Big Data
Thinking of Putting Data to Work? Think Small

Sie möchten Ihre Daten für sich arbeiten lassen? Denken Sie in kleinen Dimensionen

1997 schrieben zwei NASA-Wissenschaftler, Michael Cox und David Ellsworth, für die achte IEEE-Konferenz zum Thema Visualisierung einen Beitrag mit dem Titel „Application-controlled demand paging for out-of-core visualization“.

 

Auch wenn ihr Schwerpunkt sehr begrenzt war, wird ihrer Arbeit dennoch die erste Verwendung des Begriffs „Big Data“ zugeschrieben. Damit beschrieben sie eine Datenmenge, die mehr Speicherkapazität erfordert, als einem Nutzer normalerweise zur Verfügung steht. 2011 verdeutlichte ein vom McKinsey Global Institute veröffentlichter Artikel, „Big data: The next frontier for innovation, competition, and productivity“, dass Big Data die nächste Welle zur Extraktion der Business Intelligence darstellen würde.

Für die meisten Inhaber kleiner Unternehmen handelt es sich bei „Big Data“ weiterhin um ein großes Rätsel. Die Suche nach Informationen lässt sich für sie am ehesten mit dem Abkochen von Meerwasser vergleichen, um eine Handvoll Salz zu gewinnen. Hier kommt „Small Data“ ins Spiel … Allen Bonde, Pionier auf diesem Gebiet, Senior Vice President Marketing beim CRM-Unternehmen Placester und Gründer der Small Data Group (2012) bietet folgende Definition an: „Small Data verbindet Menschen durch zeitgerechte, aufschlussreiche Erkenntnisse (abgeleitet von Big Data und/oder „lokalen“ Quellen), die so organisiert, zusammengestellt und häufig auch visuell aufbereitet sind, dass sie für alltägliche Aufgaben zugänglich, verständlich und umsetzbar sind.

Small Data lässt sich problemlos erfassen und als Handlungsgrundlage verwerten, diese Daten haben sich für kleine Unternehmen wiederholt als wesentlich aussagekräftiger erwiesen als konventionelle Big Data.

Was Bedeutet Small Data Für Kleine Unternehmen

Worin liegt der hauptsächliche Unterschied zwischen Big Data und Small Data? Big Data bezieht sich in der Regel auf große Informationsspeicher, die einem Unternehmen zur Verfügung stehen, oder extemporierte Daten, die für die direkte Interaktion mit dem Kunden nicht von Wichtigkeit sind. „Bei Small Data handelt es sich dagegen eher um traditionelle Daten, die einen direkten Einfluss auf die Interaktion zwischen Kunden und Marke haben“, bemerkt Jeff Hassemer, Chief Strategy Officer bei Alterian, einem Anbieter von Marketingsoftware, und Inhaber von „Play it Again Sports“ in Aurora, Colorado.

Sie sind für kleine Unternehmen besser geeignet, da für sie „im Gegensatz zu Big Data keine riesigen Vorabinvestitionen, wie enorme Data-Warehouses, fortschrittliche Data-Mining-Software und hervorragend ausgebildete Data-Miners, erforderlich sind“, erklärt Martin Lindstrom, Berater im Bereich Branding und Autor des Buchs „Small Data: The Tiny Clues That Uncover Huge Trends.“ „Small Data lässt sich problemlos erfassen und als Handlungsgrundlage verwerten, diese Daten haben sich für kleine Unternehmen wiederholt als wesentlich aussagekräftiger erwiesen als konventionelle Big Data.“

Bondes Hinweis auf die „alltäglichen Aufgaben“ hat für kleine Unternehmen ganz praktische Auswirkungen auf die Positionierung und Verwendung von Small Data. „Betrachten wir beispielsweise die Informationen über Ihre Kunden, welche Transaktionen sie mit Ihrer Marke haben und die damit in Zusammenhang stehenden Daten“, fährt Hassemer fort. „Small Data umfasst möglicherweise das Datum des letzten Kaufs, wie häufig Käufe erfolgen und wie viel Umsatz für Ihr Unternehmen generiert wurde, sogenannte RFM-(Recency, Frequency und Monetary)Daten. Dabei handelt es sich um Arten von Small Data, die sehr gut vorhersagen, mit welcher Wahrscheinlichkeit ein Kunde auch in Zukunft mit Ihrem Unternehmen interagieren wird.“

