So erstellt Ihr ein Business-Intelligence-Konzept für Euer Unternehmen

Daten sind heutzutage im E-Commerce nicht mehr wegzudenken. Allerdings bringen die ganzen Daten relativ wenig, wenn man sie nicht richtig verarbeitet. Hier kommt Business Intelligence (BI) ins Spiel. Als relativ weit gefasster Sammelbegriff kann man grob sagen, dass Business Analytics, Data-Mining, Dateninfrastruktur, Datenvisualisierung und auch Datentools unter Business Intelligence fallen. In short und für den Kontext dieses Artikels deckt BI alle Prozesse von der Sammlung, Speicherung, Darstellung bis hin zu der Auswertung von Unternehmensdaten ab.

Unser Gastautor Florian Langer erklärt Euch in diesem Artikel, was ein Business-Intelligence-Konzept ist, welche Vorteile das hat und wie Ihr dies umsetzt. 

 

Was ist mit einem Business-Intelligence-Konzept gemeint?

Es gibt vier wichtige Schritte, die ein Business-Intelligence-Konzept durchläuft, um Rohdaten in leicht verdauliche Erkenntnisse umzuwandeln, die jede*r im Unternehmen nutzen kann. 

Die ersten drei – Datenerfassung, Analyse und Visualisierung – bilden die Grundlage für den letzten Schritt der Entscheidungsfindung. Vor dem Einsatz von BI mussten Unternehmen einen Großteil ihrer Analysen manuell durchführen, aber BI-Tools automatisieren viele Prozesse und sparen Euch viel Zeit und Mühe. Dabei kann BI beispielsweise dabei helfen, erfolgreiche Facebook-Werbekampagnen zu erstellen.

In der folgenden Grafik ist ein sehr leichtgewichtiger ETL-Prozess (Extract, Transform, Load) dargestellt, der jeweils die einzelnen Schritte des Prozesses berücksichtigt. 

Schritt 1: Sammeln und Transformieren von Daten aus verschiedenen Quellen

Business-Intelligence-Tools verwenden in der Regel die ETL-Methode, um strukturierte und unstrukturierte Daten aus verschiedenen Quellen zusammenzuführen. Diese Daten werden dann umgewandelt und umgestaltet, bevor sie an einem zentralen Ort gespeichert werden. So können Anwendungen sie leicht analysieren und als einen umfassenden Datensatz abfragen. 

Ein Beispiel für diesen Schritt kann sein, dass ein Datum immer im selben Format ist, dass alle Wochen “ISO-Weeks” sind oder dass alle E-mail-Provider-Domains mit www. anfangen. 

Schritt 2: Aufdecken von Trends und Mustern

Data Mining oder Data Discovery nutzt in der Regel die Automatisierung zur schnellen Analyse von Daten, um Muster und Ausreißer zu finden, die Aufschluss über den aktuellen Stand des Geschäfts geben. BI-Tools verfügen häufig über verschiedene Arten der Datenmodellierung und -analyse – darunter explorative, deskriptive, statistische und prädiktive Analysen. Mit diesen können Daten weiter untersucht, Trends vorhergesagt und Empfehlungen ausgesprochen werden.

Schritt 3: Datenvisualisierung zur Präsentation der Ergebnisse

Im Business-Intelligence-Reporting werden Datenvisualisierungen verwendet, um die Ergebnisse leichter verständlich zu machen und weiterzugeben. Zu den BI-Reporting-Methoden gehören interaktive Daten-Dashboards, Diagramme, Grafiken und Karten, die den Nutzer*innen zeigen, was im Unternehmen gerade vor sich geht.

Schritt 4: Nutzung der Insights in real time

Die Betrachtung aktueller und historischer Daten im Zusammenhang mit Geschäftsaktivitäten gibt Unternehmen die Möglichkeit, schnell von Erkenntnissen zu Maßnahmen überzugehen. Business Intelligence ermöglicht sowohl die Anpassung der Strategie in Echtzeit als auch langfristige strategische Änderungen. Diese können die Ineffizienzen beseitigen, sich an Marktveränderungen anpassen, Lieferprobleme korrigieren und Kundenprobleme lösen.

Die sechs beliebtesten Business-Intelligence-Tools basierend auf verifizierten Bewertungen und Erfahrungen aus der OMR-Community vereinfachen den obigen Prozess massiv und integrieren mit wenigen Klicks direkt an die Datenquelle, ohne für die Zwischenschritte ein extra Tool zu verwenden. 

• Microsoft Power BI

• Tableau

• Apteco

• Minubo

• SAP BusinessObjects BI

• looker

Einen Vergleich zwischen Tableau und der Mircosoft Power BI oder im Bereich Self-service-BI mit Tableau und SAP findet Ihr auch auf OMR Reviews.

