Beiträge

Neues gemeinfreies Open-Content-Werk am deutschen Markt erschienen
Das Fachbuch beschreibt die Digitalisie­rung und ihre Auswirkungen auf die Branche.
Journalisten und Gastautoren aus Wissenschaft und Wirtschaft stellen innovative Entwicklungen und deren Anwendungspotenzial sowohl im B2C- als auch im B2B-Bereich dabei in den Mittelpunkt des Open-Content-Werks. Leser erhalten durch das Fachbuch neue Lösungs- und Denkansätze und lernen, die Technologien rund um Smart Services und digitale Ökosysteme gewinnbringend für sich einzusetzen.
Das Buch wird regelmäßig auf unserer digitalen Plattform im Internet aktualisiert. Unter http://www.handbuch-handel.de halten wir alle Inhalte des Buches für Sie zum kostenfrei­en Download vor.
Wer darüber hinaus ein Printexemplar bestel­len und gemütlich lesen möchte, kann dies über den Buchhandel oder im Internet online bei Amazon realisieren. ISBN: 978-3-9818482-3-6


Teilen – Sharen – Weiterverarbeiten

Multiplikatoren wie Journalis­ten und Blogger dürfen unse­re Inhalte jederzeit auch unter kommerziellen Aspekten bei Nennung der Quelle und des Autors kopieren und ändern.
Die Änderungen müssen her­vorgehoben werden und das entstandene neue Werk muss unter derselben Textlizenz wie­der gemeinfrei zur Verfügung gestellt werden.
Wenn Sie im Handbuch für Sie wichtige Bei­träge und Artikel finden, können Sie diese jederzeit mit Bekannten und Freunden teilen. Unsere Inhalte mit der gewählten gemeinfrei­en Creative-Commons-Textlizenz sind prä­destiniert, um in den Sozialen Netzwerken geshared zu werden.
Sollte die Startauflage von 2 000 Printexem­plaren vergriffen sein, müssen Sie trotzdem nicht auf die „Papierausgabe“ verzichten. Wir drucken dann extra ein Exemplar für Sie mit der Printing-on-Demand-Technologie. Da unsere Inhalte ja gemeinfrei sind (Open Con­tent), zahlen Sie nur für die Verarbeitung und das Papier.
Wir wünschen viel Spaß beim Lesen!
Ihre Redaktion
 
 
 

Big Data ist die Grundvoraussetzung für den Retail von Morgen.
Mit dem richtigen Know-How, Werkzeug und Ziel profitieren Händler enorm von der Analyse der Datenberge.

 
Big Data ist kein neues Thema mehr. Doch wie kann es dann sein, dass einer Umfrage zufolge nur etwa 35 Prozent der deutschen Unternehmen Big-Data-Lösungen bereits einsetzen? Immerhin sind die Datenberge nicht nur wichtige Erfolgsfaktoren, sondern auch Geschäftsgrundlage großer Unternehmen geworden. Allerdings ist die Arbeit mit Big Data eine technisch hochkomplexe Aufgabe, weshalb viele deutsche Unternehmen vor ihr immer noch zurückschrecken.
Jede Aktion generiert im digitalen Zeitalter Daten. Daten, die gesammelt werden und schnell zu großen, komplexen, unstrukturierten Massen werden. Diese Masse an Daten wächst in Unternehmen täglich weiter und nennt sich daher Big Data. Doch sie enthalten wertvolle Informationen, weiß man sie richtig zu verarbeiten.
Für Unternehmen bedeutet das allerdings, dass sie die Daten nicht nur sammeln, sondern auch intelligente Algorithmen schreiben sowie effektive Analyseprozesse entwickeln müssen, um das volle Potenzial der Daten für sich nutzen zu können. An diesem Punkt scheitern aber die meisten Firmen, weil sie die Datenverarbeitung als zu komplex ansehen.

Integrierte Systeme sind das All-Inclusive-Analyse-Paket

Mit den richtigen Fachleuten im Team und den passenden Tools können Unternehmen diese Herausforderung jedoch bewältigen. Für eine kosteneffiziente Lösung, sollten sie daher integrierte Systeme wie Mindtrees Plattform Decision Moments einsetzen, welche Datenseen, Algorithmen und Analysen zusammenführen und es ihnen dadurch erleichtern, den ersten Schritt in Richtung Big-Data-Verarbeitung zu machen.
Die Methodik des integrierten Systems ist im Vergleich relativ einfach: Es setzt sich aus fünf Schritten für die Datenverarbeitung zusammen. Im ersten Schritt müssen die Daten von all den Orten geholt werden, an denen sie erhoben wurden. Deshalb läuft zuerst der sogenannte ETL-Prozess (Extract, Transform, Load) ab. Er zapft die verschiedenen Quellen an und wandelt die Daten so um, dass die Zieldatenbank sie einordnen kann und speichert sie letztendlich dort ab.
Im zweiten Schritt legt das System einen Datensee an, in dem alle strukturierten, semi-strukturierten und unstrukturierten Daten gesammelt werden. NoSQL-Engines können an dieser Stelle vorteilhaft sein, um die Geschwindigkeit der Datenverarbeitung zu erhöhen.
Einen Schritt weiter in Phase drei ist die Lösung über branchenspezifische Algorithmen in der Lage, teilautonom und vollautonom zu lernen. Die Daten werden über verschiedene Verfahren wie Clustering, logistische Regression, kollaboratives Filtern, Random-Decision-Forests oder neuronale Netze sortiert und für den nächsten Schritt vorbereitet.
Im vierten Schritt sind die Daten nun zur Weiterverarbeitung bereit. Etablierte Datenarchitekturmodelle wie Lambda, Kappa und Zeta helfen dabei, die großen Big-Data-Workloads erst bezwingbar zu machen. Die Daten werden jetzt visualisiert, für Einsichten weiterverarbeitet und spätere Ansichten in Backups archiviert.
Schließlich befinden sich auf der letzten Ebene der Big-Data-Plattform Schnittstellen, mit denen sich allerlei Anwendungen verbinden lassen, um so direkt von den Einsichten und Dateninhalten zu profitieren. Dies ist etwa für Omni-Channel-Strategien nützlich und nur aufgrund der hohen Skalierbarkeit und Flexibilität der integrierten Systeme möglich.

Erfolg zeichnet sich durch Ziele aus

Wie bei jeder Datenverarbeitung und –analyse ist es auch bei der Big-Data-Analyse notwendig, wirtschaftliche Ziele zu definieren, auf welche die Arbeit hinauslaufen soll. Das Geschäftsmodell des Unternehmens hat also eine besonders einflussreiche Rolle für die Erfolgsbestimmung der Auswertung des Datenbergs. Dieses bestimmt nämlich, inwiefern ein Unternehmen dazu in der Lage ist, von Big Data letztendlich zu profitieren.
Zum einen können Unternehmen mithilfe der Big-Data-Einsichten ihre eigene Produktivität sowie Effizienz steigern und so ihre Prozesse wirtschaftlicher gestalten. Sei es zur Optimierung der Handelswege oder zum Vorbeugen technischer Probleme durch frühzeitige Wartungen.
Auch im Marketing und Vertrieb können Unternehmen ihren Vorteil aus Big-Data-Analysen ziehen, indem sie den Kunden besser kennenlernen, dessen Nachfrage studieren und in der Produktentwicklung auf ihn reagieren. Dadurch können sie nicht nur genauere Prognosen bezüglich ihres Umsatzes treffen, sondern auch die Erfolgsmessung ihrer Kampagnen wird deutlich erleichtert.
Außerdem ist Big Data für Unternehmen eine große Hilfe wenn es darum geht, das Angebot ihrer Kunden zu individualisieren, die Verkaufs- und Kommunikationskanäle anzupassen und somit für eine personalisierte Customer Experience zu sorgen.

Big Data ist Voraussetzung für Zukunftsgeschäft

Dieser Trend wird sich auch im Jahr 2018 fortsetzen und zeichnet sich schon heute ab. Big-Data-Analysen helfen Retailern etwa dabei, durch Predictive Analytics Engpässe bei Produkten vorherzusehen und entsprechend vorzubeugen oder schnell darauf zu reagieren, indem sie den nächstgelegenen Zulieferer mit einer weiteren Lieferung beauftragen.
Auch künstliche Intelligenzen werden künftig vermehrt im stationären Handel vertreten sein, um beispielsweise Kunden vor Ort per Display Kleidungskombinationen an den Körper zu projizieren, damit diese sich nicht mühselig immer wieder umziehen muss und bequem verschiedene Kombinationen ausprobieren können. Und auch falls ein Kunde bei der Suche nach Produkten Probleme hat kann eine KI das erkennen und den Kunden darauf aufmerksam machen.
Damit die KI jedoch all diese Kunden unterscheiden, ihr Verhalten erkennen und von Interaktionen lernen kann, muss sie Zugriff auf große Mengen an Kundendaten in analysierter, strukturierter Form haben. Besonders hierfür wird die Big-Data-Analyse eine Grundvoraussetzung für kommende Jahre sein.
Amazon, Google und Facebook machen es vor: Wer sich in der digitalen Zeit sich die Daten nicht zunutze macht, wird am Markt irrelevant. Dementsprechend ist vor allem der stationäre Handel zu Umstrukturierungen gezwungen. Mit integrierten Big-Data-Lösungen und einer klaren Zieldefinition können Retailer jedoch großen Profit aus den Daten schlagen und sich für den Handel der Zukunft vorbereiten.
* * *
 
 
 

Unser Autor

 
Ralf Reich, Head of Continental Europe bei Mindtree

 
Ralf Reich verantwortet das Geschäft in Zentraleuropa bei Mindtree. In seiner Rolle kümmert er sich um das Wachstum von Mindtree hauptsächlich in den Branchen Finanzdienstleistungen, Banken, Versicherungen, Retail, Produktion, Tourismus und Transportwesen. Reich bringt über 25 Jahre IT-Service-Erfahrung mit, in denen er Neukunden und Geschäftsbeziehungen in den verschiedensten Märkten und Regionen aufgebaut hat.
 
