Fachartikel

JUL2019
Ausgabe 4/2019, Seite 44 | 19-07-44-1

Data Science: Integration unterschiedlicher Datenquellen

Stück für Stück zum Mosaik

Wie schafft die Kunst der Integration unterschiedlicher Datenquellen eine Optimierung des ROI? Und macht künstliche Intelligenz das Kunsthandwerk überflüssig? Diesen Fragen geht Markus Eberl nach. Mit zwei Cases ermöglicht er einen Blick in die Praxis – und verrät die goldenen Regeln der Data-Science-Handwerkskunst.
Stück für Stück zum Mosaik: Data Science - Integration unterschiedlicher DatenquellenFoto: Visions-AD, Markus – fotolia.com, Unternehmen
Sicher haben Sie schon kunsthandwerkliche Mosaiken oder Wandfliesenarbeiten gesehen, wie man ihnen auf der iberischen Halbinsel oft begegnet. Beim Blick auf die Details sind viele der verwendeten Muster sehr unterschiedlich und man kann sich schwer vorstellen, dass so verschiedene Farben, Reliefs und Konturen zusammenpassen. Immer wieder ist man als Betrachter aber davon fasziniert, wie schön die Kunsthandwerker der Vergangenheit und Gegenwart daraus Gesamtbilder und stimmige Architekturen entwickeln. Eines der Geheimnisse liegt sicherlich darin, wie die Übergänge zwischen den verschiedenen Oberflächen gestaltet werden.


Auf das Gesamtbild kommt es an

Analog verhält es sich mit den Materialien unserer „Data-driven Economy“: Zunehmende Digitalisierung und Verfügbarkeit von Daten aus unternehmensinternen (CRM, Transaktionen, Kundenverhalten) und externen Quellen (Social, DMPs etc.) versetzen das Marketing in die Lage, das Verhalten von Konsumenten on- und offline ebenso zu speichern wie ihre Einstellungen, zum Beispiel aus Feedbacksystemen oder stichprobenbasierten Befragungen. Im Bild unserer Mosaiken spielen Data Scientists und Marketiers die Rolle der Kunsthandwerker, die ein schönes, also gewinnoptimiertes Gesamtbild zusammenstellen wollen.
Die Hoffnung von Unternehmen und Organisationen: neue, individuellere Möglichkeiten für das Marketing – allem voran bessere Ansprache von Kunden und Steigerung der Effizienz, also Optimierung von Marketing Return on Investment (ROI).


Data Science als Kunsthandwerk

Die großen Daten-Steinbrüche der heutigen Zeit (etwa Google oder Facebook) haben einen Vorteil: Sie bieten konsistentes Daten-Rohmaterial. Sie können einzelne Personen anhand ihrer ID nicht nur auf den eigenen Angeboten, sondern auch im gesamten Online- und zunehmend auch mobilen Verhalten abbilden. Diese Daten-Quelle ist für Data-Science-Kunsthandwerker durchaus interessant, bietet sie doch große Datenmengen zum Verhalten eines Individuums. Spannende Herausforderungen stellen sich darin, mit der schieren Menge des Materials umzugehen. Hierfür sind die neuen maschinellen Helfer aus dem Bereich der künstlichen Intelligenz perfekt geschaffen: Sie erkennen automatisch Zusammenhänge und Muster und sind so in der Lage, Verhalten vorherzusagen. Sie sind die Werkzeuge, ohne die heute kein Handwerker mehr auskommt. Und das Ergebnis lässt sich durchaus sehen: Der Mehrwert programmatischen Online-Targetings ist unbestreitbar groß.