Welche Vorteile bietet ein BI-Konzept?

Business-Intelligence-Tools helfen Euch dabei, die Daten, die relevant für Euer Business sind, in Echtzeit und automatisiert zu analysieren. Dadurch werden nicht nur Ineffizienzen vermieden, sondern Ihr seid auch in der Lage, potenzielle Probleme frühzeitig zu erkennen. Zudem bieten Business-Intelligence-Tools durch Mustererkennung die Möglichkeit, neue Einnahmequellen zu erschließen und / oder neue Bereiche für Growth zu identifizieren. 

Zu den spezifischen Vorteilen, die Unternehmen durch den Einsatz von Business-Intelligence-Tools erfahren, gehören:

• Höhere Effizienz der betrieblichen Abläufe
• Einblicke in das Kundenverhalten und die Kaufgewohnheiten
• Genaue Verfolgung der Vertriebs-, Marketing- und Finanziellen-Performance 
• Klare Benchmarks auf der Grundlage historischer, aktueller und prognostizierten Daten
• Sofortige Warnungen über Datenanomalien und Kundenprobleme
• Analysen, die in Echtzeit abteilungsübergreifend genutzt werden können

Schauen wir uns zum Beispiel einen Online-Shop an, hilft unser BI-Tool dabei, Kundensegmente zu erkennen und anhand dieser unterschiedlichen Käufergruppen differenzierte Angebote auszusteuern. Dadurch, dass alle Daten zentral an einer Stelle zusammenlaufen, haben wir auf Transaktionsebene alle Informationen zur Verfügung, die wir brauchen, um Kundentreue und Brand-Equity zu pushen.

Beispiel von Kundensegmenten 

Da wir wissen, wie viele und welche Touches Kund*innen hatten, können wir beispielsweise direkt auf die RPR (repeat purchase rate) der einzelnen Segmente Einfluss nehmen, indem wir bestimmte Kanäle in der jeweiligen Kohorte stärker bespielen. Wir würden auch herausfinden, welche Segmente der Zielgruppe eine hohe PRR (Product Return Rate) aufweisen und hier entsprechend mit Maßnahmen reagieren, die dieses Segment entweder ausschließen oder hier edukativen Content liefern, der den Mehrwert unseres Produkts nochmal verdeutlicht.

Außerdem wären wir in der Lage, datenbasiert und business-intelligent (pun-intended) Aussagen über unsere abgebrochenen Warenkörbe (CAR - Cart Abandonment Rate) zu treffen. Vielleicht ist die Ad mit dem gelben Hintergrund die, die am besten klickt, aber die höchste Abbruchrate hat, während die mit dem blauen Hintergrund sehr teuer zu sein scheint, aber den höchsten Average Order Value (AOR) liefert. 

Da wir auch alle Informationen bezüglich der Customer Journey und der Value Chain haben, sind wir auch in der Lage, unsere Preise dynamisch an die jeweiligen Segmente anzupassen. Hier helfen uns Machine-Learning-Algorithmen, die in der Lage sind, die zukünftige Performance der Segmente vorherzusagen.

Welche Anforderungen hat ein Business-Intelligence-Konzept?

Es gibt Tausende von SaaS-Tools und Datenquellen auf dem Markt, daher ist es unabdingbar, dass die gesamten Daten aus Eurem Ecosystem auch in Euer Business-Intelligence-Tool einlaufen. Sauber implementiertes Tracking ist daher essenziell für den Start der Business-Intelligence-Reise. 

Sobald das Grundgerüst Eurer Dateninfrastruktur steht, habt Ihr nicht nur Transparenz über die Datenpipeline, sondern könnt auch definieren, wann und wie oft die Daten aktualisiert werden sollen. Zudem wird es einfacher, Fehler bzw. Bugs zu erkennen und diese schnell zu beheben.

Wie erstellt man ein BI-Konzept?

Gerade im Bereich B2B SaaS, stehen wir häufig vor der Herausforderung, Budgets zur richtigen Zeit an den richtigen Kanal zu verteilen. Hierfür ist es unabdingbar, die Customer Journey genau und im Detail zu kennen. 

Zu wissen, wo potenzielle Kund*innen kaufen, wie sie sich im Funnel verhalten oder wann sie welche Inhalte konsumieren, sind alles wichtige Puzzleteile der Kaufentscheidung. Die Journey im B2B Bereich ist allerdings nicht immer geradlinig und die Zusammensetzung kann eine Herausforderung darstellen. 

Zudem stehen wir vor der Herausforderung, dass Endnutzer*innen unseres Tools nicht zwangsläufig auch Personen sind, die letztendlich die Transaktion bzw. die Kaufentscheidung treffen. Außerdem ist es sehr wahrscheinlich, dass auch Visits des Tech-Teams einen Teil der Journey darstellen. 

