Datendurst mit Tim Ebner

Wie gelingt eine Datenstrategie im Mittelstand? Tim spricht mit Stephan Hausberg über fehlende Datenkultur, Priorisierung, Agentic AI und den Weg vom Use Case zum Business Case. Erfahre mehr über die Master Class „Marketing & Sales Analyst” des neuen Sponsors Haufe Akademie unter haufe-akademie.de/analyst. Einführung und Thema der FolgeTim eröffnet das Gespräch mit Stephan über den „Endgegner Mittelstand“ und geht dabei der Frage nach, warum Datenstrategien dort oft schwer umzusetzen sind und wie es dennoch gelingt. Vorstellung von Stephan HausbergStephan ist bei 1&1 Versatel vom Analysten bis zum Head of Data aufgestiegen und berät heute mit onemoreoption.ai Unternehmen zu Datenstrategie und -anwendung. Privat ist er Familienmensch und begeisterter Sportler, beruflich ein Problemlöser mit Leidenschaft für Daten. Erfahre mehr über Stephan: https://www.linkedin.com/in/dr-stephan-hausberg-679750118/ Schau auch bei www.onemoreoption.ai vorbei. Warum Data im Mittelstand so schwierig istIm Mittelstand fehlen oft Daten-Teams und eine etablierte Datenkultur. Viele Geschäftsführer treffen Entscheidungen aus Erfahrung, meist ohne eine datenbasierte Grundlage zu haben. Bauchgefühl vs. DatenorientierungStephan betont, dass die Einstellung „Das haben wir schon immer so gemacht“ nicht immer falsch ist. Wichtig sei es, zu erkennen, wann Erfahrung trägt und wann sich die Rahmenbedingungen verändert haben. Fehlende Teams, Ziele und PriorisierungTim beschreibt ein Beispiel aus dem Marketing eines mittelständischen Unternehmens, in dem eine einzelne Person für alles zuständig ist. Ohne klare Ziele und Prioritäten verpufft der Raum für Datenanalysen. Führungskultur und Arbeitsrealität im MittelstandÜberforderung, Reizüberflutung und Fachkräftemangel erschweren datenorientiertes Arbeiten. Führung sollte klare Prioritäten setzen und Überlastung vermeiden. Fokus auf Kerngeschäft und ZukunftsrisikenUnternehmen, die sich ausschließlich auf ihr Kerngeschäft konzentrieren und dabei Daten vernachlässigen, riskieren langfristig Wettbewerbsnachteile. Wie man Daten im Mittelstand zum Fliegen bringtLaut Stephan beginnt es mit Wissenstransfer in Geschäftsführung, Aufsichtsräten und Teams. Denn oft fehlt das grundlegende Verständnis dafür, wie Daten Mehrwert erzeugen. Beispiel: KI-Modell und fehlende AbstimmungEin Praxisbeispiel zeigt, wie ein KI-Projekt wegen mangelnder Abstimmung scheiterte, obwohl das Modell funktionierte. Fehlende Kommunikation führte dazu, dass der Nutzen nicht erkannt wurde. Datenkultur durch kleine Erfolge und ExperimenteKleine Proofs of Concept helfen dabei, Neugier und Vertrauen aufzubauen. Fehler sind dabei unvermeidlich, entscheidend ist jedoch die Bereitschaft, aus ihnen zu lernen und zu experimentieren. Use Cases vs. PlattformdenkenStephan betrachtet Use Cases als Einstieg und nicht als Endziel. Während sich Plattformansätze für Konzerne lohnen, sollte man im Mittelstand mit überschaubaren Projekten starten und später skalieren. Agentic AI im Mittelstand: Chancen und GrenzenAgentic AI kann die Entwicklungszeit von Proofs of Concept zwar stark verkürzen, eine produktionsreife Umsetzung ersetzt es jedoch nicht. Der Gewinn liegt in der Experimentiergeschwindigkeit und nicht in fertigen Lösungen. Schatten-KI und Risiken im AlltagViele Mitarbeitende nutzen KI bereits, obwohl es noch keine offiziellen Richtlinien gibt. Stephan warnt vor den damit verbundenen Datenschutzrisiken und fordert klare Regeln, Schulungen und Transparenz...

Marketing Analytics bewegt sich zwischen harten Zahlen und menschlichem Bauchgefühl. Tiankai zeigt, wie der 5C-Ansatz dabei hilft, Datenstrategien menschlicher und praxisnäher zu gestalten. Erfahre mehr über die Master Class „Marketing & Sales Analyst” des neuen Sponsors Haufe Akademie unter haufe-akademie.de/analyst. Einführung und Thema der Folge Tim eröffnet die Folge mit Tiankai Feng und stellt das Thema vor: Marketing zwischen Zahlen und Gefühl. Beide wollen zeigen, wie analytische Methoden und menschliche Faktoren in einer datengetriebenen Strategie zusammenspielen. Lerne Tiankai kennen: https://www.linkedin.com/in/tiankaifeng/ Rückblick auf Tiankais Weg: Musik, Adidas, Analytics, BuchautorTiankai berichtet von seiner beruflichen Laufbahn, die bei Adidas im Bereich Social Listening begann. Später wechselte er in Business Intelligence und beriet Unternehmen in Analytics-Fragen. Heute schreibt er Bücher und verbindet technische Expertise mit menschlicher Perspektive. Mehr über Tiankais Wergegang erfährst du auch in dieser Podcastfolge: https://youtu.be/S3oGdWpO9OA?si=y9ZZdVM-IPiLLaC3 Humanizing Data Strategy und neues Buch Humanizing AI StrategySein erstes Buch Humanizing Data Strategy verkaufte sich erfolgreich im Fachbuchmarkt. Aktuell arbeitet er am Nachfolger Humanizing AI Strategy, der den verantwortungsvollen Umgang mit künstlicher Intelligenz behandelt. Beide Werke setzen bewusst den Menschen ins Zentrum technologischer Entwicklungen. Das Buch Humanizing Data Strategy: https://amzn.to/4q5MgnQ Das Buch Humanizing AI Strategy: https://amzn.to/4h3NqvZ Kompetenz: Data Literacy und Business-VerständnisKompetenz umfasst sowohl analytisches Know-how als auch Verständnis für Business-Kontexte. Nur wenn Data Professionals die Sprache der Stakeholder sprechen, können sie Wirkung erzielen. Gleichzeitig müssen Business-Seiten Grundkenntnisse in Daten entwickeln, um den Dialog auf Augenhöhe zu führen. Follow the Pain Approach zur Data LiteracyTiankai stellt den „Follow the Pain“-Ansatz vor: Data-Projekte sollten dort beginnen, wo die größten Schmerzpunkte liegen. Stakeholder mit akuten Problemen sind motivierter für neue Lösungen. Dadurch entsteht schneller Mehrwert und Vertrauen in datengetriebene Arbeit. „Follow the Pain bedeutet, dass man nicht mit Big Bang startet und sagt: ‚Alle müssen jetzt Data Literate werden! Wir machen jetzt eine große Akademie und dann sind alle dabei!‘, sondern dass man mit denjenigen startet, bei denen die Schmerzpunkte am größten sind.“ Business-Wissen im Team: Generalisten vs. BottlenecksEinige Teams bündeln Business-Verständnis in einer zentralen Rolle, andere verteilen es breiter. Tiankai warnt vor Engpässen, wenn nur Einzelne als Schnittstelle fungieren. Nachhaltiger ist es, wenn alle Teammitglieder zumindest grundlegendes Business-Wissen mitbringen. Shadowing und Beobachtung von StakeholdernEin praktischer Ansatz ist das Shadowing, bei dem Analysten den Alltag von Stakeholdern begleiten. So werden Arbeitsweisen, Entscheidungsprozesse und Herausforderungen greifbarer. Oft zeigen sich dadurch Barrieren in der Datennutzung, die vorher verborgen waren. “Aber ja, für ein Shadowing braucht man natürlich zwei Seiten, die damit einverstanden sind.” Kollaboration statt Service-DenkenZusammenarbeit wird häufig als Service...

Daten spielen in der Social-Media-Strategie eine zentrale Rolle, doch oft werden Likes und Reichweite fälschlicherweise als wichtigste Erfolgsindikatoren gewertet. Jens Wiese und Tim erklären, welche Kennzahlen wirklich relevant sind und wie Unternehmen Daten sinnvoll einsetzen können. Daten in der Social-Media-Strategie Tim und Jens beginnen mit der Frage, wie Daten die Grundlage für Social-Media-Strategien bilden können. Sie machen direkt deutlich, dass Likes und Follower keine belastbare Strategie darstellen. [Anzeige] Weiterbildung mit Distart Distart ist einer der führenden, zertifizierten Anbieter geförderter, topaktueller Weiterbildungen zu den Themen Online-Marketing, Digitalisierung und KI. Mehr Informationen findest du unter: https://distart.de/datendurst Wer ist Jens Wiese? Jens erzählt von seiner Rolle als Mitgründer der AllFacebook Marketing Conference. Heute arbeitet er als Berater für Social-Media-Strategie mit Unternehmen jeder Größe zusammen. Lerne Jens Wiese kennen: https://www.linkedin.com/in/jens-wiese/ Likes sind keine Strategie Jens Wiese erklärt, warum Unternehmen oft in die Falle tappen, jede Zahl als KPI zu betrachten. Wirklich relevant sind nur Kennzahlen, die zu den Unternehmenszielen beitragen, etwa Umsatzsteigerung oder Bewerbungen. „Das sind wirklich Zahlen, die aussagen, wie die Performance deines Gesamtunternehmens aussieht. KPI sind aber nicht, wie viele Likes du bekommst, wie viele Fans oder was auch immer du hast, weil deinem Unternehmen geht es nicht besser dadurch, dass du 1000 oder 1500 Fans oder Follower hast.” Unternehmensziele statt isolierter Kennzahlen Social Media sollte nicht isoliert betrachtet werden, sondern muss zu den langfristigen Unternehmenszielen beitragen. Dazu gehören beispielsweise Umsatzsteigerung, Recruiting oder Kundenzufriedenheit. Das ACCRA-Framework als Orientierung Tim stellt das ACCRA-Framework mit den Kategorien Awareness, Consideration, Conversion, Retention und Advocacy vor. Es schafft eine klare Struktur, um KPI entlang der Customer Journey zu verorten. „Ja, und da sehe ich immer, dass es einfach viel zu kurz gedacht wird. Also es wird immer dieser erste Aspekt, hey, ich möchte die Aufmerksamkeit haben, der wird hochgehalten, aber alles, was dahinter kommt, überhaupt nicht mehr beachtet, ja, oder auch nur weiter bearbeitet.” Silodenken und fehlende Schnittstellen Oft bleibt Social Media in einem eigenen Silo gefangen. Dadurch fehlen Verbindungen zwischen den Bereichen Marketing, Vertrieb, HR oder Kundenservice. Praxisbeispiele für Datennutzung Jens zeigt, wie Leads aus Social Media in CRM-Systeme oder Newsletter überführt werden können. Wichtig ist, Daten nicht nur zu sammeln, sondern sie auch aktiv weiterzuverarbeiten. Paid vs. Organic Social Organische Reichweite ist volatil und schwer planbar. Mit Paid-Kampagnen lassen sich dagegen verlässliche Ergebnisse und messbare Conversions erzielen. „Diese hohen Erwartungen, die es an Organic gibt, kann ich überhaupt nicht unterstreichen, weil das Organic am Ende ja eine Blackbox ist. Ich schmeiße da was rein und je nachdem, wie der Algorithmus heute drauf ist, bekomme ich entweder irgendwie Reaktionen oder aber auch mal keine.” Reichweite und Relevanz differenzieren Reichweite ist nur dann wertvoll, wenn sie die richtige Zielgruppe erreicht. Entscheidend ist die Qualität der Kontakte, nicht ihre Masse. Qualität von Likes und Engagement Likes sind erst strategisch...

Tim spricht mit Levi über gängige Missverständnisse im Social Listening. Gemeinsam räumen sie mit Mythen auf und stellen effektive Methoden vor. Social-Listening-Mythen, die du kennen solltestTim begrüßt Levi von CURE Intelligence. Er arbeitet seit vielen Jahren im Bereich Media Listening und Data Engineering. Gemeinsam sprechen sie über die Entwicklung von Social Listening und darüber, warum es mehr ist als reines Monitoring. Lerne Levi kennen: https://www.linkedin.com/in/leviveiga/ Wer ist Levi Távora Veiga?Levi berichtet von seinen Anfängen als Werkstudent bis hin zu seiner heutigen Position als Managing Director bei CURE Intelligence. Das Unternehmen bietet Leistungen in den Bereichen KI-Anwendungen, Data Engineering und Digital Marketing an. Lerne das CURE Intelligence kennen: https://www.linkedin.com/company/cure-intelligence/ Was Social Listening eigentlich istBeim Social Listening wird bewusst gelauscht, was Stakeholder im Internet über Marken, Produkte oder Themen sagen. Dazu zählen Wortmeldungen in Social Media, aber auch Foren, Bewertungsportalen, News-Seiten und vielen weitere Quellen. [Anzeige] Weiterbildung mit Distart Distart bietet auch geförderte Weiterbildungen zum Thema „Social Media Listening“ an. Einblicke in die Praxis sind ebenfalls Teil des Angebots. Mehr Infos gibt es unter: https://distart.de/datendurst Unterschied zwischen Social Listening und Social MonitoringMonitoring beschreibt die reine quantitative Beobachtung, bei der Daten gesammelt und ausgewertet werden. Listening geht einen Schritt weiter, da es Daten interpretiert, Handlungsempfehlungen ableitet und strategische Relevanz schafft. „Also für mich ist Social Listening das Aktive, also wirklich das bewusste Zuhören, was nicht nur meine Kunden, sondern was meine Stakeholder über mich und meine Produkte im Internet sagen.“ Mythos 1: Social Listening funktioniert ohne Sparring zwischen Business und AnalystOhne klare Geschäftsziele und abgestimmte Anforderungen zwischen Fachabteilung und Analysten können keine belastbaren Ergebnisse erzielt werden. Es müssen Business-Know-how und technische Umsetzung zusammenkommen. Mythos 2: Shitstorms lassen sich auch im Nachhinein analysierenDas ist nur bedingt möglich. Wer die Daten nicht während des Ereignisses erfasst, muss entweder historische Daten teuer zukaufen die zwangsläufig Lücken aufweisen oder hat gar keine Datenbasis . Mythos 3: Engagement ist immer gutNicht jede Interaktion ist wertvoll. Um positives von schädlichem Engagement zu unterscheiden, sind Sentiment, Zielgruppen-Fit und Kontext entscheidend. „Das heißt, nicht jedes Engagement ist gut. Beispielsweise spreche ich hier von der Bierbranche. Die generieren unheimlich viel Engagement.“ Mythos 4: Ein einmal aufgesetztes Setup hält für immerDatenquellen, Keywords, Schnittstellen und das Nutzerverhalten ändern sich ständig. Ein Setup muss deshalb kontinuierlich gepflegt werden. Mythos 5: Social Listening kann jederGrundkenntnisse sind schnell erworben, für belastbare Reports braucht es jedoch Erfahrung, Training und ein Verständnis für Datenquellen und den Business-Kontext. „Es kann jeder lernen. Ich sage mal so: Jeder hat schon mal Berührungspunkte damit, sogar privat und ohne dass er in einem Unternehmen arbeitet, das Social Listening macht.“ Mythos 6: Alle Social-Media-Reports können mit Social-Listening-Tools abgebildet...

Marco Geuer spricht mit Tim darüber, wie Unternehmen Data- und AI-Strategien systematisch aufbauen sollten. Statt blindem Aktionismus geht es um Business Cases, Datenqualität und cross-funktionale Teams. Einführung ins Thema Tim spricht mit Marco Geuer über die Frage, wie Unternehmen Data und AI strategisch und ganzheitlich angehen können. Der Fokus liegt dabei auf Struktur statt blindem Hype. Wer ist Marco Geuer? Marco ist seit über 25 Jahren im Bereich Data und AI aktiv. Zuletzt war er als Global Head of Data Strategy & AI Solutions bei Fiege tätig. Heute ist er Partner bei Blueforte und berät Unternehmen in Fragen der Datenstrategie. Lerne Marco Geuer kennen: http://linkedin.com/in/marco-geuer-the-data-economist/ AI in der Praxis: Von Aktionismus bis Governance-Risiken Auf den Hype um AI reagieren viele Unternehmen mit Aktionismus. Marco sieht die Gefahr, dass die Themen Datenschutz und Governance ohne eine entsprechende Strategie übergangen werden. GenAI auf „Microsoft-Office-Level“ Zwischen Begeisterung und Überforderung: GenAI wird wie Microsoft Office genutzt und das mal auf gute, mal auf schlechte Art und Weise. Dadurch bleibt die Differenzierung zwischen Unternehmen gering. Auch spannend: Warum du für ChatGPT optimieren solltest: https://youtu.be/EP_S8__LoJM?si=qLrQjV1KmNPZdD0U Datenschutz und Governance beim Einsatz von Agenten Wenn sensible Daten ohne Kontrolle weitergegeben werden, bergen automatisierte Agenten Risiken. Marco plädiert deshalb für klare Governance-Strukturen. AI ist kein Feature, sondern ein Prinzip Laut Jörg Hirt, Chief Innovation Manager bei der REWE Digital GmbH, darf AI nicht als isoliertes Tool verstanden werden. Unternehmen benötigen Baukästen und Plattformen. „Wer bei KI immer noch an Use Cases denkt, hat den Schuss nicht gehört.” Mehr dazu unter: https://www.linkedin.com/posts/joerg-hirt_ai-kifirst-innovation-activity-7332450400505110528-c9Ny Unternehmensstrategie als Basis für AI-Strategie Marco betont, dass die Planung von Data und AI im Kern die Planung der Unternehmensstrategie bedeutet, deren Grundlage Vision, Mission und langfristige Ziele sind: „Wenn du dich mit Data und AI Strategie beschäftigst, dann beschäftigst du dich ja eigentlich mit Unternehmensstrategie.“ Datenproduktion vs. klassische Produktion Im Vergleich zur industriellen Fertigung fehlt es in Datenprojekten oft an Standardisierung. Ohne Standardisierung lassen sich jedoch keine skalierbaren Lösungen entwickeln. So standardisierst Du im ersten Schritt Deine Dashboards: https://www.youtube.com/watch?v=qA3B5o0Zvuo Cross-funktionale Teams statt Kunden-Lieferanten-Denken Silos bremsen die Transformation. Erst wenn Business und IT gemeinsam an Prozessen arbeiten, entstehen funktionierende Lösungen. Kultur, Hierarchie und internationale Unterschiede In asiatischen Ländern wird kollektivistischer gearbeitet und schneller umgesetzt. Im Westen stehen dagegen oft individuelle Ziele und Hierarchien im Weg. OKRs und multidimensionale...

