Sie haben Kundendaten gesammelt, was nun?

Digitale Technologien wurden in den letzten Jahren vollständig demokratisiert, was Berge von Daten zum Kundenverhalten produziert, von Vorlieben bis hin zu Interessen und Stimmungen.

Aufgrund der COVID-19-Pandemie nutzen Kunden nicht die gleichen Kanäle, die sie traditionell für Einkäufe genutzt haben, was die Notwendigkeit für Unternehmen erhöht hat, effizienter umsetzbare Informationen aus den gesammelten Informationen zu gewinnen.

Unternehmen möchten Technologien wie künstliche Intelligenz, maschinelles Lernen und natürliche Sprachverarbeitung anwenden, um Kundenmuster besser zu verstehen und Vorhersagen zu treffen, die ein personalisierteres Erlebnis ermöglichen, aber schlecht organisierte, unstrukturierte Daten halten sie zurück.

Der Einsatz digitaler Interaktionssysteme, die ein personalisiertes Erlebnis bieten müssen – Online-Shop, Chatbot, mobile App – ohne effektive Datenanalyse führt zu schlechten digitalen Erfahrungen.

Marketer und andere Geschäftsanwender, die bei der effektiven Nutzung von Datenanalysen vor Herausforderungen stehen, müssen sich drei Fragen stellen. 1. Wie beschleunige ich? 2. Wie automatisiere ich? 3. Wie reduziere ich meine Kosten pro Einblick?

Hier sind vier wichtige Best Practices, die Sie im Hinterkopf behalten sollten, wenn Unternehmen mehr datengesteuert werden wollen:

1) Geschwindigkeit ist entscheidend

Vor sieben bis zehn Jahren, bevor digitale Technologien so produktiv wurden, konnte es mehrere Jahre der Interaktionen und der Kaufhistorie dauern, bis ein Unternehmen das Kaufverhalten dieses Kunden vollständig verstehen konnte.

Heute kann die Analyse einer Minute der Historie des Kaufverhaltens eines Kunden Ihr Verständnis seines Kaufverhaltens verändern. Unternehmen müssen blitzschnell Datenanalyse- und Informationssysteme entwickeln und bereitstellen. Auf diese Weise kann Ihr Unternehmen die Zeit bis zur Erkenntnis verkürzen und gleichzeitig die Kosten pro Erkenntnis optimieren.

2) Wir haben kein Technologieproblem

Heute kann niemand behaupten, dass Technologie ein Problem bei der Visualisierung und Interpretation von Geschäftsinformationen ist.

Es gibt eine kontinuierliche Verbreitung von Technologien wie Hadoop, MongoDB, Spark, Snowflake, Visualisierungstools wie Tableau, Looker, Microsoft PowerBI, TensorFlow, maschinellen Lernalgorithmen und ausgefeilteren Cloud-Datenanalysen.

Technologie, Systeme und Rechenleistung stehen in großem Maßstab zur Verfügung. Was Unternehmen davon abhält, viele dieser Technologien effektiv zu nutzen, sind teilweise ihre Investitionen in Legacy-Systeme, teilweise die Speicherung von Informationen in Silos, wo sie nicht benötigt werden, und das Fehlen einer Strategie für die Modernisierung.

Organisationen benötigen kontextbezogene Informationen, die für die Verteilung und Analysenutzung zentralisiert sind.

3) Datensilos müssen aufgebrochen werden

Viele Marketingorganisationen und andere Geschäftsanwender investieren in Data Lakes und zentralisierte Data Warehouses, um Informationen aus mehreren, unterschiedlichen Quellen zu speichern. Obwohl diese vom Unternehmen gesponsert werden, sind sie immer noch IT-zentriert.

Bei IT-zentrierten Ansätzen gibt es zwangsläufig Silos. Für einen Einzelhändler bedeutet dies, dass stationäre Geschäfte nicht mit Omnichannel kommunizieren und die Lieferkette nicht mit der Bestandsverwaltung – und jeder möglichen Kombination dazwischen – kommuniziert, was zu einer Verzögerung beim Verbrauch dieser Informationen führt.

Hier versprechen Data-Mesh-Architekturen das Versprechen – Daten in großem Maßstab auf eine Weise zu verteilen, die zentralisierte Plattformen nicht können, und außerdem dem Unternehmen Einblicke zu geben und die Entscheidungsfindung zu automatisieren.

Data Mesh bietet Unternehmensgruppen die Flexibilität, Informationen anzuzeigen und Entscheidungen zu treffen. Data Mesh ist ein Ansatz, der es Unternehmen ermöglicht, viele verschiedene Datenquellen zu nutzen und die Silos zu durchbrechen, mit denen manchmal Info Lakes konfrontiert sind.

4) IT und Unternehmensgruppen brauchen eine engere Zusammenarbeit

Vor Jahren traf der CIO die meisten Entscheidungen in Bezug auf Datenanalyse, Kundenerfolg und Geschäftsanalyseinitiativen. Heutzutage sind die gesamte C-Suite und die wichtigsten Stakeholder des Unternehmens stark eingebunden, was oft zu Reibungen und Silos führt.

Der IT-Abteilung kommt noch eine wichtige Rolle bei der Standardisierung von Tools, Technologie und Infrastruktur zu. Da sich jedoch die Verbrauchsmuster und Anforderungen rund um Daten unterscheiden, müssen die Marketingorganisation und andere Geschäftsanwender mit der IT zusammenarbeiten, um zu verstehen, wie sie effektiver zusammenarbeiten können, um ihre Informationen zu nutzen.

Marketingorganisationen sind so weit gekommen, Erkenntnisse aus Informationen zu gewinnen, insbesondere im Bereich des Kundenerfolgs. Die Fragen, wie Sie darauf zugreifen, wie Sie sie automatisieren und wie Sie die Kosten pro Einblick optimieren, müssen jedoch noch beantwortet werden, um erfolgreich voranzukommen.

Die Herausforderung ist keineswegs trivial. Aber die möglichen Belohnungen in Form von datengesteuerten Erlebnissen, die Kunden begeistern, mehr Effizienz und Automatisierung, sind spannend.

Radhakrishnan Rajagopalan ist der globale Leiter für Kundenerfolg bei Mindtree, einem führenden Unternehmen für digitale Transformation und Technologiedienstleistungen.