 
 
 
 
Über Mindtree
Mindtree bietet digitale Transformations- und Technologie-Dienste – von der Ideensammlung bis zur Ausführung. So können sich die Global 2000-Kunden einen Wettbewerbsvorteil verschaffen. Mindtree wurde „digital geboren“ und verfolgt einen agilen, gemeinschaftlichen Ansatz, wenn es darum geht, kundenspezifische Lösungen für die digitale Wertschöpfungskette zu entwickeln. Gleichzeitig sorgt die umfassende Expertise von Mindtree im Infrastruktur- und Anwendungsmanagement dafür, dass die IT zu einem strategischen Asset wird. So unterstützt Mindtree Unternehmen, egal, ob diese sich abheben, Geschäftsfunktionen neu definieren oder das Umsatzwachstum beschleunigen wollen. Besuchen Sie uns und erfahren Sie mehr. http://www.mindtree.com/.
 
Pressekontakt
Hotwire für Mindtree
Jacqueline Pitz
069 25 66 93 15
jacqueline.pitz@hotwireglobal.com
 
 
Aufmacherbild / Quelle / Lizenz
Pixabay / CC0 Creative Commons

Der Handel hatte es immer schon schwer – Kundenbindung ist nicht leicht zu erzielen und der Preiskampf tobt. Dies gilt für alle Sparten, sei es der Lebensmittelhandel, die Elektronikmärkte oder Autohäuser. Zudem kamen mit Internetplattformen wie Amazon oder Zalando weitere Akteure auf dem Markt, der alteingesessenen Einzelhändlern, aber auch den Einzelhandelsketten das Leben schwermachen. Der Handel ausschließlich über das Internet ermöglicht es diesen Anbietern, kostengünstiger und zielgerichteter anbieten zu können.
Nun ist einer der Vorteile, die Internet-Versandhändler für sich verbuchen können, die weitreichende Kenntnis über die Wünsche und Befindlichkeiten des Kunden. Aufgrund ihres Surfverhaltens, ihrer Klicks und der Verweildauer auf den Seiten, können Betreiber genau analysieren, welche Produkte den Kunden gefallen. Aus dieser Information werden Kaufempfehlungen generiert. Dies erzeugt eine große Menge an Daten, besonders bei Marktführern. Diese Daten können mit herkömmlichen Systemen, die teilweise manuelle Eingriffe erfordern, nicht mehr abgebildet werden.
Doch wie stellt sich das Problem genau? Sicher werden Daten zu den Kunden und ihren Bewegungen erfasst. Diese Daten liegen in den verschiedensten Formaten vor und werden auch oft in isolierten Datensilos hinterlegt. Möchten Händler nun beispielsweise eine Marketingaktion durchführen, steht ein Teil der dafür benötigten Informationen nicht sofort zur Verfügung.
Stimmung der Verbraucher wichtig
Dabei ist besonders für den Vertrieb von Markenartikeln sowohl für den Handel als auch für den Hersteller ein umfassendes Bild vom Markengefühl der Konsumenten wichtig. Die Wahrnehmung eines Markenimages lässt sich nur auch vielen verschiedenen Quellen analysieren. Der Umsatz des jeweiligen Produktes lässt nur eine Momentaufnahme zu. Welche Rolle Werbung, die Vorgehensweise des Wettbewerbs oder Produktinnovationen spielen, bleibt ohne valides Datenmaterial weitgehend ungeklärt. Eigene Marketingstudien könnten zeitaufwändig und teuer sein – und dabei nicht immer zum korrekten Ergebnis kommen.
Jedoch können die unterschiedlichsten Datenquellen in einem Big-Data-System zusammengefasst werden. Im Gegensatz zu gängigen Lösungen verarbeiteen Big-Data-Lösungen die Informationen in unterschiedlichsten Formaten – sei es strukturiert oder unstrukturiert – und aus unterschiedlichen Quellen. Diese Connected-Data-Plattformen verarbeiten nicht nur die Daten der Unternehmens-IT, sondern analysieren darüber hinaus soziale Medien wie Twitter, Facebook, LinkedIn, Xing oder relevante Foren oder Blogs von Influencern. Dabei lässt sich mittels einer passenden Adaption auch die Stimmung („Mood“) der Konsumenten auf diesen Plattformen messen. So können Unternehmen Stimmungsschwankungen rechtzeitig bemerken und mit gezielten Kommunikationsmaßnahmen begegnen. Besonders bei der Planung von Promotions, ob nun Online oder vor Ort im Handel, zahlt sich die rechtzeitige Erfassung von Moods aus.
Wo ist mein Kunde?
Neben der Erfassung der Kundenstimmung sind natürlich auch Informationen über die aktuelle Affinität der Zielgruppe für den Geschäftserfolg entscheidend. Bei Nutzung entsprechender Dienste können beispielsweise der Aufenthaltsort der Konsumenten analysiert und entsprechende Angebote in den Werbeplätzen mobiler Apps ausgespielt werden. So können Filialisten ihre Angebote in Echtzeit über Couponaktionen steuern.
Auch beim Online-Shopping ist Big Data mittlerweile zum Standard geworden. Konsumenten, die sich online über ein Produkt informieren oder sich Informationen über eine relevante oder ihr verwandte Produktkategorie ansehen, hinterlassen viele Clickstream-Daten. Über den Klickverlauf wissen Online-Händler, welche Webseiten attraktiv sind und wo ihre Kunden besonders lange verweilen. Um das riesige Volumen an anfallenden Daten sinnvoll auszuwerten, führt eine Connected-Data-Plattform diese unstrukturierten Daten zusammen und führt eine Analyse in Echtzeit durch. Das schließt allerdings nicht nur das Surfverhalten der Webseitenbesucher ein, sondern auch andere Elemente wie etwa der Warenkorb. Die dort enthaltenen– wie auch die hinzugefügten, aber dann wieder entfernten – Produkte verhelfen ebenfalls zur Entscheidungsfindung für die Gestalter des Online-Shops.
Mit zunehmendem Wettbewerbsdruck auf Handel und Hersteller wird die Nutzung von Big Data folglich immer relevanter. Jedes Jahr verdoppelt sich die Menge an Daten. Rund 90 Prozent beziehen sich dabei nicht auf die klassischen Geschäftstransaktionen. Überdies sind diese Daten nicht statisch, die Datentypen vermehren sich auch. Mit Informationen, die sich vermehrt aus sozialen Medien, Telemetrie ergeben oder aus Sensoren stammen, sind nun Systeme gefragt, die mir einer schieren Anzahl an solchen Daten umgehen können. Denn diejenigen, die nicht nur aufgrund der bisherigen Historie Schlüsse für ihre nächsten Schritte ziehen können, sondern das Kundenverhalten auch prognostizieren können, werden sich auf Dauer auf dem Markt durchsetzen können.
 
Alle Beiträge von Christopher Rummel anzeigen
 

Über den Autoren

Christopher Rummel ist als Regional VP Sales für Hortonworks tätig und ist unter anderem für die Geschäftsentwicklung des Unternehmens im deutschsprachigen Raum verantwortlich. Vorher bekleidete er ähnliche Positionen bei Unternehmen wie bei EMC oder der Parametric Technology Corporation in Tokio.



Otto Neuer, Vice President Sales EMEA Central bei Talend erläutert vier Ansätze, wie Händler mit Big Data ihre Umsätze steigern
 
In den letzten Jahren sind Diskussionen über den Erfolg des Black Friday aufgekommen. Gründe dafür waren erste Angebote schon Tage vor dem Verkaufs-Freitag und schließlich die Erkenntnis, dass die Schnäppchen gar nicht so günstig sind, wie sie von den Unternehmen beworben werden.
Dazu hat sich das Einkaufsverhalten verändert: Mehr und mehr Kunden steigen auf Online-Shopping um. Dies ist für Konsumenten bequemer, der Preisvergleich fällt leichter und man erspart sich das Gedränge in den Shops. Für den Online-Handel und Betreiber von Ladengeschäften wird es daher immer wichtiger, auch über die heißen Tage von Black Friday bis Cyber Monday hinaus ihren Kunden ein personalisiertes Shopping-Erlebnis zu bieten.
Was dafür benötigt wird: aktuelle Analysen zu Kunden und Märkten, die auch für Mitarbeiter in den Fachabteilungen per Mausklick schnell und einfach abrufbar sind.
Damit die Cyberweek und das darauf folgende Weihnachtsgeschäft ein Erfolg werden, sollten Unternehmen vier Maßnahmen umsetzen. Damit schaffen sie die Grundlagen für eine optimierte Sales-Strategie, die dem Kunden ein individuelles Einkaufserlebnis ermöglichen.

Stimmige Kundendaten erhöhen die Abschlussrate

Wer über detaillierte Verkaufshistorien zu seinen Kunden verfügt, kann Angebote gezielter an Bestandskunden ausspielen. Voraussetzung dafür ist ein gepflegtes Kundenprofil und valide Daten aus der Einkaufshistorie, die Mitarbeiter in den Fachabteilungen per Echtzeit aufrufen können.
Woher kommen aber überhaupt die Bestandsdaten? Im einfachsten Fall aus vorangegangenen Käufen, die dazu verwendet werden, ein Kundenprofil zu erstellen. Aber auch aus den zahlreichen Recherchen, die Konsumenten vor einem Kauf auf der eigenen Homepage durchführen sowie aus Social Media- und Diskussionsplattformen.
Bevor die heiße Shopping-Phase beginnt, sollte auch die Datenqualität geprüft werden. Hierfür stellen Anbieter wie Talend geeignete Lösungen für das Data Quality Management bereit.
Wichtige Funktionen sind ein Profiling von Bestandsdaten sowie die Bereinigung und Maskierung von Daten für die Weiterverarbeitung. Weiterhin wird durch Deduplizierung, Validierung und Standardisierung eine saubere Datenbasis geschaffen, sodass die anschließenden Analysen fehlerfreier und damit schneller ablaufen.
Optional sollten Unternehmen externe Referenzdatenquellen integrieren, zum Beispiel für die Adressvalidierung, Unternehmensidentifizierung und Beurteilung der Kreditwürdigkeit bei Neukunden. Wer eine Plattform mit offenen APIs für die Datenintegration betreibt, kann diese Quellen sehr rasch integrieren – andernfalls werden umständliche Integrationsprojekte notwendig.
 

