Cintelligence: Welche Rolle spielt Big Data bei der digitalen Transformation des Marktforschungsunternehmens GfK?
Wucher: Unser Geschäftsmodell basiert darauf, Daten zu erheben, zu analysieren und für unsere Kunden daraus die richtigen Schlüsse zu ziehen, also sie entsprechend zu beraten. Vor diesem Hintergrund ist Big Data natürlich schon seit längerem ein wichtiges Thema und Kernbestandteil unserer aktuellen Strategie. Wir sind davon überzeugt, dass wir mit Big Data die Möglichkeit haben, die Konsumenten noch besser zu verstehen. Deshalb haben wir investiert. Zunächst in Technologien, um Zugang zu Big Data zu bekommen. Als Beispiel möchte ich unsere Metering Technologie LeoTrace nennen, mit der wir passiv – aber mit ausdrücklicher Zustimmung der Panelisten – das Online-Nutzungsverhalten auf Computern, Tablets und Smartphones messen. Und wir haben in eine Infrastruktur investiert, mit der wir kontinuierlich Daten über alle Geräte der Teilnehmer erfassen können, zum Beispiel in unserem GfK Crossmedia Link Panel. Und dann bedarf es natürlich noch der entsprechenden Expertise und Analysetools, um aus den so erhobenen Daten für unsere Kunden handlungsrelevante Insights zu generieren. Deswegen haben wir ein „Data Lab“ gegründet. Das ist ein globales Expertenteam innerhalb von GfK, das sich der Analyse von Big Data und der Integration in die GfK-Daten widmet. Als Plattform hierfür haben wir den „Data Lake“ entwickelt.
Cintelligence: Ihr Vortragstitel lautet „Von Big Data zu Smart Data – bessere analytische Modelle durch Datenintegration 2.0“. Worum wird es gehen?
Wucher: Kurz und knapp gesagt geht es um die Marktforschung der Zukunft. Wir werden aufzeigen, wie Data Lake, Data Lab und Datenintegration 2.0 unseren Kunden helfen, nicht im Informationsstrudel zu ertrinken. Big Data beschäftigt uns wie gesagt schon länger. Aber nach anfänglicher Euphorie ist nun klar, dass viel mehr Daten nicht unbedingt zu besseren Entscheidungen führen. Es braucht vielmehr einen Kompass für das Datendickicht. Wir werden anhand von konkreten Praxisbeispielen zeigen, wie leicht man von Big Data auf die falsche Fährte gelockt wird und wie durch das Zusammenspiel neuer Methoden, Kompetenzen und IT-Lösungen ein verlässlicher Bezugsrahmen für Entscheider geschaffen werden kann.
Cintelligence: Welche Ergebnisse wurden hier erzielt?
Wirth: Es gibt viele Beispiele, lassen Sie mich auf zwei kurz näher eingehen. Wir haben Social Media-Daten für den Bereich „Dekorative Kosmetik“ analysiert. Hätten wir allein diesen Daten Glauben geschenkt, wäre die Handlungsempfehlung an den Kunden, die Aktivitäten auf die Social Media-Plattform mit der größten Reichweite zu konzentrieren. Wenn wir die gleiche Analyse jedoch in unserem GfK Crossmedia Link Panel durchführen, in dem wir neben der Online-Nutzung auch das tatsächliche Kaufverhalten der Konsumenten kontinuierlich messen, kommen wir zu einem gänzlich anderen Schluss: Käufer von dekorativer Kosmetik – und damit die Zielgruppe unseres Kunden – sind über Beauty Blogs deutlich besser zu erreichen, auch wenn diese eine viel geringere Reichweite haben. Ein weiteres Beispiel sind Predictive Analytics für den Kaffeekapselmarkt: Hier haben wir durch die Integration von Big Data und GfK-Zahlen zu Abverkauf und Werbewirkung ein Prognosemodell für die zukünftige Absatzentwicklung der Kategorie und der Marke unseres Kunden erstellt. Und das mit einer Prognosegüte, die ohne Big Data nicht möglich gewesen wäre. Gleichzeitig hätte das Modell auf Basis von Big Data allein niemals funktioniert.
Cintelligence: Auf welche Probleme sind Sie gestoßen?
Wirth: Im Prinzip sind es zwei Kernprobleme. Big Data singulär betrachtet kann zu falschen Schlüssen führen, wie das Beispiel oben verdeutlicht. Deswegen bedarf es nach unserer Überzeugung immer eines Bezugsrahmens oder Reference Layers, der die Daten in die richtige Perspektive setzt – und hierzu können wir mit den GfK-Daten einen großen Beitrag leisten. Aber auch der Datenreichtum allein und die besten Analysetools, und das ist das zweite Kernproblem, reichen nicht aus, um aus Big Data handlungsrelevante Smart Data zu machen. Hierfür bedarf es zusätzlich im altmodischsten Sinne „handwerklicher“ Fähigkeiten bei der Datenanalyse, also Experten in Marketing und Data Sciences.