Aus diesem Grund eignen sich Small Data hervorragend für kleine Unternehmen, sie beziehen sich normalerweise direkt auf das Unternehmen und sind leicht zugänglich. Und um bei Hassemers RFM-Beispiel zu bleiben, die meisten Unternehmen verfügen über Aufzeichnungen der gesamten Transaktionen, die ein Kunde mit ihrem Unternehmen hatte. Diese Daten lassen sich laut ihm leicht in RFM-Kategorien unterteilen, z. B. „Kunden, die innerhalb der letzten 90 Tage Geschäfte getätigt haben“, „Kunden, die regelmäßig Geschäfte tätigen“ und „Kunden, die jährlich mehr als X USD für die Marke ausgeben“. Diese Aspekte lassen sich üblicherweise sehr gut vorhersagen. Selbst in einem großangelegten Big-Data-Modell ist der Aktualitätsfaktor der Transaktion der wichtigste Prädiktor für die wiederholte Kaufwahrscheinlichkeit eines Kunden.

„Aufgrund dieser Information kann ein kleines Unternehmen problemlos jedem Kunden, der innerhalb der letzten 90 Tage mit dem Unternehmen Geschäfte getätigt hat, eine Werbeaktion mit Verkaufsanreizen zukommen lassen. Solch eine Aktion kann für alle Kampagnenarten die höchste Rücklaufquote erzeugen“, sagt Hassemer.

Datengewinnung: Lassen Sie Die Daten Für Sich Arbeiten

Zu wissen, dass Sie eventuell schon über alle benötigten Daten verfügen, heißt noch lange nicht, dass Sie Small Data sofort für Unternehmen einsetzen können. Wo fangen Sie am besten an? Im Grunde genommen müssen Sie eine Rückentwicklung der Ergebnisse vornehmen, d. h., Sie müssen die Daten, die Sie extrahieren möchten, entsprechend „formen“.

Stephen Yu, Datenbankvermarkter und Associate Principal, Leiter für Analysen und Erkenntnisse beim Beratungsunternehmen für Prozessverbesserung eClerx bezeichnet den Beginn des Prozesses als „Entwicklung einer sorgfältigen Problemstellung“. Anders gesagt, bevor Sie mit den Daten- oder Analyseaktivitäten beginnen können, sollten Sie zunächst die Frage bzw. das Ziel formulieren.

Der entscheidende Punkt ist, ein großes Problem nicht auf einmal lösen zu wollen. Er fährt fort: „Erkenntnisse aus großen Datenmengen zu gewinnen ist ein schrittweiser Prozess. Viele Nutzer erhoffen sich eine Wunderwaffe, mit der sie alle Probleme auf einmal beheben können. Sie müssen zuerst Ihre Ziele festlegen, anschließend Ihre Daten durch den Aspekt dieser Ziele betrachten und schließlich analytische Schritte einleiten, um den Daten Erkenntnisse zu entziehen.“

Thinking of Putting Data to Work? Think Small content

Beispielsweise könnte Ihre Problemstellung einfach lauten: „Ich möchte den Wert meiner Kunden optimieren, indem ich die Kundenbindung stärke.“ Daraus ableitend müssten Sie laut Hassemer beispielsweise die folgenden Daten abrufen:

  • Kundeninformationen: Name, Adresse, E-Mail und Telefonnummer.
  • Kundenpräferenzen: Möchten die Kunden Mitteilungen per E-Mail erhalten? Wie häufig werden Mitteilungen erwünscht und in welcher Form?
  • Transaktionsbezogene Informationen: Wann wurde der Kauf getätigt, was wurde gekauft, welcher Betrag wurde bezahlt, wurde ein Rabatt gewährt?
  • Reaktionsinformationen: Wie reagieren die Kunden auf das Marketing?

Yu fügt hinzu, dass diese Daten anschließend in „Beschreibungen der einzelnen Kunden“ umgewandelt werden sollten, beispielsweise mit der bevorzugten Preisspanne, der Dollar-Obergrenze für die einzelnen Produktkategorien, der Kauffrequenz, den Zeitabständen zwischen den Käufen und den bevorzugten Kanälen.