Dynamisches und personalisiertes Pricing

Die Preisfindung ist besonders kritisch für den Abverkauf rund um den Black Friday und Cyber Monday, da hier sehr viele Händler die Kunden mit Angeboten locken. In die Preisgestaltung müssen also dynamisch aktuelle Marktdaten einfließen, wie der Abverkauf der letzten Stunden, noch vorhandene Lagerbestände oder die Popularität eines Produkts basierend auf Sentiment-Analysen aus Social Media und Diskussionsforen.
Dazu kommen vergleichsweise statische Daten wie die Gewinnmarge und die Verkaufshistorie eines Kunden. Eine Datenintegrationsplattform übernimmt hierbei die Aufgabe, die Informationen aus unterschiedlichen Quellen zusammenzuführen. So ausgestattet, können Mitarbeiter auch ohne Programmierkenntnisse und basierend auf aktuellen Daten eine wirtschaftlich attraktive Preiskalkulation vornehmen.
Big Data Analytics eignen sich aber auch, um die dynamische Preisgestaltung, wie sie aktuell beispielsweise bei Flugbuchungen stattfindet, weiter voranzutreiben. Heute ergeben sich die Preisdifferenzen bei Flügen vor allem aus der Auslastung. Künftig sollen auch persönliche Merkmale des Nutzers wie Standort, die IP-Adresse oder mehrfaches Anklicken bei der Preissetzung berücksichtigt werden können. Die Daten hierfür sind bereits vorhanden, die Unternehmen müssten sie nur sinnvoll analysieren und verwerten.
Doch Vorsicht: Bei Kunden kann das dynamische Pricing auf Unverständnis stoßen, da die Preisgestaltung nach außen manchmal wenig nachvollziehbar erscheint. Der Schweizer Einzelhändler Coop beispielsweise hatte in der Vergangenheit einen Test mit personalisierten Rabatten in seinem virtuellen Supermarkt Coop@home durchgeführt.
Konkret ermöglicht das System Folgendes: Wer ständig eine günstige Biersorte kauft, wird mit einem hohen Rabatt für ein teures Markenbier geködert. Der regelmäßige Käufer des Premiumbiers zahlt hingegen den vollen Preis.
Die Strategie ging nicht auf, da viele Kunden unterschiedliche Preise für dieselben Produkte als unfair empfanden.

iStock-518507500_Business-Data

Realtime Analytics helfen dabei, Trading Patterns zu erkennen

Ein Online-Shop mit Realtime Analytics-Anwendung erlaubt besonders schnelle Reaktionen auf das Käuferverhalten. Erkennt das System ein Trading Pattern, bei dem der Kunde bald seinen Warenkorb löschen könnte, kann das System speziell zugeschnittene Rabatte ins Spiel bringen und so die Erfolgsrate erhöhen.
Besonders wirksam: Über einen eingeblendeten Timer erhält ein Kunde ein individuelles Angebot für nur 30 Minuten reserviert. Ein Countdown zeigt die verbleibende Zeit für das Angebot und soll so eine rasche Entscheidung herbeiführen. Gleichzeitig wird dem Nutzer gezeigt, dass man ihn und seine Präferenzen kennt und in der Lage ist, persönliche Angebote zu unterbreiten.
Ein Verkäufer in einem Ladengeschäft würde ähnlich handeln, um einen Kunden umzustimmen.
Ebenfalls sehr wirksam sind schnelle Lieferzeiten am gleichen Tag. So bieten in Großstädten erste Händler und große Elektronikmärkte bereits eine Lieferung innerhalb von Stunden an.
Alternativ dazu bietet sich für kleinere Händler die Zusammenarbeit mit spezialisierten Logistikdienstleistern an, um innerhalb von Metropolen eine rasche Auslieferung am gleichen Tag zu realisieren. Wer auch hier eine offene IT-Infrastruktur mit standardisierten APIs betreibt, hat es deutlich leichter, die E-Commerce-Plattform eines externen Dienstleisters zu integrieren.
 

Follow the sun-Strategie zur Sales-Optimierung

Ein Beispiel für Realtime-Analysen liefern große Handelsketten in den USA. Diese nutzen die drei Stunden Zeitdifferenz zwischen der Ost- und Westküste, um die später öffnenden Shops oder später aufstehenden Online-Kunden im Westen mit Angeboten zu überzeugen, die auf aktuellen Datenauswertungen von New York bis Miami resultieren.
Dies funktioniert in Europa zwar eher weniger, da die Zielgruppen in den Ländern meist zu unterschiedlich sind und es nicht diese großen Zeitzonen gibt. Eher noch könnten US-Anbieter auf Trends aus Großbritannien und Zentraleuropa zurückgreifen, um hier die Strategien für die Ostküste anzupassen.
Aber auch ohne tagesaktuelle Aktualisierung zeigt diese Entwicklung, in welche Richtung sich Handelsketten bewegen sollten: nämlich mit Echtzeitanalysen möglichst zeitnah auf Kundenwünsche zu reagieren und nicht erst, nachdem der Monatsabschluss aus allen Verkaufsfilialen vorliegt.
 

Fazit: Mit Big Data-Lösungen wird jeder Tag zum Black Friday

Das Online-Shopping hat den Black Friday erweitert: Viele Händler bieten rund um die Cyberweek und bis kurz vor Weihnachten immer wieder attraktive Schnäppchen für die Kunden.
Big Data-Analysen unterstützen den Vertrieb und das Marketing aber auch außerhalb vom saisonalen Abverkauf sehr wirkungsvoll. Voraussetzung ist eine IT-Infrastruktur, die die Integration von Daten aus verschiedenen Quellen unterstützt und auch den Anwendern in den Fachbereichen die Möglichkeit bietet, ohne Programmierkenntnisse neue Erkenntnisse aus aktuellen Daten zu beziehen. Das Ziel: individuelle und attraktive Angebote zu erstellen.
So werden aus Konsumenten glückliche Kunden mit hoher Markenbindung. Dies wusste schon Bo Derek, weiblicher Kinostar und Traum pubertierender männlicher Teenager in den 80er Jahren: “Whoever said money can’t buy happiness simply didn’t know where to go shopping.”
 
Weiterführende Informationen finden Sie unter:
Talend Germany GmbH
 

Unser Autor

Otto Neuer

Otto Neuer, Vice President Sales EMEA Central bei Talend


 
Otto Neuer bringt mehr als 30 Jahre Erfahrung in Sachen IT-Vertriebsleitung und leitendes Management mit und war bereits in sehr komplexen Feldern tätig. Zuletzt war er Geschäftsführer und Executive Vice President of EMEA Sales bei Protegrity, wo er erfolgreich an einer Vergrößerung des Kundenstamms und einer Erweiterung der Geschäftstätigkeit insbesondere in Europa mitwirkte. Vor seiner Tätigkeit bei Protegrity war Neuer Senior Vice President of Global Sales bei der Uniserv GmbH. Zudem bekleidete er führende Positionen bei Informatica und ITESOFT.
 
 
Pressekontakt:
Herr Kai-Uwe Wahl
kai-uwe.wahl@hkstrategies.com
Hill+Knowlton Strategies GmbH
 

Intelligente Produkte und Dienstleistungen verschmelzen zu digitalen Ökosystemen.
Der Ausgangspunkt jeglichen Denkens muss der Nutzer sein. Das verlangt nach neuen Lösungen.
Zusammenkunft ist ein Anfang, Zusammenhalt ist ein Fortschritt, Zusammenarbeit ist der Erfolg“. Was Henry Ford damals sicher noch nicht geahnt hat: Der kooperative Gedanke liegt auch Smart Services inne. Smart Services bilden ein Ökosystem rund um ein digitales oder physisches Produkt. Was sich so einfach anhört, erfordert, „Neuland“ zu betreten. Auch die Bundesregierung hat das erkannt und fördert hier mit zahlreichen Initiativen. Aber: nur wenn das Herz der Wirtschaft, der Mittelstand, mit intelligenten Produkten und Dienstleistungen in einem digitalen Ökosystem die Chancen erkennt, kann der Standort international mithalten.
In Form von Fallbeispielen, Gastbeiträgen und Inter-views bietet die Redaktion dem Thema den notwendi-gen Raum. Wir stellen Smart Services in einen größe-ren Kontext, der weit über „Industrie 4.0“ hinausgeht.
TREND REPORT ist die aktuelle Wirtschaftszeitung, die zukünftige Trends zum Thema macht. Wir suchen nach neuen Anzeichen, die Wendepunkte im Zeitgeist markieren und verstehen uns als Partner der Wirtschaft. TREND REPORT liegt als Fremdbeilage der Gesamtauflage des Handelsblattes bei.

Themen und Inhalte:

Digitale Ökosysteme
Warum soll nicht auch der Mittelstand von Smart Services profitieren?
Smart City
Die Stadt der Zukunft ist ein Leuchtturm für intelligente Geschäftsmodelle.
Future Store
Die Konvergenz als Vorteil für On- und Offline-Commerce.
Vernetzung und Integration
Cyber Physical Systems, Industrie 4.0 und das Internet der Dinge als Turbo für die Wirtschaft.
E-Logistik-Lösungen
Ohne IT keine Logistik
Infrastruktur für Intelligenz
Big Data, künstliche Intelligenz und die Zusammenführung von Daten bilden das Fundament für Smart Services
Integrativ, disruptiv, kooperativ
Das digitale Geschäftsmodell
Nationale Strategie
Was tut eigentlich die Bundesregierung?
Hier können Sie das vollständige Themenexposé herunterladen
Hier geht es zu unseren Mediadaten
Bildquelle / Lizenz: Pixabay, CC0

Gastautor: Matthias Kant, Geschäftsführer der pirobase imperia GmbH
 

Verzahnung von Content-Management und Product-Information-Management schafft Wettbewerbsvorteile im Online Marketing

Ob im Handel, der Industrie, dem Gesundheitswesen oder dem öffentlichen Sektor – alle Branchen arbeiten im Zuge der digitalen Transformation mit großen Mengen heterogener Daten. Zukunftstechnologien wie Industrie 4.0 oder Smart City funktionieren nur mit Big Data, doch diese Informationen müssen auch händelbar bleiben und stets dem aktuellen Stand entsprechen.
Sowohl das Onlinemarketing von Herstellern und Handel, die automatisierten Prozesse von Werkstücken durch den Produktionsablauf oder die automatische Anpassung der öffentlichen Verkehrslinien für einen optimierten Verkehrsfluss benötigen immer aktuelle Datenin hoher Qualität.
Hier treten im operativen Alltag aufgrund von schlechten Informationen erhebliche Probleme auf. Im Gesundheitswesen erschweren Daten, die zum Teil nur unstrukturiert in Form von manuell geschriebenen Arztbriefen und Rezepten vorliegen, eine umfassende Patientenversorgung. Aufgrund manueller Datenverarbeitung treten Fehler in der Arzneimittelproduktion oder auf dem Beipackzettel auf.
Im Handel können fehlende Informationen sowie schlechte Zielgruppenansprachen die Absatzzahlen nach unten treiben. Zudem ist der Bedarf an Norm-Daten in der Branche hoch, da durch nicht standardisierte Informationen Mehrkosten innerhalb der Lieferkette, also für Distributoren und Hersteller, entstehen.
Sie schränken reibungslose Planungs-, Produktions- und Vertriebsprozesse ein und stellen einen hohen Verwaltungsaufwand dar.