Cintelligence: Was lief gut?
Wirth: In den bisher durchgeführten Analysen konnten wir belegen, dass unser Reference Layer-Ansatz, das heißt Datenintegration aus mehreren Quellen, der richtige Weg ist. Tatsächlich gibt dabei 1+1 nicht 2 sondern 3, wenn es gelingt, unsere eigenen, vielfältigen Datenquellen intelligent mit weiteren gegebenenfalls externen Datenquellen sinnvoll zu verknüpfen.
Cintelligence: Welche Entwicklungsansätze verfolgen Sie bei Ihrer Big Data Roadmap?
Wirth: Es gibt drei zentrale Entwicklungsansätze auf unserer Roadmap. Erstens: Wir müssen den Zugang zu unseren Daten sichern. Das heißt, wir müssen die GfK-eigenen Data Assets wie unser GfK Crossmedia Link Panel, aber auch die Verbraucher- und Handelspanels weiter pflegen und, wo es sinnvoll ist, auch weiter ausbauen. Letzteres haben wir zum Beispiel mit der Akquisition des digitalen Panelspezialisten Netquest unlängst wieder getan. Zusätzlich überprüfen wir den Markt systematisch und kontinuierlich auf potenzielle Partner, deren Daten wir zusätzlich integrieren können und führen mit ihnen Pilotprojekte durch. Der zweite Punkt sind die Mitarbeiter: Wir bauen das Data Lab als zentrale Entwicklungsinstanz unserer Big Data-Angebote weiter aus und stellen sicher, dass es in ein starkes, globales Data Science- und IT-Netzwerk eingebunden ist. Und drittens entwickeln wir Analysetools, um die Skalierbarkeit unserer Big Data-Angebote sicherzustellen. Der Data Lake ist dabei unsere wichtigste Plattform.
Cintelligence: Wenn Sie Managern, die Big Data Projekte angehen möchten, drei Ratschläge geben müssten, wie würden diese lauten?
Wucher: Das ist relativ einfach: Sprich mit GfK, bitte um ein Angebot und führe das Projekt mit uns durch. Aber Spaß beiseite. Wichtig ist, erstens: Vertrauen Sie Big Data nicht blind und allein! Die Manager sollten sich die Fragen nach sinnvollen und verfügbaren Reference Layern stellen. Zweitens: Richten Sie die inhaltliche Fragestellung nicht nach den vorhandenen Daten aus! Die Frage darf also nicht sein, „Was kann ich aus den Daten machen?“, sondern „Welche Daten brauche ich, um die Frage vernünftig beantworten zu können?“. Der dritte Ratschlag: Stellen Sie ein interdisziplinäres Projektteam zusammen, in dem alle erfolgskritischen Kompetenzen für ein Big Data Projekt abgedeckt sind! Business-Vertreter für die Definition der Projektziele im Sinne von inhaltlicher Fragestellung. Data-Science-Experten für die Durchführung der Analysen. IT-Fachleute für die Bereitstellung von Infrastruktur und Tools. Und dann am Schluss wieder Line-of-Business Manager, um sicherzustellen, dass die Analyseergebnisse auch in der Organisation verwendet werden.
Cintelligence: Die aktuelle Transformation hat Auswirkungen auf die Organisation. Vor welchen Herausforderungen stehen die Mitarbeiter und wie reagieren Sie darauf?
Wirth: Auf die benötigten Skills für erfolgreiche Big Data-Projekte sind wir gerade schon eingegangen. Fakt ist aber, dass diese Skills ein rares Gut sind. Deswegen gilt es, bestehende Mitarbeiter zum Beispiel in Trainings zu entwickeln und bei Bedarf neue Mitarbeiter einzustellen.
Cintelligence: Big Data und Predictive Analytics stehen noch am Anfang. Wie schätzen Sie die künftige Entwicklung und die Potenziale für GfK ein?
Wucher: Wie bereits erwähnt, basiert unser Geschäftsmodell in der Marktforschung seit jeher darauf, Daten zu erheben, zu analysieren und auf dieser Grundlage unsere Kunden zu beraten. Das ändert sich auch durch neue Möglichkeiten wie Big Data und Predictive Analytics nicht. Im Gegenteil, die neuen Möglichkeiten erschließen uns zusätzliche Potenziale und bieten uns die Möglichkeit, die Schwerpunkte innerhalb unseres Geschäftsmodells zu verlagern: Etwas weniger Datenerhebung, dafür mehr Datenanalyse und viel mehr darauf basierende Beratung. Dementsprechend wird die Arbeit der GfK zukünftig immer stärker von Big Data und Predictive Analytics geprägt sein.
