Datengestützte Entscheidungsfindung: Vorteile, Beispiele, Umsetzung

Die Verwendung von Daten zur Entscheidungsfindung bietet zahlreiche Vorteile. Sie ist zum Beispiel:

• Objektiv: Datengestützte Entscheidungsfindung stützt sich auf Statistiken und quantitative Daten und ist daher ein objektiver Prozess.
• Auswertbar: Das Schönste an der datengestützten Entscheidungsfindung ist, dass sie leicht danach bewertet werden kann, wie sich Ihre Umsetzung auf die verschiedenen Metriken auswirkt.
• Bessere Kontrolle: Mit datengesteuerter Entscheidungsfindung erhalten Sie eine größere Kontrolle über die Richtung Ihres Unternehmens und die Qualität Ihrer Entscheidungen. Das liegt daran, dass diese auf objektiven Daten basieren und konkrete Beweise und Ergebnisse effektiv gemessen werden können.
• Agil: Wenn Daten den Entscheidungsfindungsprozess beeinflussen, werden Unternehmen agiler. Sie sind in der Lage, Geschäftschancen früher zu erkennen, Probleme proaktiv zu identifizieren und so schneller und flexibler auf Marktveränderungen zu reagieren.
• Transparenz: Die datengestützte Entscheidungsfindung basiert auf objektiven und quantitativen Daten und schafft hierdurch eine größere Transparenz im Entscheidungsprozess.

Anhand ein paar einfacher Beispiele werden wir Ihnen zeigen, was unter datengestützten Entscheidungen zu verstehen ist und Ihnen zeigen, wie Sie diese in Ihr Unternehmen integrieren können. Im ersten Beispiel geht es darum, die beste Strategie für die Einführung eines neuen Produkts oder eines neuen Tools zu finden. Im zweiten Beispiel steht die Suche nach einer kostengünstigsten Einstellung neuer Mitarbeiter im Fokus. Im dritten Beispiel zeigen wir Ihnen anhand von Amazon, wie datengestützte Entscheidungen zum entscheidenden Erfolgsfaktor werden können.

Netflix nutzt Daten, um ihre Inhaltestrategie zu informieren und basierend auf den Sehgewohnheiten ihrer Abonnenten Entscheidungen darüber zu treffen, welche Shows und Filme produziert werden sollen. Durch die Analyse von Daten ihrer Abonnenten identifizierte Netflix, dass Nutzer, die House of Cards schauten, auch dazu tendierten, Filme von David Fincher zu genießen. Dies führte zur Produktion von Mindhunter, einer von Netflix produzierten Originalserie, die von David Fincher inszeniert wurde und sich zu einem Hit unter den Zuschauern entwickelte.

Jede Entscheidung bei Netflix, von der Farbpalette, die zur Gestaltung von Programmcovers verwendet wird, über personalisierte Marketingstrategien bis hin zu kommenden Originalinhalten, wird ausschließlich durch Datenanalysen gesteuert.

Bei Netflix wird jede Entscheidung tiefgreifend von Daten beeinflusst. Die Datenphilosophie der Marke umfasst drei Schlüsselprinzipien:

1. Daten sollten für jeden zugänglich, leicht zu finden und einfach zu verarbeiten sein.
2. Egal, ob Ihr Datensatz groß oder klein ist, durch Visualisierung wird er einfacher zu erklären.
3. Je länger es dauert, die Daten zu finden, desto weniger wertvoll werden sie.

Beispiele für datengestützte Entscheidungen bei Google verdeutlichen die gründliche Analyse von Daten für strategische Unternehmensentscheidungen. Durch die Einrichtung der People Analytics Abteilung nutzt Google Daten, um Fragen wie die Auswirkungen von Managern auf die Teamleistung zu beantworten. Eine oberflächliche Analyse deutete zunächst auf positive Effekte hin, doch tiefergehende Datenanalysen enthüllten, dass gut geführte Teams nicht nur besser abschnitten, sondern auch zufriedener waren und länger bei Google blieben. Als Reaktion darauf etablierte Google den „Great Managers Award“ und entwickelte anhand umfangreicher Datenanalysen Kriterien für effektive Manager sowie Strategien zur Förderung dieser Fähigkeiten.