Produktdaten beeinflussen Absatz

Laut GS1 Germany werden mehr als 70 Prozent der Kaufentscheidungen durch Informationen aus dem Internet beeinflusst. Vor der Kaufentscheidung suchen Interessierte nach Details zu Produkten oder Dienstleistungen, um zum Beispiel Angebote zu vergleichen. Finden potenzielle Kunden jedoch keine verlässlichen Informationen, entscheiden sie sich gegen einen Kauf, da sie dem Produkt, der Dienstleistung oder der Institution nicht vertrauen.
Detaillierte und genaue Informationen verbessern hingegen die positive Wahrnehmung von Produkten, Dienstleistungen oder Institutionen. Durch die Sichtbarkeit von Informationen im Web erzielen Unternehmen oder Einrichtungen ein höheres Ranking bei der Internetrecherche, wodurch sich der Zulauf der Online-Präsenzen steigern lässt. Strukturierte Informationen helfen Suchmaschinen mehr relevante Ergebnisse zu finden und erhöhen die Klickraten. GS1 Smart Search bietet hierfür einen Standard, der mit einem Konsortium aus Google, Bing, Yahoo und Yandex abgestimmt ist.
Mit Hilfe eines Product-Information-Management(PIM)-Systems werden  Produktdaten mit den von Suchmaschinen gewünschten Metainformationen angereichert.

PIM-Systeme für bessere Datenqualität

Bei der einfachen Abbildung komplexer Produktdaten sowie deren Zusammenstellung und Pflege unterstützen moderne PIM-Systeme, die sich flexibel mit anderen Systemen verbinden lassen. Sie ermöglichen durch automatisierte Aktualisierung, Ausspielung und Verwaltung auch komplexe Big-Data-Strukturen zu verwalten. Strategisch ist ein PIM-System notwendig, wenn Unternehmen internationale Expansionen in stationären Kanälen oder Online-Kanälen anstreben, denn sie ermöglichen Qualitätsverbesserungen, Vereinfachungen und Zeitersparnis.
Bei mehreren Standorten oder Vertriebskanälen müssen Mitarbeiter und Kunden auf einheitliche Daten zugreifen, international agierende Unternehmen benötigen ein multilinguales User Interface (UI). Grundsätzlich basieren die Vorteile bei der Verwendung eines PIM-Systems darauf, dass die Produktdaten, sobald sie einmal elektronisch im Gesamtsystem vorhanden sind, sich ohne Medienbruch weiterverarbeiten lassen.

Verzahnung von PIM und CMS

Um die Vorteile validierter PIM-Daten an unterschiedlichen Touch Points verfügbar zu machen, hat pirobase imperia mit pirobase COMMERCE eine Kombination von PIM und Content Management System (CMS) entwickelt. Mit dieser Verzahnung erweitern Marketingmanager validierte Produktdaten aus dem PIM um emotionalen Content. Dadurch ergeben sich eine wesentlich höhere Datenqualität und eine bessere Nutzererfahrung, wenn Produktinformationen für Webseiten, Onlineshops, Kataloge und andere Kanäle bereitgestellt werden.
Nutzer erhalten über diese Digitale Business Engine valide Produktinformationen nicht nur auf Websites, sondern auch über Tablets, Apps, Social Media oderüber GS1 Data bei vielen Händlern.
Individuelle Botschaften, die zielgerichtet mit passenden Informationen beim Kunden an allen relevanten Touch Points ankommen, lassen sich so über Omni-Channel-Marketing schnell, topaktuell und konsistent verbreiten.
Pirobase COMMERCE greift auf Produktdaten, die in pirobase imperia PIM vorliegen, sowie auf Online Content aus dem CMS zu. Diese Daten sind validiert, haben also eine hohe Qualität. Sie lassen sich aus dem PIM auch in einen E-Katalog im PDF-Format exportieren oder in Print-Formate ausleiten.
Im CMS verwenden Anwender diese für personalisierte User Experience. Die Informationen lassen sich auch in Webseiten oder Apps integrieren, sodass Kunden auf allen Kanälen jederzeit aktuelle Informationen finden. Validierte Produktdaten aus dem PIM geben Unternehmendie Sicherheit, dass Kunden immer die richtigen und aktuellen Produktinformationen sehen.
Da Produktdaten, Dienstleistungen oder Termine in Echtzeit synchronisiert werden, können Unternehmen einfach und schnell Promotion-Aktionen planen und umsetzen.
Für schnellen und stabilen Zugriff auf Produktdaten arbeitet die moderne Kombination mit Elasticsearch.
 
Autor

Matthias Kant, Geschäftsführer der pirobase imperia GmbH / © pirobase imperia


 
 
 
 
 
 
 
 
 
 
Kurzporträt
Als Softwareanbieter für Content Management und Produktinformationsmanagement mit über 20 Jahren Erfahrung bietet die pirobase imperia GmbH innovative Lösungen für Enterprise, Mittelstand und öffentliche Institutionen mit umfangreichen Serviceleistungen aus einer Hand.
Dabei versteht sich das Unternehen als strategischer Partner zur Verwaltung von Content in komplexen Unternehmensumgebungen mit hoher Designkompetenz, um Informationen und Inhalte im E-Business, E-Commerce und Cross-Channel schnittstellenübergreifend für alle denkbaren Absatzkanäle zur Verfügung zu stellen. Mit pirobase CMS und pirobase imperia PIM für Enterprise deckt das Unternehmen den kompletten Bereich der Digitalisierung, Aktualisierung und Archivierung sämtlicher Geschäfts- und Kommunikationsprozesse effektiv und zukunftssicher sowohl intern als auch extern ab. Gleiches gilt für Mittelständler und den öffentlichen Sektor, für die der Entwickler mit imperia CMS eine Lösung anbietet, die im Public Sector die Marktführerposition innehat. Mit pirobase Commerce hat pirobase imperia zudem eine starke Kombination von CMS und PIM geschaffen und ist damit aktuell der einzige Anbieter am Markt.
 
Weiterführende Informationen:
pirobase imperia GmbH
 
Aufmacher / Lizenz / Quelle
By Borys Kozielski (Own work) CC BY 4.0 , via Wikimedia Commons

Gesteigerte Conversionrate und Kundenzufriedenheit dank intelligenter Adressverifizierungs-Technologien im E-Commerce.
Gastbeitrag von Steffen Preuschoff von Addressy (PCA Predict)
 
Wenn Daten das neue Öl sind, dann sollten sie auch raffiniert werden, damit daraus Sprit für die Wirtschaft wird. Ebenso wenig wie Autos mit Rohöl fahren, können E-Commerce Unternehmen mit fehlerhaften Daten arbeiten. Zuverlässige Datensätze machen aus einem Berg von Daten echtes BigData, mit dem die Arbeitsweise verbessert wird. Im E-Commerce gibt es zwei hauptsächliche Datengruppen. Die Daten, die für das Targeting und das Marketing entscheidend sind und die Kundendaten, die später im Prozess der Schlüssel zu einem zufriedenen Kunden sind.
In beiden Fällen ist BigData heute schon relevant. Während das Marketing die Kunden in den Shop zieht, ist es mittels beschleunigter Checkout Prozesse und einer erleichterten Eingabe der Kundendaten möglich, die Conversionrate und Zufriedenheit zu steigern.
 

Viele Daten sind nicht gleich gute Daten

Daten sind heutzutage ein wichtiger Rohstoff, der, wie bereits erwähnt, gerne mit Öl verglichen wird. Der Unterschied ist jedoch, dass die Datenmenge zunimmt und keiner Knappheit unterliegt. Ein jeder Onlineshop, ob klein oder groß, sammelt mittlerweile die Daten seiner Kunden. Dabei bleibt die Überprüfung und automatische Korrektur der eingegebenen Daten häufig auf der Strecke und das, obwohl das Validieren der Daten heutzutage durch den Einsatz von Software schon einfach möglich ist. Nimmt man beispielsweise Adressdaten, dann hat jeder Onlineshop zu jedem Kunden schon ein Datenpaket. Der Shopbetreiber kann sich aber nie zu 100 Prozent sicher sein, dass sein Kunde die Daten fehlerfrei hinterlassen hat. Große Datenmengen alleine mögen zwar ein imposantes Bild abgeben, ohne Überprüfung und Korrektur sind sie in den meisten Fällen jedoch wertlos. Auf die korrekte Eingabe aller Daten im Internet zu hoffen, ist gelinde gesagt utopisch.
Die Validierung ändert nichts an der Datenmenge. Was vorher BigData war, ist auch später noch BigData. Der entscheidende Unterschied ist dabei die Qualität der Daten.
 