Wucher: Unser Geschäftsmodell basiert darauf, Daten zu erheben, zu analysieren und für unsere Kunden daraus die richtigen Schlüsse zu ziehen, also sie entsprechend zu beraten. Vor diesem Hintergrund ist Big Data natürlich schon seit längerem ein wichtiges Thema und Kernbestandteil unserer aktuellen Strategie. Wir sind davon überzeugt, dass wir mit Big Data die Möglichkeit haben, die Konsumenten noch besser zu verstehen. Deshalb haben wir investiert. Zunächst in Technologien, um Zugang zu Big Data zu bekommen. Als Beispiel möchte ich unsere Metering Technologie LeoTrace nennen, mit der wir passiv – aber mit ausdrücklicher Zustimmung der Panelisten – das Online-Nutzungsverhalten auf Computern, Tablets und Smartphones messen. Und wir haben in eine Infrastruktur investiert, mit der wir kontinuierlich Daten über alle Geräte der Teilnehmer erfassen können, zum Beispiel in unserem GfK Crossmedia Link Panel. Und dann bedarf es natürlich noch der entsprechenden Expertise und Analysetools, um aus den so erhobenen Daten für unsere Kunden handlungsrelevante Insights zu generieren. Deswegen haben wir ein „Data Lab“ gegründet. Das ist ein globales Expertenteam innerhalb von GfK, das sich der Analyse von Big Data und der Integration in die GfK-Daten widmet. Als Plattform hierfür haben wir den „Data Lake“ entwickelt.
Cintelligence: Ihr Vortragstitel lautet „Von Big Data zu Smart Data – bessere analytische Modelle durch Datenintegration 2.0“. Worum wird es gehen?
Wucher: Kurz und knapp gesagt geht es um die Marktforschung der Zukunft. Wir werden aufzeigen, wie Data Lake, Data Lab und Datenintegration 2.0 unseren Kunden helfen, nicht im Informationsstrudel zu ertrinken. Big Data beschäftigt uns wie gesagt schon länger. Aber nach anfänglicher Euphorie ist nun klar, dass viel mehr Daten nicht unbedingt zu besseren Entscheidungen führen. Es braucht vielmehr einen Kompass für das Datendickicht. Wir werden anhand von konkreten Praxisbeispielen zeigen, wie leicht man von Big Data auf die falsche Fährte gelockt wird und wie durch das Zusammenspiel neuer Methoden, Kompetenzen und IT-Lösungen ein verlässlicher Bezugsrahmen für Entscheider geschaffen werden kann.
Cintelligence: Welche Ergebnisse wurden hier erzielt?
Wirth: Es gibt viele Beispiele, lassen Sie mich auf zwei kurz näher eingehen. Wir haben Social Media-Daten für den Bereich „Dekorative Kosmetik“ analysiert. Hätten wir allein diesen Daten Glauben geschenkt, wäre die Handlungsempfehlung an den Kunden, die Aktivitäten auf die Social Media-Plattform mit der größten Reichweite zu konzentrieren. Wenn wir die gleiche Analyse jedoch in unserem GfK Crossmedia Link Panel durchführen, in dem wir neben der Online-Nutzung auch das tatsächliche Kaufverhalten der Konsumenten kontinuierlich messen, kommen wir zu einem gänzlich anderen Schluss: Käufer von dekorativer Kosmetik – und damit die Zielgruppe unseres Kunden – sind über Beauty Blogs deutlich besser zu erreichen, auch wenn diese eine viel geringere Reichweite haben. Ein weiteres Beispiel sind Predictive Analytics für den Kaffeekapselmarkt: Hier haben wir durch die Integration von Big Data und GfK-Zahlen zu Abverkauf und Werbewirkung ein Prognosemodell für die zukünftige Absatzentwicklung der Kategorie und der Marke unseres Kunden erstellt. Und das mit einer Prognosegüte, die ohne Big Data nicht möglich gewesen wäre. Gleichzeitig hätte das Modell auf Basis von Big Data allein niemals funktioniert.
Cintelligence: Auf welche Probleme sind Sie gestoßen?
Wirth: Im Prinzip sind es zwei Kernprobleme. Big Data singulär betrachtet kann zu falschen Schlüssen führen, wie das Beispiel oben verdeutlicht. Deswegen bedarf es nach unserer Überzeugung immer eines Bezugsrahmens oder Reference Layers, der die Daten in die richtige Perspektive setzt – und hierzu können wir mit den GfK-Daten einen großen Beitrag leisten. Aber auch der Datenreichtum allein und die besten Analysetools, und das ist das zweite Kernproblem, reichen nicht aus, um aus Big Data handlungsrelevante Smart Data zu machen. Hierfür bedarf es zusätzlich im altmodischsten Sinne „handwerklicher“ Fähigkeiten bei der Datenanalyse, also Experten in Marketing und Data Sciences.