Immer nur ein Ausschnitt

Das Problem ist: Die große Datenmenge lässt uns Betrachter manchmal vergessen, dass dies dennoch nur ein Ausschnitt des Verhaltens von Menschen ist. Wir alle beobachten es an uns selbst: Wir nehmen Marken und Kommunikation nach wie vor in vielen Kanälen wahr, wir machen Erfahrungen mit Produkten und Dienstleistungen und tauschen uns dazu über viele Kanäle aus.
Diese Rohdaten sind von ganz unterschiedlicher Granularität und Beschaffenheit: Sie bestehen aus Feedbacks, die Kunden bei Unternehmen hinterlassen, aus aggregierten Marken- und Werbetrackings oder Ergebnissen von Pre- und Posttests. Und eine übergreifende – alles integrierende – Datenquelle, die bei einer zentralen Stelle vorrätig ist, wird es nicht geben. Dies macht schon aus ökonomischer Sicht keinen Sinn – auch nicht für die großen Player. Abgesehen davon ist es technisch und inhaltlich trotz aller Möglichkeiten auch nicht darstellbar, das gesamte Verhalten einer einzelnen Person abzubilden. Und schon aus rechtlicher Sicht ist das gut so.


Vom Material-Mix zum Mosaik

Hierin besteht der wahre Reiz für die Tätigkeit von Data Scientists: Sie arbeiten mit sehr unterschiedlichen Datenmaterialien, zum Beispiel aus einer anonymen Befragung (wertvolle Einstellungsdaten, sehr prädiktiv für das Verhalten). Diese wollen sie aber zusammenbringen mit den Informationen aus dem CRM und den operativen Systemen (wie nutzen die Kunden das Produkt?) und auch noch mit den Mediennutzungsdaten aus Clickstreams. Manche Daten liegen wöchentlich und nur aggregiert vor, andere nur einmalig und dafür auf Einzelpersonenebene. Aber wie bringt man all diese unterschiedlichen Materialien so zusammen, dass daraus kein wilder Materialmix, sondern ein anmutendes Gesamt-Mosaik entsteht?


Ohne menschliche Intelligenz ist alles nichts

Zur sinnvollen Integration so unterschiedlicher Materialien müssen die Eigenschaften jeden Materials berücksichtigt und sinnvolle „Übergangsschichten“ definiert werden. Hinzu kommt, dass Daten über Menschen so wie andere natürliche Materialien Schwankungen in der Qualität unterliegen: Mal fehlt hier eine Ecke, mal ist dort die Farbkontur etwas anders. Noch fehlt den Maschinen die Möglichkeit, die Kontexte zu verstehen, in denen Daten generiert werden.
Darin liegt die eigentliche Handwerkskunst: So gut die künstliche Intelligenz automatisiert arbeiten kann, sie braucht menschliche, kuratierende Intelligenz.


Wie Schönheit entsteht – Blick in die Praxis

Case Study 1:
Single Customer View für die Steigerung von Ad Sales und Online-Targeting

Sehen wir uns das konkrete Beispiel eines großen Medienunternehmens an. Ziel war es, den Werbeumsatz der eigenen Angebote zu steigern, indem zielgenaueres Online-Targeting von Werbung an die User ermöglicht wird. Die Herausforderung des Marktführers bestand aber darin, dass zwar viel Wissen über die Nutzer aus unterschiedlichen Blickwinkeln vorhanden war, diese Daten aber in unverbundenen „Silos“ abgelegt waren. Eine einheitliche Kundensicht fehlte.
Zusammen entwickelten wir einen holistischen Datenfusionsansatz, der die Einstellungen und Bedürfnisse mit Content-Interesse aus dem Nutzungsverhalten sowie demographischen Merkmalen zusammenbringt.
Konkret wurden Daten aus mehreren Befragungen, dem CRM Data Warehouse und Clickstreamdaten harmonisiert – sieben unterschiedliche Datensets mit über 120 Millionen Datenpunkten. Diese wurden in einen Datensatz integriert und eine holistische Segmentierung im CRM-System verankert. Algorithmen der künstlichen Intelligenz und des maschinellen Lernens halfen uns bei der Datenfusion und der Entwicklung prädiktiver Modelle. Diese Modelle wurden in das operative Marketing des Auftraggebers integriert und zeigten eine 2,5-fach bessere (genauere) Wirkung im digitalen Targeting von Nutzern der eigenen Online-Angebote. Das bessere Verständnis des Offline-Verhaltens und der Mindsets von Menschen ermöglicht also deutlich zielgenauere Ansprache und dadurch größeren Bottom-Line-Erfolg (Clickthrough-Rate). Die Schönheit entsteht durch die Verbindung der Materialien.