Valide Daten

Korrekte und vor allem valide Daten sind kein Hexenwerk und schon heute ohne weiteres machbar. Dabei steht nicht nur die Nutzerfreundlichkeit des Checkout Prozesses und die Vermeidung von Retouren im Fokus, sondern auch die Beschleunigung des Registrierungsprozesses für Neukunden.
Sobald ein Kunde einmal bei einem Onlineshop registriert ist und seine Daten hinterlegt hat, kommt er gerne zu diesem Shop zurück, wenn er ein ähnliches Produkt sucht und mit dem Service des Shops zufrieden war. Aber wir alle kennen den Moment der Registrierung: viele einzelne Felder, lange Adresszeilen und allerhand Angaben zur Postleitzahl, dem Ort, der Straße usw.. Damit dieser Prozess kein Hindernis mehr darstellt, sollte er beschleunigt werden.
Alleine durch eine intelligente Adressvalidierung, die bei nur wenigen eingegebenen Zeichen direkt vollständige Adressen vorschlägt, wird der Eingabeprozess deutlich beschleunigt. Am besten ist das Resultat, wenn wir die Adresseingabe überdenken und mit der Hausnummer beginnen. Auf diese Weise können schon extrem viele Straßen und somit Orte ausgeschlossen werden und schneller  passende Vorschläge zur Vervollständigung der Adresse geliefert werden.
Nur weil wir im tagtäglichen Sprachgebrauch den Straßennamen vor der Hausnummer erwähnen, heißt das nicht, dass diese Variante für die Datenverarbeitung ebenso ideal wäre.
 

Mehr Komfort bedeutet Wertschätzung des Kunden

Doch nicht nur die Beschleunigung des Checkout Prozesses ist wünschenswert. Der Komfort, den eine ordentliche Datenvalidierung und Vervollständigung bietet, ist ein Stück Servicequalität, wozu es im Onlineshopping nur wenige Möglichkeiten gibt. Der Kunde fühlt sich dabei, als müsste er die Adresse nur dem Servicepersonal sagen, anstelle ein langes Formular von Hand auszufüllen.
Zudem kann der Kunde den vorgeschlagenen Eingaben vertrauen, da die Adressen in der Kombination von Hausnummer, Straße und Postleitzahl einzigartig sind und keine fehlerhaften Einträge vorgeschlagen werden. Daher muss der Kunde auch nicht noch einmal die gesamte Eingabe, Buchstabe für Buchstabe und Zahl für Zahl, kontrollieren. Das ist vor allem bei besonders komplizierten und langen Adressen eine große Erleichterung. Jeder Shopbetreiber, ob on- oder offline, wünscht sich glückliche Kunden. Da im Onlineshopping die interaktiven Kontaktpunkte mit den Kunden rar gesät sind, sollte jede Möglichkeit zur Steigerung der Servicequalität genutzt werden.
Nicht zuletzt sind die Kunden aber besonders glücklich, wenn das Paket schnell ohne langwierige Nachbereitung durch den Paketzusteller an der richtigen Adresse ankommt. Wenn das Paket durch eine falsche Adresse wieder zurück zum Händler wandert, ist der Kunde frustriert. Es spielt dann auch keine Rolle, ob der Kunde selbst einen Fehler bei seiner Adresseingabe gemacht hat oder nicht. Neben dem erzeugten Frust des Kunden entstehen in diesem Fall auch noch konkrete Kosten durch die erneute Zustellung.
Hier trifft es alle Onlineshops gleichermaßen. Ist der Shop nur ein kleiner Nebenerwerb, dann ist die Gewinnmarge schnell dahin. Ist der Betreiber ein bekannter Player im E-Commerce Geschäft, steigen auch die Kosten der falschen Kundendaten rasant. Egal wie herum man das Problem betrachtet, fehlerhafte Daten führen besonders im Versandgeschäft zu prozentualen Einbußen. Im hart umkämpften Markt des Onlineshoppings können diese Verluste entscheidend für den Erfolg des Unternehmens sein.
 

Brauchbare Daten verbessern die Arbeitsabläufe

In vielen Unternehmen sind falsche Kundendaten leider noch immer an der Tagesordnung und bedürfen einer aufwendigen Korrektur von Hand durch einen Mitarbeiter. Dieser Prozess ist für Mitarbeiter und Kunden belastend und führt zu einem Mehr an Arbeit und Frust beim Kundenservice. Die automatische Validierung der Kundendaten während der Eingabe  ist daher für die Mitarbeiter ebenso wünschenswert, wie für den Kunden.
Auch die Logistikabteilung profitiert davon massiv. Nur in seltenen Fällen muss ein und das selbe Paket zweimal in die Hand genommen werden, was zu einer Beschleunigung aller Prozesse führt. Dabei geht es nicht darum, durch den Einsatz von BigData Mitarbeiter einzusparen. Vielmehr ist der Mehrwert, dass die gut qualifizierten Mitarbeiter wieder mehr Freiraum für sinnvolle Aufgaben bekommen, anstelle einer Korrektur von falsch eingegebenen Daten. Eine Datenvalidierung senkt zudem die Anzahl der verärgerten Kunden, die aufgrund ihrer Falschangaben die Ware nicht oder nicht rechtzeitig erhalten. Eine Situation die vorher nur mit Kulanz gelöst werden konnte.
 

Auch Onlineshops müssen Servicequalität bieten

Fakt ist: Daten müssen validiert werden. Vor allen Dingen Adressdaten, auf die der gesamte Versandprozess ausgerichtet ist, sollten von Anfang an korrekt erfasst werden. Die Zuverlässigkeit und der Komfort beim Onlineshopping lassen sich durch eine intelligente Adressvalidierung, wie es Addressy anbietet, steigern. Zuverlässigkeit und Servicequalität sind starke Argumente für die Nutzung einer Software zur Validierung, da sie das Einkaufserlebnis des Kunden verbessert und somit ein positives Bild des Shops liefert. Der weitere Aspekt der Vermeidung von Retouren ist dabei nicht nur ein Plus für das Image, sondern erst recht ein starker Bonus im Bereich Profit und Kostenminimierung. Und wer sollte nicht Kundenzufriedenheit und Minimierung der Kosten als Ziel haben?
 
Unser Autor:
Steffen Preuschoff

Steffen Preuschoff, VP Sales Europe, Addressy


Steffen Preuschoff leitet das Addressy Vertriebsteam in Europa. Mit seinen mehr als 15 Jahren Erfahrung im Bereich der Adressdatenqualität und Datenqualitätslösungen als SaaS oder Cloud-Dienst hilft er Unternehmen, die Datenqualität über alle Systeme hinweg zu verbessern. Für ihn steht neben einer validen Adresse vor allen Dingen auch die Steigerung der Conversion-Rate eines Onlineshops und ein verbessertes Nutzererlebnis im Vordergrund.
 
 
 
Der schnelle und einfache Weg, Adressen auf Ihrer Website zu erfassen und zu validieren. >>> Addressy
 
 
Aufmacherbild / Lizenz / Quelle
CC0 Public Domain
 

 
 
 
 
 
 
 
 
 
Kaum ein anderes Thema wird aktuell bei Händlern so intensiv diskutiert wie das der Datenanalyse. Begriffe wie Big Data, Data Science und Predictive Analytics stehen aber vielfach noch in den Kinderschuhen. Wie Händler schnell Potenziale ermitteln und nutzbar machen können, erklärt Jochen Freese, Geschäftsführer von Ingenico Marketing Solutions, einem führenden Anbieter von Omnichannel Loyalty Programmen und ROI-orientierten Data Analytics.
 
 
Herr Freese, worin bestehen aus Ihrer Sicht die aktuell größten Herausforderungen für den Handel in Bezug auf die Datenanalyse?
Gerade der stationäre Handel steht bezüglich der Datenanalyse noch im Schatten anderer Branchen und ist eher als Spätstarter im Bereich derTechnologie und Forschungeinzustufen. Das sehen wir fast täglich bei unseren Gesprächen vor allem mit mittelständischen Handelsunternehmen.
Häufig werden analytische Mechaniken und Methoden aus den 80er und 90er Jahren eingesetzt und viele Handelshäuser kämpfen insbesondere bezogen auf ihre IT und Systeme mit Altlasten.
In Deutschland gibt es mehrere hundert am Markt platzierte Kundenbindungsprogramme der Händler in unterschiedlichster Ausgestaltungsform.
Unsere Feststellung hier: je länger das Programm bereits am Markt ist und die Unternehmen dieses nicht als fundamentale strategische Säule des Geschäftserfolges ansehen und auch so handhaben, umso deutlicher werden Renovierungsstaus bzgl. Analytik und Datenhaltung. In manchen Fällen ist die Datenqualität so schlecht, dass erst einmal vielfältige Optimierungen durchgeführt werden müssen, um mit einer sauberen Datenbasis den Schritt in Richtung Informationsgewinnung antreten zu können.
Häufig besteht die einzige als solche zu bezeichnende Analytik darin, dass der kumulierte Kundenumsatz in eine ABC-Klassifizierung der Kunden überführt wird. Und diese wiederrum wird dann nur sporadisch für Marketingentscheidungen herangezogen. Ein Spannungsfeld existiert somit nicht nur bei der Technologie sondern genauso bei der Verfügbarkeit von analytischem Wissen.
Aber es gibt auch eine Reihe an positiven Beispielen.
Handelskonzerne, die entweder einen hohen Umsatzanteil über den eShop machen oder pure Online-Vertreter sind, sind hier häufig deutlich besser aufgestellt. Das liegt daran, dass digitale Geschäftsmodelle per se datengetriebener sind, häufig per Definition einen Kundenbezug besitzen und bewährte Analysemethoden wie die Recommendation Engines bewiesen haben, dass relevantere 1:1 Kommunikation Ergebniseffekte bewirken.
Es gilt somit auch, und das ist durchaus das Resümee an dieser Stelle, die positiven Erfahrungen aus der Online-Welt in den stationären Handel und Omnichannel-Handel zu überführen. Gerade da sehen wir eine große dynamische Entwicklung, da durch Data Science plötzlich ganz neue erfolgversprechende Anwendungsgebiete entstehen.
Genau die richtige Zeit, sich aus Sicht des Händlers mit einem noch größeren Fokus auf dieses Thema zu stürzen, um nicht vollends den Anschluss zu verlieren.
 
Gerade in der jüngeren Vergangenheit taucht verstärkt der Begriff „Data Science“ auf, wenn über Analyse gesprochen wird. Ist das nur alter Wein in neuen Schläuchen oder bietet Data Science im Gegensatz zur klassischen Analyse wirklich mehr?
Im heutigen Sprachgebrauch wird häufig der Begriff Data Science für die neueste Generation der Datenanalyse verwendet. Data Science geht gegenüber der herkömmlichen Arbeit des Datenanalysten einen Schritt weiter.
Der Data Scientist verbindet die statistisch-mathematischen Methoden mit dem Knowhow um die internen Geschäftsabläufe und baut mit Hilfe seiner Tool- und Technologie-Kenntnisse eine deutlich effektivere Brücke zwischen Auswertung und Management.
Wir bezeichnen Data Scientists daher auch gerne als Pfadfinder, die den Weg zu einem größeren Geschäftserfolg aufzeigen. Das liegt darin begründet, dass sie sich tief in die unternehmerischen Probleme hineindenken können und gleichzeitig die Sprache des Managements, der IT und der Mathematik beherrschen.
 