Die Auswertung von Daten und Feedback ermöglichte es Google, acht Kernverhaltensweisen für erfolgreiche Manager zu identifizieren und die Hauptgründe für Managementherausforderungen zu verstehen. Die Implementierung von regelmäßigen Bewertungen anhand dieser Kriterien, begleitet von Mitarbeiterumfragen, half Google, kontinuierlich die Managementqualität zu verbessern und das Trainingsprogramm anzupassen. Diese datengestützten Entscheidungsprozesse bei Google zeigen, wie Unternehmen mithilfe von Datenanalysen nicht nur ihre betriebliche Effizienz steigern können, sondern auch eine Kultur der kontinuierlichen Verbesserung fördern.

Insgesamt demonstrieren die datengestützten Entscheidungen bei Google die Bedeutung von Daten für die Entwicklung von personalisierten Strategien und die Maximierung von Mitarbeiterleistung. Durch den systematischen Einsatz von Datenanalysen und Feedbackmechanismen konnte Google nicht nur die Effektivität seiner Manager verbessern, sondern auch seine Organisationskultur weiterentwickeln und letztendlich seine Wettbewerbsfähigkeit stärken.

Nehmen wir einmal an, Sie wollen ein neues Produkt auf den Markt bringen und suchen nach der besten Strategie für seine Vermarktung. Anstatt auf gut Glück das Beste zu hoffen, können Sie eine datengestützte Strategie verwenden und so die optimale Marketingstrategie finden.

Sie können auf Daten aus früheren Markteinführungen zurückgreifen, um den Erfolg einer bestimmten Strategie vorherzusagen. Wenn Sie zum Beispiel Daten über die Anzahl der Verkäufe pro Produkt verfügen, dann können Sie auf Grundlage dieser Daten die Wirksamkeit jeder Kampagne überprüfen. Versuchen Sie, so viele relevante Datenquellen wie möglich einzubeziehen, um die klügste und rationalste, datenbasierte Entscheidung zu treffen.

Nehmen wir nun an, Sie möchten einen neuen Mitarbeiter oder eine neue Mitarbeiterin einstellen. Hierbei gibt es unendlich viele Optionen. Als Unternehmen müssen Sie sich zunächst entscheiden, ob Sie die Rekrutierung an eine Agentur auslagern oder intern durchführen. Eine interne Einstellung würde bedeuten, dass Sie selbst Bewerbungsgespräche führen und versuchen, eine kostengünstige Methode zu finden, um den richtigen Kandidaten oder die richtige Kandidatin zu finden.

Auch hier benötigen Sie Daten, um die beste Herangehensweise auszuwählen und sich für eine Methode zu entscheiden. Zunächst einmal können Sie auf die Daten früherer Einstellungen und die mit den bereits verwendeten Methoden verbundenen Kosten zugreifen. Als Nächstes können Sie nach offiziellen Berichten oder Studien suchen, die Aufschluss darüber geben können, welches der beste Ansatz für Ihre Organisation sein könnte.

E-Commerce-Sites verwenden Daten in der Regel zur Steigerung von Gewinnen und Verkäufen. Wenn Sie jemals bei Amazon eingekauft haben, wurden Ihnen wahrscheinlich schon eine Produktempfehlung beim Besuch der Amazon-Website angezeigt oder per E-Mail zugesendet. Dies ist ein Beispiel für eine datenbasierte Geschäftsentscheidung.

Amazon stützt seine Empfehlungen auf Ihre Käufe in der Vergangenheit, auf die Artikel in ihrem virtuellen Einkaufswagen, auf die Artikel, die Sie nach dem Kauf bewertet haben und auf die Produkte, die Sie beim Besuch der Website ansehen. Amazon stützt sich auf wichtige Daten des Kundenverhaltens, wie Klick-, Öffnungs- und Abmelderate, um weiter zu entscheiden, welche Empfehlungen an welche Kunden weitergegeben werden.

