27.03.2026 • 53 Min.

00:00 Intro und Ankündigung der nächsten Folge zu Healthcare Marketing 01:13 Was Dich in dieser Folge erwartet 01:46 Anzeige: Marketing & Sales Analyst Masterclass 02:46 Hamburger Goldkehlchen: Warum Tim im Männerchor singt 07:26 Brace for Impact: Unsere ersten Data Engineering Bruchlandungen 09:42 Datensilos: Die Krankheit in unseren Marketing-Abteilungen 11:18 Tim Wiegels Data Engineering Erfahrungen bei Goodgame Studios 12:51 Nicht nur Technik: Warum Teams und Prozesse mitziehen müssen 13:29 Tim Ebners Data Engineering Erfahrungen bei innogy.C3 13:59 UTM-Standards und IDs: So wird Tracking anschlussfähig 15:10 Lust auf ein Marketing-DWH mit Supermetrics, Google Sheets und SQL? 18:11 UTM-Pain, Attribution und Blackbox-Logiken von Google und Meta 21:01 Warum Google Sheets trotzdem ein sinnvoller Start ist 22:24 Der Wendepunkt: Ab wann ein Data Warehouse nötig wird 23:48 Raw, Refined, Gold: Die Layer-Logik einfach erklärt 26:38 Business-Logiken im Refined Layer: Kosten, Währungen und Regeln 28:40 Gold Layer und Data Marts: ROI, ROAS und die Single Source of Truth 29:34 Ab welchem Data Layer MMM und CLV Berechnungen Sinn machen 30:10 Welche Datenmodellierung in Power BI & Co nicht empfehlenswert ist 31:05 Views oder Tabellen? Warum View auf View schnell weh tut 34:10 Wie roh sollten Rohdaten sein? Und was sind "heiße" Daten? 36:34 Lieber zu viel Rohdaten als zu wenig 38:11 Wie Star Layer dein DWH schlanker und schneller machen 41:52 Warum saubere Layer Analytics und AI-Projekte einfacher machen 42:40 Echtzeit-Modelle vs. GenAI: Welche Datenqualität gebraucht werden 45:12 AI skaliert Chaos: Was ohne gute Daten schiefläuft 49:10 Womit anfangen? Tools, Datenbank und erste Schritte 52:16 Outro: Feedback, Bewertungen und Haufe-Hinweis ShownotesTim Ebner und Tim Wiegels teilen ihre Erfahrungen und Herausforderungen beim Aufbau eines Marketing Data Warehouses. Sie diskutieren die typischen Anfangsprobleme, wie wichtig eine gute Datenstruktur ist und wie man Silos in Marketing und anderen Unternehmensbereichen überwindet. Als Ergebnis winken bessere Analysen und Entscheidungen. Tim und Tim tauchen tief in die Architektur eines effizienten Marketing Data Warehouse ein. Tim Wiegels erklärt dabei die vier wichtigsten Layer, die wichtig sind um die Datenverarbeitung vereinfachen, die Performance steigern und Kosten senken. Streamt rein und erfahrt praktische Tipps für den Aufbau und die Nutzung dieser Layer, um Data Engineering im Marketing smarter zu gestalten. Der Instagrammer, der regelmäßig versucht ChatGPT, Claude und Gemini ins Boxhorn zu jagen, ist übrigens father_phi, erreichbar unter: https://www.instagram.com/father_phi TakeawaysAlle Daten sollten in ihrer höchsten Granularität in einem Raw Layer gespeichert werden.Vermeide Views auf Views, um Performancekosten zu minimieren.Nutze Pipeline-Tools wie Airflow oder dbt für automatisierte Datenprozesse.Der Gold Layer liefert die wichtigsten KPIs wie ROI und ROAS in sauberster Datenqualität.AI-Projekte sollten auf dem Gold Layer oder höher aufbauen, um angemessene Ergebnisse zu sichern.[Anzeige] Haufe Akademie: Marketing & Sales Analytics MasterclassBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu unserem Thema der Podcastfolge passt: Die Masterclass zum Marketing & Sales Analyst! In mehreren Kursen (plus Abschlussprüfung): bekommst Du einen Einstieg in Strategien und Werkzeuge, Tracking-Strategien, Analysen, Visualisierung und KImachst Du erste Schritte und setzt zum Beispiel Dein erstes Marketing & Sales Dashboard umerfährst Du, wie du KI Use Cases & Tools auswählst und danach in die Umsetzung gehstZur Masterclass: https://www.haufe-akademie.de/analyst Weitere Angebote: https://www.haufe-akademie.de/future VorschauIn zwei Wochen spricht Tim bei Datendurst mit Nicole Freude über Datennutzung im Healthcare Marketing. Nicole ist schon seit 14 Jahren Beraterin in diesem Bereich und hat dementsprechend schon viel gesehen. Ihr könnt Euch also auf eine spannende Folge freuen! Datendurst bei LinkedIn: https://www.linkedin.com/company/datendurst/