Visual Analytics: Neue Verantwortung für Marketing, mehr Gestaltungsspielraum für Business Analysten

Innovative Technologien für Customer Insights

Seit Jahren überzeugen Anbieter von Kundenmanagement- und Marketing-Lösungen die Anwender in Unternehmen, Analytics als DAS effektivitätssteigernde Mittel der Kundenansprache einzusetzen. Zu recht: Marketingabteilungen, die analytische und datenbasierte Konzepte und Lösungen anwenden, sind seit Jahren Vorreiter und Maßstab des Erfolges.

Aber was können Firmen tun, die keine Statistiker beschäftigen? Gibt es auch für Sie erfolgsversprechende Ansätze - statt immer neuer Berichte und Prognosen "aus dem Bauch heraus"?

Visual Analytics gibt den Marketingverantwortlichen diese Möglichkeit: Innovative Technologien der Datenverarbeitung erlauben nicht nur den Umgang mit großen Datenmengen, sondern ermöglichen auch eine völlig neue Herangehensweise an die Informationsaufbereitung und Wissensgenerierung.

Hype vs. echte Innovation

Wir reden bei Visual Analytics nicht von einer klassischen Datenbank-Lösung, nicht allgemein von In-Memory-Speicher-Technologien oder der schönen bunten Welt der Präsentation von Daten auf mobilen Endgeräten der Fachabteilung oder der Vorstandsetagen. Die primäre Aufgabe von Visual Analytics ist es auch nicht, Abfragen oder Transaktionen zu beschleunigen. Auch immer neue Rekorde in der Speicherung großer Datenmengen aufzustellen, ist nicht ihr erstes Einsatzgebiet. Tabellarische und grafische Aufbereitung von Zahlenkolonnen oder Anzeige von interaktiven Dashboards sind ebenso nur ein Bruchteil des Anwendungsbereiches. Das ist zwar alles möglich, aber im Kern geht es um etwas völlig anderes und regelrecht revolutionäres.

Der wesentliche Aspekt ist, dass statistische Methoden durch den Fachanwender angewendet werden können, ohne dass dieser einen höheren Abschluss in Mathematik vorweisen muss! Die statistischen Verfahren werden so zur Anwendung gebracht, dass sie leicht verständlich und begreifbar werden und den Interpretationsspielraum für die zu untersuchende Fragestellung auf das Entscheidende eingrenzen. Interaktionen mit den Daten beschränken sich nicht auf Filterparameter und Drilldowns in Details bis auf Transaktionsebene.

Keine Angst vor neuen Aufgaben

Bei dem erstem Umgang mit Visual Analytics Software steht sicher auch die Angst vor dem Neuen. Weiß ich überhaupt, was die einzelnen Daten beschreiben? Wie aktuell diese sind? Was muss ich beachten, wenn ich Daten miteinander kombiniere? Technisch, rechtlich? Brauche ich Kenntnisse zum Datenmodell? Welche analytische Methode muss ich anwenden, um eine Fragestellung zu beantworten?

Diese Angst kann man einfach nehmen: Moderne Technologien legen einfache Datenmodellen zugrunde. Ja, Aufbereitung von Daten ist auch hier notwendig. Jedoch handelt es sich in der Regel um eine flache Struktur und sinnvoll gewählte Aggregationen (z. B. Summen) über Datenattribute. Dabei kann man sich das Leben unnötig schwer - oder eben auch deutlich einfacher machen. Ein Tipps dazu: Legen Sie besonderes Augenmerk auf eine sprechende Beschreibung von Daten - am besten mit Anmerkungen damit sich der Marketier schnell zurechtfindet. Beispielsweise muss aus der kryptischen Abkürzung "PROD_IND_CC" für "Product_Indictor_CreditCard" eben die Bezeichnung "Produktbesitz Kreditkarten" werden - ergänzt um die Anmerkung "Anzahl Kreditkarten im Besitz des Kunden".

Aber zurück zum Beispiel: Es gibt keinen Grund auch für ungeübte Schwimmer noch zu warten, sie können direkt in ihre Daten eintauchen. Man kann beispielsweise mit Dashboards starten, die Standardkennzahlen (z.B. Produktbesitz) darstellen und diese mit Zielgrößen vergleichen. Gibt es hier Abweichungen, ist das ein erster Ansatz für eine weitergehende Recherche. In Kombination mit anderen Datenattributen (Umsatz, Ertrag, Kundenwert, Kundenalter, durchschnittliche Transaktionshöhe, ...) ermittelt der Marketier mit Visual Analytics schnell und anschaulich Zusammenhänge zwischen den Daten, also deren Korrelation. Eine automatisch vorgeschlagene Darstellung macht Auffälligkeiten auf einfache Weise erkennbar, ganz ohne Zahlenkolonnen. Auf ebenso einfachste Weise unterstützt Visual Analytics bei der Untersuchung der Abhängigkeiten der Wertebereichen der zugehörigen Parameter, also bei der Regression. In Worten des Marketiers: schnelles Eingrenzen der Zielgruppe oder optimale Selektion auf Knopfdruck.