Ist „datengetrieben“ wirklich der passende Begriff? Sebastian Wernicke erklärt, warum er den Begriff „data inspired“ bevorzugt und wie Unternehmen Daten tatsächlich nutzen sollten. Im Gespräch mit Tim geht es um Datenmythen, kulturelle Hürden und praktische Tipps für die Transformation. Wer ist Sebastian Wernicke? Seit über 20 Jahren arbeitet Sebastian an der Schnittstelle von Daten, Organisation und Wertschöpfung. Im Podcast teilt er seine Sicht auf die strategische Nutzung von Daten. Lerne Sebastian kennen: https://www.linkedin.com/in/wernicke/ Das Buch „Data Inspired“ In „Data Inspired“ zeigt Sebastian, warum datengetriebenes Arbeiten eher eine Kulturfrage als ein Technologiethema ist und was Unternehmen oft missverstehen. Das Buch findest du hier: https://www.vahlen.de/wernicke-data-inspired/product/35418267 [Anzeige] Weiterbildung mit Distart Es gibt flexible, förderfähige Online-Kurse rund um KI, Daten und digitales Marketing. Tim hält dort auch regelmäßig Live-Sessions ab. Mehr zu Distart: https://www.distart.de/datendurst Kritik am Begriff „datengetrieben“ Der Begriff weckt falsche Erwartungen: Daten sollten keine Entscheidungen übernehmen, sondern diese lediglich unterstützen. Datenmythen: Eindeutigkeit, Interpretation, Klarheit Daten sind nicht objektiv, sondern interpretationsbedürftig. Drei typische Missverständnisse behindern ihre produktive Nutzung. Daten als Gesprächsanlass, nicht als Lösung Daten liefern nur selten eindeutige Antworten. Sie helfen jedoch dabei, die richtigen Fragen zu stellen und Perspektiven zu klären. Kultur vor Architektur: Der echte Hebel für Transformation Technische Systeme allein reichen nicht aus. Erst wenn Kultur und Entscheidungsprozesse datenoffen sind, kann eine Transformation gelingen. Mehr zu Daten und Kultur: https://youtu.be/4ng046uNIAE?si=-rhx4zG53bea8t2I Die Rolle des Chief Data Officers Ein CDO benötigt ein Mandat, ein Netzwerk und eine Einbindung. Wer das Thema lediglich delegiert, wird oft scheitern. Daten als bilanzierbares Asset Daten werden zunehmend als wirtschaftliches Gut behandelt. In Projekten lohnt es sich daher, ihren potenziellen Wert zu betrachten. Welche Daten gelöscht werden sollten Nicht alle Daten sind nützlich. Veraltete oder unstrukturierte Informationen verursachen in der Regel nur Kosten. Die vier Reiter der Daten-Transformation Sebastian nennt vier typische Hürden bei der organisatorischen Nutzung von Daten und zeigt auf, wie man ihnen begegnen kann. Mit Daten und Kreativität zum Erfolg: https://youtu.be/I_uvUjL3ICg?si=l2EGDE_nigGDg8-e Leuchtturmprojekte als Fehleinschätzung Einzelne Vorzeigeprojekte erzielen oft keine nachhaltige Wirkung, da sie selten die gesamte Organisation überzeugen. Warum viele Prototypen scheitern Viele gute Ideen scheitern, weil sie nie für den produktiven Einsatz gedacht waren und wichtige Anforderungen ignorieren. Der menschliche Faktor in der Datenarbeit Technik allein löst keine Konflikte. Ohne die Einbindung der Menschen bleibt jeder Use Case eine...

Smarter Kundenservice durch KI? Wie funktioniert das konkret? Ralf Mühlenhöver spricht mit Tim über echte Use Cases entlang der gesamten Customer Journey: Vor, während und nach dem Kontakt. Wer ist Ralf Mühlenhöver? Ralf ist seit 25 Jahren im Bereich Customer Experience und Technologie aktiv, hat zwei Unternehmen gegründet und verkauft. Heute arbeitet er freiberuflich als Berater mit Fokus auf Technologie im Kundenservice. Lerne Ralf kennen: https://www.linkedin.com/in/ralfmuehlenhoever/ Use Cases: Vor dem Kundenkontakt Kundendaten helfen, Servicekontakte im Vorfeld zu vermeiden. Das Teilen von Daten und Informationen zwischen Marketing, Logistik und Kundenservice verbessert die Planung und Reaktionsfähigkeit. „The best service is no service“: Fehler präventiv vermeiden Auch wenn diese Redewendung vielleicht ein Fiebertraum ist: Wenn alle Abteilungen gut zusammenarbeiten, wird Kundenkontakt oft überflüssig. Durch Daten und Kommunikation lassen sich viele Probleme voraus ahnen und vermeiden. „Fehler passieren überall. Wenn wir es aber schaffen, diese Daten frühzeitig zu nutzen, dann können wir uns darauf einstellen, was passiert.” Predictive Analytics: Kaffeemaschinen & Lifecycle-Angebote Mit Predictive Maintenance und Daten aus dem IoT-Umfeld können Unternehmen passende Cross- und Upselling-Angebote automatisieren. Beispiel: Nespresso nutzt Lebensdauer-Prognosen für gezieltes Marketing. Intent-Erkennung und Dunkelverarbeitung KI erkennt den Zweck einer Anfrage automatisch. Standardanfragen wie „Where is my order?“ können komplett automatisiert und direkt beantwortet werden. Agentische KI vs. klassische Automatisierung „Agentic AI“ steht für KI-gesteuerte Prozessketten. Wo heute noch einfache Automatisierung hilft, übernehmen künftig autonome Systeme ganze Abläufe. „Agentische KI [...] hat irgendwie nichts mit dem Agenten im Callcenter zu tun, sondern es ist tatsächlich ein Wort, was sich jetzt neu prägt, wo es darum geht, komplette Prozesse durch eine Maschine erledigen zu lassen.” Empathie: Mensch vs. KI im Sales Auch wenn KI nur Empathie simuliert, wird sie teils als einfühlsamer wahrgenommen als echte Mitarbeiter: Je nach Kontext ein Vorteil oder Risiko im Sales-Prozess. Hyperpersonalisierung mit CDPs Statt grober Zielgruppenansprache ermöglichen Customer Data Platforms (CDPs) individuelle Kommunikation auf Basis historischer Kundendaten: Automatisiert und skaliert. „Aufgrund der Menge der Daten, die ich im CRM oder in meiner Customer Data Platform, CDP, über dich gesammelt habe, kann ich dann eben auch individualisierte Angebote machen.” AI-Shoring: Vom Callcenter zur Cloud Unternehmen lagern Services zunehmend in Near- und Offshore-Regionen aus. Das geschieht inzwischen nicht mehr nur menschlich, sondern KI-basiert. Ralf spricht hier von „AI-Shoring“. Missbrauchspotenziale durch Voicebots Tools wie Blend.ai bieten aggressive Automatisierung im Outbound. Daraus entsteht auch ein hohes Missbrauchspotenzial für Scam-Calls. Schutzmechanismen und Regulationen sind gefragt. Kundenrouting & Voice Verification: Auslaufmodell? Sprachbiometrie war lange ein Sicherheitsfeature. Doch in Zeiten stimmgenerierender Tools und Deep Fakes wird diese Verifikationsmethode angreifbar. Alternativen sind gefragt. Echtzeitübersetzung bei Booking.com & Google Live-Übersetzung ermöglicht internationalen...

ChatGPT, AI Overviews und GEO: Alles nur Buzzwords? Oder verändert sich die Sichtbarkeit in Suchmaschinen gerade? Stefan Kiecker spricht mit Tim über den Stand bei Generative Engine Optimization (GEO) und erklärt, warum 90% davon nach wie vor klassisches SEO bleibt. Wer ist Stefan Kiecker und was macht SEOCATION? Stefan ist Senior SEO Consultant bei SEOCATION. Sein Fokus liegt auf technischem SEO, insbesondere bei datengetriebenen und KI-bezogenen Themen. Lerne Stefan kennen: https://www.linkedin.com/in/stefan-kiecker/ Lerne SEOCATION kennen: https://www.linkedin.com/company/seocation/ Personal Branding mit der „SEO-Brille" Auf LinkedIn ist Stefan bekannt für seinen augenzwinkernden Auftritt mit der pixeligen SEO-Brille. Ein Beispiel, wie humorvolles Personal Branding Reichweite schafft. Was bedeutet „Ohne SEO kein GEO"? Trotz des KI-Trends bleibt SEO die technische Grundlage für Sichtbarkeit. 90 % der Optimierung für AI-Overviews oder ChatGPT-Antworten basieren weiterhin auf klassischem SEO. [Anzeige] Weiterbildung mit Distart Distart bietet geförderte Weiterbildungen zu Marketing, Digitalisierung und KI an. Auch mit Einblicken aus der Praxis. Mehr Infos unter: https://distart.de/datendurst Kritik am GEO-Hype: Sales-Fokus statt Substanz Der Begriff GEO (Generative Engine Optimization) wird aktuell von vielen Marketing-Anbietern genutzt. Häufig ohne echtes technisches Verständnis. Hier geht’s zur Begriffsfindung mit Olaf Kopp: https://bit.ly/40rGTE0 Wie funktionieren AI Overviews technisch? Google nutzt eigene Suchergebnisse, um AI-Overviews zu generieren. Dabei können auch irrelevante Quellen von hinteren Suchergebnisseiten einfließen. Schau dir auch den Beitrag von Matthäus Michalik an: https://bit.ly/44E1U0F Warum Suchmaschinen durch KI nicht abgelöst werden Chatbots wie ChatGPT verwenden Suchmaschinen als Basis für Antworten. Die klassische Websuche bleibt damit zentral für die Sichtbarkeit. Fehlerquellen bei AI Overviews und ChatGPT Falsche Antworten, veraltete Daten oder sogar absurde Empfehlungen wie „Klebstoff essen” zeigen die Grenzen aktueller Systeme. Product Feeds und geplante Werbung in ChatGPT Künftig sollen Unternehmen eigene Datenfeeds für KI-Systeme bereitstellen können. Auch Werbung in ChatGPT ist bereits angekündigt. Begriffswirrwarr: GEO, LLMO, AIO & Co. Die Szene diskutiert Begriffe wie GEO, LLMO (Large Language Model Optimization) oder AIO. Doch am Ende wird sich der Begriff durchsetzen, den die meisten nutzen. Hier geht es zur Begriffsdiskussion: https://bit.ly/44DHe98 Literatur zu Grounded Theory: https://bit.ly/3G16NI0 https://bit.ly/4lrMXV3 https://bit.ly/4klrjB8 Google Trends Analyse: Was setzt sich durch? Daten zeigen: GEO erlebt weltweit einen massiven Anstieg an Suchinteresse. LLMO wird bislang...

Wie wird man Chief Data & Analytics Officer (CDAO) bei einem internationalen Unternehmen wie L’Oréal? In dieser Folge spricht Tim mit Franziska über ihren Karriereweg, aktuelle Herausforderungen im Team und warum ein Umzug ein gutes Beispiel für Transformation ist. Intro & Vorstellung Franziska Eickhoff Franziska ist Chief Data & Analytics Officer für Deutschland, Österreich und die Schweiz bei L’Oréal. Im Podcast stellt sie sich vor und gibt erste Einblicke in ihre Rolle. Erfahre mehr über Franziska: https://www.linkedin.com/in/franziska-eickhoff/ Aktuelle Karrieremöglichkeiten bei L’Oréal: https://careers.loreal.com/de_DE/content/Home Einstieg in die CDAO-Rolle bei L’Oréal Nach zwölf Jahren in der Energiebranche verbindet Franziska bei L’Oréal ihre Datenerfahrung mit der Begeisterung für Beauty. Führung, Strategie und Kommunikation prägen ihre neue Rolle. Vom Energiesektor zur Beautybranche Die Datenarbeit bleibt ähnlich, aber das Marktumfeld ist deutlich dynamischer. Schnellere Trends und stärkere Kundennähe erfordern mehr Flexibilität. Datenarbeit entlang der Wertschöpfungskette Ihr Team begleitet Daten von der Produktion über die Logistik bis zur Marketingkampagne. Ziel ist es, datenbasierte Entscheidungen in allen Bereichen zu unterstützen. Drei zentrale Datenbereiche bei L’Oréal L’Oréal strukturiert Datenprozesse in Operations, Retail/E-Commerce und Marketing. Jeder Bereich bringt spezifische Herausforderungen mit sich. Teamstruktur und Spezialisierung Die Teammitglieder sind bisher nach Marken gegliedert, sollen künftig aber entlang der Geschäftsprozesse organisiert werden. So entstehen mehr fachliche Tiefe und Synergien. Aufgabenverteilung zwischen Analysten und Engineers Es gibt eine Mischung aus cross-funktionalen Leads und spezialisierten Rollen pro Bereich. So bleibt das Team technisch fundiert und gleichzeitig nah an den Fachabteilungen. Karriereweg zur Führungskraft im Data-Bereich Franziska berichtet von ihren Anfängen, früher Führungsverantwortung und wie sie ihr Digital-Team aufgebaut hat. Unterstützung und strukturiertes Lernen waren entscheidend. Lernen, Weiterentwicklung und Unternehmenskultur Onboarding und Führungstrainings bei L’Oréal helfen dabei, das Unternehmen und seine Kultur zu verstehen. Das Wissen um die „Wurzeln“ der Organisation ist essentiell für erfolgreiche Veränderungen. Tagesablauf als CDAO Franziskas Alltag besteht aus Teamführung, Projektabstimmungen und strategischer Planung. Zeitfenster für konzentriertes Arbeiten sind fest im Kalender eingeplant. Strategische Führung und internationale Abstimmung Sie arbeitet eng mit europäischen und globalen Data-Teams zusammen. Das Ziel: nationale Anforderungen mit internationalen Standards verbinden. Zukunftsmodell: Zentrale Zusammenarbeit in Europa Franziska plant mehr gemeinsame Datenlösungen mit anderen Ländern. Das lokale Team bleibt, aber die Entwicklung wird vernetzter und zentraler gedacht. Transformation erklärt am Beispiel eines Umzugs Der Wandel wird wie ein Umzug beschrieben: aussortieren, packen, transportieren – bei laufendem Betrieb. Das Ziel ist ein gemeinsames „Mehrfamilienhaus“ für alle Datenlösungen. Typische operative Herausforderungen im Datenteam Fehlende Datenlieferungen, technische Fehler oder manuelle Prozesse gehören leider zum Alltag. Monitoring und pragmatische Lösungsansätze helfen...

Wie entwickelt sich der Arbeitsmarkt für Data- und Analytics-Talente? Und was macht Unternehmen wirklich attraktiv für diese Zielgruppe? Tim Verhoeven von Indeed liefert datenbasierte Antworten zu diesen und weiteren Themen, darunter Jobtrends und „Work Wellbeing”. Wer ist Tim Verhoeven und was ist Talent Intelligence? Tim ist als Senior Manager für Talent Intelligence bei Indeed tätig. Er befasst sich mit datenbasierten Entscheidungen in den Bereichen HR und Talentstrategie. Lerne Tim kennen: https://www.linkedin.com/in/tim-verhoeven83/ Podcast HR Data Dudes: Datenbasierte HR-Optimierung In dem Podcast „HR Data Dudes“ diskutiert Tim mit anderen Fachleuten darüber, wie HR mithilfe von Daten fundierter handeln kann. Das Ziel besteht darin, bauchgefühllastige Entscheidungen abzulösen. Hier geht’s zum Podcast: https://hr-data-dudes.blogs.audiorella.com/ Der Datenschatz in HR und wie man ihn hebt Viele Unternehmen verfügen über wertvolle HR-Daten, sind sich dessen jedoch nicht bewusst oder nutzen sie nicht. Talent Intelligence hilft dabei, diese Daten zu analysieren und praktisch zu nutzen. Was bedeutet Talent Intelligence konkret im HR-Kontext? Der Begriff umfasst alle datenbasierten Handlungen in den Bereichen Recruiting, Retention und Talentmanagement. Ziel ist es, fundierte Entscheidungen über Mitarbeitende zu treffen. [Anzeige] Sponsor: Weiterbildung mit Distart Distart bietet geförderte Online-Weiterbildungen zu den Themen Marketing, Digitalisierung und KI. Auch Praxis-Sessions mit Expert:innen sind Teil des Angebots. Erfahre mehr zu Distart: https://www.distart.de/datendurst Arbeitsmarktdaten bei Indeed: Vier Datencluster Um Einblicke in den Arbeitsmarkt zu gewinnen, nutzt Indeed Verhaltens-, Hintergrund-, Profil- und Forschungsdaten. Durch das Crawlen externer Jobquellen ist die Datenbasis besonders umfassend. Hiring Lab und Open Source Datenportal Das Hiring Lab ist das Arbeitsmarktforschungsinstitut von Indeed. Neben klassischen Reports bietet es auch ein Open-Source-Datenportal mit regelmäßig aktualisierten Marktkennzahlen. Das Hiring Lab: https://www.hiringlab.org/de/ Das Datenportal: https://data.indeed.com/#/ Nutzung der Daten für Benchmarks und Marktanalysen Unternehmen nutzen die offenen Daten von Indeed, um ihre eigene Recruiting-Leistung einzuordnen. So lassen sich die Effekte von Kampagnen objektiv bewerten. Remote-Quote: Entwicklung und Bubble-Fallen Während die Gesamt-Remote-Quote seit eineinhalb Jahren stagniert, ist sie in der Tech- und Datenbranche deutlich höher. Die persönliche Wahrnehmung wird oft durch die eigene Blase verzerrt. Remote-Anteil im Data- und Analytics-Bereich In der Kategorie „Data & Analytics” sind etwa 46–48 % der Jobs remote möglich. Zum Vergleich: In Gesamtdeutschland liegt der Anteil bei rund 15 %. Entwicklung des Fachkräftemarkts seit 2020 Nach einem Rückgang während der Corona-Pandemie stieg die Nachfrage nach Data-Talenten rasant an. Seit 2022 ist das Niveau wieder gesunken, was unter anderem auf wirtschaftliche Unsicherheit und KI-Substitutionseffekte zurückzuführen ist. Jobtypen im Vergleich: Analyst, Scientist, Engineer Im Vergleich haben...

