Tableau

Tableau und Google Looker: Vereinte Analytics-Power

Eine Partnerschaft, die Stärken beider Tools vereint

Tableau und Google Looker: Vereinte Analytics-Power

Mitte Oktober kündigte Tableau an, dass ihre Google Cloud-Partnerschaft erweitert wurde. Hierfür wird unter anderem Googles Business Intelligence & Analyticslösung Looker in Tableau integriert. Finde in unserem Beitrag heraus, was dies für Vorteile für dich haben kann, um den Wert deiner Daten voll ausschöpfen zu können.

 

Tableau Looker

 

Fortschrittliche Drag & Drop Datenvisualisierung trifft technisch versiertes BI Tool

In einer Welt, die immer digitaler wird, wird es immer relevanter Daten zu nutzen, um fundierte Entscheidungen zu treffen. Schnelligkeit, Agilität und Eigenverantwortung sind entscheidend, um in diesem neuen Umfeld erfolgreich zu sein. Die meisten Unternehmen tun sich jedoch schwer damit, datengesteuert zu arbeiten. Daten sind oft in Silos gefangen, die Infrastruktur kann kaum skaliert werden, um den wachsenden Datenanforderungen gerecht zu werden, und Analysen sind für viele immer noch schwer durchzuführen.

Tableau und Google Cloud arbeiten nun verstärkt zusammen, um Ihre Daten- und Analyseinfrastruktur zu modernisieren. Mit Googles Business Intelligence & Analytics-Lösung Looker kommt nun das Beste aus zwei Welten zusammen: Die Power von Tableau als führende Visualisierungs- und Analytics Plattform trifft das führende semantische Datenmodell von Looker. Ziel der Kooperation ist es…

  • Daten innerhalb eines zentralen semantischen Modells auf Basis von LookML (= eine Sprache zur Beschreibung von Dimensionen, Summen, Berechnungen und Datenbeziehungen in einer SQL-Datenbank) zu modellieren, verwalten und definieren,
  • die robuste Self-Service-Analysen von Tableau zu nutzen, um die Daten in wertvolle Erkenntnisse umzuwandeln, sowie
  • der IT-Abteilung robuste Governance-Kontrollen zu geben und Analytics im gesamten Unternehmen zu demokratisieren.

 

Gemeinsames ausspielen der jeweiligen Stärken

Grundsätzlich sind Tableau und Looker Konkurrenten am Business Intelligence & Analytics-Markt. Looker ist ein BI-Tool mit starken Data-Governance-Funktionen für technisch versierte User*innen, die SQL schreiben können, während der Fokus von Tableau eher darauf liegt, jeder Business-Anwender*in die Analyse von Daten mit erstklassigen Datenvisualisierungsfunktionen zu ermöglichen. Gemeinsam können beide Dienste ihre Stärken ausspielen. Mit der angekündigten Partnerschaft integriert Tableau nun Looker, um User*Innen zukünftig dabei zu helfen, sich mit mithilfe der Modellierungssprache LookML regulierten Daten zu verbinden und eine flexible Datenumgebung aufzubauen, die skalierbar ist und sich an sich ständig entwickelnden Bedürfnisse anpasst. Durch die direkte Verbindung mit dieser semantischen Ebene können User*innen auf sichere und geregelte Weise auf wichtige Geschäftsdaten zugreifen.

Aktuell wird noch an der Integration gearbeitet, sie ist also noch nicht verfügbar. Wir halten dich in unserem Blog dazu am Laufenden. Solltest du aber bereits mehr über Tableau erfahren wollen, melde dich gerne bei uns für ein kostenloses Beratungsgespräch!

 

Als Data Analyst bin ich es gewohnt, Charts und Dashboards zu erstellen. Eine gut gestaltete Visualisierung ist ein leistungsstarker Ausgangspunkt für datengestützte Konversationen. Letztendlich ermöglichen Datenvisualisierungen, idealerweise als Single Point of Truth, anhand der zugrundeliegenden Daten Entscheidungen zu treffen. Mit einem leistungsstarken Datenvisualisierungstool wie Tableau kann ich KPIs bestens darstellen und Insights generieren. In diesem Artikel zeige ich dir Best Practices der Datenvisualisierung, mit denen du Dashboards zu echten Power-Tools machst.

 

Tipp 1: Targeting is Key – Kenne deine Zielgruppe

Auch wenn ich mir manchmal denke: „Ach, das wäre die für mich ideale Darstellung, ich habe den totalen Überblick“, zählt letztendlich nur die bestmögliche Lesbarkeit aus der Perspektive der User*in. Ich stelle mir also immer genauestens die Frage, für wen ich dieses Dashboard erstelle. Ist es für einen vielbeschäftigten Team-Lead, der innerhalb von 20 Sekunden die relevantesten KPIs ablesen möchte, oder verwendet es ein ganzes Team, das über mehrere Stunden hinweg vierteljährliche Ergebnisse prüft? Zusätzlich sind auch die Kenntnisse der Zielgruppe zu überprüfen. Anfänger*innen brauchen vielleicht eine stärker handlungsorientierte Beschriftung als eine fortgeschrittenere User*in.