Ein konkreter Ansatz: Nehmen wir die Kombination von Adressdaten, Produktbesitz und Umsatzzahlen. Sie führen unweigerlich zur geographischen Darstellung von Marktgebieten und visualisieren schnell Schwächen und Stärken. In Zeitreihen über Kaufhistorien, Responseverläufe oder Transaktionen lassen durch die automatisch gewählte, sinnvolle Darstellung sofort und intuitiv Trends, Muster und Ausnahmen erkennen. Eine Prognose über deren zukünftigen Verlauf gibt es automatisch. Auch hier kann das Marketing schnell Handlungsbedarf ableiten.

Wird der Kampagnenmanager zum Data-Scientist?

Das Marketing bekommt mit den neuen Technologien ein Werkzeug in die Hand, mit welcher die Lücke zum echten Data Mining geschlossen werden kann. Gleichzeitig fördert der Umgang mit diesen Mitteln die Beschäftigung mit Daten über Zielgruppen und Potenziale für Marketingkampagnen und schärft das Verständnis über Kundenverhalten und Responsewahrscheinlichkeiten. Darüber hinaus stellt Visual Analytics eine gute Basis für die gemeinsame Diskussion mit Statistikern des klassischen Database-Marketing dar.

Denn diese neu gewonnene Freiheit des Marketingspezialisten macht den Statistiker nicht arbeitslos. Ein Statistiker, dem bisher die Databasemarketingaufgaben unterlagen, wird hier Arbeit abgenommen, um seine Ressource für andere Aufgaben einsetzbar zu machen. Er kann durch die mittels Visual Analytics gewonnenen Erkenntnisse verifizieren, vertiefen und stabile Modelle aus dem gewonnenen Wissen ableiten.

Kampagnendesign in der Zukunft

Die eigentliche Aufgabe des Marketings ist es, zielgerichtete Kampagnen umzusetzen. Die Herangehensweise bei der Suche des passenden Potenzials, z. B. für eine Cross-Selling- oder Kundenbindungsmaßnahme, kann sich mit Visual Analytics signifikant ändern.

Stellen wir uns vor, die Kampagnenmanagement-Software schlägt die richtigen Kunden für den Kampagnenzweck von selbst vor. Der Marketier sucht nicht mehr nach den passenden Selektionsattributen mit ihren Wertausprägungen. Die Zielgruppe wird nach der Fragestellung einer Kampagne ermittelt, weil Visual Analytics die passenden Segmente mit ihren Eigenschaften direkt per Klick und grafischer Auswahl bereitstellt. Das klassische Selektionsmanagement mit komplexen Abfragen reduziertes sich dabei weitestgehend auf die Anwendung notwendiger Sperrmerkmale. Visual Analytics erfüllt damit sicher noch nicht so manchen Traum eines Kampagnenmanagers: "Computer! Mach mir mal einen Kampagnenvorschlag!" Sie ist aber eine großer Schritt in diese Richtung.

tags: Datenvisualisierung, Marketing, Marketingmanagement, Marketingstrategie, Visual Analytics

2 Comments

  1. Posted 07/03/2013 at 12:45 pm | Permalink

    Da kann ich nur zustimmen; Analysesysteme für bunte Bilder (die durchaus auch ihre Berechtigung haben) gibt es mittlerweile sehr viele.
    Das Geheimnis sind die METHODEN, und hier unterscheidet sich SAS VA wohltuend von den anderen bekannten Lösungen am Markt.

    Ich persönlich würde zwar nicht so weit gehen, dass man jetzt plötzlich keine Mathematiker oder Statistiker mehr braucht (denn neben der Informationserzeugung und -bereitstellung ist ja insbesondere die Interpretation ein wesentlicher Faktor), aber es stimmt: der Zugang zu (professionellen und sehr komplexen) Algorithmen wird viel einfacher und das gibt Potenzial für mehr wertvolle Innovationen und größere Wettbewerbsvorteile.

    • Posted 07/03/2013 at 2:08 pm | Permalink

      Die Sicht habe ich auch. Mathematiker oder Statistiker wird es auch in Zukunft brauchen. Jedoch denke ich, dass sich deren Rolle bzw. Aufgabenbereich eher mehr in die produktive/operative Umsetzung/Anwendung von Analyse verschieben wird. Sie vertiefen die Erkenntnisse und baue valide Modelle, die sich auf den Informationen anwenden lassen. Weiterhin wird deren Aufgabe sein, in einer Art Analytics Factory, diese Modelle hinsichtlich Gütekontrolle, Verfeinerung und Justage zu automatisieren.

Post a Comment

Your email is never published nor shared. Required fields are marked *

*
*

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <p> <pre lang="" line="" escaped="" highlight=""> <q cite=""> <strike> <strong>