Sie haben vor kurzem ein eigenes Data Science Competence Center ins Leben gerufen? Was macht dieses Competence Center und wer kann dieses nutzen?
Mit unserem Data Science Competence Center richten wir uns genau an die Handelsunternehmen, die nun schnell auf den Analyse-Zug aufspringen möchten. Wir fokussieren uns dabei auf kundenbezogene Fragestellungen, denn in der Optimierung der Customer Journey sehen wir die größten Umsatzpotenziale.
Dabei wird der Kundendialog mit den Produktaffinitäten und den präferierten Kommunikationskanälen in Einklang gebracht. Mit unserer über 25-jährigen Erfahrung als Dienstleister für Kundenbindungsprogramme kennen wir die entsprechenden Stellschrauben und Effekte sehr gut.
Wir gehen mit unserem Competence Center aber auch über die engen Grenzen des Handels hinaus und adressieren unsere Analyselösungen auch an handelsnahe Organisationen. Hierzu zählen wir neben anderen Bereichen insbesondere Petrol, Travel und Entertainment sowie den Gastronomie- und Hotellerie-Bereich.
 

Unser Retail Data Science Lab ist ein Workshop-Format, mit dem zielgerichtet individuelle Unternehmensfragestellungen schnell und lösungsorientiert analysiert werden.


 
Schauen wir ein wenig genauer auf den Handel und seine Anforderungen. Herr Freese, welche konkreten Lösungen können Sie uns als Beispiel nennen, an denen Sie arbeiten und die Sie schon in der Praxis zur Anwendung gebracht haben?
Wir entwickeln seit vielen Jahren analytische Lösungen für den Handel und unsere Data Scientists haben sich schon mit ganz unterschiedlichen Fragestellungen beschäftigt.
Im Competence Center bündeln wir nun sämtliches Knowhow und legen auch einen verstärkten Wert auf den Wissenstransfer in die Handelsunternehmen.
Enabling steht für uns nun auf der gleichen Ebene wie die Weiterentwicklung der analytischen Lösungen für den Handel.
Lassen Sie mich an dieser Stelle zwei Beispiele kurz skizzieren:
Eine unserer Lösungen beschäftigt sich mit der optimierten Ausgestaltung des Kundendialogs mit deutlichem Effekt in Richtung relevanterer Kundenangebote. Wir haben dazu Algorithmen aus dem Onlinehandel, die als Recommendation Engines bezeichnet werden, weiterentwickelt und bieten diese als Next Best Offer-Lösung auch für die Offline-Kommunikation des Händlers an. Hierüber werden dann unter anderem Direktmailings und E-Mailings ausgesteuert, in denen die erfolgswahrscheinlichsten Produktangebote des Händlers je Einzelkunde, z.B. in Form von Coupons, beworben werden.
Dieses bewirkt unter anderem eine Frequenzsteigerung in den Filialen und dem eShop und zeigt deutlich höhere Abverkaufserfolge gegenüber nicht-individualisierten Angebotsvarianten, teilweise mit Responsesteigerungen von über 60%.
Das Besondere ist, dass gegenüber herkömmlicher Recommendation Engines aus dem Online-Bereich, unsere Next Best Offer-Lösung auf den Daten aus dem Kundenbindungsprogramm des Händlers basiert und so auch Käufe aus unterschiedlichen Kanälen berücksichtigt werden können. Dieses setzt natürlich Einwilligungserklärungen des Endkunden voraus und wir empfehlen grundsätzlich unseren Handelskunden, bereits in den ersten konzeptionellen Gesprächen, die Datenschutzverantwortlichen zu involvieren.
Die zweite Lösung, die ich kurz erläutern kann, optimiert Direktmarketing-Kampagnen auf eine ganz andere Art und Weise. Die Lösung heißt Uplift Modeling. Die Haupteigenschaft dieser Lösung besteht darin, dass mittels einer speziellen analytischen Methodik Kunden aus der Kampagnen-Selektion ausgeschlossen werden, die zwar eine hohe Affinität zu den beworbenen Angeboten besitzen, diese aber auch ohne den Marketinganstoß gekauft hätten. Da der Marketinganstoß im Handel häufig Vorteilsangebote mit Rabattenbeinhaltet, wird hier sofort Einsparungspotenzial wirksam. Denn zum einen kauft der sogenannte „Ehda-Kunde“ zum Normalpreis ein und zum anderen wird der Kampagnenhebel auf Kunden mit Potenzial für Zusatzumsatz, im englischen „Uplift“, gelegt.
 
Sie sprachen eben auch einen Wissenstransfer an. Was genau verbirgt sich dahinter und wie können Sie Handelsunternehmen gerade in der Data Science-Startphase dahingehend unterstützen, dass diese schon bald selbständig Analysen durchführen können?
Hierzu haben wir unser Retail Data Science Lab ins Leben gerufen. Das Retail Data Science Lab ist ein Workshop-Format, mit dem zielgerichtet individuelle Unternehmensfragestellungen schnell und lösungsorientiert analysiert werden.
Es ist auf Händler ausgerichtet, die entweder mit der Datenanalyse erstmalig starten wollen oder die ihr eigenes Knowhow in der Datenanalyse weiterentwickeln möchten. Es geht uns dabei vor allem darum, eine Wissensgenerierung aus den aktuell bereits verfügbaren Kundendaten herbeizuführen.
Wir führen einen Workshop mit Ansprechpartnern des Unternehmens durch, definieren und priorisieren dabei gemeinsam alle Fragestellungen, die das Unternehmen über seine Kundenstruktur, seine Kampagnen und seine Kundenprozesse hat und beleuchten, welche Daten zur Analyse verfügbar sind. Anschließend werden diese Daten in unsere Big Data Analyseumgebung geladen. Die Daten können je nach Fragestellung anonymisiert sein oder mit einem Token versehen werden, sodass nur der Händler selbst einen Rückschluss auf einen Endkunden herbeiführen kann. Anschließend erfolgen Analyseschleifen. Wir führen dazu vorbereitend einige initiale Auswertungen durch und starten mit den ersten Erkenntnissen in gemeinsam geführte Tages-Workshops. Dabei werden die interessantesten Ergebnisse durch weitere Analysen vertieft. Der Händler hat darüber hinaus jederzeit die Möglichkeit, aktiv auf den dann nachfolgenden Analyseschritt einzuwirken.
Unsere Infrastruktur stellt sicher, dass im Workshop nicht lange auf die nächsten Analyseergebnisse gewartet werden muss, sodass man sich sehr schnell dem Kern einer Fragestellung und somit der Lösung nähert. Sehr häufig gibt es da während solch eines Workshops mehrere Aha-Erlebnisse und Ausrufe des Erstaunens, da unbekanntes Terrain beschritten wird. Flankiert werden die Workshops mit kurzen Einführungen in die verwendeten Methoden und es wird besprochen, wie die Integration der Ergebnisse in das Unternehmen zur operativen Nutzung erfolgen kann.
 
Können Sie ein paar typische Fragestellungen nennen, die Sie mit dem Retail Data Science Lab beantworten?
Das startet häufig mit einfachen Auswertungen zu der vorhandenen Datenqualität und kann an diesem Punkt schon in den ersten Optimierungen münden.
Dann stehen verstärkt Kundensegmentierungen in homogene Verhaltenscluster oder nach Kundenwert und zukünftigem Kundenpotenzial im Vordergrund. Hierüber lassen sich die Ausgestaltung und Intensität der Kommunikation sowie erste Business Rules zur Kundenbetreuung steuern.
Für viele Händler ist es wichtig, sofort Umsatzeffekte zu erzielen, daher sind wir auch oft mit Themen rund um Prognosen zur Responseoptimierung und Potenzialhebung beim Cross- und Up-Selling oder bzgl. Rabattsensitivitäten beschäftigt.
Auch Verhaltensprognosen, z.B. in Richtung Weiterempfehlung, Inaktivität und Abwanderung stehen im Mittelpunkt. Im Grunde orientieren sich die Analysen an der jeweiligen Customer Journey und den dortigen Problemfeldern. Und nicht zu vergessen ist, dass sich sehr viele Detailfragen an obige Segmentierungen und Prognosen anschließen, die dann für den Händler teilweise noch handlungsrelevanter sein können.
Zum Beispiel kann festgestellt werden, dass nur in einem bestimmten Kundensegment die Abwanderungsquote erhöht ist, sodass hier gegebenenfalls der Kundennutzen im Loyalty-Programm optimiert werden muss.
In einem anderen Fall kann die Analyse nach dem durchschnittlichen Zeitraum zwischen Kundenregistrierung und erstem Kauf zu sofortigen Rückschlüssen auf den optimalen Zeitpunkt der Zusendung des Willkommenspakets oder des ersten Aktivierungsmailings führen.
Um die Bandbreite einmal mit einem Beispiel zu versehen: für einen Handelskunden haben wir beispielhaft gleich im ersten Workshop innerhalb der ersten Stunde festgestellt, dass dieser seit geraumer Zeit ein regelmäßiges Standardmailing immer doppelt an die Kunden versendet hat. Eine überraschende Erkenntnis, vor allem, weil diese Frage gar nicht im Mittelpunkt stand. Es zeigt, dass der Data Scientist gewohnt ist, auch über den Tellerrand hinaus zu schauen.
 
