Fassen Sie diesen Blogbeitrag wie folgt zusammen:
Anmerkung der Redaktion: In der sich wandelnden Konsumgüterbranche mit Trends wie Buy-in-Pay-per-Click (BNPL), Direct-to-Consumer (D2C), Omnichannel-Handel und agilen Prozessen steht die Personalisierung im Mittelpunkt. Kernstück dieser digitalen Transformation sind Daten.
Dieser Blogbeitrag unterstreicht die Bedeutung des Abbaus von Datensilos, um einen präzisen Datenfluss an die richtigen Empfänger zum richtigen Zeitpunkt zu gewährleisten. Er unterstützt die Kundenorientierung und eröffnet durch detaillierte Einblicke neue Möglichkeiten. Zu den relevanten Schwerpunkten für eine erfolgreiche Umsetzung zählen Daten-Governance , Cloud-Lösungen und KI .
„Oft stellen wir fest, dass ein Konsumgüterunternehmen über die Daten verfügt, die es zur Verbesserung seiner Geschäftsprozesse benötigt, diese Daten jedoch in verschiedenen Geschäftsbereichen innerhalb des Unternehmens verteilt sind“ – McKinsey-Artikel
Unternehmen nutzen heutzutage diverse Systeme, um ihre Abläufe zu optimieren. Jede Abteilung, beispielsweise Vertrieb oder Lieferkette, verfügt über eigene Tools, um ihre Aufgaben zu erfüllen. Doch diese Vielfalt an Systemen kann mitunter zu einem Problem führen, das als „Dateninseln“ bekannt ist. Das bedeutet, dass die benötigten Daten an verschiedenen Orten gespeichert sind und der Blick für das große Ganze verloren geht.
Große Organisationen nutzen eine Vielzahl von Systemen, und wenn diese Systeme nicht miteinander kommunizieren, werden sich die verschiedenen Abteilungen niemals darüber einigen, welche Daten korrekt sind.
Betrachten wir ein Beispiel, um unser Verständnis zu verdeutlichen: Im Rahmen der Vertriebs- und Produktionsplanung (S&OP) besteht das zentrale Team aus Führungskräften aus Vertrieb und Produktion. Für sie ist es unerlässlich, Daten und Begriffe klar zu verstehen, bevor sie mit der Zukunftsplanung beginnen. Obwohl diese Abteilungen in den meisten Unternehmen üblicherweise unterschiedliche Systeme für ihre täglichen Aufgaben nutzen, erfordert eine effektive Planung eine reibungslose Integration der Vertriebs- und Produktionsdaten und -systeme mit minimalen Anpassungen.
Große Unternehmen nutzen im Durchschnitt 367 Softwareanwendungen und -systeme. Mit dem Wachstum der Unternehmen wird die Sicherstellung der Systemvernetzung zunehmend schwieriger und erfordert umfangreiche Verbindungen. Durch die steigende Anzahl von Fusionen und Übernahmen sowie die zunehmende Konsolidierung verschärft sich diese Herausforderung noch.
Nun wollen wir tiefer in die Materie eintauchen und die verschiedenen Arten von Systemen untersuchen, die Unternehmen verwenden.
1. System zur Optimierung von Handelsaktionen (TPO): Blue Planner - Dieses System unterstützt die Optimierung von Handelsaktionen, um durch effektive Planung und Analyse Umsatz und Gewinn zu steigern.
2. Category Management System: JDA Category Management - JDA bietet eine umfassende Plattform zur Verwaltung und Analyse von Produktkategorien für eine verbesserte Entscheidungsfindung und optimierte Vertriebsstrategien.
3. Kassensystem (POS): Square POS – Das System von Square bietet nahtlose Transaktionsverarbeitung und Geschäftsmanagementfunktionen am Point of Sale.
4. E-Commerce-Plattform: Shopify – Shopify ist bekannt für seine benutzerfreundliche Oberfläche und seine robusten Funktionen und ermöglicht es Unternehmen, Online-Shops effizient zu erstellen und zu verwalten.
5. Enterprise Resource Planning (ERP)-System: SAP ERP – Das ERP-System von SAP integriert verschiedene Geschäftsfunktionen wie Finanzen, Lagerhaltung und Personalwesen und bietet eine zentrale Plattform für optimierte Abläufe.
Mit dem Wachstum von Unternehmen steigt auch die Notwendigkeit, einen reibungslosen Informationsaustausch zwischen den Systemen zu gewährleisten. Es muss verhindert werden, dass Daten an verschiedenen Orten gespeichert werden.
Diese Datensilos entstehen typischerweise aufgrund veralteter Systeme, dezentraler Datenverwaltung und Abteilungsgrenzen. Lassen Sie uns die Hauptgründe für die Entstehung von Silos genauer betrachten.