Cintelligence: Was lief gut?
Wirth: In den bisher durchgeführten Analysen konnten wir belegen, dass unser Reference Layer-Ansatz, das heißt Datenintegration aus mehreren Quellen, der richtige Weg ist. Tatsächlich gibt dabei 1+1 nicht 2 sondern 3, wenn es gelingt, unsere eigenen, vielfältigen Datenquellen intelligent mit weiteren gegebenenfalls externen Datenquellen sinnvoll zu verknüpfen.
Cintelligence: Welche Entwicklungsansätze verfolgen Sie bei Ihrer Big Data Roadmap?
Wirth: Es gibt drei zentrale Entwicklungsansätze auf unserer Roadmap. Erstens: Wir müssen den Zugang zu unseren Daten sichern. Das heißt, wir müssen die GfK-eigenen Data Assets wie unser GfK Crossmedia Link Panel, aber auch die Verbraucher- und Handelspanels weiter pflegen und, wo es sinnvoll ist, auch weiter ausbauen. Letzteres haben wir zum Beispiel mit der Akquisition des digitalen Panelspezialisten Netquest unlängst wieder getan. Zusätzlich überprüfen wir den Markt systematisch und kontinuierlich auf potenzielle Partner, deren Daten wir zusätzlich integrieren können und führen mit ihnen Pilotprojekte durch. Der zweite Punkt sind die Mitarbeiter: Wir bauen das Data Lab als zentrale Entwicklungsinstanz unserer Big Data-Angebote weiter aus und stellen sicher, dass es in ein starkes, globales Data Science- und IT-Netzwerk eingebunden ist. Und drittens entwickeln wir Analysetools, um die Skalierbarkeit unserer Big Data-Angebote sicherzustellen. Der Data Lake ist dabei unsere wichtigste Plattform.
Cintelligence: Wenn Sie Managern, die Big Data Projekte angehen möchten, drei Ratschläge geben müssten, wie würden diese lauten?
Wucher: Das ist relativ einfach: Sprich mit GfK, bitte um ein Angebot und führe das Projekt mit uns durch. Aber Spaß beiseite. Wichtig ist, erstens: Vertrauen Sie Big Data nicht blind und allein! Die Manager sollten sich die Fragen nach sinnvollen und verfügbaren Reference Layern stellen. Zweitens: Richten Sie die inhaltliche Fragestellung nicht nach den vorhandenen Daten aus! Die Frage darf also nicht sein, „Was kann ich aus den Daten machen?“, sondern „Welche Daten brauche ich, um die Frage vernünftig beantworten zu können?“. Der dritte Ratschlag: Stellen Sie ein interdisziplinäres Projektteam zusammen, in dem alle erfolgskritischen Kompetenzen für ein Big Data Projekt abgedeckt sind! Business-Vertreter für die Definition der Projektziele im Sinne von inhaltlicher Fragestellung. Data-Science-Experten für die Durchführung der Analysen. IT-Fachleute für die Bereitstellung von Infrastruktur und Tools. Und dann am Schluss wieder Line-of-Business Manager, um sicherzustellen, dass die Analyseergebnisse auch in der Organisation verwendet werden.
Cintelligence: Die aktuelle Transformation hat Auswirkungen auf die Organisation. Vor welchen Herausforderungen stehen die Mitarbeiter und wie reagieren Sie darauf?
Wirth: Auf die benötigten Skills für erfolgreiche Big Data-Projekte sind wir gerade schon eingegangen. Fakt ist aber, dass diese Skills ein rares Gut sind. Deswegen gilt es, bestehende Mitarbeiter zum Beispiel in Trainings zu entwickeln und bei Bedarf neue Mitarbeiter einzustellen.
Cintelligence: Big Data und Predictive Analytics stehen noch am Anfang. Wie schätzen Sie die künftige Entwicklung und die Potenziale für GfK ein?
Wucher: Wie bereits erwähnt, basiert unser Geschäftsmodell in der Marktforschung seit jeher darauf, Daten zu erheben, zu analysieren und auf dieser Grundlage unsere Kunden zu beraten. Das ändert sich auch durch neue Möglichkeiten wie Big Data und Predictive Analytics nicht. Im Gegenteil, die neuen Möglichkeiten erschließen uns zusätzliche Potenziale und bieten uns die Möglichkeit, die Schwerpunkte innerhalb unseres Geschäftsmodells zu verlagern: Etwas weniger Datenerhebung, dafür mehr Datenanalyse und viel mehr darauf basierende Beratung. Dementsprechend wird die Arbeit der GfK zukünftig immer stärker von Big Data und Predictive Analytics geprägt sein.