Sichtbarkeit im Netz folgt neuen Spielregeln. Tim spricht mit Robin Reuschel darüber, wie KI zur Gatekeeperin geworden ist und welche Auswirkungen das auf deinen Content hat. Gemeinsam zeigen sie dir, welche Tools, Formate und Denkweisen jetzt zählen, damit du in der Welt von ChatGPT & Co. sichtbar bleibst. Begrüßung und Vorstellung Robin wird als heutiger Gast eingeführt mit Einblicke in seinen Hintergrund zwischen Finanzmathematik, Strategieberatung und Technologie. Vernetze dich mit Robin: https://www.linkedin.com/in/rreuschel/ Oder schau dir sein Unternehmen an: https://roover.eu/ [Anzeige] Hinweis auf den Sponsor Tim erklärt dir, was du tun kannst, um deine Skills zu verbessern. Eine Möglichkeit: Distart bietet dir viele verschiedene geförderte Weiterbildungen zu Online-Marketing, KI und Social Media. Erfahre mehr zu Distart: https://www.distart.de/datendurst Warum SEO nicht mehr funktioniert Robin erläutert, weshalb klassische SEO-Strategien heutzutage und zukünftig an Wirksamkeit verlieren und welche Rolle ChatGPT im Suchprozess spielt. Kaufentscheidungen mit KI Von Produktempfehlung bis zur finalen Entscheidung: Anhand eines persönlichen Beispiels beschreibt Robin, wie Kaufprozesse zunehmend an KI ausgelagert werden. Gemini und die neue Suchlogik Ein Blick auf Googles KI „Gemini” zeigt die veränderte Darstellung von Suchergebnissen, die immense Auswirkungen auf Traffic und Sichtbarkeit hat. Der Beitrag von Fabian dazu: https://www.linkedin.com/posts/fabianjaeckert_seo-google-aioverviews-activity-7321431019591524353-f7GR/ Neue Wettbewerber im KI-Suchmarkt Neben Google drängen mit neuen Suchgewohnheiten und technologischem Potenzial auch Meta AI, Perplexity und andere Anbieter auf den Markt. KI als strengere Gatekeeperin Robin erläutert, warum KI viel selektiver filtert als klassische Suchmaschinen, wodurch sich eine reduzierte Ergebnisvielfalt und ein höherer Bias ergeben. Urheberrecht und Content-Verwertung Diskussion über den Einfluss von KI auf Inhalte, Urheberschaft und Monetarisierung – inklusive der Kritik von Mario Fischer. Mario Fischer zu KI und Urheberrecht: https://www.linkedin.com/posts/mariofischer_das-ist-kein-ai-overview-mehr-was-google-activity-7321413100744712192-UfrG Rankingverlust trotz Google-Topposition Kerstin Schiefelbeins Case zeigt, dass klassische Rankings kaum noch eine Rolle spielen, wenn KIs eigene Antworten generieren. Die Case Study von Kerstin zu KI und Google Rankings: https://bit.ly/45uyp2k Wie KI Inhalte finden und bewerten Wie genau funktioniert der technische Ablauf einer KI-Suche? Robin erklärt den Prozess von der Intent-Erkennung über die semantische Extraktion bis hin zum Retrieval aus mehreren Quellen. Strategien für KI-Optimierung Entscheidend sind folgende Kriterien: Crawlbare Inhalte, Chunking, Autorität durch Referenzen und Aktualität. Hinweis: Beim...

Wie lässt sich die volle Datenpower in Social Media heben? Was lernen Marken aus Kommentaren, Creatives und Performance? Till Weyerhäuser von Mawave erklärt, wie sie datengetrieben Content und Kampagnen optimieren – von ATU bis Red Bull. Mehr als Views: Welche Social-Daten zählen Social Media liefert mehr als Klicks und Conversions: Es bietet direktes Nutzerfeedback. Kommentare und Reaktionen geben wertvolle Hinweise für gezielte Optimierungen. Wer ist Till Weyerhäuser und was macht Mawave? Till ist Growth Lead bei Mawave und entwickelt datengetriebene Strategien für Marken wie Lidl, Red Bull und HelloFresh. Mawave konzentriert sich auf Social Media – mit Fokus auf Performance und kreative Kommunikation. Lerne Till kennen: https://www.linkedin.com/in/till-weyer/ Datenvielfalt: Feedback, Creatives, Sentiment Neben Zahlen analysiert Mawave auch das Stimmungsbild in Kommentaren. So wird das Markenimage messbar und gezielt steuerbar. [Anzeige] Sponsor: Distart Weiterbildung mit Praxisbezug Tim stellt Distart vor – geförderte Weiterbildungen zu Online-Marketing, KI und Social Media. Er gibt dort regelmäßig Live-Sessions mit Praxisfokus. Mehr zu Distart: https://www.distart.de/datendurst Creative Case: ATU-AstroTV Reel bringt die Wende im Sentiment Ein humorvolles Reel im AstroTV-Stil generiert virale Reichweite und verbessert das Sentiment rund um ATU. Die Community reagiert kreativ auf alte Vorurteile. Der Trend stammt von dear_nithi: https://www.tiktok.com/@dear_nithi / https://www.instagram.com/dear_nithi Plattformverhalten: TikTok vs. Instagram Virale Inhalte starten meist auf TikTok und landen später auf Instagram. Die Performance ist ähnlich – mit zeitlichem Versatz. Content-Entwicklung: Mischung aus Bauchgefühl und Daten 70 % der Inhalte basieren auf Daten, 30 % auf Plattformverständnis und Intuition. Besonders kreative Formate entstehen durch Teammitglieder mit tiefem Plattformwissen. Content-Abstimmung auf Zielgruppen Erfolgreicher Content passt zur Zielgruppe des Profils. Stilbrüche können der Performance schaden. Mawave achtet auf Konsistenz im Auftritt. Paid Insights: UGC vs. Static Ads UGC sorgt für mehr Aufmerksamkeit und günstigere Ausspielung, statische Ads bringen oft bessere Conversions. Mawave kombiniert beides entlang des Funnels. Data Warehouse: Struktur, Benchmarking, Automatisierung Ein zentrales Data Warehouse bündelt Kampagnendaten, speist Dashboards und ermöglicht kanalübergreifende Learnings. Warum ist es so schwer, Social Media und Analytics zusammenzubringen? Daniel Zoll hat eine Antwort: https://youtu.be/069RsspTX9E?si=X0Lm8VASCjrLqHmP Predictive & Alerts: Performance-Signale früh erkennen Slack-Alerts und automatisierte Hinweise machen Trends und Abweichungen schnell sichtbar - für schnelleres Reagieren. Data Team: Praxisnah, lean, performanceorientiert Das Datenteam arbeitet eng mit Performance-Units. Plattform-Erfahrung kombiniert mit Datenanalyse-Skills ist der Schlüssel für Hammer Performance. Social als Feedback-Kanal: Kommentare analysieren Kommentare liefern qualitative Insights. Mawave nutzt sie zur...

Tim stellt Datendurst strategisch neu auf. In dieser Solo-Folge erklärt er, was bleibt, was geht und warum sich der Podcast in Zukunft stärker auf Audio fokussieren wird. Vorschau: Spannender Besuch in der nächsten Folge In der nächsten Folge begrüßt Tim Till Weyerheuser von Mawave. Er zeigt, wie man das volle Potenzial von Daten aus organischen und bezahlten Social-Media-Kanälen ausschöpft. Mit Einblicken aus der Zusammenarbeit mit Marken wie Red Bull, ATU und Outfittery bringt Mawave jede Menge Know-how mit. Zuhören lohnt sich! [Anzeige] Kooperation mit Distart Zum ersten Mal wird der Podcast von einem Sponsor unterstützt: Distart bietet geförderte Weiterbildungen zu digitalen Themen und Online-Marketing an. Tim selbst moderiert dort Live-Sessions - eine enge Verbindung von Praxis und Bildung. https://www.distart.de/datendurst Was der Podcast wirklich kostet Die Analyse der Produktionskosten ist ernüchternd: Ein Jahr Datendurst kommt finanziell einem Neuwagen gleich. Der erhoffte Return on Investment durch Kundenaufträge ist bisher ausgeblieben, eine Kurskorrektur ist notwendig. Was ankommt: Inhalte, die Reichweite bringen Besonders erfolgreich sind Episoden mit klaren Themenschwerpunkten und spannenden Persönlichkeiten aus bekannten Unternehmen wie RTL oder der Telekom. Auf LinkedIn erzielen Thumbnails mit starken Zitaten die größte Aufmerksamkeit - ein Kanal, der gezielt bespielt wird. Tschüss Kurzclips: Warum das Format nicht überzeugt Tim verabschiedet sich von experimentellen Videoformaten für TikTok, Instagram und YouTube Shorts. Der Aufwand steht in keinem Verhältnis zum Ergebnis - weder Engagement noch Reichweite konnten überzeugen. Neues Setup: Weniger Video, mehr Klarheit Künftig liegt der Fokus auf dem Audioformat - auch auf YouTube. Nur besonders relevante Episoden werden zusätzlich visuell aufbereitet und bei positiver Entwicklung ist ein wöchentlicher Rhythmus nicht ausgeschlossen. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: paypal.me/datendurst 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬

Was passiert, wenn PR, Marketing und Branding eines Großkonzerns beschließen, mit einer gemeinsamen Datenbasis zu arbeiten? Winfried Ebner erzählt, wie die Telekom diesen Wandel organisiert hat - und warum Daten allein nicht ausreichen, um die Zusammenarbeit wirklich zu verändern. Strategie statt Aktionismus: Warum man mit Denken beginnen sollte Bevor Daten verarbeitet oder Dashboards gebaut werden, braucht es ein gemeinsames Verständnis der Prozesse und Zielwirkungen in der Kommunikation. Ohne dieses Fundament führt technische Umsetzung oft ins Leere. Agilität in der Praxis: Sprints und klare Zuständigkeiten Kurze Arbeitszyklen halfen dabei, Fortschritte sichtbar zu machen. Gleichzeitig braucht es Führungskräfte, die das Team gegen äußere Einflüsse abschirmten. Wenn Daten die Deutungshoheit infrage stellen Nicht jede Führungskraft begrüßt Daten als Entscheidungshilfe. Die Sorge, an Einfluss zu verlieren, kann Veränderung bremsen. Wer Winfried Ebner ist – und was Corp.Com bei der Telekom bedeutet Winfried bringt wissenschaftlichen Hintergrund und Konzernpraxis zusammen. Corp.Com steht für die Gesamtkommunikation der Telekom auf Konzernebene. Trinity-Projekt: Drei Disziplinen, ein Ziel PR, Marketing und Marke wurden in einem Projekt organisatorisch verbunden. Das Ziel: eine gemeinsame Datenbasis und abgestimmte Steuerung. Konsens finden: So entstehen gemeinsame KPI Unterschiedliche Fachbereiche hatten teils widersprüchliche Metriken. Die Herausforderung bestand darin, diese in einem konsistenten Set zusammenzuführen. Wenn Analyse auf Realität trifft: Konfliktpotenziale im Projekt Widersprüche zwischen Datenlogik und Fachbereichswissen führten immer wieder zu Spannungen – ein typisches Muster in Transformationsprojekten. Datengetrieben – aber nicht datenvergessen Automatisierung ist hilfreich, aber nicht ausreichend. Menschen und Kontexte bleiben entscheidend für Interpretation und Entscheidung. Iterativ zum Reporting: Der Wert kontinuierlicher Entwicklung Ein fertiges System entstand nicht auf einmal, sondern in Etappen. Die Daten wurden schrittweise eingebunden und strukturiert. Das Treiberhaus: Wirkung modellieren statt nur messen Mit einem eigenen Wirkmodell wurde sichtbar gemacht, welche Faktoren Kommunikation beeinflussen. Das half, Prioritäten zu klären. CORE.IO: Ein Ordnungsrahmen für Kommunikationsdaten Das Modell gliederte die Datenlandschaft in vier zentrale Ebenen: Kontext, Response, Impulse und Steuerungsmöglichkeiten. Abstimmungen, Budgets und der alltägliche Zielkonflikt Kampagnen konkurrieren oft um Sichtbarkeit und Ressourcen. Eine gemeinsame Datenbasis kann diese Diskussionen fundierter machen. Führung im Datenprojekt: Vertrauen und Raum schaffen Gute Führung zeigt sich darin, Teams arbeiten zu lassen – und politische Hürden für sie aus dem Weg zu räumen. Humor als Teamfaktor: Der Datenpömpel Ein einfaches Requisit wurde zum Symbol interner Wertschätzung. Kleine Rituale können viel zur Kultur beitragen. Grenzen datengetriebener Organisationen Nicht alles, was zählt, lässt sich in Daten erfassen. Und nicht jedes Unternehmen ist bereit, Entscheidungen allein auf Daten zu stützen. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: <a...

Katharina Breme darüber, wie Unternehmen Daten gezielt nutzen, Widerstände überwinden und eine datengetriebene Kultur nachhaltig verankern können. Die Bedeutung einer bewussten Datenkultur Datenkultur gibt es in jedem Unternehmen – doch ist sie gezielt aufgebaut oder historisch gewachsen? Was Unternehmenskultur mit Daten zu tun hat Kultur ist das, was den Arbeitsalltag prägt, auch wenn niemand darüber spricht. Warum Daten ohne Kontext wertlos sind Daten allein sind keine Lösung – erst im Zusammenspiel mit Unternehmensprozessen liefern sie Mehrwert. Jede Organisation hat eine Datenkultur – bewusst oder unbewusst Ob strukturiert oder chaotisch – jede Firma hat eine Art, mit Daten umzugehen. Wer nicht aktiv eingreift, läuft Gefahr, riskante Datenpraktiken zu etablieren. Datenkultur gezielt formen statt dem Zufall überlassen Ein strukturierter Umgang mit Daten beginnt bei den richtigen Rahmenbedingungen. Unternehmen müssen Werte, Prozesse und Verantwortlichkeiten definieren. Praktische Schritte für eine nachhaltige Datenkultur Theorie allein reicht nicht – gelebte Routinen machen den Unterschied. Warum Veränderungen scheitern können Menschen neigen dazu, bestehende Gewohnheiten zu verteidigen. Die entscheidende Rolle der Führungsebene Führungskräfte prägen die Datenkultur mehr als jede Strategie. Der richtige Zeitpunkt, um Datenkultur aktiv zu steuern Je mehr Daten im Unternehmen genutzt werden, desto wichtiger wird ein klarer Umgang damit. Veränderung durch Schmerz: Wenn Probleme zum Handeln zwingen Oft wird Datenkultur erst dann ernst genommen, wenn der Schaden zu groß wird. Welche Unternehmen besonders von einer starken Datenkultur profitieren Nicht nur Tech-Unternehmen brauchen datengetriebene Prozesse. Auch traditionelle Branchen können sich durch bessere Datenkompetenz Wettbewerbsvorteile sichern. Unternehmensbereiche mit der besten Datenkultur Während einige Abteilungen von Natur aus datengetrieben arbeiten, fehlt in anderen oft das Bewusstsein. Muss die Initiative zur Datenkultur „von oben“ kommen? Datenkultur lebt von der Breite der Organisation – doch ohne Rückhalt aus der Führung scheitern viele Initiativen. Vom Konzept zur Umsetzung: Datenkultur erlebbar machen Eine lebendige Datenkultur zeigt sich in täglichen Entscheidungen, nicht nur in Leitlinien. Die Macht von Communities für langfristigen Wandel Wandel gelingt durch Menschen, nicht durch Tools. Warum interne Netzwerke und Data Champions eine zentrale Rolle spielen. Wie lange dauert es, eine Datenkultur zu etablieren? Ein Kulturwandel geschieht nicht über Nacht – er braucht Zeit, Strukturen und konsequente Umsetzung. Katharina Breme auf LinkedIn: https://www.linkedin.com/in/katharina-breme-switzerland Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: paypal.me/datendurst 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit...