 

Tipp 2: Size matters – Displaygrößen berücksichtigen

Gut, ich habe nun die perfekt auf die Zielgruppe ausgerichtete Datenvisualisierung geplant. Plötzlich habe ich eine Vision: Ein wütender Sales Team-Lead, der mein Dashboard auf seinem Smartphone betrachtet und sich lauthals über die Nutzerfreundlichkeit beklagt. Wenn das Dashboard ausschließlich für einen Desktop-Monitor erstellt wurde, die User*innen aber vorwiegend ihre Smartphones verwenden, werde ich wahrscheinlich kein allzu zufriedenes Publikum haben. Ich recherchiere also immer, auf welchen Geräten die Visualisierungen betrachtet werden und bereite mehrere Versionen der Dashboards für unterschiedliche Devices vor. Für Smartphones eignet sich beispielsweise ein Dashboard mit vertikaler Ausrichtung. Auf kleineren Displays ist außerdem ein Drill-down deutlich schwieriger, zeige also nur die relevantesten KPIs.

 

Tipp 3: Fast & furios – Schnelle Ladezeiten planen

Eine neue Vision erscheint mir: Mein Dashboard ist endlich fertig, ich habe Tipp 1 und 2 selbstverständlich berücksichtigt. Ich möchte die Visualisierung endlich dem Sales Team-Lead zeigen, doch als wir beisammen sind hört das Dashboard einfach nicht auf zu laden. Eine unangenehme Stille entsteht…

Genauso wie ich möglichst schnell aus dieser ungemütlichen Situation herauskommen möchte, möchten User*innen nicht lange darauf warten müssen, bis Visualisierungen geladen sind. Lange Ladezeiten sind entweder auf die Daten, das Dashboard oder eine Kombination aus beidem zurückzuführen. Die Datenvorbereitung spielt daher eine wichtige Rolle. Folgende Tipps berücksichtige ich hierbei:

  • Führe Berechnungen auf Zeilenebene bereits in der Datenbank durch, um den Zeitaufwand zu reduzieren.
  • Bestimme, welche Menge an Daten überhaupt benötigt werden. Setze Filter für Datenquellen oder erstelle Extrakte, wenn eine Real-Time Verbindung nicht notwendig ist.

 

Tipp 4: Choose wisely – Auswahl der richtigen Charts

One size does not fit all! Daher wähle ich jene Formate für meine Visualisierungen, die User*innen am besten zu spezifischen Insights führen und sie bei der Beantwortung ihrer Fragen unterstützen. Es gibt fast immer einen Trade-off, da jedes Chart Format Vor- und Nachteile hat. Ich stelle mir also immer die Frage, ob das von mir gewählte Chart die Botschaft, die sie vermitteln soll, auch tatsächlich bestmöglich vermittelt. Manchmal kann es ebenfalls Sinn machen, Formate zu kombinieren. Formate von Charts sind beispielswiese:

  • Bar Charts eignen sich gut für den Vergleich von Kategorien.
  • Bullet Charts und Gauges zeigen den Fortschritt in Bezug auf ein Ziel.
  • Line Graphs verbinden Datenpunkte und eignen sich insbesondere dafür, Entwicklungen im Zeitverlauf zu zeigen.
  • Histogramme und Boxplots zeigen, wie Daten geclustert sind und ermöglichen den Vergleich von Kategorien.
  • Maps eignen sich hervorragend zur Visualisierung von ortsspezifischen Fragen.
  • Pie Charts eignen sich gut, um anderen Visualisierungen Details hinzuzufügen, sind aber für sich genommen nicht so effektiv wie oft angenommen.
  • Treemaps stellen Kategorien in Bezug auf eine Kennzahl hierarchisch als Anteil vom Gesamten effektiv dar.
  • Gantt Charts zeigen die zeitliche Abfolge von Ereignissen.

 

Tipp 5: Make it logical – Layout logisch aufbauen

Wenn ich Dashboards gestalte, überlege ich mir natürlich auch, wie User*innen diese „lesen“. Das Dashboard soll einen sinnvollen Informations-Flow und ein möglichst logisches Layout aufweisen. Menschen scannen Inhalte grundsätzlich, indem sie oben links beginnen. Ich platziere daher die wichtigsten KPIs und Charts so, dass sie die linke obere Ecke einnehmen oder überspannen. Außerdem sollen die einzelnen Teile des Dashboards möglichst zusammenhängende Gruppen bilden. Das Design soll es dabei möglichst vereinfachen, Zusammenhänge schnell erkennen zu können.

 

Tipp 6: Overload Hazard – Anzahl an Charts und Farben limitieren

Kennst du auch dieses kribbeln, möglichst viel Input in eine Visualisierung packen zu wollen? Ich habe eine Begabung dafür, einen Input-Overload zu verursachen. Genau das möchten wir beim Erstellen von Dashboards aber eigentlich verhindern. Ich versuche also immer das Big Picture im Auge zu behalten. Ist es aber nicht möglich, alle relevanten Informationen in ein übersichtliches Dashboard zu packen, erstelle ich einfach ein weiteres Dashboard oder eine Story (eine Abfolge von zusammenhängenden Visualisierungen, die dem User durch die Informationen führen).