„Diese kleinen Dateneinheiten können später mithilfe erweiterter Analysefunktionen zur Adressierung der Zielgruppen und Personalisierung eingesetzt werden und so die Kundenbindung erhöhen“, erklärt Yu. „Diese Schritte sollten in einer logischen Reihenfolge durchgeführt werden und auf einer Problemstellung beruhen, die die Zielgebung eindeutig definiert. Darüber hinaus sollten Datenaktivitäten von Unternehmenszielen bestimmt werden und nicht durch große oder kleine Datensammlungen. Niemand sollte mit Bauarbeiten beginnen, ohne den Bauplan in den Händen zu halten.“

Small Data In Aktion

Small Data kann Ihnen sicherlich die Informationen bieten, die für die Einflussnahme und Beschleunigung einer Vielzahl von Prozessen benötigt werden. Aber wie können Sie diese Informationen ins Spiel bringen und wie erkennen Sie deren Nutzen in Echtzeit? Webconnex, ein Hersteller von Managementsoftware für die Event-Anmeldung und Spendenaktionen aus Sacramento, Kalifornien, verwendet eine kleine Datenanwendung, um Zielkunden anzusprechen und wichtige Funktionen zu automatisieren.

„Unsere Software übermittelt der Anwendung Rohdaten und wir erhalten umsetzbare Erkenntnisse zurück, die es uns ermöglichen, den richtigen Kunden die richtige Nachricht zum richtigen Zeitpunkt zu senden“, erklärt Eric Knopf, Mitbegründer von Webconnex. „Darüber hinaus gewinnen wir sofortige Einblicke darüber, bei wem alles in Ordnung ist, bei wem es Probleme gibt und wen wir eventuell verlieren.“

Webconnex verwendet die kleine Datenanwendung intercom.com, die speziell auf Vertriebs-, Marketing- und Support-Funktionen ausgerichtet ist, um dem Unternehmen bei der kundenorientierten Kommunikation, einschließlich der Lead-Erfassung und dem Kundendienst/-Support, zur Seite zu stehen. Sie unterstützt das Unternehmen bei den folgenden Aufgaben:

  • Einleitung der Onboarding-Abläufe,
  • Versendung zeitnaher Hilfeartikel, die der Entwicklung eines Kunden oder potenziellen Kunden entsprechen, 
  • Erfassung von Rückmeldungen bezüglich neuer Funktionen, 
  • Benachrichtigung von Kunden, dass ihr Konto Aufmerksamkeit benötigt, 
  • Übermittlung von Glückwünschen an Kunden, während sie den Lebenszyklus durchlaufen, 
  • Identifizierung von Personen, deren Fortschritte zum Stillstand gekommen sind oder die Hilfe benötigen,
  • Erfassung wichtiger Kundenkonten und 
  • Versendung von E-Mails nach bestimmten Zeitintervallen.

Webconnex exportiert die Daten auch in andere Anwendungen (z. B. gotowebinarCampaign Monitor usw.) unter Verwendung des Anwendungsautomatisierungsprogramms Zapier .

„Insgesamt wird unsere Kommunikation durch die Automatisierung optimiert, behält aber trotzdem ihren persönlichen Charakter bei – und das, ohne, dass wir mehr Mitarbeiter einstellen müssen“, bemerkt Knopf.

Je nach den Funktionen, die unterstützt werden sollen, stehen laut Knopf eine Reihe zuverlässiger Anbieter auf dem Gebiet Small Data zur Verfügung. Der Bereich Kundenbindung umfasst etwa die folgenden Beispielanwendungen:

  • Mixpanel – Analysen, die sich mit der Frage beschäftigen, wie Kunden mit Ihren Produkten und/oder Services interagieren. 
  • Kissmetrics –Analysen zum Kundenverhalten. 
  • GoodData –Data-Mining-Tool, das bei der Optimierung der Markteinführungsstrategien behilflich ist.
  • NetBase – Eine Feedbackplattform für soziale Medien, die sich die Unterstützung von Marken, Produkten und Services zum Ziel gesetzt hat. 
  • QlikTech – Eine Business-Intelligence-Anwendung, die für übergreifende Transparenz innerhalb der Organisation sorgt. 
  • Visible Technologies – Überwachungs- und Analyseplattform für soziale Medien.