Sie haben soeben eine ganze Bandbreite an Analysen genannt. Auch die Fragestellungen, die Sie erwähnten, können ja offensichtlich sehr facettenreich sein. Welche Daten werden für die Analysen und Lösungen denn überhaupt benötigt?
Da wir uns schwerpunktmäßig mit endkundenbezogenen Fragestellungen beschäftigen, ist es gar nicht so kompliziert und komplex, wie man vielleicht von außen denken würde.
Wir beziehen unsere Analysen in aller Regel auf vier Datenquellen. Hierzu gehören die Kundenstammdaten, z.B. der in einem Kundenbindungsprogramm registrierten Endkunden, die Kaufdaten und die flankierenden Daten zu dem Artikel- und Filialstamm.
Wie oben schon einmal erwähnt, benötigen wir keine personenbezogenen Daten für die Analysen. Die Extraktion und Bereitstellung der Daten ist auch für den Händler mit etwas veralteten Datenstrukturen in aller Regel leicht zu bewältigen.
Ab dann übernimmt der Data Scientist.

Es gilt, die positiven Erfahrungen aus der Online-Welt in den stationären Handel und Omnichannel-Handel zu überführen.


 
Und welche Daten erhält der Händler wieder zurück bzw. wie werden die Ergebnisse für den Händler operativ nutzbar gemacht?
Es gibt drei Ebenen der Ergebnisübergabe an den Händler.
Zum einen können aus den Analysen Ergebnisse entstehen, die in Form von Modellen an die Daten herangespielt werden. Das kann zum Beispiel das Kundensegment sein, zu dem der Kunde analytisch zugeordnet wurde oder ein Wahrscheinlichkeitswert aus einem Prognosemodell zur Responseoptimierung für die nächste Marketingkampagne. Diese Daten werden dann durch den Händler zum Beispiel mittels eines Tokens direkt in dessen Datenbank importiert, mit den Kundendaten verbunden und für die Übergabe an einen Lettershop weiterverarbeitet.
Die zweite Variante stellen Datenbank-Algorithmen dar, die wir an den Händler übergeben. Diese werden anschließend für die regelmäßige und wiederholende Anwendung in die Datenbank integriert. Auch hierbei unterstützen wir natürlich und lassen den Händler nicht alleine.
Last but not least werden auch viele Ergebnisse erarbeitet, die rein als Erkenntnisse zu werten sind. Auf Basis dieser Erkenntnisse verändert dann der Händler zum Beispiel Regeln im Kundenbindungsprogramm oder optimiert die Ausgestaltung der Kommunikation für ein bestimmtes Kundensegment. Auch Ableitungen für Prozessverbesserungen entstammen häufig dieser Art an Analyseergebnissen. Auch hier helfen wir dem Händler durch Empfehlungen aus unserem Erfahrungsschatz.
 
Muss der Händler nicht vor der Analyse oder der Anwendung der angesprochenen Algorithmen erst umfangreich in das Thema Big Data Infrastruktur investieren?
Da haben wir eine eindeutige Meinung. Wir selbst nutzen hauptsächlich Open Source Tools wie Hadoop, Spark und R, um die Analysen durchzuführen. Diese Werkzeuge besitzen inzwischen eine sehr große Community, sodass viele Kniffe und Tricks öffentlich zugänglich sind. Und sie sind äußerst leistungsstark.
Darüber hinaus spielt das Thema Big Data bei traditionellen Kundenbindungsprogrammen kaum eine Rolle, da die über Jahre angesammelten Datenmengen selten als wirklich groß zu bezeichnen sind. Big Data Technologien kommen erst dann ins Spiel, wenn sehr komplexe Analyse-Algorithmen verwendet werden, zum Beispiel zur Berechnung eines Next Best Offer Modells.
Abgesehen davon wird das Thema Big Data auch relevant, wenn verstärkt Daten aus dem online- oder mobilen Bereich analysiert werden sollen, da hier sehr große Datenmengen in kurzer Zeit generiert werden können.
Unsere Devise: lieber erste Erfahrungen sammeln, um dann Gewissheit über die benötigte Infrastruktur zu erlangen.
 
Datensicherheit und Datenschutz sind für den Handel wichtig: Wie weit sind Händler in diesem Kontext sensibilisiert? Wo gibt es Ihrer Meinung nach Handlungsbedarf?
Daten werden schon heute als Unternehmens-Asset verstanden und die eigenen Kundendaten stellen dabei eines der schutzwürdigsten Güter für das Unternehmen dar. Das wissen die Händler. Themen wie Datenschutz und Datensicherheit spielen bei jeder Diskussion über mögliche Potenziale eine bedeutende Rolle. In der Regel wird schon zu den ersten Gesprächen der Datenschutzbeauftragte eingebunden und bei der Verarbeitung von personenbezogenen Daten geschieht nichts ohne entsprechenden Vertrag zwischen den Parteien.
Wichtig ist aber auch die Verwendungvon geeigneten Datenschutzhinweisen für die Endkunden. Diese regeln, was mit den erhobenen Daten gemacht werden darf und zu welchen Zwecken und von wem zum Beispiel Analysen erfolgen dürfen.
Unsere grundsätzliche Empfehlung lautet: in einem ersten Schritt die Fragestellungen, die dem Unternehmen helfen, fest umreißen. Dann gilt es, die Analysemöglichkeiten und die Granularität der Analyse mit dem Datenschutzbeauftragten abzustimmen und anschließend die zulässigen Detaildaten auszuwerten oder wenn notwendig, auf anonymisierte Datenaggregate auszuweichen.
 
Wir hatten eben schon einmal das Thema der Data Scientist gestreift. Dieser Personenkreis scheint ja ganz besondere Fähigkeiten zu haben. Wie leicht oder schwer ist es denn für einen Händler, selber ein Team aufzubauen?
Die Berufsgruppe der Data Scientists stellt aktuell eine der begehrtesten Fachrichtungen überhaupt dar. Die Nachfrage ist sehr hoch und wird noch weiter steigen. Das Angebot an qualifizierten Fachkräften ist hingegen noch zu gering.
Hochschulen haben das erkannt und bieten immer mehr Studiengänge in diese Richtung an. Die Lage wird sich aber auch deshalb noch zuspitzen, weil nicht nur der Handel auf diesen Markt schaut. Vielmehr ist das Thema Big Data und Data Science fast flächendeckend und branchenübergreifend ein Wachstumsbereich.
Unternehmen stehen daher vor der Frage, wie auch ohne eigene Ressourcen schnell und kurzfristig Wissen aus Daten entstehen kann und greifen zunehmend auf externe Dienstleister zurück, die auf Datenanalyse spezialisiert sind.
 
Vielen Dank für das Gespräch, Herr Freese!
 
Interviewpartner:
Jochen Freese,
Geschäftsführer von Ingenico Marketing Solutions
 
Weiterführende Informationen:
Ingenico Marketing Solutions GmbH

Customer-Centricity: mit Smart Data mehr Wissen generieren
Genau wie Tante Emma einst die persönlichen Vorlieben eines jeden kannte, der ihren Laden betrat, muss ein modernes Handelsunternehmen heute über seine Kunden Bescheid wissen. Um sie an sich zu binden, ihnen individualisierte Angebote machen zu können sowie neue Käuferschichten zu erschließen. Alles im Kopf haben über seine Millionen von Kunden kann freilich ein Jeff Bezos nicht mehr. Deshalb nutzt der Amazon-Chef heute – und mit ihm bereits viele (stationäre oder Online-)Handelshäuser – das vorliegende Datenmaterial, um den Kunden besser kennenzulernen. So simulieren sie gleichsam den Tante-Emma-Effekt.
Zunächst waren es die Onlinehändler, die diese Methoden in den vergangenen 10-15 Jahren perfektioniert haben. Sie wissen, wie lange Kunden im E-Shop bei welchem Produkt verweilen, können Querverbindungen herstellen. So verfügen sie über große Mengen an Daten, die sie auswerten können, um den Käufer daraufhin individuell und personalisiert anzusprechen.

Zahl der Datenquellen steigt

Mit der Digitalisierung hat sich aber auch für stationäre Händler die Zahl der Quellen vervielfacht, aus denen heraus heute Daten zum Kunden entstehen. Vielfältige Informationen liegen zum einen in den IT-Systemen für Kundenmanagement (CRM) und kaufmännische Abwicklung (ERP).
Setzt ein Händler zusätzlich auf einen Online-Shop, kann er dem Kunden dort die Möglichkeit geben, Produkte zu bewerten. Diese Inhalte wiederum werden mit Kommentaren zusammengeführt, die über Social-Media-Kanäle entstehen. Serviceportale und Chat-Foren sind weitere Kanäle, über die sich Kunden aktiv einbinden lassen. Sie liefern auf diesen Wegen Informationen, die der Händler als Basis und Grundlage für künftige Geschäftsentscheidungen heranziehen kann.

Mobilfunkdaten nutzen

Hinzu kommen Daten, die ein Handelsunternehmen von außerhalb hinzukaufen kann. Zum Beispiel sind Mobilfunkdienstleister heute in der Lage, anhand von Handydaten Bewegungsmuster ihrer Kunden vor oder in einem Geschäft aufzuzeichnen. Durch zusätzliche Verfahren lässt sich sogar ermitteln, aus welchem Einzugsgebiet die Menschen ein Geschäft aufsuchen und welche Verkehrsmittel oder Routen sie dabei bevorzugen. Die hierbei erstellten statistischen Analysen enthalten grundsätzlich Aussagen über Personengruppen, nie über einzelne Personen. Die Identität der Mobilfunkkunden wird also geschützt; sie haben zudem die Wahl, sich von der anonymisierten Datenanalyse abzumelden.
Diese anonymisierten und nach allen Regeln des deutschen Datenschutzes erhobenen Informationen kann ein Händler nutzen. Der Mobilfunkanbieter stellt ihm dafür präzise formulierte Analyseergebnisse und Empfehlungen zur Verfügung, die eine vorab besprochene Fragestellung abdecken, etwa in Form von Reports oder statistischen Ansichten. So gewinnt der Händler Aufschluss darüber, welche Waren wie und an welcher Stelle im Shop positioniert werden sollten, damit der Kunde seine Schritte genau dorthin lenkt. Er kann seine Öffnungszeiten optimieren, Marketingkampagnen planen und Standorte grundsätzlich bewerten – eine konkrete Unterstützung durch Big Data, um Kunden einen optimalen Service und ein besseres Einkaufserlebnis anzubieten.
Die Herausforderung für Handelsunternehmen ist es nun, die komplexen und strukturierten wie unstrukturierten Datenmengen aus allen Quellen in einem großen Datenpool zusammenzuführen, Stichwort: Big Data. Es entsteht eine Wissensbasis, an der das Unternehmen mit intelligenten Analysetools ansetzen und daraus Erkenntnisse ableiten kann.