Warum ziehen uns manche Inhalte sofort in ihren Bann? Philipp von Loringhoven erklärt, welche psychologischen Trigger hinter Clickbait stecken und wie Marken sie gezielt einsetzen können. Der Einstieg: Warum wir auf Clickbait reagieren Unser Gehirn trifft schnelle Entscheidungen und reagiert stark auf emotionale Reize. Clickbait nutzt das gezielt, um Neugier und Klicks zu erzeugen. Philipps Weg in die Werbewirkung Werbung hat ihn schon früh fasziniert. Heute kombiniert er psychologische Erkenntnisse mit datengetriebenem Marketing. Psychologische Trigger von Clickbait Neugier, FOMO und Emotionen sind entscheidende Faktoren. Sie bestimmen, warum manche Inhalte sofort unsere Aufmerksamkeit gewinnen. Was die Bild-Zeitung richtig macht Provokante Headlines, große Bilder und starke Kontraste sorgen für maximale Wirkung. Die Prinzipien dahinter lassen sich auf andere Medien übertragen. Die ethische Verantwortung von Werbung Werbung formt unser Denken und gesellschaftliche Normen. Unternehmen tragen Verantwortung dafür, welche Botschaften sie senden. Wie Sinne unsere Kaufentscheidungen lenken Farben, Klänge und Texturen beeinflussen unsere Wahrnehmung. Multisensorische Werbung kann dadurch besonders effektiv sein. So lässt sich Werbewirkung messen Eye-Tracking, A/B-Tests und KI-gestützte Analysen helfen bei der Optimierung. Entscheidend ist die Wahl der richtigen Testmethoden. Welche Testmethoden bringen den meisten Erfolg? Extremtests liefern oft klarere Ergebnisse als kleine Anpassungen. Besonders Bildsprache, Farbgebung und Textvarianten zeigen große Unterschiede. Was gute Werbemittel gemeinsam haben Eine klare, fokussierte Botschaft erhöht die Werbewirkung. Visuelle Reize und prägnante Call-to-Actions steigern die Klickrate. Die Macht von Farben und Blickführungen Bestimmte Farben wecken Emotionen und lenken Aufmerksamkeit. Blickrichtungen in Bildern führen das Auge gezielt zu wichtigen Elementen. Warum Essensbilder so starke Reaktionen auslösen Foodporn funktioniert, weil Essen stark mit Emotionen verknüpft ist. Perfekt inszenierte Speisen können die Kaufbereitschaft steigern. Klänge und ASMR in der Werbung Töne lösen Erinnerungen und Gefühle aus. ASMR nutzt sanfte Geräusche, um Nähe und Aufmerksamkeit zu erzeugen. Der Einfluss von Daten auf die Werbestrategie Daten helfen, Werbekosten zu senken und Streuverluste zu vermeiden. Durch präzisere Analysen lassen sich Kampagnen gezielt optimieren. Personalisierung als Schlüssel zur Kundengewinnung Individuell zugeschnittene Werbung ist effektiver als generische Kampagnen. Relevante Inhalte sorgen für eine stärkere Kundenbindung. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: paypal.me/datendurst 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf...

Die Wahl der richtigen MarTech-Software ist knifflig. Tim zeigt dir, wie du das passende Tool findest und Compliance-Hürden meisterst. Warum Tool-Beschaffung wichtig ist Ein neues Tool kann die Arbeit im Unternehmen effizienter machen, doch der Auswahl- und Umsetzungsprozess ist oft aufwändig. MarTech: Verbindung von Marketing und Technologie Der Begriff kombiniert Marketing und Technologie. Die richtige Software unterstützt Teams dabei, datenbasierte Entscheidungen zu treffen. Tools für Social Media und Analytics Ob Hootsuite für Community Management oder Adverity für Reporting – jedes Tool hat seinen eigenen Anwendungsbereich. Vorteile eines klaren Beschaffungsprozesses Wer frühzeitig Compliance-Fragen klärt und Stakeholder einbindet, verhindert spätere Probleme. Zeit, Budget und Stakeholder Neben den finanziellen Ressourcen braucht es interne Unterstützung. Klare Kommunikation mit IT, Datenschutz und Einkauf ist entscheidend. Die Phasen der Tool-Beschaffung Von der ersten Bedarfsanalyse bis zur finalen Implementierung – so läuft ein vollständiger Beschaffungsprozess ab. Bedarfsermittlung: Wer braucht das Tool? Und wofür? Welche Abteilungen profitieren? Wo gibt es Widerstände? Eine gründliche Analyse hilft, spätere Konflikte zu vermeiden. Anforderungen definieren mit User Stories User Stories helfen, die wichtigsten Funktionen des Tools aus der Perspektive der Anwender zu beschreiben und zu priorisieren. Tool-Suche: Recherche, Tests und Anbieterbewertung Demos und Testzugänge geben Einblick in die Funktionalität. Doch worauf kommt es bei der Bewertung an? Compliance: Datenschutz, IT-Security und Betriebsrat Jede Abteilung hat eigene Anforderungen. Frühzeitige Einbindung reduziert Verzögerungen und erleichtert die Freigabe. Kriterien zur Tool-Evaluierung und Vergleichsmethoden Ein strukturierter Vergleich der Tools anhand definierter Anforderungen hilft, die beste Wahl zu treffen. Erfolgreiche Preisverhandlungen und Budgetplanung Der Einkauf kann in Verhandlungen unterstützen. Neben dem Preis zählen auch Skalierbarkeit und Support. Mitarbeiter fit für das neue Tool machen Ohne Schulung kann das beste Tool nicht richtig genutzt werden. Trainings und Dokumentationen erleichtern den Start. Prozesse für eine langfristige Nutzung etablieren Onboarding, Offboarding und regelmäßige Abstimmungen sichern den nachhaltigen Erfolg des Tools. Stakeholder-Management: Wie du Allianzen bildest Einkauf, IT, Datenschutz und Betriebsrat haben unterschiedliche Interessen. Wer die Bedürfnisse kennt, kann gezielt vermitteln. Vetos entschärfen: Business- und Compliance-Risiken Häufig entstehen Vetos von Einkauf, IT, Datenschutz und Betriebsrat aus Risikoabwägungen. Ein gut überlegtes Vorgehen hilft, Argumente zu entkräften und Lösungen zu finden. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: paypal.me/datendurst 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten...

Was passiert, wenn kreative Social-Media-Teams auf analytische Datenexperten treffen? Tim und Daniel sprechen über Herausforderungen und Möglichkeiten, das Beste aus beiden herauszuholen. Begrüßung und Vorstellung von Daniel Daniel berichtet von seinem Weg in die Social-Media-Welt und wie er heute Unternehmen wie Bitpanda, Sparkasse und Kleinanzeigen unterstützt. Daniel spricht über seinen Werdegang und seine Auftraggeber Er berichtet, wie seine Karriere beim Radio begann, er sich als Berater für namhafte Unternehmen positionierte und heute verschiedene Marken betreut. Die Zusammenarbeit zwischen Social Media und Data Tim und Daniel diskutieren, warum es schwierig ist, Social-Media-Teams mit Analysten zusammenzubringen – und warum beide Seiten mit Vorurteilen kämpfen. Wie Analysten an die relevanten Daten kommen Zugang zu Daten ist in vielen Unternehmen eine Herausforderung. Tim erklärt, welche Hürden bestehen und wie Analysten aussagekräftige Insights ableiten können. Social-Media-Reports: hilfreich oder irreführend? Oft erstellen Social-Media-Teams ihre eigenen Reportings. Doch was sagen die Zahlen wirklich aus, und wo werden typische Fehler gemacht? Kurzfristige Ideen und ihre Folgen für die Strategie Spontane Posts und Kampagnen können für Sichtbarkeit sorgen – oder auch für Chaos. Daniel teilt seine Erfahrungen mit unerwarteten Social-Media-Wünschen. Warum sich Social-Media-Teams oft gegen Daten wehren Analysten sollen helfen, doch oft fühlen sich Social-Media-Manager in ihrer Expertise infrage gestellt. Wie lässt sich dieses Misstrauen abbauen? Social-Media-Performance ist mehr als nur ein KPI Wie viel Einfluss haben externe Faktoren auf den Erfolg? Daniel erklärt, warum fehlende Ressourcen, starre Prozesse oder Vorgaben wichtiger sind als einzelne Kennzahlen. Wie Daten Social-Media-Teams wirklich unterstützen können Was brauchen Social-Media-Teams von Analysten? Tim beschreibt, wie man umsetzbare, datenbasierte Handlungsempfehlungen erstellt. Erfolgsstrategie: Was wir von WonderWaffel auf TikTok lernen können Daniel und Tim nehmen die virale Social-Media-Strategie von WonderWaffel unter die Lupe und zeigen, welche Faktoren zu ihrem Erfolg beigetragen haben könnten. Gewinnspiele auf Social Media: Mehr Schein als Sein? Gewinnspiele boosten kurzfristig die Reichweite. Doch was passiert langfristig mit der Community? Interne Strukturen: Warum viele Unternehmen Social Media ausbremsen Bürokratie, lange Abstimmungswege und Datenschutzvorgaben machen datengetriebene Social-Media-Optimierung oft komplizierter als nötig. Vertrauen aufbauen: Analysten als Partner statt Kontrolleure Wie können Analysten ihre Rolle so definieren, dass Social-Media-Teams sie als Unterstützung sehen? Offene Kommunikation als Schlüssel zum Erfolg Daniel erklärt, warum der direkte Austausch mit Analysten der wichtigste Schritt ist, um Social Media strategisch weiterzuentwickeln. Fazit: Social Media und Data als Team Tim und Daniel fassen die wichtigsten Erkenntnisse zusammen und geben Tipps, wie Unternehmen Social-Media-Strategien datenbasiert und kreativ gestalten können. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: <a href="http://paypal.me/datendurst" rel="noopener...

Marcus Stade erklärt dir in dieser Folge, warum Rohdaten im Web-Tracking mehr als nur ein technisches Detail sind – und wie sie dir dabei helfen, das Beste aus den eigenen Daten herauszuholen. Der elfte Anlauf mit Marcus Nach mehreren Fehlversuchen, die Podcastfolge aufzunehmen, blicken Tim und Marcus zurück und leiten mit Humor in die Folge ein. Erfahre mehr über Marcus Stade: https://www.linkedin.com/in/marcus-stade-2017b236/ Rohdaten: Das Thema der Folge Tim stellt die Themenschwerpunkte vor: Warum Rohdaten im Web-Tracking weit mehr Möglichkeiten bieten als vorgefertigte Reports. Analytics Pioneers: Vom Meetup zur Community Was als lokales Meetup begann, ist heute eine große Community die regelmäßig Trainings und Meetups besuchen. Hier geht’s zur Community: https://analytics-pioneers.de/ mohrstade: Beratung für Daten und Tools Das Unternehmen unterstützt Kunden bei der Implementierung von Lösungen wie BigQuery und CDPs, immer mit einem Fokus auf datengestützte Entscheidungen. Engagement in der Analytics-Community Marcus erklärt, wie wichtig der Community-Gedanke ist – ob durch Artikel, Trainings oder andere kreative Ideen. Die Wirkung von Merchandise Von Analytics-Socken bis zu Hoodies: Kreativer Merchandise stärkt die Markenbindung und ist auf Events ein echter Hingucker. Hinweis: Marcus hat ein paar offene Stellengesuche – https://mohrstade.de/karriere/ Komplexe Themen einfach erklärt Die Kunst, technisches Wissen verständlich zu machen, ist essenziell, um Stakeholder für datengetriebene Entscheidungen zu gewinnen. Warum Rohdaten im Web-Tracking von Nutzen sind Mit Rohdaten lassen sich rückwirkende Analysen durchführen und historische Daten neu auswerten – ohne Brüche. Wie Rohdaten die Analyse von Traffic-Kanälen verbessern Marcus zeigt, wie flexiblere Channel-Zuordnungen möglich werden und wie sie für eine präzisere Performance-Messung genutzt werden können. Schwachstellen von Standard-Web-Tracking-Tools Sampling und kurze Datenspeicherfristen limitieren die Möglichkeiten klassischer Tools. Rohdaten schaffen hier Abhilfe. Tracker und Proxies: Wie Rohdaten gesammelt werden Marcus erklärt die technische Basis: von serverseitigen Trackern bis hin zu Lösungen wie dem Server-Side Google Tag Manager. Wann Rohdaten Sinn ergeben Nicht jedes Unternehmen braucht Rohdaten – Marcus beschreibt, wie Use Cases und Ressourcen die Wahl beeinflussen. Branchen mit Bedarf an Rohdaten-Lösungen Vor allem Medienunternehmen und Organisationen mit komplexen Datenanforderungen profitieren von individuell aufbereiteten Rohdaten. Was Unternehmen beim Start mit Rohdaten beachten sollten Quality Checks, Datenpipelines und Datenschutz – die Grundlage für eine erfolgreiche Nutzung von Rohdaten. Kosten und Planung: Der finanzielle Rahmen für Rohdatenprojekte Marcus erläutert, wie Unternehmen ihre Kosten planen und bereits mit kleinen Budgets starten können, bevor sie skalieren. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: <a href="http://paypal.me/datendurst" rel="noopener noreferrer"...

Daten verändern den Kundenservice – doch wie? Tim und Ralf sprechen über die wichtigsten Entwicklungen und die Rolle von Künstlicher Intelligenz. Einstieg ins Thema Tim eröffnet die Folge mit der Frage: Wie beeinflussen Daten den Kundenservice? Ralf stellt sich vor Seit 25 Jahren beschäftigt sich Ralf mit Kundenservice – von der Voice-over-IP-Technologie bis hin zur Entwicklung KI-gestützter Lösungen. Die Entwicklung von Callcenter-Technologien Ralf reflektiert, wie sich Callcenter von Telefonzentralen hin zu datengetriebenen Servicezentren entwickelten. Infrastruktur und Digitalisierung im Kundenservice Digitalisierung im Kundenservice läuft nicht immer reibungslos. Ralf berichtet, dass selbst in urbanen Gebieten grundlegende Infrastruktur wie Glasfaser fehlt. Einblicke in Ralfs sonstige Tätigkeiten Neben seinem Beruf engagiert sich Ralf als Lehrbeauftragter bei SRH-Köln und Hamm. Kurzerklärung: „Rizz“ – Beschreibt das Talent einer Person, charmant aufzutreten. „Slay“ – Wird genutzt, um Bewunderung auszudrücken. Warum der Kundenservice alles dokumentiert Im Kundenservice wird alles genau betrachtet: von der durchschnittlichen Bearbeitungszeit eines Gesprächs und der Reaktionsgeschwindigkeit bis zur Quote abgebrochener Anrufe. Kundenzufriedenheit als wichtiger Faktor Selbst geringfügige Anpassungen können den Kundenservice beeinflussen. Die so entstehenden positiven Kundenerfahrungen steigern die Wahrscheinlichkeit von Weiterempfehlungen. Wie unterscheiden sich CS und CX? Customer Service (CS) löst akute Probleme, während Customer Experience (CX) das Kundenerlebnis optimiert. Daten verbinden beide Bereiche. Die wichtigsten Kennzahlen im Kundenservice KPI, die für den Kundenservice entscheidend sind: die durchschnittliche Dauer von Anrufen, die Schnelligkeit der Antworten, die Rate abgebrochener Anrufe. Workforce Management sorgt für reibungslosere Abläufe. Daten und ihre Rolle in der Customer Experience Customer Experience (CX) umfasst alle Interaktionen mit einer Marke. Wichtige Kennzahlen wie Net Promoter Score (NPS), Kundenzufriedenheitswert (CSAT), Kundenaufwandswert (CES), Erstlösungsquote (FCR) und Fehleranalysen unterstützen die Messung von Aspekten wie Kundenbindung und -zufriedenheit sowie die Identifikation von Fehlerquellen. Daten im Customer Service: Warum sind sie so wichtig? Daten helfen Kundenbedürfnisse zu erkennen, Probleme frühzeitig zu lösen und die Effizienz zu steigern. Ein datengestützter Ansatz ermöglicht kluge Verbesserungen. Wie verändert sich die Rolle der Daten im Customer Service? Datenanalysen ermöglichen unter anderem prädiktive Modelle. Hyperpersonalisierte Ansätze helfen, auf Kundenbedürfnisse individuell einzugehen. Die Aufgabe von KI im Kundenservice Die Integration von KI verändert die Arbeit im Kundenservice und steigert Effizienz und Kundenzufriedenheit. Daten sind im Kundenservice unverzichtbar Ralf betont, dass datengetriebene Strategien unverzichtbar sind, um den Service effizient und kundenzentriert zu gestalten. Mehr zu Ralf Mühlenhöver: https://www.linkedin.com/in/ralfmuehlenhoever/ Mehr zu Datendurst und Host Tim: https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: <a href="https://paypal.me/ebnertim" rel="noopener noreferrer"...