1. Fehlende Datenherkunft und gemeinsame Datenwörterbücher:
Stellen Sie sich einen Fusions- und Übernahmeprozess vor, bei dem Führungskräfte beider Unternehmen zusammenkommen. Ein klares Verständnis der Finanzdaten und -terminologie ist unerlässlich, bevor sie Strategien entwickeln können. Obwohl jedes Unternehmen unterschiedliche operative Instrumente verwendet, ist eine erfolgreiche Integration der Finanzdaten und -systeme entscheidend für eine effektive Entscheidungsfindung.
2. Vertrauen auf individuelles Wissen:
Das Systemwissen konzentriert sich auf wenige Personen und ist nicht ausreichend dokumentiert. Verlassen diese Experten das Unternehmen, wird das System weniger offen für Veränderungen. Teams greifen dann auf eigene Datenlösungen zurück und nutzen häufig Tabellenkalkulationen.
3. Stammdateninkonsistenzen:
Abweichungen in den Stammdaten können in verschiedenen Teams, Bereichen oder Abteilungen innerhalb einer Organisation auftreten. Diese Abweichungen veranlassen die Teams dazu, aufgrund der unterschiedlichen Stammdaten eigene Datenversionen zu erstellen.
4. Fehlende End-to-End-Transparenz:
Lücken in der Transparenz entlang der gesamten Wertschöpfungskette.
Datensilos entstehen durch fehlende Daten in verschiedenen Phasen des Prozesses.
Beispiel: Konsumgüterunternehmen verfügen über primäre und sekundäre Verkaufsdaten, jedoch nicht über tertiäre Verkaufsdaten.
Laut Forrester verbringen Analysten 30 % ihrer Arbeitszeit damit, die richtigen Daten und Informationen zu finden – das kostet sie täglich 2,4 Stunden.
Umgang mit Datensilos: Interne und externe Herausforderungen für Konsumgüterunternehmen
Im Konsumgütersektor beschränkt sich die Problematik der Datensilos nicht auf die internen Systeme der Unternehmen. Marken stoßen häufig auf externe Datensilos, da der Zugriff auf wichtige Informationen externer Stellen eingeschränkt ist. Dies ist insbesondere dann der Fall, wenn Konsumgüterunternehmen keine direkte Kontrolle über die Daten der Einzelhändler haben, die ihre Produkte verkaufen. Daher greifen Konsumgüterunternehmen häufig auf den Zukauf von Daten dieser Einzelhändler zurück, insbesondere um Daten und Analysen zu gewinnen, die über den Point of Sale hinausgehen.
Auswirkungen auf die betriebliche Effizienz und Entscheidungsfindung
- Datenungenauigkeit führt zu geringem Vertrauen in die Daten
- Die manuelle Datenübertragung ist zeitaufwändig, teuer und fehleranfällig.
- Schränkt die Produktivität ein
- Bietet ein enttäuschendes Kundenerlebnis
- Schränkt die Zusammenarbeit im gesamten Unternehmen ein
Dies führt zu fehlerhaften Analysen und in der Folge zu Fehlentscheidungen. Unternehmen verpassen Chancen, weil ihnen der zeitnahe Zugriff auf korrekte Daten fehlt. Laut einer Studie von Gartner können kleine und mittlere Unternehmen aufgrund ineffektiver Geschäftsentscheidungen, die auf veralteten oder fehlerhaften Daten beruhen, Verluste von bis zu 15 Millionen US-Dollar pro Jahr erleiden.
Nestlé zentralisiert sein Kundendaten- und Einwilligungsmanagement. Das Unternehmen versucht, die Anzahl der eingesetzten Marketinganwendungen zu reduzieren, wodurch Datensilos abgebaut werden. Nestlé verfolgt nun einen strategischeren Ansatz im Umgang mit Kundendaten und betrachtet diese als Unternehmenswert und nicht nur als eine Sammlung von Datenpunkten.
Eines der Unternehmen nutzte Jira für den Kundenservice und ein Vertriebs-CRM. Zuvor kommunizierten diese Systeme nicht miteinander, sodass Vertrieb und Kundenservice unabhängig voneinander arbeiteten. Die Vertriebsmitarbeiter hatten keine Kenntnis von Kundenservice-Tickets bestehender Kunden und versuchten, ihnen neue Produkte zu verkaufen.
Aus Kundensicht erhielten sie Anrufe für ein teureres Produkt, obwohl sie mit dem bestehenden Produkt Probleme hatten. Dies führte zu Spannungen zwischen dem Unternehmen und den Kunden.
Durch die Integration ihrer Systeme mittels APIs ermöglichten sie jedoch erfolgreich eine nahtlose Kommunikation und bidirektionale Aktualisierungen zwischen den Abteilungen. Dies bedeutete, dass Vertriebsmitarbeiter sehen konnten, dass ein Ticket erstellt wurde.