Genauso wie zu viele Charts können auch zu viele Farben für Verwirrung sorgen. Präzise eingesetzte Farben verbessern die Analyse, zu viele Farben verlangsamen die Analyse der vorliegenden Informationen jedoch.

 

Tipp 7: Make Users explore – Interaktivität einbinden

Einem Vollblut Sales Team-Lead ein interaktives Dashboard zu übergeben ist wie einer Hobbywerker*in ein cooles Werkzeug in die Hand zu drücken. Ist es dynamisch und interaktiv anstatt einfach nur statisch, werden User*innen eingebunden und können sich genau die Ansicht zusammenbauen, die sie in diesem Moment benötigen. Praktische Filter (Einfach- oder Mehrfachauswahl in Kontrollkästchen oder Dropdown-Listen, Suchfelder, ein kleiner Zeitstrahl bei Datum-Filtern, etc.) und Drill-down Optionen durch das Anklicken von Werten und Kategorien in Charts eigen sich dafür ideal. 

Datenvisualisierung

Dieses mit Tableau erstellte Dashboard (klicke hier, um es auszuprobieren) setzt einen Fokus auf die aktuelle Performance, insb. Profit. Links oben können die wichtigsten KPIs als einfache Zahl betrachtet werden. Rechts oben kann man ablesen, für welche Produkt-Kategorien die Profit-Ziele erreicht haben. Ein Drill-down (Klick auf + bei Category) ermöglich einen Drill-down in weitere Sub-Kategorien. Sowohl dieses als auch beide unteren Charts sind als Filter gesetzt, sodass ein Klick auf eine Kategorie, ein Jahr, einen Balken, oder ein US-State die Ansicht runterbricht. Das linke Chart stellt den Profit als hellgrüne Linien und Sales als blaue Balken für die einzelnen Quartale gegenüber (Achtung: die Achsenwerte unterscheiden sich). Ab Q4 2021 ist ein Forecast bis Ende des Jahres 2022 zu sehen. Die Map rechts zeigt den Profit pro US-State. Je dunkler das Grün, desto höher der Profit, he gelblicher desto niedriger (teilweise sind sogar negative Profite zu sehen). User*innen dieses Dashboards können nun z.B. die Performance einzelner US-States und/oder Jahre runterbrechen, um möglichst ins Detail gehen zu können, wo es notwendig erscheint.

 

Tipp 8: Make it shine bright – Unordnungen beseitigen

Ist das Dashboard erst einmal erstellt, versetze ich mich in die Perspektive von jemanden, der es noch nie gesehen hat. Jedes Element sollte einen Zweck erfüllen. Ist ein Titel, eine Legende oder eine Achsenbeschriftung überflüssig, sollten diese Elemente entfernt werden. Außerdem stelle ich mir auch noch einmal die Frage, ob ich zu viel Inhalt in das Dashboard gepackt habe, die Anforderungen abgedeckt sind und daraus resultierend etwas entfernen, hinzufügen oder neu anordnen muss. Die Vereinfachung des Dashboards ist oftmals ein iterativer Prozess.

 

Tipp 9: Test, test, test – Testen der Userfreundlichkeit und Richtigkeit

Wie bei jedem erfolgreichen Projekt sind gute Tests der Schlüssel. Zunächst einmal teste ich, ob alle Drill-down und Filtermöglichkeiten auch tatsächlich funktionieren, und überprüfe die Richtigkeit der visualisierten Ergebnisse. Nach Übergabe des Dashboards frage ich die User*innen, wie sie das Dashboard letztendlich verwenden und ob es ihnen hilft, ihre Fragen beantworten zu können. Vielleicht gibt es sogar Charts, die gänzlich ignoriert werden. Ich sammle bestmöglich Informationen, die mir dabei helfen, Dashboards zu optimieren oder neue Dashboards zu entwickeln.

 

Möchtest du weitere Information zur Datenvisualisierung bzw. der Optimierung deiner Dashboards erhalten? Dann melde dich gerne bei uns für ein kostenloses Beratungsgespräch!

 

Dass das Schalten von Ads kein Kinderspiel ist, wissen all jene, die an Kampagnen arbeiten. Damit eine Kampagne tatsächlich eine hohe Klickrate erreicht, darf die Bildoptimierung nicht unterschätzt werden, auch wenn sie oft so simpel klingt. Doch der Effekt kann letztendlich groß sein: Erst kürzlich veröffentlichte Google eine Fallstudie, die zeigt, wie ein einfaches Meta-Tag die Klicks in Google Discover um über 300 % steigern kann. Wie auch du dieses einsetzen kannst und welche Tipps der Bildoptimierung dir noch zu einer verbesserten Klickrate verhelfen können erfährst du hier.

 

Eine simple Einstellung in Google Discover mit großer Wirkung

Mit der Einführung des Meta-Tags max-image-preview hat uns Google 2020 mehr Kontrolle darüber gegeben, wie Bilder von der Website in Google Discover angezeigt werden. Die nun veröffentlichte Studie zeigt, wie die Verwendung des Meta-Tags die Klicks und die Click-Through-Rate (CTR) erheblich gesteigert werden können. Wird das max-image-preview:large-Meta-Tag in den Header jeder Seite einer Website aufgenommen, präsentiert Google die Bilder in großen Formaten. Dies steigert die Nutzerfreundlichkeit, sobald die Inhalte auf Suchoberflächen wie Google Discover sichtbar sind.

