelle werden immer wichtiger
• Serverseitige Analysen mit internen Self-Service-Dashboards für zugängliche Einblicke
• Marketingaktivitäten mit Conversion-Optimierung, Performance-Steigerung und Personalisierung im Mix
• Absichtsbewertung, RFM-Modellierung und LTV-Analyse für ein tieferes Verständnis der tatsächlichen Kundenkohorten.

Stufe 3: Vorhersagen

Schließlich sollten Unternehmen in der fortgeschrittensten Phase der Datenreife davon ausgehen, dass sie in der Lage sind, prädiktive Analysen aus Datenbeständen souverän an die Macht zu bringen:

• Einheitliche Offline- und Online-Integration
• Einzelkundenansicht und Fuzzy-Matching
• Cloud-fähig, Streaming von Ereignisdaten und Echtzeitbereitschaft
• Big-Data-fähige Infrastruktur
• Automatisierungsaktivierung
• Pattern Mining und Stimmungsanalyse.

Zu diesem Zeitpunkt sollte ein Unternehmen mit ständig verfügbaren Test- und Lernprogrammen ML-fähig sein. Marketingteams können die Klarheit aus kontinuierlich optimierten datengesteuerten Attributionsmodellen schnell nutzen.

Sie antizipieren Kundenbedürfnisse und Schmerzpunkte durch den Einsatz von Methoden wie der Neigungsmodellierung und rufen mit Empfehlungssystemen ein höheres Engagement aktiver Benutzer hervor.

Der Ausbruch aus einer Silostruktur hängt von einer koordinierten Anstrengung der Beteiligten ab. Wie können Marketer also die richtigen Teams zusammenstellen, um die Datenreife voranzutreiben?

So stellen Sie das richtige Team zusammen, um die Datenreife voranzutreiben

Die Datenreife gilt für das gesamte Unternehmen. Es handelt sich um eine unternehmensweite Anstrengung, die über die Prioritäten eines Vertriebs- oder Marketingteams hinausgeht.

Daher ist es wichtig, verschiedene interne Influencer zusammenzubringen, um zu ermitteln, wie Änderungen an Ihrer Datenstrategie allen helfen können, die gleichen Ziele zu erreichen. Die Zusammensetzung der Stakeholder ist für jedes Unternehmen einzigartig und hängt daher von den Prioritäten Ihres individuellen Unternehmens ab.

Es kann für interne Teams schwierig sein, etabliertes Silodenken zu durchbrechen, also erwägen Sie die Zusammenarbeit mit einem externen Partner, um eine neutrale Basis zu schaffen. Ein qualifizierter Dritter kann helfen, die gegenseitigen Hindernisse aufzudecken, die Teams hinter einem Projekt zur Förderung der Datenreife vereinen können.

Wenn sich alle auf einen Ansatz einigen, mit einem vermittelnden Einfluss als Gegengewicht, ist es wahrscheinlicher, dass das Projekt bereitwillig angenommen wird.

Upgrade der Datenreife zur Vorhersage der Zukunft

Die Verbesserung Ihrer Datenreife ist ein wesentlicher Schritt bei der Transformation von Marketingfunktionen. Mit einem klaren Rahmen, präzisen Zielen, die auf umfassendere Geschäftsziele ausgerichtet sind, und der funktionsübergreifenden Zustimmung der Interessengruppen können Marketingfachleute konsistentere Ergebnisse liefern.

Mit der Zeit können Marketingfachleute ihren Organisationen dabei helfen, aus ihren Unternehmensdatenbeständen und der fortgeschrittenen Datenreife Kapital zu schlagen, um mit bahnbrechenden Unternehmen konkurrieren zu können.

Der Erfolg wird jedoch davon abhängen, wie sich die Koordination zwischen den Abteilungen auf herausfordernde Weise entwickelt. Externe Parteien können dabei helfen, abteilungsübergreifende Diskussionen zu erleichtern, aber Marketingspezialisten müssen die Führung übernehmen, um ihre Datenreife voranzutreiben und das volle Potenzial des digitalen Marketings freizusetzen.

Verbessern Sie Ihre Datenreife, um Ihr Unternehmen zukunftssicher zu machen

Twentysix ist ein Beratungsunternehmen mit umfassender Erfahrung im Stakeholder-Management, das Marketern hilft, ihr Potenzial zu maximieren. Wir arbeiten mit Vermarktern zusammen, um ihre Datenreife zu entwickeln und ihre Fähigkeiten mit Analysen zu verbessern.

Laden Sie jetzt unser Whitepaper herunter, um mehr darüber zu erfahren, wie CMOs und erfahrene Vermarkter Daten nutzen können, um ihren Einfluss zu erhöhen.