Durch die Integration von Empfehlungen in fast jedem Schritt des Kaufprozesses bei Amazon – vom Produkt-Browsing bis zur Kasse – hat das Unternehmen herausgefunden, dass Produktempfehlungen tatsächlich den Umsatz steigern und den Endgewinn erhöhen.

Die Kombination von Erfahrung und Datenanalyse ist der beste Weg, Strategien zu optimieren und bessere Entscheidungen zu treffen. Aber wie soll das geschehen? Wir haben einige Tipps zusammengestellt, die Ihnen helfen werden.

Der erste Schritt für die Datenanalyse und für die datengestützte Entscheidung besteht darin, die KPIs (oder Key Performance Indicator) klar zu definieren. Sie sind es, die das Unternehmen zu definierten Zielen führen werden, da die KPIs als Indikatoren dienen, um zu überprüfen, ob ihre Strategien das erwartete Ergebnis bringen oder nicht.

Daraus wird es möglich sein, Daten in einer unendlichen Bandbreite von Informationen, die Ihr Unternehmen sammeln kann, zu priorisieren. Dies ist sehr wichtig, weil dadurch bereits viele Wege eliminiert werden, die nur durch reine Intuition und Erfahrung für machbar gehalten werden.

KPIs können definiert werden, um mehrere Ziele zu evaluieren: die Anzahl der Besucher Ihrer Website zu erhöhen, die Anzahl der Leads zu erhöhen, die Kosten pro Klick (CPC) und die Kosten pro Kunde zu verbessern, neben einer Reihe anderer Ziele.

Führungskräften haben oft immer noch kein Vertrauen in die Technologie, um ihre Entscheidungen zu unterstützen. Und dieses Misstrauen kann noch größer sein, wenn wir über Innovationen sprechen, die für viele Menschen noch geheimnisvoll sind: Big Data, Künstliche Intelligenz, Business Intelligence und so weiter.

Auch wenn sie auf den ersten Blick schwer verständlich erscheinen mögen, handelt es sich dabei um Konzepte, die in großen Unternehmen und Industrien zunehmend Eingang finden. Für Marketingfachleute, die eine bessere Leistung im Internet anstreben, gibt es einige Beispiele, wo sie bereits in digitaler Software zur Datenerfassung und -analyse angewandt werden.

Google Analytics, Google Data Studio, Heat Maps, A/B-Test-Tools – sie alle haben ständig daran gearbeitet, ihre Online-Strategien zu optimieren und Erkenntnisse zu gewinnen, die Ihnen die Entscheidungsfindung erleichtern.

Sie müssen anhand der definierten KPIs auswählen, mit welchen Tools Sie arbeiten möchten. Und denken Sie daran: Eine Möglichkeit, das Vertrauen in die Technologie zu stärken, um sie mit Ihrer Erfahrung zu kombinieren, besteht darin, die Tools richtig zu konfigurieren, sodass sie Ihnen die Erkenntnisse bringen, die Sie benötigen.

Möglicherweise hängt die mangelnde Bereitschaft, datengestützte Entscheidungen zu treffen, mit dem Fehlen einer datengesteuerten Kultur im Unternehmen zusammen. Das heißt, es gibt immer noch kein datengesteuertes Team, das Entscheidungen treffen und die in einem Unternehmen gesetzten Ziele erreichen kann.

Um es genauer zu erklären: Die Analyse von Daten allein ist nichts Neues. Ein seriöses Unternehmen weiß, dass es Tests durchführen muss, wie etwa eine Marktstudie und Kundeninterviews. In den letzten Jahren ist zu einer Demokratisierung von Daten gekommen, die in immer größerem Umfang und zu jeder Zeit produziert werden. Die Informationen sind so umfangreich, dass es nicht mehr möglich ist, die Daten zu ignorieren und zu vernachlässigen.

In diesem Sinne müssen CEO, Abteilungsleiter und alle Mitarbeiter ihre Vision in einer gemeinsamen Informationsquelle abstimmen, da jede einzelne auch auf der lokalen Realität und individuellen Erfahrungen basiert.