Der Foodblog Kirbies Cravings konnte seine CTR in Google Discover um 79 % steigern. Der Unterschied in der Darstellung zeigt die folgende Abbildung:

Google Discover

Die CTR des brasilianischen Online-Magazins Istoé verzeichnete einen Zuwachs von 30 % und eine Zunahme der Klicks von 332 % innerhalb von 6 Monaten in Discover.

 

Weitere Tipps zur Bildoptimierung und Steigerung der Klickraten

Neben der Möglichkeit, einfache Meta-Tags wie max-image-preview zur Bildoptimierung heranzuziehen, gibt es auch weitere Tipps und Tricks, deine Klickrate zu steigern.

Relevante und an die User ausgerichtete Bilder

Durch die Verwendung relevanter, direkter und auf die User ausgerichteter visueller Inhalte kannst du deine Zielgruppe effizienter erreichen. Hierfür muss deine Zielgruppe und ihre visuellen Vorlieben zunächst einmal möglichst genau definiert werden. Ziehen wir dafür wieder den Foodblog Kirbies Cravings als Beispiel heran: dieser fokussiert sich auf gesunde Mahlzeiten und einfache Nachspeisen. Die Bilder sind wie der Inhalt und die Website simpel und transparent dargestellt, genauso wie die Rezepte einfach gehalten sind. Die Zielgruppe erwartet einfache Rezepte und gesunde Alternativen zu bekannten Mahlzeiten und Nachspeisen.

Google Discover

Optimierung der Dateigrößen von Bildern

Ein wichtiges Merkmal der Anzeigenoptimierung ist die Dateigröße der Bilder. Hochwertige Bilder mit hoher Auflösung sind zwar wichtig, aber die Ladezeit deiner Website kann sich durch zu große Dateien erheblich erhöhen. Dies beeinträchtigt die Nutzerfreundlichkeit drastisch und kann dazu führen, dass potenzielle KundInnen die Seite vorzeitig verlassen.

Verwendung und Optimierung von Alt-Texten

Alt-Text ist ein weiteres Tool zur Bildoptimierung, das deine Klickraten-SEO verbessern und zu mehr Anzeigenklicks führen kann. Alt-Texte sind Bildbeschreibungstexte im HTML Code, damit von Search Engine Crawlern das Bild richtig geindexed wird. Sie erhöhen die Zugänglichkeit deiner Website.

Verwendung von Beschriftungen

Beschriftungen oder Textbeschreibungen für Bilder sind ein weiteres wichtiges Tool zur Bildoptimierung, das die Klickrate Ihrer Website erhöht. Sie tragen dazu bei, deine Website übersichtlich zu gestalten.

Schlüsselwortreiche Bilddateinamen

Websites enthalten in der Regel Schlüsselwörter, nach denen User häufig suchen. Durch die Optimierung der Bilder und der Bildunterschriften kannst du deine Anzeigenklicks steigern. Keyword-reiche Bilddateinamen sind ebenso wichtig. Ein codiertes IMG_584 ist weniger interaktiv als ein klarer Name, der den Zweck des Bildes direkt erklärt.

Anzeigen mit konsistenten Bildern fördern

Konsistenz ist in jedem Bereich von Bedeutung, ganz besonders aber bei Anzeigen und im Marketing. Indem deine Anzeigen mit einheitlichen Bildern, Farben, Themen, Schriftarten, beworben werden, schaffst du damit einen Wiedererkennungswert bei Usern. Dies kann den Markenwert und auch die Klickrate deutlich steigern.

 

Möchtest du weitere Information zur Optimierung der Performance deiner Klickraten und ähnlichen Marketing-Metriken erhalten, dann melde dich gerne bei uns für ein kostenloses Beratungsgespräch!

 

 

Dass Unternehmen mit fortschrittlichen Analytics-Fähigkeiten einen Wettbewerbsvorteil erlangen können, ist längst kein Geheimnis mehr. Jede Abteilung eines Unternehmens hat das Potenzial, durch Analytics effizienter zu arbeiten, Prozesse zu verbessern, Kosten einzusparen oder Umsätze zu steigern. Im Idealfall sind alle Bereiche Teil eines modernen, datengetriebenen Unternehmens, um einen bestmöglichen Beitrag zum Gesamtergebnis zu erbringen.  Mit einer leistungsstarken Business Intelligence- und Analytics-Plattform wie Tableau können vorhandene Daten genutzt werden, um mit interaktiven Visualisierungen schnell, dynamisch und konsistent wertvolle Insights zu gewinnen. Du möchtest wissen, was Tableau überhaupt kann und wie unterschiedlichste Abteilungen deines Unternehmens Tableau nutzen können? Dann bist du hier genau richtig!

 

Was ist Tableau?

Tableau ist eine leistungsstarke Software zur Visualisierung von Daten. Tableau hilft dir also dabei, Daten zu sehen und zu verstehen und ermöglicht es, Fragen schnell zu beantworten und Insights in deinem Unternehmen zu teilen. Visualisierungen lassen sich schnell im Drag-and-Drop Prinzip erstellen und können einfach in Dashboards zusammengefasst werden. Das Video gibt dir einen guten ersten Einblick, wie Tableau funktioniert:

 

Wie können die unterschiedlichsten Abteilungen Tableau nutzen?