„Small-Data-Anwendungen, die Ihnen dabei behilflich sich, Ihre Daten in sinnvolle Maßnahmen umzuwandeln, können einen revolutionären Durchbruch für Ihr Unternehmen bedeuten“, bemerkt Knopf. „Allerdings ist die Erfassung von Daten wenig sinnvoll, wenn daraus keine aussagekräftigen Rückschlüsse gezogen werden, die wiederum als Handlungsgrundlage dienen.“

Fazit: Im Mittelpunkt Stehen Eingrenzung Der Daten Und Erkennung Von Mustern

Unabhängig davon, ob wir über Small Data oder Big Data reden, es muss nicht kompliziert sein. Im Fall von Small Data dreht sich alles darum, die Daten einzugrenzen, ihre Lesbarkeit und Umsetzbarkeit zu erhöhen sowie Muster zu erkennen. Damit die Daten Ihrem Unternehmen nützlich sein können, müssen Sie herausfinden, was Sie tatsächlich benötigen – und anschließend die Daten extrahieren, die diesen Bedürfnissen entsprechen. Es geht nicht darum, ein riesiges Problem zu lösen. Konzentrieren Sie sich lieber auf einen Aspekt, der sich leicht erfassen lässt.

Setzen Sie sich Ihre anfänglichen Ziele anhand einer einfachen Problemstellung, beispielsweise „Ich möchte meine besten Kunden ausfindig machen“ oder „Ich möchte die Interaktion mit meinem Unternehmen einfacher gestalten“. Von hier können kleine Datenanwendungen Sie dabei unterstützen, die benötigten Informationen zu erfassen. Dabei werden Sie wahrscheinlich feststellen, dass Sie bereits über viele dieser Informationen verfügen. Wenn Sie beispielsweise auf der Suche nach Ihrem idealen Kunden sind, kann sich aus den Dateneingaben über die Kundenpräferenzen, d. h., wo sie einkaufen, wie oft sie einkaufen und wie viel sie ausgeben, das Bild eines idealen Kunden abzeichnen, das Ihnen gleichzeitig auch Hinweise liefert, wo dieser zu finden ist.

Letztendlich besteht die Aufgabe von Small Data darin, den Entscheidungsfindungsprozess zu optimieren. „Der Einsatz von Small Data bietet Ihnen die Möglichkeit, die vorhandenen Verhaltensmuster zu erkennen und zu nutzen“, fügt Lindstrom hinzu. „Ihr Unternehmen muss die richtigen Tools besitzen, um die Muster in den Daten zu erkennen. Einfache Berichtstools oder Ad-hoc-Analyse-Tools können wichtige Fragen beantworten und Ihnen als Inhaber eines kleinen Unternehmens dabei helfen, neue Strategien zu entwickeln, um Ihr Unternehmen effizienter zu gestalten.

Small Data Und Das Internet Der Dinge

Was Verbindet Diese Zentralen Trends Miteinander?

Das Internet der Dinge (IoT) bietet kleinen Unternehmen zweifellos viele Möglichkeiten, sowohl im Hinblick auf die Produkte und Services, die dadurch zur Entwicklung kommen könnten, als auch hinsichtlich der Verbesserung der betrieblichen Abläufe.

Welche Verbindung besteht nun zwischen dem Internet der Dinge und Small Data? „Beim Internet der Dinge handelt sich alles um Daten, die von kleinen Geräten erfasst werden, während der Benutzer sie zu Hause oder unterwegs verwendet“, sagt Jeff Hassemer, Chief Strategy Officer bei Alterian, einem Anbieter von Marketingsoftware, und Inhaber von „Play it Again Sports“ in Aurora, Colorado. „Obwohl die Daten dazu verwendet werden, all diese Geräte miteinander zu vernetzen, können die Daten auch in kleinere Einheiten unterteilt und so für Unternehmen nutzbar gemacht werden.“

Hassemer sieht in jeder Interaktion mit einem IoT-Gerät auch die Interaktion mit einer Marke. „Grundkenntnisse darüber, wann die Interaktion auftrat und worum es sich bei der jeweiligen Interaktion handelt, können extrem aufschlussreich sein“, sagt er. „Beispielsweise brachte ein Unternehmen kleine Sensoren an Flaschen mit Irish Whiskey an. Sobald der Whiskey zu einem bestimmten Maß verbraucht war, wurde eine Werbeaktion ausgelöst, die den Kunden zum Kauf einer neuen Flasche anregen sollte. Dieser kleine Datensatz führte in der Tat zu fantastischen Ergebnissen.“

Thumbnail
Thumbnail