Mit Daten-Power ins neue Jahr! Tim und Sascha sprechen in dieser Folge darüber, wie Unternehmen Schritt für Schritt datengetrieben werden. Ein futuristischer Start ins Jahr Tim und Sascha begrüßen die Hörer auf gewohnt unterhaltsame Weise und blicken humorvoll in die „datengetriebene Zukunft“. Themen des Podcasts im Überblick Tim gibt eine umfassende Einführung in die Themen, die er gemeinsam mit Sascha in dieser Episode zum Thema Data Analytics beleuchtet: Was steckt dahinter? Welchen Lernprozess durchlaufen Unternehmen? Welche Rollen brauchen Sie? KI Sam mischt mit Der KI-Gast „Sam“ teilt seine Sichtweise auf Data Analytics und bringt spannende Perspektiven ein. Tim und Sascha diskutieren ihre Bedeutung. Hat Sam Recht mit seiner Definition? Sie setzen sich mit dem von Sam vorgestellten Verständnis von Data Analytics auseinander. Data & Analytics steht für die systematische Untersuchung und Auswertung von Beobachtungen, um umsetzbare Schlussfolgerungen abzuleiten. Was verbirgt sich hinter den Begriffen? Begriffe wie Business Intelligence und Data Science werden oft missverstanden: BI steht für standardisiertes Reporting. Data Science nutzt Analysen, um Entwicklungen vorherzusagen. Organisationen und ihre Daten-Lernreise Der Einstieg in Data und Analytics ist häufig holprig: Unzuverlässige Daten, ein Fokus auf die Vergangenheit und mangelndes Vertrauen in Berichte. Der Wert von Echtzeitdaten im Tagesgeschäft Live-Daten sind ein mächtiges Werkzeug, um schnell auf Entwicklungen zu reagieren. Doch sie sind nicht in jedem Szenario nötig. Vorausschauend handeln: Zukunftsanalysen nutzen Prädiktive Analysen ermöglichen es, Trends frühzeitig zu erkennen und strategische Maßnahmen abzuleiten. Daten als Wachstumsmotor der Zukunft In der letzten Phase der Lernreise werden Daten zum Herzstück der Unternehmensstrategie und treiben langfristiges Wachstum voran. Echtzeit-Daten: Wann sie wirklich sinnvoll sind Nicht alle Daten müssen live sein – Tim und Sascha erklären, in welchen Spezialfällen Echtzeitdaten den Unterschied machen. Datenprodukte, die den Kunden Mehrwert bieten Ob Empfehlungsalgorithmen oder personalisierte Features – erfolgreiche Datenprodukte schaffen echte Vorteile für Nutzer. Spezialisten vs. Generalisten: Wer macht was? Ein ausgewogenes Team aus vielseitigen Generalisten und spezialisierten Experten ist entscheidend für den Erfolg. Zusammenarbeit: Data Engineers und Analysten Gute Zusammenarbeit zwischen Engineers und Analysts sorgt dafür, dass Daten nutzbar werden und Insights geschaffen werden können. Die Rolle von Self-Service und Citizen Analysts Self-Service-Tools ermöglichen es Fachabteilungen, eigenständig mit Daten zu arbeiten. Führung gefragt: Leiter der Datenabteilung Der Chief Data Officer (CDO) verankert Datenarbeit strategisch im Unternehmen und sorgt für klare Ziele sowie Prioritäten. Warum Datenarbeit nie stillsteht Datengetriebene Arbeit ist ein dynamischer Prozess. Unternehmen müssen ständig adaptieren und weiterentwickeln. Kurzbio zu Sascha Sascha Leweling ist Leiter der Kundendatenanalyse bei RTL und spezialisiert auf digitale Werbung, insbesondere in den Bereichen Mobile Advertising und Social Commerce. https://www.linkedin.com/in/dr-sascha-leweling-410b6b7a/ Mehr zu Datendurst und Host Tim: <a href="https://www.linkedin.com/in/ebner-tim/" rel="noopener...

Festlich, frech, faktenreich und ohne Hosen?! Tim verrät dir die nackte Wahrheit hinter den Podcast-Zahlen und zeigt dir, welche Strategien er für Datendurst einsetzt. Weihnachtliche Einstimmung und technische Tücken Tim berichtet über ein technisches Problem, seinen Austausch mit Florian Litterst und verrät, ob ChatGPT seine Version von „Last Christmas” lustig findet. Fakten zu Datendurst Ein erster Blick auf die Podcast-Daten zeigt die positive Entwicklung von Datendurst. Außerdem verrät Tim, dass er in der Folge auch über die Tücken der Podcastanalysen sprechen wird. Mikro-Konvertierungen: Kleine Aktionen, große Wirkung Sie sind unverzichtbar für die Analyse der Nutzerinteraktion. Tim erklärt, welche Rolle Micro-Conversions für seinen Podcast spielen. Wie Podcasts das Marketing unterstützen Von Awareness bis Advocacy - Tim beschreibt, wie Podcasts alle Phasen des Funnels im Marketing beeinflussen können, aber auch ihren eigenen speziellen „Trichter" haben. Erfolgreich messen: Welche KPIs zählen? Welche Kennzahlen solltest du für deinen Podcast im Blick haben? Tim gibt praxisnahe Empfehlungen für die wichtigsten Messgrößen. Dimensionen und Metriken in der Praxis Wie lassen sich Daten sinnvoll segmentieren? Tim erläutert den Unterschied zwischen Dimensionen und Metriken anhand anschaulicher Beispiele. Plattformen und Formate: Was funktioniert wo? Nicht jede Plattform liefert die gleichen Ergebnisse. Tim zeigt, wie er die Stärken von TikTok, LinkedIn und YouTube nutzt. Warum sind Datenanalysen oft eine Herausforderung? Unterschiedliche Standards und mangelnder Zugang zu Daten erschweren umfassende Analysen. Tim spricht über Lösungen und Hindernisse. Vanessa von den Podcastpiraten über Fokus und Inhalte Sie gibt Einblicke, wie man mit klarem Zielgruppenfokus und hochwertigen Inhalten langfristig erfolgreich sein kann. Werkzeuge und Methoden: Tims Ansatz zur Datenanalyse Tim kombiniert verschiedene Tools und Methoden, um die Performance seines Podcasts zu bewerten. Beeindruckende Datendurst-Zahlen Die Zahlen von Datendurst sprechen für sich: Über 19.000 Impressionen und eine wachsende Community. YouTube, TikTok & Co. im Vergleich Ob lange Videos oder Kurzclips – Tim analysiert, welche Formate auf welchen Plattformen am besten funktionieren. Hörer, Zuschauer und Community Eine treue Community aufzubauen, bleibt eine Herausforderung. Tims Analysen zeigen, wo Potenziale und Schwierigkeiten liegen. 🎧 Kleiner Hinweis: Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAI Wir freuen uns auf dich! 💬 Wie Datendurst Tims beruflichen Alltag prägt Der Podcast wirkt sich positiv auf Tims berufliche Netzwerke aus und bringt neue Möglichkeiten – vom Projekt bis zur Fachfrage. Erfahre mehr zu Datendurst und Host Tim: https://www.linkedin.com/in/ebner-tim/ https://datendurst.buzzsprout.com/ So kannst du den Podcast unterstützen: http://paypal.me/ebnertim

Nach Weihnachten beginnt im Social-Media-Marketing mit Q5 eine Phase mit spannenden Chancen. Tim und Florian zeigen dir, wie du Strategien, Creatives und Targeting optimal an veränderte Nutzergewohnheiten anpasst. Was steckt hinter Q5? Das fünfte Quartal umfasst den Zeitraum vom zweiten Weihnachtsfeiertag bis Mitte Januar. Werbetreibende können von günstigen Anzeigenpreisen und einem veränderten Nutzerverhalten profitieren. Feiertage und ihre Auswirkungen auf Internetaktivitäten Die Weihnachtsfeiertage und Silvester sind häufig „internetfrei“, doch ab dem zweiten Weihnachtsfeiertag steigt die Aktivität im Netz immens. Wer clever plant, kann diese Phase optimal nutzen. Warum steigen Ad-Kosten vor Weihnachten? Die Nachfrage nach Werbeplätzen ist in der Weihnachtszeit enorm, das Inventar jedoch begrenzt. Dies führt zu höheren Kosten, bietet aber Chancen, wenn die Strategie stimmt. Was macht der Meta-Auktionsalgorithmus? Dieser Algorithmus beeinflusst die Anzeigenpreise. Dabei sind Parameter wie Relevanz, Stärke der Anzeigeninteraktion, Alter der Anzeige und Konkurrenz wichtig. Ad-Gestaltung in der Weihnachtshochsaison Ansprechende Creatives sind in der Weihnachtszeit besonders wichtig. Allerdings sollten Ads laut Florian immer durchdacht gestaltet sein. Conversion- vs. Awareness-Kampagnen Conversion-Kampagnen sind am stärksten von Preiserhöhungen betroffen, Awareness-Kampagnen weniger. Je näher das Ziel einer Kampagne an einer Conversion liegt, desto geringer ist die Wahrscheinlichkeit, dass die Werbekosten steigen. Persona-Wechsel und Targeting-Ansätze Vor Weihnachten stehen Geschenke für Freunde und Familie im Mittelpunkt, danach liegt er auf der persönlichen Belohnung. Mit dem richtigen Targeting lässt sich dieser Wandel gezielt adressieren. Neujahrsvorsätze richtig adressieren Ab Ende Dezember dominieren die Themen Fitness und Gesundheit. Unternehmen sollten ihre Werbebotschaften entsprechend ausrichten. Formate und Plattformen optimal nutzen Für komplizierte Produkte eignen sich lange Videos, während Lifestyle-Produkte auf visuelle Eyecatcher setzen sollten. Werben für komplexe Produkte Komplexe Themen erfordern längere Inhalte, die mit Storytelling und detaillierten Erklärungen arbeiten. Dies schafft Vertrauen und überzeugt Kunden. Authentizität schlägt Perfektion Weniger inszenierte Videos wirken oft überzeugender als aufwendig produzierte Inhalte. Dieser Trend gewinnt immer mehr an Bedeutung. Clever budgetieren zwischen Q4 und Q5 Lifestyle-Produkte performen besonders gut vor Weihnachten, Problemlösungsprodukte danach. Eine strategische Budgetallokation ist entscheidend. So verhinderst du Ad Fatigue Hohe Frequenzen können zu einem Leistungsabfall bei Anzeigen führen. Regelmäßige Analysen und gezielte Anpassungen der Creatives helfen, dies zu vermeiden. Jetzt wird’s musikalisch! Tim performt zum Schluss „Last Clickmas“ – eine sehr schlechte, humorvolle Adaption eines Weihnachtsklassikers. Florian Litterst Florian ist Gründer von adsventure und Experte für Performance Advertising – spezialisiert auf erfolgreiche Social-Media-Kampagnen: https://www.linkedin.com/in/florianlitterst Erfahre mehr über Datendurst und Tim: https://www.linkedin.com/in/ebner-tim/ <a href="https://www.linkedin.com/company/datendurst/" rel="noopener noreferrer"...

Lieferkettenmonitoring, Lieferkettensorgfaltspflichtengesetz, Sanktionslisten – was ist das, warum ist das notwendig, wie macht man das und was ist der Nutzen für Unternehmen? Darum geht es in der neuen Folge von Datendurst. Host Tim Ebner hat dafür Marco Feiten im Interview. Der ist Geschäftsführer von CURE Intelligence und von scrioo, einem Unternehmen, das Lieferkettenmonitoring mit Social Media und Online-Daten anbietet. Entstanden ist die Idee, weil dieser eine Lösung für einen Kunden aufgrund der neuen Gesetzgebung entwickeln wollte. Das Ziel war eine Medienanalyse und Medienbeobachtung der Lieferanten. Doch was ist Lieferkettenmonitoring eigentlich? Hierbei gibt es zwei Facetten, einmal den Transport für Materialien, die man braucht und dann die Lieferanten selbst. Sobald Lieferketten gestört sind, werden wir alle schlechter versorgt. Das Ziel als Unternehmen ist es, Risiken und potentielle Schäden frühzeitig zu erkennen, um dann darauf reagieren zu können – denn das kann Unternehmen sonst auch in den Ruin treiben. Als Beispiel nennt Marco hierfür den Streik der Häfen in den USA. Hierfür gab es Frühwarnsignale, wer diese erkannt hat, konnte sich frühzeitig darauf vorbereiten und im besten Fall sogar vermeiden, dass es das eigene Unternehmen trifft. Früher wurde diese Lieferantenbeziehung über Fragebögen analysiert. Doch hier entsteht eine riesige Menge Arbeit. Beispielsweise hat Dr. Oetker 30.000 Lieferanten, denen dann einzeln die Fragebögen gesendet und die dann händisch wieder kontrolliert werden müssen. Hier muss es Automationen geben, die Marco mit seinem Unternehmen anbietet. Dazu kommen die Policies, die alle größeren Unternehmen haben und denen die Lieferanten einzeln zustimmen müssen. Doch wieso braucht man überhaupt ein Lieferkettenmonitoring? Das neue Lieferkettensorgfaltspflichtengesetz ist ein Grund dafür. Nach diesem müssen Unternehmen ab einer gewissen Größe nun Lieferanten auf erster Ebene prüfen, u.a. aufgrund von Menschenrechten, Umweltschutz und Nachhaltigkeit. Diese Regelungen werden in ganz Europa ausgerollt. Zudem haben Unternehmen auch von sich aus ein Interesse daran, zu wissen, mit wem sie Geschäfte machen: Ist der Partner zuverlässig? Woher bekommt er seine Materialien? Wie steht er wirtschaftlich da? Doch auch kleinere Unternehmen werden durch Kaskaden-Effekte von den Regelungen betroffen, wofür die Politik zurzeit nach Lösungen suchen muss. Marco’s Lösung funktioniert auf Basis von Machine Learning und NLP – das sind keine neuen Dinge, trotzdem funktionieren sie sehr gut. Mit diesen werden im ganzen Web nach Schlüsselbegriffen gesucht, beispielsweise einem Unternehmensnamen + dem Begriff „Kinderarbeit“. Durch eine KI wird die Relevanz der Suchbegriffe dann nochmal überprüft. Zum Schluss geht es noch um das Thema Sanktionslisten und dass auch diese dabei unterstützen können, Lieferanten zu bewerten. Zum LinkedIn-Profil von Marco: https://www.linkedin.com/in/marcofeiten/ Zur Website von scrioo: https://www.scrioo.com/ Zur LinkedIn-Seite von scrioo: https://www.linkedin.com/company/scrioo/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ Unterstütze Tim mit einer Spende: http://paypal.me/datendurst Datendurst auf LinkedIn: <a...

Daten zum Klingen bringen – das ist die Gabe von Tiankai Feng, der in dieser Episode von „Datendurst" Tim erklärt, wie er Daten musikalisch zum Leben erweckt. Portrait eines Datenmusikers Als Data Strategy & Governance Lead verbindet Tiankai Feng Daten mit musikalischer Kreativität. Bei ThoughtWorks setzt er sich dafür ein, Analytics greifbarer zu machen - eine Vision, die er auch in seinem Buch „Humanizing Data Strategy" verfolgt. Der Weg zur Datensymphonie Die Verbindung von DATEN und MUSIK begann mit Tiankais in seinem Job. Aus beruflichen Herausforderungen entwickelte er eine einzigartige Kombination, die schnell Aufmerksamkeit erregte. Analytics als Rap-Performance Mit seinem Song „Digital Analytics Anthem" bewies Tiankai, dass DATA-ANALYTICS auch unterhaltsam sein kann. Sein Rap fand großen Anklang in der Analytics-Community. Neue Wege der Unternehmenskommunikation Tiankais musikalische Herangehensweise erwies sich als wirksames Werkzeug zur Förderung einer kreativen Unternehmenskultur. KI-Experimente auf der TEDx-Bühne Auf der TEDx-Bühne präsentierte Tiankai ein faszinierendes KI-Experiment: Einen von ChatGPT komponierten Song. Wo künstliche Intelligenz an Grenzen stößt Während KI sich auf inkrementelle KREATIVITÄT beschränkt, liegt das Potenzial für bahnbrechende Innovationen beim Menschen. Inkrementelle Kreativität verfeinert das Bestehende. Disruptive Kreativität bringt etwas völlig Neues hervor. Harmonien zwischen Bytes und Beats Die Parallelen zwischen Musik und DATENANALYSE zeigen sich in der Bedeutung von Teamarbeit und strukturiertem Aufbau. Beide Disziplinen folgen ihren eigenen „Tonleitern". Der Durchbruch im Data-Pop „Governors of Data", sein Hit über DATA GOVERNANCE, erreichte auf YouTube und Spotify große Popularität. Brücken bauen mit Musik und Daten Seine zweisprachige Kindheit inspirierte Tiankai dazu, Musik als Brücke zwischen Menschen zu nutzen. Von Emotionen und Analysen Musik ermöglicht Tiankai, Gefühle und Verbindungen zu schaffen. Sie macht analytische Themen menschlicher. Filmmusik als Inspiration Tim erzählt, wie Hans Zimmer Gefühle besser mit Musik ausdrücken kann als mit "normaler" Sprache – etwa bei Heath Ledgers Tod und einem Amoklauf, die ihn zum Interstellar-Soundtrack inspirierten. Die Kunst des Data-Songwritings Songwriting beginnt für Tiankai mit TEXTEN, die die Richtung vorgeben. Dann folgen Akkorde, Melodien und zum Schluss Instrumente. Musikalischer Familienalltag Musik ist zentral in Tiankais Familie. Er nutzt eigene Lieder spielerisch im Alltag. Ratschläge eines Data-Musikers DATA-NERDS sollten ihre Leidenschaft einbringen. Ein persönlicher Ansatz macht die Arbeit kreativer. Über Tiankai Feng Er ist Data Strategy & Governance Lead bei ThoughtWorks, Musiker und Autor. Mehr zu Tiankai: https://www.linkedin.com/in/tiankaifeng/ Erfahre mehr über Datendurst und Tim: https://www.linkedin.com/in/ebner-tim/ https://www.linkedin.com/company/datendurst/ Unterstütze den Podcast: http://paypal.me/ebnertim