 

Sales Analytics

Um mit deiner Sales Abteilung einen Wettbewerbsvorteil aufbauen zu können ist es entscheidend, das große Ganze im Blick zu bewahren, ohne die täglichen Aktivitäten, nämlich Geschäfte abzuschließen, aus den Augen zu verlieren. Dies gilt heute mehr denn je, da sich die Umstellung auf die Digitalisierung beschleunigt – und nur durch die vollständige Nutzung von Daten kann das volle Erfolgspotenzial ausgeschöpft werden. Sales-KPIs, einschließlich der Sales Performance, Kosten-Umsatz-Relation und Quotenerreichung sind nur einige der vielen Metriken, die das ganzheitliche Bild einer dynamischen Vertriebsumgebung erstellen.

Tableau befähigt Sales Teams, Analysen zu beschleunigen und mit ihren Geschäftsdaten eine weitaus größere Wirkung zu erzielen. Von der Prognose der Quotenerfüllung bis hin zur Einbindung von KI-gesteuerten Erkenntnissen im Sales Workflow – mit Tableau kann deine Sales Abteilung intuitiv dynamische Charts und Dashboards erstellen und eine datengesteuerte Vertriebskultur aufbauen. Die gesamte Vertriebsorganisation verfügt so über gemeinsam nutzbare und umsetzbare Erkenntnisse, die aufzeigen, was funktioniert und was nicht, wo die Chancen liegen und was priorisiert werden muss, um den Erfolg des Unternehmens zu steigern.

Exemplarische Sales Analytics Use Cases sind:

  • Tracking der aktuellen Sales Performance
  • Opportunity Tracking
  • Tracking von Quotenerreichungen
  • Tracking und Forecast des Geschäftsumfelds und Potenziale erkennen (um Entscheidungen rechtzeitig zu treffen und den Kräften, die auf dein Geschäft einwirken, einen Schritt voraus zu sein)
  • Bereiche für die Konzentration der Vertriebsressourcen identifizieren
  • Risikobewertung der Pipeline und Sales Forecasts (Erkennung saisonaler Trends wie historisch langsame Quartale, Sommerflauten und Verkaufsexplosionen durch Visualisierungen setzt die Möglichkeit, zukünftige Trends vorherzusagen, Prognosen zu erstellen und entsprechend zu planen)
  • Rentabilitätsanalyse (Rentabilität mit Dashboards im Auge behalten; Umsätze und Gewinne nach Segment, Produktlinie und Region anzeigen, um unrentable Verkaufsaktivitäten schnell zu erkennen und Maßnahmen zu ergreifen)
Tableau

Use Case: Tracking von Quotenerreichungen – durch die Filterfunktion in der Leiste links oben oder das Klicken von einzelnen Werten in den Charts verändert sich die Ansicht, wodurch die Verwendung interaktiv und dynamisch ist. So können tiefliegendere Erkenntnisse gewonnen werden. Quelle: Tableau for Sales Analytics in Tableau Public

 

Finance Analytics

Finance Teams nutzen Tableau, um mit ihrer Zeit und ihren Ressourcen einen größeren Impact zu erzielen. Sie führen Daten zusammen, stellen effizient Analysen und Berichte bereit und teilen jene Informationen, welche die Geschäftsstrategie vorantreiben.

Beispiele für Finance Analytics Use Cases sind:

  • Audit, Risk, und Compliance Analytics (proaktiver Ansatz zur Aufdeckung von Risiken und zur Sicherstellung der Compliance, indem leistungsstarke, intuitive Analysen verwendet werden, um alle Finanzdaten deines Unternehmens zu untersuchen)
  • Treasury und Cashflow Management (Analysen von Cashflows, Untersuchung von Investmentportfolios, Risikopositionen verstehen)
  • Umsatz- und Preis-Analytics (Erlangen eines tieferen Verständnisses der Umsätze ihres Unternehmens, einschließlich der prognostizierten Leistung, Preistrends und Produktmargen und schnelle Bereitstellung von Finanzberichten und strategischen Ratschlägen zur Entscheidungsfindung)
  • Analytics für Finance Operations (Verbesserung der Geschäftsergebnisse durch Erkenntnisse von z.B. Reise- und Spesenausgaben, die Optimierung von Beschaffungs- und Einkaufsstrategien oder die Überwachung von Investitionsausgaben)

 

Marketing Analytics

Mit Tableau ist es möglich, Marketingdaten zusammenzuführen, um einen tieferen Einblick in deine Ausgaben für digitale Medien, Social Media, Website-Performance, Customer Journeys, im Idealfall auch den Return on Investments (ROI) und vieles mehr zu erhalten. Wiederkehrende, zeitintensive Fragestellungen wie z.B. Anzahl der Seitenaufrufe im Firmenblog im letzten Monat, welche Themen in den Beiträgen am beliebtesten waren oder wie sich die Klick-Rate von Emails oder auf der Website entwickelt haben sollten möglichst durch automatisierte Dashboards beantwortet werden. So haben Marketer mehr Zeit sich anspruchsvollen und strategischen Analysen zu stellen. Neue Erkenntnisse über KundInnen, Produkte, Partner und die Konkurrenz helfen, Kampagnen besser auszuführen und gezielter einzusetzen. Gut gestaltete, interaktive Dashboards mit dynamischen Filtern und Funktionen sind hierbei besonders wertvoll; sie beleuchten eine Erkenntnis, beantworten bestehende und genauso nachfolgende Fragen und bieten Möglichkeiten, ganz einfach die Perspektive zu ändern. Marketer können mit Tableau außerdem ihre eigenen “Was-wäre-wenn”-Fragen schnell und einfach beantworten.