Vernetzte Planung und Analyse sind für Unternehmen unerlässlich, und um inkonsistente Systeme aufzulösen, ist es wichtig, sich auf eine integrierte Datenebene zu konzentrieren. Diese kann in verschiedenen Formaten vorliegen, die im nächsten Abschnitt erläutert werden.
Data Lake:
Data Lakes konsolidieren diverse Datenquellen in einem zentralen Repository, unabhängig von Format oder Struktur. Sie ermöglichen die Speicherung von Daten in großem Umfang und unterstützen sowohl strukturierte als auch unstrukturierte Daten . Durch die Bereitstellung einer einheitlichen Speicherplattform fördern Data Lakes die Zusammenarbeit und den einfachen Zugriff für verschiedene Teams.
Datennetz:
Die Anwendung eines Data-Mesh-Ansatzes zur Überwindung von Datensilos beinhaltet die Dezentralisierung der Datenverantwortung an einzelne Teams. Diese „Datenproduktteams“ kuratieren und verwalten spezifische Datenbereiche und fördern so Zusammenarbeit und Verantwortlichkeit. Durch die Standardisierung von Datenschnittstellen und -formaten wird die Integration reibungsloser, wodurch die Datenzugänglichkeit und -konsistenz verbessert werden. Dieser Ansatz beseitigt Datensilos, fördert die Zusammenarbeit und beschleunigt die Gewinnung von Erkenntnissen im gesamten Unternehmen.
Enterprise Data Warehouse (EDW):
Enterprise Data Warehouses (EDWs) zentralisieren Daten aus verschiedenen Quellen und harmonisieren sie, um eine einheitliche Datenbasis zu schaffen. Sie bieten strukturierte und klar definierte Datenmodelle, die Konsistenz und Genauigkeit verbessern. EDWs unterstützen komplexe Abfragen und Berichte und reduzieren so den Bedarf an Datenextraktion aus verschiedenen Systemen.
Datennetzwerk:
Data-Fabric-Lösungen bieten eine einheitliche Datenintegrationsplattform, die verschiedene Datenquellen und Systeme miteinander verbindet. Sie ermöglichen die nahtlose Datenübertragung, -transformation und den Zugriff auf Daten im gesamten Unternehmen. Data Fabric verbessert die Datentransparenz, -governance und -kontrolle und reduziert die Datenfragmentierung.
Die Zentralisierung Ihrer Kundendaten und Ihres Einwilligungsmanagements ist ein wichtiger Schritt zur Optimierung Ihrer Datenprozesse. Talend Data Fabric von Qlik bietet eine Cloud-basierte Lösung für die Datenzentralisierung. Sie vereinfacht Datenintegration, ETL-Prozesse, Daten-Governance, Sicherheit und die Einhaltung gesetzlicher Bestimmungen. Einige Unternehmen konnten ihre jährlichen Wartungskosten um bis zu 10 % senken.
Quelle: Qlik Data Fabric kann die Datensilos bestehender Systeme effektiv aufbrechen, indem es eine einheitliche Datenquelle bereitstellt. Datensilos führen zu Datenfragmentierung; Data Fabric fungiert als virtuelle Schicht und verbindet heterogene Datenquellen. Unternehmen können so die Notwendigkeit von Datenduplizierung eliminieren, Daten in Echtzeit synchronisieren und den Datenaustausch zwischen Systemen ermöglichen.
Darüber hinaus bietet Data Fabric Funktionen für die Daten-Governance und gewährleistet so Datenqualität, -sicherheit und -konformität über integrierte Systeme hinweg.
Data Governance ist für Unternehmen, die eine zentrale Datenquelle etablieren möchten, unerlässlich. Hierfür können sie automatisierte ETL-Tools ohne Programmieraufwand nutzen, die die Datenintegration aus verschiedenen Quellen vereinfachen. Mithilfe dieser Tools können Unternehmen Daten extrahieren, notwendige Transformationen durchführen und diese in zentrale Datenspeicher laden.
Mit der richtigen Benutzeroberfläche können auch technisch nicht versierte Anwender am Datenmanagementprozess teilnehmen und so die Genauigkeit und Konsistenz der Daten sicherstellen. Darüber hinaus verbessert die Integration von Open-Source-Tools und Datenvisualisierungsplattformen die Datenzugänglichkeit und ermöglicht fundierte Entscheidungen. Zusammen versetzen diese Elemente Unternehmen in die Lage, datengetriebene Strategien zu verfolgen und gleichzeitig effiziente Daten-Governance- und -Managementpraktiken beizubehalten.
Warum ist die Intervention von Experten beim Abbau von Silos notwendig?