Was heißt eigentlich Skalierung? Was hat Standardisierung damit zu tun? Welche Vorteile haben Unternehmen von skalierenden Dashboards? Darüber diskutiert Host Tim Ebner in der neuen Folge von Datendurst mit Oliver Ulbrich, auch ein Nordlicht, genau wie Tim. Tims Ziel: Ihn zur Weißglut zu bringen! Oliver regt sich nämlich gerne auf... Eigentlich kommt Oliver aus der Sport- und Modebranche, ist dann als Quereinsteiger zu Data gekommen und nun als Dashboard und Business Development Lead bei den Datenpionieren. Der Übergang von privat zu beruflich ist fließend – die beiden diskutieren nämlich erstmal über Dashboards bei Katzenfutter! Aber kommen wir wieder zur Skalierung: Was bedeutet überhaupt Skalierung im Kontext von Dashboards? Für Oliver ist es, möglichst viele Menschen in die Lage zu versetzen, Zahlen zu sehen und diese dann weiterverarbeiten zu können. Dazu gehört auch, schnell, einfach und effizient Dashboards aufbereiten zu können, die dann möglichst viele Fragestellungen im Unternehmen beantworten. Die Vorteile davon liegen auf der Hand, es spart vor allem Zeit! Oliver erzählt davon, dass man während des Monatsabschlusses selten einen Termin mit dem Controlling erhält, weil die viel zu viel beschäftigt sind. Mit Dashboards haben diese Menschen plötzlich Zeit für andere Dinge! Bevor man jedoch skalieren kann, muss erst ein Standard kreiert werden. Von vorne herein sollte klar sein, wie Dashboards aufgebaut werden. Oliver zieht dabei einen Vergleich zu einem Führerschein: Wenn man den machen möchte, hat man vor allem ein Ziel: Auto fahren! Die Verkehrsregeln dafür sind der Standard. Den haben wir Alle gelernt, ob er uns gefallen hat oder nicht. Genauso sollten auch Standards für Dashboards in Unternehmen erstellt werden. Hierbei stellt Oliver die Fragen: Welche Werkzeuge nutzen wir? Welche Diagramme nutzen wir? Welche Farben nutzen wir? Oliver geht auf die einzelnen Elemente ein und erklärt sie. Dazu gehört natürlich auch das Storytelling. Der Dashboard-Experte beginnt dabei gerne auf „echtem“ Papier und fokussiert sich auf das Shneiderman Mantra, das ähnlich wie Bestellautomaten beim Fast Food aufgebaut ist: Zunächst der Overview, dann tiefergehende Antworten (Filter) und dann Details on demand. Zum Schluss geht es noch darum, ob die KI bei diesen Themen unterstützen kann. Für Oliver ist klar: Menschen können schon an andere Menschen ihre Fragen nicht präzise formulieren. Wie sollte KI dann bessere Antworten liefern können? Außerdem gibt er noch den Rat, Dashboards als Teil eines Transformationsprozesses zu sehen. Zum LinkedIn-Profil von Oliver: https://www.linkedin.com/in/oliverulbrich/ Zur Website von Oliver: www.oliverulbrich.de Zum Podcast von Oliver und Christian: https://open.spotify.com/show/6Mp8t0sGOYvLPCGUUu1XZL Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ Disney-Animationen, die mehrfach genutzt wurden: https://youtu.be/y3hK8ATlbw0?si=xyv9h1RAnhkw03_m

Was müssen Unternehmen in Zukunft beachten beim EU AI Act? Ein Thema, das vielen Unternehmen gerade unter den Nägeln brennt und deswegen verdient es auch eine ganze Podcastfolge von Datendurst. Host Tim Ebner hat diesmal Sirke Reimann von VIER zu Gast, einer Kundenservice Software aus Deutschland, die Lösung mit Künstlicher Intelligenz verbindet. Anwendungsbeispiele sind die Zählerstandablesung bei Energieunternehmen, wobei dr Prozess dann vollautomatisch am Telefon durchgeführt wird oder auch das Briefing von Service-Agenten durch die Künstliche Intelligenz. Sirke ist Chief Information Security Officer und damit bei VIER zuständig für Informationssicherheit, Datenschutz und Compliance. Wer mehr über das Thema KI und EU AI Act erfahren möchte, kann jeden Freitag bei VIER TV reinschauen. Die beiden Experten tauchen gleich tief ins Thema ein: Schon 2019 hat die EU damit begonnen, eine KI-Verordnung zu erstellen, das Ergebnis ist der EU AI Act, der im März 2024 verabschiedet wurde und bis 2026 von allen Unternehmen umgesetzt sein soll. Das Ziel des EU AI Acts ist es, die Bevölkerung vor unethischen Entscheidungen der KI zu schützen, beispielsweise vor Schaden oder der Verletzung der Menschenwürde. So gut das klingt – es bringt jede Menge Bürokratie mit sich! Den EU AI Act erfüllen müssen einige Parteien: Anbieter, die KI-Systeme unter ihrem Namen auf den Markt bringen (dabei ist noch unklar, ob es Dienstleister oder Kunden sind), Importeure von KI-Systemen, Händler und teilweise auch die User der Systeme. Dabei gibt es 4 Risikogruppen, denen verschiedene Anforderungen gestellt werden: - Keine oder minimale Risiken Das sind Systeme, die keinen Einfluss auf das Leben haben, beispielsweise KI in Spamfiltern oder Spielen. Hier gibt es freiwillige, aber nicht verpflichtende Anforderungen. - Begrenzte Risiken Hierzu gehören LLMs und generierende Systeme, das Ziel ist hierbei, eine Transparenz herzustellen, sodass User erkennen, welche Elemente mit KI generiert wurden. - Hohe Risiken Diese Systeme haben das Potential, Menschen einen Schaden zuzufügen, beispielsweise im Personalwesen, in Bildungseinrichtungen, bei finanziellen Leistungen und auch im Strafvollzug. Hier gehen die Anforderungen über Risikomanagement und Qualitätsmanagement hinaus, eine Rückverfolgbarkeit der Entscheidungen muss möglich sein sowie eine Resistenz gegen Manipulation. - Inakzeptable Risiken Hierzu gehören KI-Systeme, die gegen die Menschenwürde verstoßen, beispielsweise durch Social Scoring oder Identifizierungssysteme. Der Wert des EU AI Acts liegt darin, dass niemand durch KI-Systeme nachteilig behandelt werden soll und somit auch das Vertrauen in KI steigen kann. Als Bevölkerung werden wir geschützt. Gleichzeitig gibt es zurzeit noch viele Unsicherheiten in der Formulierung, der Definition von KI-Systemen und es werden sich Geschäftsfelder aus der EU wegentwickeln müssen. Dafür müssen Prozesse und Strukturen geschaffen werden, der Aufwand ist noch nicht abschätzbar. Zum Schluss geht es in der Folge noch darum, wie der EU AI Act den Technologiemarkt verändern wird. Zur Website von VIER: https://www.vier.ai Zum Blog über den EU AI Act von VIER: https://www.vier.ai/unternehmen/blog/eu-ai-act-teil1/ https://www.vier.ai/unternehmen/blog/eu-ai-act-teil2/ VIER TV zum EU AI Act: <a href="https://www.youtube.com/watch?v=02l2COim6AQ"...

Ist Datenschutz ein Qualitätsmerkmal? Kann ich haftbar gemacht werden, wenn ich eine Datenpanne in einem Unternehmen verursache? Haben Daten wirklich so viel mit Macht zu tun? Darum geht es in der neuen Folge von Datendurst. Host Tim Ebner interviewt Mona Wrobel, Anwältin im Bereich Datenschutz und IT-Recht und zusätzlich Legal Counsel bei TeamViewer. Übrigens ist auch sie Podcasterin beim eigenen Podcast „Data Date“. Doch wie kann man so fasziniert von Datenschutz sein? Mona findet das Thema nicht so komplett festgefahren wie andere Rechtsgebiete. Es ist sehr vielfältig und besonders die aktuelle KI-Entwicklung sorgt für spannende Neuerungen. In der Folge liegt der Fokus darauf, warum Datenschutz ein Qualitätsmerkmal ist. Eigentlich schon, denn das Ziel von Unternehmen ist es, dass User uns auch morgen noch Daten geben, die wir analysieren können. Hierfür muss Vertrauen aufgebaut und gehalten werden. In Europa wird dies von Verbrauchern erwartet und ist gleichzeitig ein Wettbewerbsvorteil. Doch wie sieht das Ganze eigentlich international aus? In Europa gibt es seit 6 Jahren die DSGVO, aber schon seit 30 Jahren werden in Europa flächendeckende Entscheidungen zum Datenschutz getroffen. Nach der Einführung der DSGVO haben auch andere Länder „nachgezogen“ und orientieren sich an den europäischen Regeln. Allerdings ist die Erwartungshaltung und das Verständnis der Bevölkerung in anderen Ländern oft viel freier. Die DSGVO sieht übrigens auch vor, dass Unternehmen Zertifikate für ihren Datenschutz bekommen können, allerdings ist dies auf dem Markt noch nicht umgesetzt. Datenschutz ist ganz klar kein Sprint, sondern ein Marathon, der Zeit, Geld und auch menschliche Ressourcen benötigt. Zum Start kann man sich auf den Seiten der Datenschutzbehörden umschauen und findet dort viele Vorlagen und Beispiele, die eine gute Guidance geben. Sobald die Datenverarbeitungsprozesse über den Standard hinaus gehen, benötigt man allerdings weitere Unterstützung. Und was passiert, wenn man die Datenschutzanforderungen nicht erfüllt? Wie sieht es mit der privaten Haftung einzelner Mitarbeitenden aus? Wie kann das Unternehmen seine Mitarbeiter davor schützen? Es hilft, wenn man sich organisatorisch so aufstellt, dass die Mitarbeitenden wissen, wie sie sich zu verhalten haben. Wenn dann doch ein Datenschutzvorfall geschieht, muss klargestellt werden können, dass alles bis ins Detail geregelt wurde und ein menschlicher Fehler passiert ist. Das kann das Unternehmen zunächst von der Haftung befreien. Mitarbeitende werden eigentlich nur belangt, wenn sie mit bösen Absichten gehandelt haben. Hier reichen die Strafen vom Verlust des Arbeitsplatzes bis hin zu strafrechtlichen Konsequenzen. Für Unternehmen ist eine Prüfung sehr langwierig und anstrengend. Zunächst wird ein Prüfungs-Verfahren eingeleitet, dann werden Auflagen erteilt und dann gegebenenfalls Bußgelder verhängt. Die schlechte Presse folgt zuletzt. Ziel solch eines Verfahrens ist es jedoch immer, eine Lösung zu finden, damit Datenpannen nicht mehr vorkommen. Mona und Tim geben zum Schluss noch folgende Tipps mit: - So früh wie möglich versuchen, ein gemeinsames Verständnis über die Datenverarbeitungen zu schaffen - Datenschützer früh mit einzubeziehen - Geduld haben: Guten Datenschutz erreicht man nicht über Nacht! - Berührungsängste auf beiden Seiten abbauen: Sowohl im Datenschutz als auch im Business Zum LinkedIn-Profil von Mona: https://www.linkedin.com/in/mona-wrobel-8a5587177/ Mona als Anwältin: https://eastkap.de/ Mona’s Podcast Data Date: https://datadate.podigee.io/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

Warum ist Datenqualität so wichtig? In welchen Abteilungen ist sie gut und wo ist sie schlecht? Was bedeutet Datenqualität überhaupt? Darum geht es in der neuen Folge von Datendurst. Host Tim Ebner hat diesmal Christian Krug vom Podcast Unf*ck Your Data zu Gast. Auch wenn man mit dem Namen oft im Spam-Filter hängenbleibt, ist es Christian wichtig, Dinge zu „unf*cken“. Neben seinem Podcast arbeitet er bei Frauscher Sensortechnik als Global Data Architect und baut dort eine zentrale Datenplattform und damit einhergehend auch ein Data Team auf. Dazu gehört auch, digitale Produkte aufzubauen und dabei interne und externe Daten zusammenzubringen. Frauscher stellt Radsensoren her, die - ganz einfach erklärt – dafür sorgen, dass Züge nicht ineinander fahren. Christian‘s Credo: Unternehmen müssen sich mehr mit Datenqualität beschäftigen! Denn Datenqualität ist wichtig, wenn Du Entscheidungen auf Basis von Daten treffen möchtest. Dafür macht Christian auch eine einfache Analogie zum Kauf eines Autos. Möchte man verschiedene Autos vergleichen, braucht man Daten, zum Beispiel Kaufpreise. Aber auch beim Hype-Thema KI ist Datenqualität wichtig, denn wenn die KI mit schlechten oder fehlerhaften Daten gefüttert wird, dann sind die Ergebnisse davon schlecht. Christian und Tim sind sich einig: Manchmal sind schlechte Daten aber auch besser als gar keine Daten. Denn wenn Du nicht mit schlechten Daten anfängst, wirst Du nie gute Daten haben. Doch was ist eigentlich Datenqualität? In Christian’s Augen bedeutet es, dass Daten, die für eine Entscheidung benötigt werden, in der richtigen Aktualität auswertbar vorliegen. Mängel können dabei Unvollständigkeit, das Format, falsche Daten, nicht integrierte oder veraltete Daten sein. Dabei ist die Datenqualität oft dann gut, wenn viel Aufmerksamkeit auf dem zugrundeliegenden Thema liegt und Druck von außen da ist. Beispiele dafür sind Finance- und bald auch ESG (Environmental, social, governance), also Nachhaltigkeit. Auch in bestimmten Branchen, wie z.B. dem Pharma- oder dem Versicherungs- und Banken-Bereich, in denen viele Kontrollen stattfinden, sind die Daten oft auch sehr gut. Schlecht wird die Datenqualität dann, wenn eben nicht darauf geguckt wird, es keine Reportings gibt und nicht kontrolliert wird. Christian erklärt, dass das vor allem im HR oft ein Problem ist. Dabei können wir es uns eigentlich nicht mehr erlauben, in der HR-Abteilung mit schlechten Daten zu arbeiten. Die Qualität in den Abteilungen kann man durch Incentives und die Untersützung vom Top-Management verbessern. Hier hilft es, einfach mal einen Tag „mitzugehen“ und dabei herauszufinden, welche Daten und Reportings nötig sind, um den Mitarbeitenden das Leben zu vereinfachen. Christian’s Tipp: Der erste Schritt für die Erhöhung der Datenqualität ist, herauszufinden, wo es klemmt. Zum LinkedIn-Profil von Christian: https://www.linkedin.com/in/christian-krug/ Zum Podcast von Christian: https://linktr.ee/christian_krug Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

Was ist eigentlich ein GPT? Was unterscheidet eine KI von einem GPT? Wie baut man ein GPT auf und welche Technologien gibt es dafür? Was hat das Ganze mit Datenqualität zu tun? Und was kann man mit einem UnternehmensGPT machen? Darüber spricht Host Tim Ebner in der neuen Folge von Datendurst mit Sarah Stemmler. Die kennen wir schon aus der letzten Folge Datendurst, in der es um’s Gründen ging. Denn Sarah hat sich gemeinsam mit ihrem Partner Sebastian selbstständig gemacht und das KI-Start up Synsugar gegründet, mit dem sie Unternehmen helfen, betriebliche Abläufe mit KI zu optimieren und die Produktivität zu steigern. Und dazu gehört mittlerweile auch, UnternehmensGPTs zu entwickeln. Doch was ist ein GPT überhaupt? Seit der Veröffentlichung von ChatGPT wurde der KI-Hype losgetreten. Dabei gibt es das Thema schon seit den 50ern und viele Unternehmen setzen es schon jahrelang ein. GPT steht dabei für eine spezielle Technologie, die das Unternehmen OpenAI (die Gründer von ChatGPT) entwickelt hat. Die Abkürzung steht für Generative Pretrained Transformers. Ein GPT ist somit eine spezielle Art von KI, wozu ja auch Predictive Maintenance und ähnliche Dinge gehören. Der Klassiker ist: Text-Input und Text-Output. Die gleiche Architektur funktioniert auch bei Bildern: Text-Input und Bild-Output. Außerdem kann ein GPT auch Code generieren und mittlerweile gibt es Forschungen zum Einsatz in Wettermodellen. Doch was unterscheidet nun ein GPT von einem UnternehmensGPT? Im Grunde heißt das, dass Unternehmen für ihre eigenen Anwendungsfälle ein GPT entwickeln. Dieses ist dann verknüpft mit den eigenen Daten bzw. der internen Wissensdatenbank. Sarah erzählt zum Beispiel von dm, wo dies mit der Tochter dm Tech umgesetzt wurde. Doch warum nicht einfach ChatGPT mit den eigenen Daten füttern? Hier kommen der Datenschutz und IT-Security dazwischen. Denn hochsensible Daten möchte man nicht mit ChatGPT in Verbindung bringen, zudem kann man bei dieser Lösung Daten nur sehr gezielt hochladen. Eine eigene GPT-Variante löst diese Probleme. Dabei bedient man sich an den Sprachmodellen vom Markt und verbindet sie mit eigenen Daten. Das ist zudem auch eine viel kostengünstigere Lösung, denn das Training eines komplett neu entwickelten Systems kostet mehrere 100 Millionen. Sarah gibt noch ein paar Tipps zum Start mit einem eigenen GPT. Wichtig ist hierbei, sich zuerst Gedanken über die eigenen Use Cases zu machen. Dazu gehört auch die Datenvorbereitung, denn viele Unternehmen haben keine Single Source of Truth, die man hierfür benötigt. Außerdem wichtig: Informiert Euch über den EU AI-Act, wenn Ihr ein eigenes GPT umsetzen wollt! Zum LinkedIn-Profil von Sarah: https://www.linkedin.com/in/sarah-stemmler/ Zur Website von Synsugar: https://synsugar.com Über das BayernGPT: https://synsugar.com/blog/freistaat-bayern-plant-bayerngpt Über das Unternehmens-GPT von dm: https://open.spotify.com/episode/2fSn7aAwykXafucpwRAlNR?si=f46a586d1c1d45ce Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ [Anzeige] Datendurst-Stellenmarkt Offene Stelle: Team Lead Social Media Analytics Unternehmen: We Are Era Aufgaben: Leitung und Entwicklung eines Teams, das Social Media Daten überwacht, analysiert und interpretiert; Markt- und Wettbewerbsanalysen, Trackinganalysen und Dashboards erstellen, Influencer Markt im Auge behalten, Analysetools einführen und nutzen Über das Unternehmen: Studio- und Talent-Agency mit Standorten in Amsterdam, Berin, Köln, Kopenhagen, Paris, Madrid, Mailand und Stockholm Arbeitsort: Hybrid [Anzeige] Link zur Stellenanzeige: https://jobsearch.createyourowncareer.com/weareera/job/Berlin-Team-Lead-Social-Media-Analytics-BE-10777/1104577901/?utm_medium=podcast&utm_source=datendurst