Beispiele für Marketing Analytics Use Cases sind:

  • Marketing KPIs Tracking (Leads, kumulierte Leads, etc.)
  • (Digitale) Marketing Kampagnen Performance
  • Insights zur Zielgruppenschärfung
  • Tracking der Blog Performance
  • Tracking der Email-Kampagnen Performance (Zurückverfolgung, welcher Kanal oder welche Kampagne wie viel Einfluss auf welchen Umsatzposten hatte)
  • Social Media Erreichung und Engagement
  • Umfrageanalysen
  • Google Ads Indikatoren
  • Website Traffic und Web Engagement
Tableau

Use Case: Digital Marketing Campaign Performance Dashboard, Quelle: Tableau for Marketing in Tableau Public

 

Support & Service Analytics

Die weltweit führenden Unternehmen nutzen Daten, um das Kundenerlebnis zu optimieren, die Kundenzufriedenheit zu verbessern und die Kundentreue zu stärken. Analysen geben dir einen tiefen Einblick in deine KundInnen und das Verständnis der Serviceabläufe, die sie benötigen, um erstklassigen Kundensupport zu liefern.

Exemplarische Support & Service Analytics Use Cases sind:

  • Ziele für kritische Service-Metriken setzen und tracken (Metriken und Trends wie Avg CSAT, Avg Response Time und SLA Compliance im gesamten Unternehmen untersuchen und Zielvorgaben kontrollieren)
  • Den Serviceteams ermöglichen, ihre eigene Performance zu sehen
  • Verfolgen von Kundenservice-Fällen nach Status und Betreuer (Visualisierung von Fälle nach Status, Priorisierung und Leistungsmetriken und gleichzeitige Aufschlüsselung von einzelnen Fällen im CRM)
  • Identifizierung von kritischen Vorfällen, deren Überprüfung und Nachverfolgung
  • Trends bei Anfragen nach Zeit und Kategorie anzeigen

 

Supply Chain Analytics

Um die Lieferkette optimieren zu können, müssen zumeist mehrere komplexe Faktoren gleichzeitig und in Echtzeit verwaltet werden. Optimierung des Bestands, Rationalisierung des Transports und Just-in-Time-Lieferungen sind hierbei erfolgsentscheidend. Tableau bringt dir das alles in einer visuellen Umgebung zusammen, die für jeden zugänglich ist und dennoch fortschrittliche Modellierung und Prognosen für Unternehmensanforderungen unterstützt. Tableau eröffnet dir leistungsstarken Einblick in deine bestehenden Metriken und ermöglicht dir die Erstellung neuer, maßgeschneiderter Algorithmen.

Beispiele für Supply Chain Analytics Use Cases sind:

  • Tracking der Supply-Chain-Performance und Erkennung von Trends
  • Prognosegenauigkeit zur Optimierung von Vertriebs-, Betriebs- und Bestandsplanung erhöhen
  • Tracking von Lieferantenleistung in Bezug auf Lieferung, Preis und Service
  • Einblicke in die Produktion (Produktion besser planen und terminieren, Qualität verbessern, Kosten kontrollieren, Ausschuss reduzieren, Anlageverwaltung und Steigerung der Effizienz)
  • Tracking des Angebots- und Nachfragezyklus zur Optimierung der Lagerung und Distribution
  • Optimierungen von Transport und Logistik (Verfolgung Kapazitätsauslastung, Wahl der besten Transportart und Spediteur, etc.)
  • Flottenmanagement (Effizienz steigern und Kapazitätsnutzung maximieren)
  • Omni-Channel (Einblick in Verkaufs-, Bestands-, Kunden- und Lieferkettenprozesse für eine echte Omni-Channel-Sicht auf das Geschäft und eine effiziente Lieferkette)

 

Fazit

Tableau kann in allen Abteilungen deines Unternehmens einen starken, analytischen Impact haben, der sich auf das Gesamtergebnis erheblich auswirken kann. Tableau gibt den Abteilungen durch eine interaktive, dynamische und fast spielerische Art und Weise die Möglichkeit, Insights zu gewinnen, die normalerweise im Verborgenen bleiben würden. Komplexe Themen können einfach runtergebrochen und analysiert werden, um daraus gezielt geschärfte Maßnahmen und Handlungsempfehlungen herzuleiten. Unternehmen, die bereit sind, den Schritt zur Nutzung von Analytics zu wagen, werden früher oder später Vorteile im Wettbewerb haben. Entscheidend für den Erfolg von der Implementierung von Analytics Tools wie Tableau ist vor allem auch eine von allen Teams gelebte Data Culture im Unternehmen, also datengetriebene Verhaltensweisen, die tatsächliche strategische Nutzung von Daten für die Entscheidungsfindung und in Geschäftsprozessen sowie eine Förderung von Austausch und Gemeinschaft. Die Abteilungen müssen datengetriebene Arbeits- und Denkweisen nicht nur integrieren, sondern vor allem auch leben, um bestmöglich Ergebnisse für das gesamte Unternehmen erzielen zu können.