Daten analysieren und daraus die Customer-Journey gestalten

Richtig analysiert, vermitteln die Daten dem Handelsunternehmen einen ganzheitlichen Blick auf seinen Kunden und ermöglichen die Ausgestaltung individualisierter Customer-Journeys – der entscheidende Faktor für Kundenbindung und -neugewinnung. Denn wer den Kunden online und offline „verfolgt“, kann seine Entscheidungen besser nachvollziehen, um daraufhin entsprechende Maßnahmen zu ergreifen. Tatsache ist dabei aber auch, dass zwar über alle Branchen hinweg viel über datengetriebene Wertgenerierung gesprochen wird, nicht mehr als rund ein Drittel der Unternehmen jedoch über eine Strategie verfügt, wie Big-Data-Maßnahmen konkret umzusetzen wären. Mit 37 Prozent liegt der Handel hier im Mittelfeld (Quelle: © Mit Daten Werte schaffen 2016, KPMG, 2016).
Um die Möglichkeiten der Digitalisierung im Handel anzuwenden und zu nutzen, kommt es nach Ansicht von Stefan Maack von der Arithnea GmbH, Spezialist für Customer-Experience, neben Kreativität im Kern auf den Nutzerfokus an – die viel zitierte Customer-Centricity. „Dazu muss man die Technik genauso verstehen wie den Markt, den Kunden und die Marke“, wie der Business Unit Manager Kreation bei Arithnea erklärt.
In den Lösungen des Anbieters spiegelt sich deshalb das Erlebnis „Marke“ bei den relevanten Touchpoints ebenso wider wie bei der Anwendung des Produkts oder der Dienstleistung selbst. Dabei nutzt Arithnea alle Facetten der digitalen Kommunikation bis hin zum Corporate Design. Wie man Shopping-Kanäle durchdacht zusammenführt, hat QVC Deutschland vorgemacht. Seit 1996 ist das Unternehmen in Deutschland aktiv und mit seinem Mix aus SmartTV, Web und Mobile Shopping per App heute eines der erfolgreichsten digitalen Handelsunternehmen hierzulande. Eine wichtige Rolle, um den Kunden besser kennenzulernen, spielt für QVC der Kundenservice. Mathias Bork, CEO von QVC Deutschland: „Unsere Servicemitarbeiter kümmern sich um mehr als nur die reine Bestellabwicklung. Sie sind auch als Shopping­assistenten geschult und stehen unseren Kunden mit Rat und Tat zur Seite. Dadurch lernen wir viel über Vorlieben und können Trends erkennen.“
Wer heute omnichannelfähig sein will, benötigt volle Synchronisation von der Warenwirtschaft bis zum E-Commerce. Traditionelle Handelsunternehmen sind dazu oft noch nicht in der Lage, sowohl von der technischen Infrastruktur wie vom organisatorischen Aufbau.
Beratungshäuser, die den Handel beim Sprung in die digitale Zukunft unterstützen, müssen daher oft von Grund auf an die Sache herangehen. Michael Tsifidaris, Aufsichtsrat der KPS Consulting AG, vergleicht den kompletten Implementierungsprozess anhand eines Altbaus und Neubaus: „Wenn ein Change im Unternehmen stattfinden soll, gibt es zwei Wege: Mit Kraft an allen Schrauben drehen. Oder man baut direkt ein ganz neues Unternehmen, frei von alten Restriktionen und zieht dann in das neue Gebäude.“
Rapid Transformation nennt KPS diese Methode – ein Consulting-Ansatz, der sich in Zeiten großer Umbrüche wie der digitalen Transformation als probat erwiesen hat. Der Dienstleister setzt sich dabei mit dem Management des Handelsunternehmens zusammen, definiert Geschäftsziele und Business-Cases, die eine Handelsplattform beinhalten soll. KPS erstellt auf Basis dieser Konfiguration in agilen Verfahren die neue Plattform unter Einbeziehung gängiger Softwarelösungen. Nach sechs bis zwölf Monaten sind in den Projekten des Dienstleisters komplett neue Handelsprozesse aufgesetzt und laufen produktiv.
Die digitale Transformation zwingt den stationären Handel, sich neu zu erfinden und Online-Service zu integrieren, um gegenüber dem reinen Online-Handel wettbewerbsfähig zu bleiben. Standortdienste oder auch „Location-based Services“ sind eine Ausprägung der Digitalisierung, mit der stationäre Einzelhändler das Kauferlebnis des Kunden verbessern und die Customer-Journey gezielt beeinflussen können. So bestückt die Chep GmbH ihre Paletten mit Minisendern, sogenannten Beacons. Nähert sich im Laden ein Kunde der Palette, sendet ihm der Beacon Informationen zur Ware auf sein Smartphone.

Dreiklang zum besseren Verständnis des Kunden

„Der Kunde will unmittelbar für seine Treue belohnt werden“, weiß Dr. Christoph Peitz von Osram.

„Der Kunde will unmittelbar für seine Treue belohnt werden“, weiß Dr. Christoph Peitz von Osram.


Auch Osram ist in diesem Bereich mit seiner „Einstone“-Smart-Retail-Solution, einem in die Lichttechnik integrierten Standortdienst, seit einiger Zeit aktiv. Dr. Christoph Peitz, Director Smart Positioning Solutions bei der Osram GmbH, skizziert den Dreiklang zum besseren Verständnis des Kunden: „Infrastruktur für Standortdienste, wie sie die Einstone-Technologie ermöglicht, IT-Dienste wie Apps und Analyse-Software sowie das Einverständnis und die Motivation des Kunden.“ Location-based Services helfen auch dabei, Daten zum Nutzerverhalten zu generieren – das Einverständnis des Kunden vorausgesetzt. So werden sie zu einer weiteren Quelle von Daten, die ein Handelsunternehmen analysieren kann, um einen ganzheitlichen Blick auf seinen Kunden zu erhalten.

Abrechnung im Outsourcing

Nach dem Einkauf kommt das Bezahlen. Gerade als Webshop-Betreiber, aber auch im stationären Handel hat man es oft mit einer Vielzahl kleiner Einzelbuchungen zu tun. Alle Zahlungsvorfälle zu bearbeiten und zu überwachen, wird zur zeitraubenden Tätigkeit, die schnell vom Kerngeschäft ablenkt. Hier greifen Dienstleister wie nexnet, Lösungsanbieter von Rating & Billing, Debitoren- & Forderungsmanagement. nexnet führt für seine Kunden Massenabrechnungen im Zuge des „Business Process Outsourcing“ (BPO) aus und übernimmt den kompletten Online- und digitalen Abrechnungsprozess bis hin zur monatlichen Buchhaltungsauswertung. Ab dem Zeitpunkt, zu dem der Kunde seine Artikel im Warenkorb ablegt und die Zahlungsweise auswählt, hat der Shopbetreiber mit dem Vorgang somit nichts mehr zu tun. Periodisch erhält er die Geschäftsabschlüsse des BPO-Anbieters, der dafür auch die Haftung übernimmt.
Die Filiale der Zukunft, in der die bereits technisch möglichen Spielarten der Digitalisierung voll ausgeschöpft werden, ist heute noch nicht an jeder Straßenecke Realität. Doch werden stationäre Händler künftig immer stärker auf digitale Mittel setzen, um das Kundenerlebnis, die „Customer-Experience“, zu verbessern. Während Shopping auf diese Weise wieder zum Erlebnis wird, kann man alltägliche Einkäufe getrost durch künstliche Intelligenz und Chatbots erledigen lassen. Für den obligatorischen Samstags-Lebensmitteleinkauf bringt man selbstlernenden Systemen etwa bei, was auf die Einkaufsliste gehört. Sie geben automatisiert die Bestellung im Online-Shop ab und sorgen für die Lieferung bis zur Haustür. Der Begriff „Künstliche Intelligenz“ ist nach Ansicht von Stefan Maack von Arithnea hier jedoch nicht angebracht. „Wir sollten eher von reaktiver Intelligenz reden“, findet er. „Denn bis heute können Maschinen nur reaktiv agieren, das heißt, sie brauchen eine Aufgabe und Daten. Was den Handel stark beeinflussen wird, ist die Veränderung dieser Schnittstelle zwischen Mensch und Maschine.“

Einkaufen ist nicht gleich Shopping: Virtuelle Assistenten werden schon in wenigen Jahren unsere alltäglichen Einkäufe erledigen. Dem Einzelhandel bietet dies die Chance, Shopping zum Erlebnis werden zu lassen.

Einkaufen ist nicht gleich Shopping: Virtuelle Assistenten werden schon in wenigen Jahren unsere alltäglichen Einkäufe erledigen. Dem Einzelhandel bietet dies die Chance, Shopping zum Erlebnis werden zu lassen.

Erlebnis-Shopping vs. automatisierter Standardeinkauf

So wird sich das Einkaufsverhalten künftig immer stärker diversifizieren. Die Deckung des Grundbedarfs wird automatisiert, auf der anderen Seite wird Shopping zum Erlebnis, angefeuert durch neue Services der stationären Händler, die Online- und Offline-Mög­lichkeiten miteinander verweben. Der Frage, wie virtuelle Welten, digitale Assistenten und mobile Kommunikation den Handel verändern und wie unsere Shopping-Welt in zwanzig Jahren aussehen wird, ist QVC in seiner Zukunfts­studie Einkaufen 2036 nachgegangen.
Auf Basis aktueller Theorien zum Konsum der Zukunft formulierte Trendforscher und Studienleiter Prof. Peter Wippermann fünf Thesen für das Jahr 2036. Zehn Experten aus stationärem Handel, E-Commerce, IT und Wissenschaft haben diese Thesen analysiert, diskutiert und weiterentwickelt. Weitere Erkenntnisse lieferten Konsumenten-Workshops, realisiert von Trend­büro Hamburg und TNS Infratest: Im ersten Schritt verrieten Kinder aus der Generation Z im Alter von zehn bis dreizehn Jahren, wie sie sich das Shopping der Zukunft vorstellen. Im zweiten Schritt gaben Mitglieder der Generation Y im Alter von 20 bis 26 Jahren zu diesem Thema Auskunft.
von Frank Zscheile