Datenschutz und Datensicherheit: Angesichts des zunehmenden Fokus auf Datenschutzbestimmungen (z. B. DSGVO, CCPA) müssen Unternehmen robuste Sicherheitsmaßnahmen implementieren und die Einhaltung der Vorschriften beim abteilungsübergreifenden Austausch und der Analyse von Daten gewährleisten.
Datenintegration und Interoperabilität: Veraltete Systeme und unterschiedliche Datenformate können die Integration von Daten aus verschiedenen Quellen erschweren. Unternehmen müssen in Technologien investieren, die eine nahtlose Datenintegration und Interoperabilität ermöglichen.
Unstrukturierte Daten: Die meisten Systeme speichern auch unstrukturierte Daten, die sich nur schwer dimensionsübergreifend integrieren lassen, was zu Informationsverlusten führen kann. Dieser Datenverlust lässt sich, wie bereits erwähnt, durch den Einsatz von KI/ML reduzieren.
- Effizientere Nutzung und besserer Zugriff auf Daten zwischen Systemen für eine einfache Skalierbarkeit der Plattform.
- Eine noch nie dagewesene Kontrolle über die Identifizierung und Bewegung von Daten ist unerlässlich, um vor Ablauf des Cookies eine einheitliche Sicht auf den Konsumenten zu schaffen.
- Datenbereinigung, Standardisierung, Validierung und Haushaltsführung (einschließlich Identitätsauflösung) – eine Lösung für die Kundendateninfrastruktur (CDI).
- Segmentierung, Analyse und Aktivierung (einschließlich dynamischer Personalisierung und Lookalike-Modellierung), ein Datenaktivierungstool.
- Die Möglichkeit, einheitliche Daten auf einfache Weise zu aussagekräftigen Profilen für eine 360-Grad-Kundensicht zusammenzufügen, das Targeting über alle Kanäle hinweg zu optimieren, die gesamte Customer Journey in Echtzeit zu unterstützen und die Ergebnisse mit einem besonderen Fokus auf Cross-Selling an bestehende Käufer zu analysieren.
1. Datenintegration und -aggregation: KI kann diesen Prozess unabhängig von Datenformaten oder -strukturen automatisieren. ML-Algorithmen können Datenschemata analysieren, Beziehungen identifizieren und Inkonsistenzen beheben, wodurch eine einheitliche Sicht auf Daten aus verschiedenen Datensilos ermöglicht wird.
2. Datenbereinigung und -anreicherung: KI-Algorithmen können Daten automatisch bereinigen und anreichern, indem sie Inkonsistenzen, Duplikate und fehlende Werte identifizieren und beheben. Dieser Prozess gewährleistet die Genauigkeit und Vollständigkeit der Daten und macht die integrierten Daten zuverlässiger und besser für Analysen geeignet.
3. Intelligenter Datenabgleich und Entitätsauflösung: KI kann beim Abgleich von Entitäten aus verschiedenen Quellen wie Kunden, Produkten und Lieferanten helfen. Modelle des maschinellen Lernens können Muster erkennen, um Daten zu identifizieren, die sich auf dieselbe Entität beziehen. Dadurch werden Datensilos überwunden und die Datenintegrität sichergestellt.
4. Automatisierte Daten-Governance und Compliance: KI/ML-Modelle können Daten-Governance-Richtlinien erlernen, Anomalien erkennen und Regeln durchsetzen, um einen sicheren Datenaustausch zwischen Abteilungen zu gewährleisten.
5. Intelligente Empfehlungssysteme: KI-gestützte Empfehlungssysteme können Nutzern basierend auf ihren Rollen, Präferenzen und ihrem bisherigen Nutzungsverhalten relevante Datenquellen, Berichte oder Erkenntnisse vorschlagen. Die Automatisierung bei Beck's ist ein bemerkenswertes Beispiel dafür, wie KI die gesamte Wertschöpfungskette von der Produktion über die Rezeptentwicklung bis hin zu Marketing und Design steuerte. Es ist das „KI-gebraute Bier“.
Seit über einem Jahrzehnt betreuen wir Kunden im Bereich Konsumgüter/FMCG und liefern ihnen wertvolle Dateneinblicke, indem wir sie beim Aufbau von Data Warehouses und deren Integration unterstützen sowie ihnen bei der Visualisierung behilflich sind.
Profitieren Sie von unserer Expertise im Aufbau robuster Data Warehouses, nahtloser Integrationen und aussagekräftiger Visualisierungen. Unsere unübertroffene Kompetenz im Aufbau von Data Lakes und KI der nächsten Generation gewährleistet eine schnellere und effizientere Synchronisierung und liefert Ihrem Unternehmen wertvolle Erkenntnisse. Optimieren Sie Ihre Datenstrategie noch heute – lassen Sie uns gemeinsam Wachstum und Innovation freisetzen. Kontaktieren Sie uns jetzt und entdecken Sie die grenzenlosen Möglichkeiten datengetriebenen Erfolgs!