Wie verändert sich der Alltag durch die Selbstständigkeit? Welche Sorgen macht man sich (begründet oder unbegründet) vorher? Welche Vorteile hat die Selbstständigkeit und wie kommt man mit den Gedanken dazu klar, dass man damit vielleicht nicht den Kühlschrank füllen kann? Wieso ist Positionierung eine never-ending Story? Darüber spricht Host Tim Ebner in der neuen Folge von Datendurst mit Sarah Stemmler. Sarah hat 4 Jahre im Angestellten-Verhältnis gearbeitet und sich dann selbstständig gemacht – nun auch 4 Jahre. Doch wie ist sie überhaupt zu der Selbstständigkeit gekommen? Sarah kommt aus einer Gründerfamilie und fand Unternehmertum immer schon spannend. Auch ihr Lebenspartner Sebastian ist selbstständig und langsam aber sicher kam Sarah auf den Geschmack. Ihre Gründung kam allerdings zu einem schlechten Zeitpunkt: Kurz vor Covid und dem Lockdown. Das war für Sarah ein holpriger Start, sie fühlte sich gefangen und zunächst mit Selbstmitleid erfüllt, nahm dann aber die Möglichkeit wahr, sich intensiver mit der Selbstständigkeit zu beschäftigen. Dazu gehörte auch das digitale Vertriebsmarketing, was sie vorher nicht viel genutzt hatte. Doch Personal Branding ist viel wert und die Wirkung davon nicht zu unterschätzen. Innerlich setzte sie sich die Grenze von einem Jahr und merkte dann: Das hat funktioniert! Sie wollte weitermachen, nicht wieder zurück in die Festanstellung. Und sie merkte, dass sie durch die Selbstständigkeit auch viel spannendere Themen und Projekte um sich herum hatte. Nach 2 Jahren gründete sie dann gemeinsam mit ihrem Lebenspartner – eine Sache, die viele Menschen nicht unbedingt tun würden! Doch viele Gespräche und auch der Wunsch danach, nicht mehr als Einzelkämpfer unterwegs zu sein, sorgten dann für ein positives Bild. Nun hat Sarah einen Sparringspartner und teilt sowohl die Freiheit als auch die Verantwortung gemeinsam mit Sebastian im Unternehmen synsugar, mit dem sie Unternehmen hilft, betriebliche Abläufe mit KI zu optimieren und die Produktivität im Unternehmen zu steigern. Doch wie positioniert man sich als Freelancer oder auch Unternehmen? Für Sarah ist es wichtig, zunächst einmal herauszufinden, was man selbst möchte. Denn wenn es keine klare Positionierung gibt, dann erhält man immer wieder Anfragen, die extrem divers sind und damit auch viel Zeit fressen. Ihr Tipp ist es, optimistisch zu sein, denn wer sollte schon von einem Pessimisten kaufen wollen? Zum LinkedIn-Profil von Sarah: https://www.linkedin.com/in/sarah-stemmler/ Zur Website von Synsugar: https://synsugar.com Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

Was sind die Grundpfeiler für GA4-Tracking? Und was ist eigentlich so besonders an Google Analytics 4, das Universal Analytics abgelöst hat? Darum geht es in der neuen Folge von Datendurst! Tim Ebner, der Host der Show, spricht mit Vikash Sharma, einem strukturierten Digital Analyst mit dem Fokus auf GA4. Vikash hat früh Erfahrung in Großkonzernen, u.a. OTTO und T-Online gemacht. Jetzt ist er selbstständig mit dem Konzept Collect, Understand, Visualize. Vikash wollte immer schon mit Zahlen, Daten und Fakten verstehen, was für Entscheidungen Menschen treffen. Aus dem Grund hat er Psychologie studiert, dann mehrere Stationen in Konzernen gemacht, wollte dann aber agiler werden und hat sich gleichzeitig mit seiner Auswanderung nach Asien selbstständig gemacht. Spannenderweise hat Vikash eine estländische Firma, was für ihn einige Vorteile bietet. Durch die Betreuung großer Accounts in den Konzernen konnte er wertvolle Erfahrungswerte sammeln. Und deswegen erzählt er auch, wofür sein Konzept steht: Collect bedeutet, erstmal Daten zu erheben, zu sammeln und datenschutzkonform zu machen. Hierzu gehört auch, herauszufinden, an welche Tools Daten in welcher Form gesendet werden. Auf der Basis kann man dann die Implementierung und damit das Tracking aufbauen. Understand bedeutet, Daten in einen Kontext zu setzen und zu verstehen. Die Aussage „wir haben am Montag 10.000 Produkte verkauft“ ist nämlich wertlos, wenn man nicht den Kontext dazu hat, wie viele Produkte normalerweise an einem Montag verkauft werden und wie viele User einen Checkout gestartet, aber abgebrochen haben. Visualize bezieht sich dann auf die Datenvisualisierung – aber zielgruppengerecht! Bei der Vorstellung von Daten neigt man oft dazu, ins absolute Detail zu gehen, doch vielleicht möchte die Zielgruppe genau diese Informationen gar nicht haben. Deswegen muss man sich immer fragen, wer der aktuelle Stakeholder ist, welche Informationen dieser benötigt und welches Informationsbedürfnis sie oder er hat. Als Visualisierungstool empfiehlt er Python zum Austausch mit anderen Analysten, ansonsten aber auch Tableau, PowerBI oder Looker Studio. Außerdem geht es um die Besonderheit von GA4 im Vergleich zu UA und wie die Migration stattfinden kann. Vikash empfiehlt immer, ein ordentliches Tracking-Konzept zu erstellen, bevor die Umsetzung mit Events erfolgt. Schließlich soll alles wartbar bleiben und die Fragen der Stakeholder sollen in vernünftige KPIs übersetzt werden. Der Fokus sollte immer auf der gesamten Data-Wertschöpfungskette liegen! Zum LinkedIn-Profil von Vikash: www.linkedin.com/in/vikash-analytics Zur Website von Vikash: https://www.vikash-analytics.com/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

Wie macht man interessante Dashboards, die auch wirklich genutzt werden? Und was wollen Dashboard-User wirklich sehen? Darüber diskutiert Host Tim Ebner in der neuen Folge von Datendurst. Zu Gast ist Evelyn Münster, die auf Data Visualisation und Storytelling spezialisiert ist. Es geht um ein Thema, das eigentlich so einfach scheint und trotzdem so viele Probleme hervorruft: Gute Dashboards. Diese müssen nach Evelyn vor allem drei Dinge erfüllen: Klarheit, Interpretierbarkeit und Relevanz. Für Evelyn war es immer schon ein Anliegen, Dinge zu visualisieren, die sie nicht sehen kann und dadurch zu erkennen, was Dinge für Auswirkungen haben. Das bezieht sie nicht nur auf ihren Körper, sondern auch auf Websites. Als sie anfing mit der Data Visualisation wurde das noch kaum gemacht. Sie startete also mit Dashboards im Onlinemarketing, erstellte ein Produkt – doch die Menschen nutzten dieses nicht. Denn Ästhetik reicht für ein gutes Dashboard nicht aus, ansonsten finden User die Dashboards zwar interessant – aber interessant ist die kleine Schwester von scheiße und bedeutet vor allem nicht relevant. Wichtig ist zu erkennen, was hinter den Daten steht und wie der Kontext dazu aussieht – eigentlich wie Indizien in einem Kriminalroman. Evelyn ist es wichtig, die persönlichen Präferenzen der User zu befriedigen. Deswegen mag sie es auch nicht, wenn generelle Aussagen getroffen werden, wie z.B. dass Pie Charts grundsätzlich schlecht sind. Sie bringt Beispiele, an welchen Stellen genau diese Charts eine gute Visualisierung sein können. Der Kern eines guten Dashboards ist es, gute Datenfragen zu stellen. Evelyn bezeichnet das als Dark Art of Data Analytics. Die Kernaufgabe von Analytics Leaders ist es nicht, Dashboards zu bauen, sondern mit den Business Usern dazusitzen und herauszufinden, was ihre Fragen und Probleme sind. Dazu gibt sie den Vergleich zu Henry Ford, wenn dieser seine Kunden gefragt hätte, was sie gerne hätten, dann hätten sie sich schnellere Pferde gewünscht – das eigentliche Problem war aber, dass die Fortbewegung nicht schnell genug war. Bei Data Visualisation geht es also darum, herauszufinden, wo die Probleme wirklich liegen – mit dem Ziel, Business Impact zu generieren. Evelyn gibt dazu auch ein paar Beispiele für gute Datenfragen. Erst danach sollten Dashboards designed werden. Der Game Changer liegt also im guten alten Gespräch. Zum Schluss hat Evelyn noch ein Geschenk für die Hörenden, und zwar einen kostenlosen Crashkurs vom Chartdoktor. Zum LinkedIn-Profil von Evelyn: https://www.linkedin.com/in/evelynmuenster/ Zum Chartdoktor-Crashkurs: https://www.chartdoktor.com/chart-doktor-test Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

Was macht Analysen im Streamingumfeld denn so besonders? Wie kriegt man Daten im Streamingumfeld analysebereit? Welche Analyseprodukte kommen dabei raus? Darum geht es in der neuen Folge von Datendurst. Der Host Tim Ebner spricht mit Sascha Leweling, Head of Customer Analytics bei RTL+, dem Streamingdienst von RTL unter dem Konzern Bertelsmann. Sascha war vorher bei Obi und hat im Marketingbereich promoviert – und aus dem Studium kennen sich die beiden Data-Liebhaber auch! Sascha’s Ziel ist es, RTL+ zu enablen, datengetrieben zu arbeiten. Dabei beschäftigt er sich natürlich auch viel mit der Weiterentwicklung seines eigenen Teams. Doch was macht Analysen im Streaming-Umfeld überhaupt so besonders? Bei RTL+ gibt es verschiedenste Angebote, neben dem Reality-TV, für das die App besonders bekannt ist. Doch eigentlich sind alle Mediengattungen vertreten, von Hörbüchern über Podcasts, Musik und Magazine bis hin zu den bekannten Serien, aber auch Sport-Übertragungen. Um die Frage zu beantworten, ist es für Sascha allerdings wichtig, nochmal genau zu erklären, was Analytics überhaupt bedeutet, denn das ist ein Begriff, der viel genutzt wird, vor allem als Synonym zu Reportings. Das ist allerdings nur ein Teil von Analytics, denn im Vordergrund steht, datengetriebene Insights zu generieren und Menschen zu enablen, mit diesen datengetrieben zu arbeiten. Jeder im Produkt soll die Daten selbst verstehen und damit arbeiten können, damit sich die Analytics-Teams noch tiefer in die Daten eingraben und noch tiefere Insights kreieren können. Die Herausforderung bei den Streaming-Analytics besteht unter anderem in der riesigen Datenmenge, die erstellt wird und darin, dass diese Rohdaten ja zunächst aggregiert werden müssen. Um das zu erklären, tauchen Tim und Sascha tief in den „Maschinenraum“ ab und diskutieren die Messungen. Die nächste Herausforderung ist dann die Zielgruppe. Diese sind bei RTL+ nämlich total unterschiedlich, was vor allem bei Accounts, die in einem Haushalt geshared werden, nochmal komplizierter wird. Sascha listet dabei die Metriken und Dimensionen auf, die er am meisten betrachtet: Wie viele Leute kommen rein und schließen ein Abo ab?Wofür sind diese Kunden reingekommen – was war der erste Stream?Wann gehen die Kunden raus und welche tun das? Was haben diese vorher getan?Wie kommt die Person zu RTL+ ?Wie sieht die Customer Discovery aus?Und natürlich der Customer Lifetime Value – da gehören aber viele andere Dinge zu, sodass dieser nicht so einfach zu berechnen ist.Sascha gibt den Tipp: Miss nicht alles, was du kannst, sondern alles, was du brauchst und achte dabei auch darauf, was deine Stakeholder brauchen. Hier benötigt man einen gesunden Pragmatismus, auch wenn das Analystenherz dabei blutet. Übrigens: Sascha sucht für sein Team bei RTL+ gerade einen Senior Data Analyst. Wichtig ist ihm dabei vor allem ein offenes Mindset und die Motivation, auch mal selbst loszulaufen – das ist sogar noch wichtiger als die technischen Skills auf dem Papier! Wenn Ihr Interesse habt, dann schaut mal hier: https://jobsearch.createyourowncareer.com/RTL/job/K%C3%B6ln-Senior-Data-Analyst-%28mwd%29-NW-50981/1061609701/ Zum LinkedIn-Profil von Sascha: https://www.linkedin.com/in/dr-sascha-leweling-410b6b7a/ Zur Website von RTL+: https://plus.rtl.de/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

„Social verändert sich jeden Tag, man muss aber am Ball bleiben.“ – das sagt Florian Litterst in der neuen Folge von Datendurst, in der er von Tim Ebner interviewt wird. Florian war 11 Jahre im Konzern und hat sich dann 2016 selbstständig gemacht mit Social Ads. Mittlerweile führt er die Agentur Adsventure für Social- und Performance-Ads, hat 11 Mitarbeitende und über 30 Kunden. Dabei legt Florian den Fokus auf Social Ads und Neukundengewinnung, auf eCommerce und Direct-to-Consumer-Marken. Zu seinen Kunden gehören Digital Brands wie Everdrop, aber auch Established Brands. Tim und Florian sprechen darüber, dass es wichtiger ist, als Beratung Mehrwert zu liefern, als das Wissen bei sich zu behalten und Gate-Keeping zu betreiben. Der Kern der Folge ist aber, wie sich Social Media Daten in den letzten 3 Jahren verändert haben, unter anderem durch das iOs-Update und den datenschutzfreundlicheren Umgang von Apple. Der Algorithmus ist Content-getriebener geworden. Tim macht das an einem Beispiel fest, dass sich durch die ganze Folge zieht: Katzen-Yoga! Wenn Du auf Video-Views, Reichweiten oder Impressionen gehst, dann macht es weiterhin Sinn, das Targeting granular zu definieren. Ansonsten ist es sinnvoll, auf die KI-getriebene Optimierung der Plattform zu gehen. Die beiden diskutieren auch über Core-Audiences und darüber, wie Reichweitenkampagnen gut funktionieren. Das Creative sucht sich seinen Weg und ist damit auch „the new targeting“. Florian erklärt das anhand vom TikTok-Algorithmus – auch hier wird das Video an eine Kohorte ausgespielt, ist diese interessiert und reagiert gut, dann kommt die nächste Kohorte dazu. Sein Mantra: Strategie ist wichtiger als die Botschaft, die ist wichtiger als die Anzeigengestaltung und das ist wichtiger als das technische Setup. Dann geht es noch um die Daten, die Facebook sammelt und warum gerade so ein starker Push in Richtung Meta stattfindet. Dabei werden in die Algorithmen Daten zur Nutzung, der Verbindung zu Unternehmen und Freunden, Gruppen und dem Verhalten eingebunden. Das Datenprofil wird dadurch immer tiefer angereichert und es geht nicht nur um das Verhalten auf den Plattformen selbst, sondern auch die Inhalte von Websites, die man sich anschaut. Zum Schluss gibt es noch eine moralisch-ethische Diskussion darum, wie wichtig es ist, die Privatsphäre der User zu schützen und auch um das Erkennen von Anomalien der Kampagnen-Performance. Zum LinkedIn-Profil von Florian: https://www.linkedin.com/in/florianlitterst/ Zur Website von adsventure: http://www.adsventure.de/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/

Warum ist datengetriebene oder auch dateninspirierte Kreation so schwierig? Darüber diskutiert Tim Ebner in dieser neuen Folge von Datendurst mit Stephanie Verch. Die hat schon 2013 das erste Mal Social Media und Daten verknüpft, als das noch gar nicht so dominant und vertreten war. Das gemeinsame Verständnis füreinander fehlte schon damals – aber da kommen die beiden im weiteren Verlauf der Folge zu. Stephanie ist mittlerweile selbstständig als Unternehmensberaterin mit dem Fokus auf digitale Transformation und Kommunikation. Sie unterstützt Unternehmen dabei, Strategien zu erstellen und diese operativ umzusetzen. Eins ihrer Ziele ist es, den Kreativabteilungen dabei zu helfen, virale Themen datenbasiert aufzuspüren. Und genau das, das Vorantreiben der datenbasierten Transformation, ist manchmal wie eine heiße Kartoffel, die keiner fangen will. Die Frage ist nur, wie man diese Kartoffel auf eine angenehme Temperatur bringt, sodass man sie nicht nur fangen, sondern auch essen will. Denn es gibt viele Teams, die mit Daten gerne wenig zu tun haben möchten, für die Daten eine neue, fast unlösbare Aufgabe darstellen, oder die sogar schummeln. Das liegt laut Stephanie an drei Dingen: Am Ego, weil man von den eigenen Dingen so überzeugt ist, obwohl die nicht datenvalidiert sind, an Angst, dass man mit der eigenen Inkompetenz konfrontiert wird und Kritik dafür erntet, dass man nicht so viel über Daten weiß und an Unsicherheit beim Umgang mit Daten und Dashboards. Doch oft liegen die Probleme noch tiefer: Stephanie mag es gerne, wenn es Hierarchien gibt, in denen Strategien klar vorgegeben werden. Zudem fehlt oft der politische Groundwork, die Daten sind unsauber und es besteht viel Ungeduld bei denen, die nicht so viel Expertise haben. Auch der ROI ist oft nicht direkt erkennbar, denn der Aufbau von einem Data-Team ist kostenintensiv und hat nicht direkt Impact auf den Umsatz. Dann kommt noch der Ausdruck „Innovationstheater“ in das Gespräch, das bedeutet, dass z.B. Data in der Kommunikation stark ausgeschlachtet wird und dahinter ist heiße Luft. Das ist ähnlich wie hohe Fluktuationen, die resultieren auch manchmal daraus, dass Unternehmen behaupten, etwas zu sein, was sie nicht sind. Doch wie kann man Kreativen nun mit Daten helfen? Tolle Kampagnen werden durch Daten nur besser und auch abgesicherter und weniger umstößlich. Ein Tipp der beiden ist, die bestehenden Prozesse aufzumalen und dann zu schauen, wie man die einzelnen Schritte mit Daten besser und messbarer machen kann. Hierbei helfen auch fachübergreifenden Meetings, bei denen die Traum-Prozesse skizziert werden. So können alle an einem Tisch sitzen und Strukturen und Schnittstellen aufgebaut werden. Stephanie gibt zudem noch ein paar Tipps zum Kampagnenprozess mithilfe von Daten, wobei sie betont, wie wichtig es ist, die bestehenden Thesen zu verifizieren und erst Routen aufzubauen, wenn Daten eingebunden wurden. Zum LinkedIn-Profil von Stephanie: https://www.linkedin.com/in/stephanieverch/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ 00:00:00 Intro in die Folge 00:01:08 Stellenmarkt für Data & Analytics 00:03:31 Vorstellung Steffi 00:07:00 Daten machen Angst und sind schlecht fassbar 00:10:21 Data ist ein Invest 00:12:33 Schummeln bei Data 00:17:48 Kommunikation und Kultur verbessern 00:20:49 Innovationstheater 00:22:24 Kreative für Daten motivieren 00:29:01 Zeit für Daten muss da sein 00:31:29 Strukturen aufbrechen 00:35:02 Prozesse für Data 00:40:52 Die perfekten Data-People 00:45:53 Learnings sind am wichtigsten 00:47:39 Schritte von...