Möchtest auch du Tableau, Analytics und eine Data Culture erfolgreich in deinem Unternehmen etablieren oder dich einfach dazu informieren? Kontaktiere uns gerne für ein kostenloses Beratungsgespräch!

 

 

Mit iOS 15 führt Apple im Herbst eine neue Funktion ein, die das Sammeln von Daten der NutzerInnen bei der Öffnung von Emails blockiert. Das Ziel? Die Privatsphäre der NutzerInnen zu schützen. Doch welche Auswirkungen wird diese neue Funktion auf den aktuellen Newsletter-Boom haben?

 

Die neue Mail Privacy Protection Funktion in IOS 15

Tracking Pixel sind kleine, in den Quellcode eingebettete Grafiken mit einer Abmessung von zumeist nur 1×1 Pixel. Sie werden beim Aufruf einer Webseite oder Email automatisch geladen und ermöglichen das Sammeln von zahlreichen Daten und das Tracking des Nutzerverhaltens, wie beispielsweise die IP-Adresse, den Standort, das genutzte Endgerät, Öffnung, Öffnungszeitpunkt und Weiterleitung von Emails oder die Zeit und das Datum des Aufrufs. Grundsätzlich sollen NutzerInnen das Tracking Pixel nicht sehen, weshalb dieses oft transparent oder in der Hintergrundfarbe eingefärbt ist.

 

Tracking Pixel

 

In der europäischen Union müssen laut der Datenschutzgrundverordnung (DSGVO) NutzerInnen darüber informiert werden, dass Daten erfasst werden, sowie muss die Möglichkeit bestehen, dem Tracking per Opt-out zu widersprechen. In den Vereinigten Staaten gibt es zwar branchenspezifische Datenschutzgesetze, jedoch legen Unternehmen grundsätzlich ihr eigenes Datenschutzniveau fest. Hier möchte Apple nun ansetzen und eine Vorreiterrolle bei datenschutzbasierten Produktentscheidungen einnehmen. Die Mail Privacy Protection Funktion wird im Herbst mit IOS 15 eingeführt und kann in den Einstellungen eingeschalten werden. Apple beschreibt die neue Funktion wie folgt:

 

“In the Mail app, Mail Privacy Protection stops senders from using invisible pixels to collect information about the user. The new feature helps users prevent senders from knowing when they open an email, and masks their IP address so it can’t be linked to other online activity or used to determine their location.”, Apple 

 

Doch wie funktioniert das? Durch das Einschalten der Mail Privacy Protection Funktion werden alle Grafiken in Emails, die an Apple-Geräte gesendet, zwischengespeichert. Diese Zwischenspeicherung wird im Grunde das Tracking Pixel vollständig aufheben. Die Funktion wird für Apple‘s eigene Email-App möglich sein, nicht jedoch für andere Email-Apps, die am Apple Gerät installiert sind.

 

Das Ende des Newsletter-Booms oder nur der Anstoß für einen längst überfälligen Umdenkprozess?

Wie groß ist das Ausmaß? Im Moment gilt Apples Richtlinienänderung für NutzerInnen, welche die eigene Apple Email-App auf ihren iPhones und iPads sowie die Desktop-Email-Anwendung verwenden. Das ist eine ansehnliche Zielgruppe: Litmus.com berichtete im Mai 2021, dass der aktuelle Marktanteil des iPhones bei den Email-Clients zwar 47,1 % beträgt, aber der eigene Anteil von Apple Mail bei 13 % und damit unter Gmail (18,6 %) liegt. Werden Emails beispielweise auf einem iPhone auf der Gmail-App gelesen, greift Apples Tracking Pixel Blocker nicht ein.

 

Tracking Pixel

Berichten zufolge möchte Google aber nachlegen und mit einer ähnlichen Funktion Tracking Pixel blockieren können. Email-Öffnungen waren in den vergangenen Jahren keine ideale Metrik, da sie durch die standardmäßig implementierte Bildblockierung verzerrt wurde. Wenn Google nicht nachzieht, würde eine bereits verzerrte Metrik noch verzerrter werden. Android/PC-Nutzer würden für die gesamte Zielgruppe sprechen, während Daten von Apple-Mail-NutzerInnen unbekannt bleiben.

Anstatt den Fokus zu sehr auf die Betreffzeile, die eine gute Öffnungsrate erzielen soll und das Messen von Email-Öffnungen sowie Öffnungszeit sollten Marketingabteilungen den Fokus auf

  • den Content und Botschaft der Email,
  • zusätzliche Funktionen zum Testen des Email-Inhalts, zu dynamischen Inhalten und zum dazugehörigen Reporting,
  • Metriken wie Klicks, Umsätze und andere zielbasierte KPIs,
  • Website-Verhalten anstatt Email-Öffnungen im Marketing Automation Prozess, und
  • eine Customer Daten Plattform legen, die eine Konsolidierung der Daten über alle Kanäle ermöglichen und somit die 360 Grad Sicht über KundInnen schaffen.

