Data Analytics für KMU

Es muss nicht immer Big Data sein! Bereits mit einer kleineren Menge an Daten lässt sich erfolgreich Data Analytics betreiben, was insbesondere für kleine und mittlere Unternehmen interessant ist. Über Daten verfügen heute praktisch alle Unternehmen. Aber werden sie auch genutzt? Die folgenden zwei Praxisanwendungen zeigen solche Möglichkeiten auf.

Effizientes Marketing – Mehrwert durch Datenkombination

Viele Tools, welche als Marketing-Kanal verwendet werden, bieten heute bereits zusätzliche Analyse-Funktionen an: Google Analytics, LinkedIn, WordPress, etc. Das gibt bereits wichtige Einblicke zu welchen Zeitpunkten welche Online-Aktionen stattgefunden haben.

 

Wenn wir nun eine Werbekampagne fahren, dann interessiert uns, wie effektiv diese ist. Schliesslich sind wir auch hier daran interessiert, mit möglichst geringem Aufwand, das Maximum an Rückmeldungen zu erhalten – egal ob das eine Bestellung, ein Workshop, ein Kommentar oder ein neuer Follower ist.

Marketing Kanäle
Marketingkanäle - Mehrwert durch Datenkombination

Durch Kombination unserer verschiedenen Datenquellen bekommen wir tiefere Einblicke, als wenn wir nur eine Statistik isoliert anschauen. Wenn dann ersichtlich ist, dass ein Beitrag in LinkedIn eine grössere Reichweite hat (sprich mehr Besucher auf meine Website führt oder gar eine Produktanfrage bringt), als ein kostenpflichtiges Inserat in einer Zeitschrift oder der Stand an einer Fachmesse, so lässt sich die Marketing-Planung viel effizienter durchführen.

Optimierung von Supportprozessen – Data Driven Decisions

Ob Kundensupport als Dienstleistung oder interner Support für die Mitarbeiter: das Ziel ist eine möglichst effiziente Abwicklung von Anfragen und schnelles Lösen von Problemstellungen. Ist das nicht der Fall, drohen unzufriedene Kunden oder gar Kundenverlust, sowie stillstehender Betrieb und Frust, weil Mitarbeiter ihre Arbeit nicht erledigen können.

 

Service-Desk Lösungen sind darauf ausgelegt, den Ticket-Prozess optimal zu unterstützen. Allzu oft wird das Tool aber nur für die Abwicklung genutzt und eine periodische Analyse wird ausgelassen. Das ist in erster Linie verständlich, da die Support-Organisation zuerst den Betrieb sichern muss. Um aber den Ablauf zu verbessern, sollten die Daten regelmässig ausgewertet werden.

  • Welche Tickets bleiben tagelang liegen, weil zum Beispiel das Dispatching nicht sauber läuft?
  • Welche Applikation verursacht die meisten Probleme und können diese nachhaltig behoben werden?
  • Was sind die Peak-Zeiten und werden diese durch genügend Personal abgedeckt?

Das sind nur drei von zahlreichen Fragen, die man sich als Leiter einer Support-Organisation stellen muss. Wenn die Tools keine integrierte Analyse oder Dashboards haben, so bieten sie oft Schnittstellen oder Exportfunktionen für Drittapplikationen. Sind die Probleme in der Prozesslandschaft identifiziert, können Massnahmen eingeleitet werden, um diese zu beheben oder entgegenzuwirken.

Qualität vor Quantität

Die beiden Fälle zeigen auf, dass die Quantität der Datensätze eine untergeordnete Rolle spielt. Die Qualität ist dafür umso wichtiger:

  • Im Marketing lohnt es sich, jegliche Aktionen in strukturierter Form zu pflegen – und sei das in einem einfachen Excel-File. Dieses kann dann in die Analyse eingebunden und mit den anderen (Online-)Quellen in einen Kontext gesetzt werden.
  • Im Support-Desk Tool müssen so viele Informationen (Metadaten) wie möglich gepflegt werden und das in einer einheitlichen Form. Dann können mit relativ geringem Aufwand aufschlussreiche «Pain Points» eruiert werden.

Haben Sie sich schon mal gefragt, welche Daten bei Ihnen «ungenutzt» herumliegen? Oder erkennen Sie sich in einem der beiden Fälle wieder? Dann kontaktieren Sie uns unverbindlich! Wir zeigen Ihnen Möglichkeiten und verhelfen zu einem erfolgreichen Start in Data Analytics – ganz ohne Big Data.