Endlich gründen und: Ist Datendurst gestorben? | Tipps zur Gründung von Tim Ebner Es ist einige Zeit seit der letzten Folge von Datendurst vergangen. Tim Ebner ist aber nicht eingeschlafen und Datendurst ist auch nicht gestorben. Doch es ist viel passiert im Leben von Tim. In dieser neuen Episode von Datendurst erzählt er, was. Denn Tim hat leider seinen Job bei Territory im letzten Jahr verloren. Es gab viele Nebenschauplätze und er konnte sich nicht mehr auf das konzentrieren, was er dort aufbauen wollte. Schon lange spielte er mit dem Gedanken, sich selbstständig zu machen, doch irgendwie stand ihm immer im Weg, dass er sich nicht traute. Und es war auch irgendwie immer eine neue Festanstellung in greifbarer Nähe. Doch nun ist es soweit: Datendurst gibt es nun auch als Data-Beratung! Die Gründung hat Tim allerdings viel Energie gekostet und er erzählt, was zu einer Gründung alles dazu gehört. Das waren nicht nur Mindset-Themen wie die Frage: Bin ich eigentlich zu alt zum Gründen? Was passiert, wenn das Geld nicht direkt reinkommt und er die gemeinsame Wohnung mit seiner Freundin nicht halten kann? Tim baute sich aber das Umfeld, das er zur Gründung brauchte, von Beratern bis hin zu guten Freunden, die ihn unterstützten. Er gibt Tipps zu Büchern und Podcastfolgen, die ihm geholfen haben, seine Blockaden zur Gründung zu lösen. Sein Tipp: Du kannst nicht kontrollieren, was Du fühlst, aber Du kannst kontrollieren, was Du machst. Los ging es also mit dem Portfolio-Aufbau, unter anderem mit Hilfe des Gründungscoachings der Agentur für Arbeit. Auch ein Gründerzuschuss half ihm, die nötige Sicherheit zu fühlen. Dafür schrieb Tim übrigens einen 200 Seiten-langen Business Plan! Und als er dann auf LinkedIn seinem Netzwerk offenbarte, dass er nun selbstständig ist, kamen auch direkt die ersten Kunden rein. Auch der Podcast sorgte für einen Kunden. Dazu hielt Tim Webinare, u.a. bei der OMR Education. Doch Tim spricht auch über die „Papiertiger“-Themen, wie z.B. die Wahl einer richtigen Versicherung. Als Gründer sollte man sich mit Arbeitslosenversicherung, Betriebshaftpflichtversicherung, Vermögensschadenhaftpflicht, Gewerberechtschutz und Forderungsausfallversicherung beschäftigen. Auch die Kontoeröffnung war ein schwieriges Thema. Und schließlich entschied sich Tim auch dazu, die Marke Datendurst anzumelden und erklärt dabei den Unterschied zwischen einer Wort-Marke und einer Wort-Bild-Marke. Sein administrativer Endgegner war schließlich das Finden einer Steuerkanzlei – ja, Steuerberater sind zurzeit extrem überladen und man muss hoffen, einen freien Platz zu bekommen! Und auch der Podcast wird nun wieder belebt und Ihr könnt Euch monatlich auf neue Folgen freuen, für die Tim nun auch mit einer Agentur zusammenarbeitet. Disclaimer: Diese Folge ist keine Rechts- oder Gründungsberatung, Tim teilt einfach nur seine Erfahrungen!

Moin Miteinander 😁 Philipp ist zu Gast. Wir sprechen über das Knaller Datenschutz-Urteil gegen die Telekom zu Google Analytics (Achtung: Clickbait 😂). Dabei besprechen wir die Fragen: Darf man Google Analytics und Marketing Pixel jetzt in Deutschland noch nutzen? Welche Fragen solltet Ihr Eurem Datenschutz jetzt stellen?Worum ging es bei der Klage eigentlich im Detail?Mit welchen Klagepunkten hatte der Verbraucherschutz NRW Erfolg? Mit welchen nicht?Wie geht es mit dem Verfahren jetzt weiter, wo das Urteil noch nicht rechtskräftig ist?Hilft es, wenn wir Cookie Banner einfach nur anders zu designen?Welche Flanken sind bei der Telekom noch offen?Welche Lösungen können Google Analytics und Marketing Pixel ablösen?Links: Stellenmarkt - Security Data Analyst bei der Telekom: https://telekom.jobs/karriere/jobs/de/211403/Security-Data-Analyst-%28m%7Cw%7Cd%29/Bonn.html Philipp auf LinkedIn: https://www.linkedin.com/in/philipploringhoven/Peter Hense auf LinkedIn: https://www.linkedin.com/in/peter-hense-%F0%9F%87%BA%F0%9F%87%A6-19861318/Verbraucherzentrale NRW - Bericht zum Urteil: https://www.verbraucherzentrale.nrw/pressemeldungen/presse-nrw/telekom-darf-keine-personenbezogenen-daten-an-googleserver-in-die-usa-uebermitteln-83968Basic Thinking - Bericht zum Urteil: https://www.basicthinking.de/blog/2023/05/10/telekom-personen-daten-google-usa/LG Köln - Das Urteil im Volltext: https://www.verbraucherzentrale.nrw/sites/default/files/2023-05/lg_koln_vom_23-03-2023_33_o_376_22_geschwaerzt.pdfWikipedia - Gerichtsorganisation in Deutschland: https://de.wikipedia.org/wiki/Gerichtsorganisation_in_Deutschland#Haftungsfalle Datenschutz – Muss ich als Mitarbeiter für Datenschutzverstöße haften? https://haerting.de/wissen/haftungsfalle-datenschutz-muss-ich-als-mitarbeiter-fuer-datenschutzverstoesse-haften/Matomo: https://matomo.org/Mapp: https://mapp.com/Piwik Pro Tag Manager: https://piwikpro.de/tag-manager/Daten und Sicherheit in Google Rechenzentren: https://www.google.com/about/datacenters/data-security/Zum Abschluss ein kleines Sorry und eine Erklärung zur längeren Funkstille: Ich bereite gerade etwas vor... Deshalb mache ich gerade ganz nicht so viele Folgen. Aber: Ich gelobe Besserung und sobald die Sache spruchreif ist, sage ich natürlich Bescheid. Ihr könnt natürlich in der Zwischenzeit raten... Woran glaubt Ihr arbeite ich im Hintergrund? 😬 Support the showVorschläge/Bewerbung für neue Gäste:- Tim Ebner auf LinkedIn

Sooo, Zack Zack! Ab gehts mit der nächsten Folge hier! Wird ja allerhöchste Eisenbahn, einen Monat Funkstille... Sorry!Sarah und ich sprechen darüber, wie man Influencer Kampagnen mit Daten besser planen, durchführen und optimieren kann. Wie läuft das bei Zooplus? Was sind die Herausforderungen aus Data & Analytics Sicht? Wie macht man Influencer zu anderen Performance Kanälen vergleichbarWelche Daten sind in welchen Netzwerk verfügbar? Welche sind in bestimmten Netzwerken nicht verfügbar? Was ist das Problem mit Daten, die Influencer manuell teilen? Ganz nebenbei sprechen wir noch über viele kostenfreie und kostenpflichtige Influencer Analytics Tools und was sie können, nämlich: Sideqik, Iroin, Kolsquare, Woomio, Infludata, Storyclash, Nindo, Hypeauditor und das gute alte Talkwalker ;) Links: Stellenmarkt: Business Intelligence Consultant / Data Scientist (m/w/d) bei der Lufthansa in Frankfurt - https://www.linkedin.com/jobs/view/3497334162/?alternateChannel=search&refId=1NHaB5CdmIbMa1EfwJ3%2FMA%3D%3D&trackingId=2JnmFB6ppJCoY0WgZ8X4KQ%3D%3D&trk=d_flagship3_search_srp_jobs Zooplus: https://www.zooplus.de/Jobs bei Zooplus: https://careers.zooplus.com/?utm-source=utm_source_teaser&analytics-id=qp85kbzn8noe-1aQ5KaTeQzoLFRPkjP1emgSarah auf LinkedIn: https://www.linkedin.com/in/sarah-sunderbrink/Tools: Sideqik, Iroin, Kolsquare, Woomio, Infludata, Storyclash, Nindo, Hypeauditor, TalkwalkerSupport the showVorschläge/Bewerbung für neue Gäste:- Tim Ebner auf LinkedIn

Moiiiiiin aus Kiel und Düsseldorf! Jakob und ich sprechen darüber, was TikTok als Performance Kanal so speziell macht, und welche typischen Fehler bei Werbeanzeigen immer wieder passieren. Dazu gibt es noch Tipps vom Profi, wie man einen Account Audit auf TikTok macht, welche technischen Sachen die KPIs verhageln können und welche aktuelle organische Kampagne Jakob richtig gut fand. Kleiner Spoiler: Es ist eine Recruiting-Kampagne von einem Garten-Landschaftsbauunternehmens.Links: Stellenmarkt: Junior Analyst (m/w/d) Nintendo in Frankfurt - https://www.nintendo.de/jobportal/pages/de_DE/corporate/career/job_offers/_junior_analyst.jspJakobs Agentur: https://jakobstrehlow.de/Jakob auf LinkedIn: https://www.linkedin.com/in/jakobstrehlow/Jakobs Lieblingskampagne auf TikTok: https://www.tiktok.com/discover/7-vs-wild-gartenbauJakobs Lieblingskampagne auf YouTube: https://www.youtube.com/watch?v=3D5t9SPWP8oSupport the showVorschläge/Bewerbung für neue Gäste:- Tim Ebner auf LinkedIn

Also wenn die Tagesschau darüber spricht, dann machen wir das auch: Die Rede ist von ChatGPT. Matthias Göbel und ich quatschen darüber, was ChatGPT eigentlich ist, wer dahinter steckt, was man damit machen kann, wie es unter der Haube funktioniert, was man machen muss um loszulegen und darüber, was die Vor- und Nachteile sind. Denn insbesondere wenn man Geschäftsideen oder andere sensitive Daten teilt, ist die Lage bei aller Experimentierfreude noch etwas unsicher. Links: Stellenmarkt: Leiter:in AI Factory (w/m/d) bei der Deutschen Bahn in Berlin - https://db.jobs/de-de/Suche/Leiter-in-AI-Factory-w-m-d-OFK-2-10066236Stellenmarkt: Claudia Pohlink - https://www.linkedin.com/in/claudia-pohlink/Nagra: https://nagra.ch/AllSocial Marketing Conference: https://allsocialconference.de/Matthias auf LinkedIn: https://www.linkedin.com/in/matthiasg%C3%B6bel/Matthias Linkliste mit seinen Social Kontaktdaten, Hands On Anleitungen zu ChatGPT, dem empfohlenen Podcast Editing Tool Descript und Bildgenerierung mit AI: https://buttoned-calendula-ad7.notion.site/ChatGPT-Hands-on-b4588eb499074eeabf5ea90da1e50e54 Support the showVorschläge/Bewerbung für neue Gäste:- Tim Ebner auf LinkedIn

Jetzt wird’s komplex: Sarah Sunderbrink von Zooplus erzählt uns etwas über Social Media Reporting im internationalen Kontext. Wie läuft das bei Zooplus? Was wäre ein ideales Reporting? Wie sieht die Realität aus? Warum ist es manchmal so schwer? Wie kann man das lösen? All diese Fragen klären wir - nach einem ganz schön persönlichen Einstieg - in einem sehr spaßigen Gespräch. Hört rein :) Links: Stellenmarkt: (Senior) Marketing Manager "Marketing Data und Analytics" (m/w/d) bei Penguin Random House Verlagsgruppe - https://jobsearch.createyourowncareer.com/PRH_DEU/job/M%C3%BCnchen-%28Senior%29-Marketing-Manager-Marketing-Data-and-Analytics-%28mwd%29-BY-81673/884881201/Stellenmarkt: Sarah Söhlemann - https://www.linkedin.com/in/sarahsoehlemann/ Zooplus: https://www.zooplus.de/OMR: #OMR22 Masterclass: Krisenmonitoring und -management mit Talkwalker | Bsp.: Too Good To Go & Zooplus - https://www.youtube.com/watch?v=nS_8x5_8NjABlogpost: How to Survive Corporate Politics as a Data Scientist / Ben Rogojan - https://betterprogramming.pub/how-to-survive-corporate-politics-as-a-data-scientist-ba914fac2471Blogpost: The most difficult thing in data science: politics - Alan Marazzi: https://www.linkedin.com/pulse/most-difficult-thing-data-science-politics-alan-marazzi/Kleine Triggerwarnung: Am Anfang sprechen wir auch über Sarahs Nebenjob als Freie Rednerin, der auch liebevolle Reden auf Beerdigungen umfasst. Support the showVorschläge/Bewerbung für neue Gäste:- Tim Ebner auf LinkedIn

Noch keine guten Vorsätze? Ich weiß, ich nerve. Aber: Starte doch einfach Deinen eigenen Podcast! In dieser Folge erzähle ich, wie ich zum podcasten gekommen bin, welche Learnings ich in Sachen Qualität und Vorbereitung ich früh machen musste, empfehle Dir tonnenweise nützliche Blogartikel, Tutorials und Testberichte und stelle Dir mein "Podcast MVP" (minimum viable Product aka schlankes Produkt) im Sinne von Ausrüstung, Artwork, Software und Redaktionsplanung/Gäste vor.Links: Stellenmarkt: Senior Data Analytics & Controlling Manager Social Commerce bei Douglas: https://www.behindbeauty.de/jobs/Senior_Data_Analytics_%26_Controlling_Manager_%E2%80%93_Social_Commerce_%28f%2Fm%2Fd%29/&utm_campaign=Datendurst_Podcast Yassin Hamdaoui von Douglas im New Commerce Podcast: https://new-commerce.podigee.io/41-douglas-yassin-hamdaoui Jason Modemann, Host des New Commerce PodcastsPodcasts: https://www.linkedin.com/in/social-media-experte/Podcast Folge mit Jonas Rashedi: Verlieren wir uns zu sehr in Web Analytics? https://mydata.podigee.io/17-tim-ebner-jonas-rashedi-web-analyticsPodcast Folge mit Philipp von Loringhoven: Was hat Datenschutz mit Nachhaltigkeit zu tun? https://dataengage.podigee.io/38-fingerprinting-personliche-daten-was-wird-uber-uns-gesammelt-mit-tim-ebner Podcast Folge mit Philipp von Loringhoven: Innovation mit Daten https://dataengage.podigee.io/53-innovation-wie-wird-man-mit-und-durch-daten-besser Mikrofon Test: Rode Podcaster: https://www.mikrofon-test-podcast.de/rode-podcaster-mikrofon-test/ [Anzeige] Riverside Podcast Aufzeichnungs-Software: https://riverside.fm/Buzzsprout Tutorial: How to start a Podcast: https://www.buzzsprout.com/blog/how-to-start-a-podcast##podcast-equipment Riverside Tutorial: How to Edit a Podcast: https://www.youtube.com/watch?v=pUwVGWWKcHc&list=PLiFNLuoG5DuXzOwpI4qCxM6eO5fnjXo-kJennifer Marie: How to Transcribe Audio to Text for Free https://www.youtube.com/watch?v=sLlI6WdUsXE&list=PLiFNLuoG5DuXzOwpI4qCxM6eO5fnjXo-k&index=2 [Anzeige] USB C auf USB B Kabel bei Amazon https://amzn.to/3vsj2UQLuis Binder vom Podcast "Marketing im Kopf": https://www.linkedin.com/in/luisbinder?miniProfileUrn=urn%3Ali%3Afs_miniProfile%3AACoAAC3NVmASupport the showVorschläge/Bewerbung für neue Gäste:-<a...