 

Marketingabteilungen werden durch Tracking Pixel Blocker den Einblick in das Verhalten von KundInnen nicht verlieren. Vielmehr geht es darum nun bessere Wege zur Messung des Kunden-Engagements zu finden. Wir bei Deloitte Digital helfen dir gerne, diesen neuen Weg zu beschreiten. Melde dich jederzeit gerne zu einem kostenlosen Erstgespräch bei uns!

 

Wie ein brechender Staudamm hat die Digitalisierung zu einer Überflutung von Daten geführt. Dass es schnell passieren kann, in dieser Datenüberflutung den Überblick zu verlieren heißt jedoch nicht automatisch, aus den Daten mit etwas Geschick bisher Verborgenes zu entdecken und daraus neue Chancen abzuleiten. Daten per se bilden in ihrer Rohform allerdings kaum einen Mehrwert. Um aus ihnen auch einen tatsächlichen Mehrwert generieren zu können, sind Analytics-Fähigkeiten notwendig. Nur mit einem starken Data Analytics Team ist eine erfolgreiche digitale Transformation überhaupt erst möglich.

 

Was ist Data Analytics?

Data Analytics geht weit über das reine Betrachten von Objekten und Geschehnissen in Form von Daten hinaus und beinhaltet unter anderem folgende Fragestellungen:

  • Was ist passiert?
    Ziel: Erhalt von Informationen über Objekte und vergangene Geschehnisse.
  • Warum ist es passiert?
    Ziel: Erhalt von Erkenntnissen über Objekte und vergangene Geschehnisse.
  • Was wird passieren?
    Ziel: Erhalt von Vorhersagen von zukünftigen Geschehnissen.
  • Was kann ich tun, um etwas zu erreichen?
    Ziel: Optimierungen zur Erreichung von Zielen.

 

Um Analytics-Fähigkeiten im Unternehmen aufbauen und etablieren zu können, spielt neben der Hard- und Software vor allem das Humankapital eine zentrale Rolle. Im Idealfall hat ein Unternehmen ein gut aufeinander angespieltes Analytics-Team mit eindeutig formulierten Rollen. Dies ist allerdings nicht immer einfach.

 

Die Rollen im Analytics-Team

Um herausragende Analytics-Fähigkeiten als Ressource oder sogar als Kernkompetenz in einem Unternehmen sichern zu können, sind verschiedene Analytics-Rollen zu berücksichtigen: Data / Business Analysts, Data Scientists und Data Engineers.

 

Data Analytics

 

Der Data Analyst kümmert sich um die Geschäftsentwicklung und beschäftigt sich insbesondere mit Reporting mit Excel, SQL oder diversen BI Anwendungen. Die Rolle des Data Analysts ist ähnlich der eines Business Analysts, jedoch mit mehr Fokus auf IT. Der Business Analyst analysiert hingegen Geschäftsprozesse und treibt die Geschäftsentwicklung voran. Er fungiert außerdem als Schnittstelle zwischen den Abteilungen und der IT. In Unternehmen werden beide Rollen oftmals kombiniert übernommen.

Der Data Scientist ist für komplexe Aufgaben im Bereich Advanced Analytics zuständig. Anhand von Daten soll er Muster erkennen, Aussagen zu Vorhersagen treffen und Entscheidungsgrundlagen vorbereiten. Big Data wird so zu Smart Data. Sein Aufgabenbereich reicht von AdHoc Analysen bis hin zu komplexen Anwendungen mit künstlicher Intelligenz. Hierfür verwendet er mathematische und statistische Methoden wie beispielsweise R oder Python.

Der Data Engineer ist für die Infrastruktur der Daten zuständig und kümmert sich um den Aufbau der Datenströme, der Big Data Infrastruktur und des Datenbank-Designs. Sein Output bildet somit die Grundlage für die Aufgabenbereiche der Data Scientists und Data Analysts. 

Die Problematik liegt oftmals darin, dass die Aufgaben und Abgrenzung der einzelnen Rollen in einem Analytics-Team oft unklar oder nur mäßig definiert sind. Der gesamte Analytics Bereich ist ein komplexes Zusammenspiel der drei genannten Bereiche. Deren Tätigkeiten sind oft übergreifend und müssen somit perfekt abgestimmt werden, um einen Mehrwert zu erreichen. In den folgenden Wochen werden wir euch die einzelnen Rollen des idealen Analytics-Teams noch genauer vorstellen.

 

Solltest du Hilfe gebrauchen bei der Implementierung deines eigenen Data Analytics Teams oder auch jegliche andere Fragen zu dem Thema Data Analytics haben – Vereinbare jetzt ein unverbindliches kostenloses Beratungsgespräch mit uns! Wir stehen dir jederzeit gerne zur Verfügung! 

 

Wir freuen uns auf ein Gespräch!

Jetzt kontaktieren

Kontaktformular

© 2021 Deloitte Consulting GmbH. All rights reserved.