Wir haben also Daten aus verschiedenen Tools, die wir unter einen Hut bringen müssen, um zu ermitteln, welche unserer Aktivitäten zielführend sind und sich positiv auf die, durch das Marketing generierte, Pipeline auswirken. 

Das Problem ist, dass diese Tools fast ausnahmslos siloartig aufgebaut sind. Das bedeutet, dass die Daten zur Customer Journey unzusammenhängend sind. Daher ist jeder Versuch, sie unter ein Dach zu bringen, eine Herausforderung.

Das BI-Konzept soll also konsolidiert alle umsatzbezogenen Daten an einem Ort zusammenfassen. Das bedeutet, dass sowohl Daten aus dem Onsite-Tracking als auch aus Eurem gesamten Ökosystem – CRM, Werbeplattformen, Automatisierungstools usw. – zusammengeführt werden.

Sobald all diese Daten zusammengeführt und bereinigt sind – um sicherzustellen, dass es keine Duplikate oder leeren Werte gibt – werden die Daten durch die Multi-Touch-Attributionsmodellierung geleitet.

Die Multi-Touch-Attributionsmodellierung bildet dann jede Berührung der Customer Journey ab und ordnet diese der Pipeline und dem generierten Umsatz zu. 

Das bedeutet, dass die tatsächliche erste Berührung identifiziert und angerechnet wird, unabhängig davon, wann die Daten erfasst werden. Letztendlich bedeutet dies, dass unser BI-Konzept uns in die Lage versetzen soll, genau zu ermitteln: 

• über welchen Kanal der Lead tatsächlich akquiriert wurde 
• welcher Kanal dazu geführt hat, dass dieser einen Schritt weiter in der Entscheidungsfindung kommt 
• was genau passiert ist, bevor sich jemand aus dem Implementierungsteam Euer Kund*innen die Implementationsdokumentation angeschaut hat

In Verbindung mit UTM und Cookie-Best-Practice erhalten wir also endlich einen holistischen und kompletten Einblick in die Akquisition!

Welche Technologien und Anwendungsbereiche gibt es für Business-Intelligence-Konzepte?

Wenn Ihr Euch ein bisschen mit Google Analytics und dem Tag Manager auseinandergesetzt habt, wisst Ihr, wie einfach es ist, ein Conversion-Event zu erstellen, zu verfolgen und zu attribuieren. Hier kann es dann allerdings dazu kommen, dass Ihr nur den letzten Touchpoint wirklich zuordnen könnt, weil die Ergebnisse aggregiert dargestellt werden. 

Das ist nicht genug, denn so eine Journey kann sehr komplex werden. Wichtige strategische Entscheidungen anhand des letzten Touches zu treffen kann Risiken mit sich bringen. 

Warum? Schauen wir uns zum Beispiel Talent Acquisition an. Die meisten Unternehmen haben eine Karriereseite, die neue Talente dazu einlädt, sich zu bewerben. Ihr wollt natürlich sehr gern wissen, wie und von welcher Quelle Ihr die besten Bewerbungen erhaltet, damit Ihr Euren Headcount so effizient wie möglich steigert.

So könnte eine beispielhafte Kandidaten-Journey aussehen:

Der Mensch auf der anderen Seite des Bildschirms hatte 3 Sessions auf Eurer Seite, die jeweils aus unterschiedlichen Kanälen (Linkedin Paid, Organic und Direct). Außerdem habt Ihr zwei Meilensteine auf der Reise, bevor die Bewerbung abgeschickt wurde. Es wurde ein Podcast gehört und die Stellenanzeige wurde gelesen.

Last Touch Attribution Modelle würden die Bewerbung 100% dem “direct”  Kanal zuordnen. Ihr wärt also nicht in der Lage, Eure Conversion mit den vorherigen Sitzungen (von Linkedin und organic search) oder den Events (Podcast und Job Page) zu korrelieren. Ihr würdet  also nicht die ganze Wahrheit erfahren. 

Warum Ihr nicht an einem BI-Konzept vorbei kommt 

BI ist mehr als nur Software – es ist eine Möglichkeit, einen ganzheitlichen Überblick über alle relevanten Geschäftsdaten in Echtzeit zu erhalten. Die Implementierung von BI bietet eine Vielzahl von Vorteilen, von besseren Analysen bis hin zur Steigerung des Wettbewerbsvorteils.

Auch die Einsatzbereiche von BI sind mannigfaltig. Vom Shop bis Recruiting und von B2B SaaS bis hin zu Banking: Wenn Ihr eine transparente Darstellung aller wichtigen Meilensteine Eurer Customer Journey und den jeweiligen Kanälen haben möchtet, kommt Ihr nicht daran vorbei, ein BI-Konzept zu erstellen, zu implementieren und dann fortlaufend zu optimieren.