Case Study 2:
Kurz- und langfristige Effekte auf den Marketing-ROI optimieren den Budget-Mix im Marketing

Oft werden Marketing-Mix-Modelle eingesetzt, um die Umsatzentwicklung eines Produktes in saisonale und durch Marketing beeinflusste Bestandteile zu zerlegen. Der unerklärte Rest, die sogenannten „Base Sales“, ist jedoch oftmals von entscheidender Bedeutung: So ließ sich ein Kosmetikhersteller von der (falschen) Annahme leiten, seine Umsätze würden hauptsächlich durch Preis-Promotions positiv beeinflusst. Fehlgeleitet durch das Marketing-Mix-Modell wurden alle Marketingausgaben in Promotions umgeleitet, die vermeintlich nicht wirkenden klassischen kommunikativen Werbeausgaben drastisch reduziert. Es geschah das Gegenteil des Erhofften: Die Umsätze gingen zurück!
Was hatte das einfache Modell übersehen? Es hatte die Bedeutung der Marke für die Baseline nicht mit quantifiziert. Die sogenannten Basisumsätze (graue Fläche in Abb. 1) sind Ausdruck der Markenstärke, und diese wurde durch die Umpriorisierung in Preis-Promotion und Activation-Maßnahmen sogar beschädigt. Es ist daher wichtig, die kurz- und langfristige Wirkung von Kommunikationsmaßnahmen in ganzheitlichen und dynamischen Marketing-ROIModellen zu berücksichtigen.
Wieder einmal kann maschinelles Lernen mit fortgeschrittenen Algorithmen helfen, die Oberflächen unseres Mosaiks glatt und ansehnlich zu machen. Aber ob das Ergebnis von nah (kurzfristig) wie von fern (langfristig) „gut aussieht“ und zu den richtigen Entscheidungen anleitet, dazu bedarf es des Kunsthandwerks, die richtigen Daten zu kuratieren. ■
Hands-on-Datenintegration:
Goldene Regeln der Handwerkskunst

So herausfordernd und spannend die Integration unterschiedlicher Datenquellen auch für die Handwerker sein mag: Sie kann kein Selbstzweck sein. Gute Kunsthandwerker müssen auch immer die Zielsetzung der Auftraggeber mitberücksichtigen. Alle Datenquellen und -silos zu integrieren, nur weil man es kann, wird nicht zielführend sein.

Wenn Sie als Auftraggeber eines Datenmosaiks Ihre Handwerker briefen müssen, wie Sie sich ein schönes Gesamtbild vorstellen, sollten Sie sich daher folgende Fragen stellen:

  • Nutzen wir schon alle möglichen Datenquellen, inklusive Texte, Bilder, Voice (Alexa & Co.), Social?
  • Wie sieht unsere Datenlandschaft und Analytics Roadmap aus? Was können wir mit unseren Daten überhaupt erreichen?
  • Welche Zielgröße/n verfolgen wir?
  • Optimieren wir den Marketing-Mix in kurz- und langfristiger Hinsicht (Activation versus Branding)?
  • Wissen wir, ob ein Individuum gerade vor der Abwanderung steht oder offen für Upsell ist?
  • Wie sprechen wir Kunden oder Lookalikes online und offline an?
  • Haben wir das richtige Team aus künstlicher Intelligenz und Kunsthandwerkern?

 
Dr. Markus Eberl leitet die Kantar Analytics Practice in Deutschland und hilft mit seinen 40 KollegInnen Kunden dabei, das Potenzial existierender Daten zu heben und damit konsumentenzentrierte Marketingaktionen zu befeuern.
www.kantardeutschland.de/analytics-practice

 


Diese Webseite verwendet Cookies. Cookies ermöglichen uns zu verstehen, wie Besucher unsere Webseite nutzen, damit wir sie verbessern und Ihnen das bestmögliche Erlebnis bieten können. Durch den Besuch unserer Website stimmen Sie der Verwendung von Cookies zu. Durch die Cookie-Einstellungen Ihres Internet-Browsers können Sie die Verwendung von Cookies blockieren. Weitere Informationen finden Sie unter Datenschutz.
akzeptieren