Für den Marketingexperten besteht eine Möglichkeit, diese datengesteuerte Kultur in das Unternehmen zu bringen, darin, alle Aktionen auf der Grundlage der bereits auf dem Markt des Segments verfügbaren Zahlen, der bereits in Tools wie Google Analytics verfügbaren Unternehmensdaten und der durch andere, bereits angewandte frühere Aktionen gesammelten Daten zu definieren.

Wenn Sie das Ziel verfolgen, Ihren Geschäftsansatz auf datengestützter Entscheidungsfindung zu gründen, gibt es viele Schritte, die Sie unternehmen können, um dieses Ziel zu erreichen. Werfen wir einen Blick auf einige Beispiele, die zeigen, wie Sie Ihre täglichen Aufgaben mit einer analytischen Denkweise angehen können.

Die Datenanalyse ist im Kern der Versuch, ein Muster oder Korrelationen bei verschiedenen Datenquellen zu finden. Aus diesen Mustern und Korrelationen lassen sich Erkenntnisse und Schlussfolgerungen gewinnen.

Der erste Schritt auf dem Weg zu mehr datengestützten Entscheidungen besteht darin, analytischer zu sein – sowohl im Geschäftsleben als auch privat. Dies mag einfach erscheinen, erfordert jedoch viel Übung.

Ganz gleich, ob Sie im Büro Daten analysieren, im Supermarkt Schlange stehen oder mit dem Zug pendeln, suchen Sie nach Mustern in den Daten um Sie herum. Wenn Sie diese Muster bemerkt haben, üben Sie sich darin, daraus Erkenntnisse und Schlussfolgerung zu ziehen. Diese einfache Übung kann Ihnen dabei helfen, sich in anderen Bereichen Ihres Lebens datengesteuerter zu verhalten.

Wann immer Sie vor eine Entscheidung gestellt werden, sei es geschäftlicher oder persönlicher Natur, sollten Sie vermeiden, sich für eine Handlung auf Grundlage Ihres Bauchgefühls oder Ihres vergangenen Verhaltens zu entscheiden. Bemühen Sie sich stattdessen bewusst um eine analytische und methodische Denkweise.

Stellen Sie fest, welche Daten Ihnen zur Verfügung stehen, die Sie für Ihre Entscheidung nutzen können. Falls keine Daten vorhanden sind, überlegen Sie, wie Sie diese selbst sammeln könnten. Sobald Sie über die Daten verfügen, analysieren Sie diese. Wie bei der Übung zur Mustererkennung geht es auch hier darum, zu trainieren und die Datenanalyse so zu einem selbstverständlichen Bestandteil Ihres Entscheidungsprozesses werden zu lassen.

Wenn man sich auf Bauchgefühl verlässt, neigt man dazu, voreingenommen zu sein, wenn es darum geht, eine bestimmte Richtung einzuschlagen, unabhängig davon, wie gerechtfertigt diese Wahl auch sein mag.

Erfahrung hilft Ihnen zwar, den besten Weg zu wählen und nicht die gleichen Fehler zu machen, aber auf der Grundlage Daten wird der Entscheidungsprozess systematischer, rationaler und objektiver. Daten zeigen, was wirklich geschieht, unabhängig davon, ob sie gegen die Erwartungen des Unternehmens verstoßen oder nicht.

In diesem Sinne können datengestützte Entscheidungen nicht nur Strategien besser untermauern, sondern auch das, was gebraucht wird, dort verändern, wo es wirklich gebraucht wird. Ein einfaches menschliches Urteilsvermögen, wie erfahren es auch sein mag, ist nicht in der Lage, genau zu erkennen, wo Marketingstrategien überprüft werden müssen. Die Daten wiederum können zeigen, was tatsächlich aus den Aktionen resultierte.

• Harvard Business Review study, “The Evolution of Decision Making: How Leading Organizations Are Adopting a Data-Driven Culture” (PDF auf Englisch)
• Amazon Buch: „Performance Marketing: Der Wegweiser zu einem mess- und steuerbaren Marketing“
• GEO (Generative Engine Optimization): Einleitung
• Performance-Marketing: Definition, Vorteile und Implementierung
• Datenbasiertes Marketing: Strategie in 5 Schritten umsetzen
• KI im Marketing
• Marketing-Automation