Datendurst mit Tim Ebner

Tim Ebner

Nichts ist schlimmer als kundenunfreundliche Customer Journeys. Brüche zwischen Kanälen, ungehörtes Feedback oder der mangelnde Blick über den Tellerrand tun einfach weh. Deshalb gibt es jetzt Datendurst. Ein Podcast, in dem wir lernen, solche Schwachstellen in der Customer Journey aufzuspüren, mit Daten analysierbar machen und ganz gezielt zu optimieren. Viel Spaß beim Zuhören!

  1. CX Analytics bei Freenet | Mit Anke Schramm

    10H AGO

    CX Analytics bei Freenet | Mit Anke Schramm

    01:28 Intro 02:37 [Anzeige] Haufe Akademie: KI-Weiterbildung 04:17 Customer Centricity bei Freenet 08:03 Transaktionale Befragungen 16:05 Kundenzufriedenheit braucht Pflege 23:01 Rollenbild: Advokat des Kunden 32:00 Loyale Kunden vs. Schnäppchenjäger 37:41 Strukturierte Feedback-Auswertung 41:59 Halt! Warum verlässt Du den Warenkorb? 42:48 Daten-Demokratisierung und Datenschutz 49:20 Interne Kommunikation als Erfolgsfaktor 54:16 Zukunftsthemen Tim spricht heute mit Anke Schramm, Vice Vice President Market Research and Customer Advocacy bei Freenet. Anke ist Expertin für Behavioral Economics. Thema heute: Was bedeutet Customer Centricity und wie kann das, speziell in der Telko-Branche, zielführend umgesetzt werden?  [Anzeige] Haufe Akademie: KI-WeiterbildungBei der Haufe Akademie gibt es eine Weiterbildung, die sehr gut zu Customer Centricity passt: Die Masterclass zum Digital Transformation und Innovation Manager. In mehreren Kursen geht es um die Grundlagen digitaler Transformationdie Entfaltung von Kreativität unddie psychologischen Aspekte der Bedeutung im digitalen WandelPlattformökonomie in Unternehmen Zur Masterclass: https://haufe-akademie.de/transformation-innovation Weitere Angebote: https://www.haufe-akademie.de/future Customer Centricity bei FreenetBei Freenet bedeutet Customer Centricity Kunden-Input schon bei der ersten Produkt-Idee über die gesamte Wertschöpfungskette live einzubeziehen. Das führt weiter über die Konzeption und Produktion bis in den Markt, und von da ab permanent. Sodass alle Phasen ein agiles Vorgehen ermöglichen, um sofort reagieren zu können. Transaktionale Befragungen erfolgen live, permanent und mit GefühlTransaktionale Befragung steht für permanentes Monitoren, Datensammeln, Auswerten und ggf. Reagieren. Vierteljährliche Umfragen reichen nicht. Jede Transaktion ist eine Möglichkeit um Feedback einzuholen. Das muss nicht in Hyperaktivität enden, sondern schärft vielmehr das Gefühl, wie Kundenfeedbacks zu bewerten sind. Ist z. B. etwas Common Sense oder lassen sich auch in einzelnen Stimmen neue Ideen und Perspektiven identifizieren? Wie lässt es sich in die Prozesse einarbeiten? Kundenzufriedenheit braucht PflegeKundenzufriedenheit ist zu Beginn einer Kundenbeziehung meist höher als im späteren Verlauf. Deshalb muss man Kundenbeziehungen pflegen wie eine gute Partnerschaft: hinhören, ernstnehmen, aber vielleicht auch mal überraschen, z. B. mit neuen Angeboten. Das fördert unter anderem Loyalität, aber auch Preisbereitschaft. Tim gibt an dieser Stelle kurz den Telekom-Influencer ;) Wenn Du wissen willst, was ein Daten-Pömpel in der Kommunikation der Deutschen Telekom bewirkt hat, schau doch mal hier vorbei: https://youtu.be/MOwFmBB-m4w?si=14VfEOA1-zEoUSfG Rollenbild: Advokat des KundenAus der Kombination von Expertisen in Datenanalyse und Verhaltensökonomie, lassen sich wertvolle Beiträge im Sinne der Kundenzufriedenheit für die Wertschöpfungskette des Unternehmens leisten. Im Rollenverständnis als Interessenvertreter des Kunden werden Briefings für die jeweils relevanten Abteilungen formuliert. Handlungsempfehlungen erfolgen stets aus Kundensicht. Kundenbeziehung ist nicht alles: loyale Kunden vs. SchnäppchenjägerJe genauer eine Kundenbeziehungsdauer planbar ist, desto »leichter« sind Produkte und Maßnahmen zu entwickeln. Der Trend in...

    1h 3m
  2. Wie KI-Compliance richtig funktioniert | Mit Christian Schröder vom Ende-zu-Ende-Podcast

    JAN 30

    Wie KI-Compliance richtig funktioniert | Mit Christian Schröder vom Ende-zu-Ende-Podcast

    00:01 Anmoderation 00:44 Vorschau: Customer Centricity bei Freenet 01:15 Heute zu Gast: Christian Schröder von DSK 360 03:36 [Anzeige] Weiterbildung zum New Business and Risk Strategist 04:55 KI-Compliance: Bürokratie oder Denkwerkzeug? 06:56 EU-Digitalgesetze setzen auf Selbstverantwortung 12:05 AI-Compliance besteht aus mehreren Rechtsbereichen 13:01 NIS2: Informationssicherheit als Existenzsicherung 16:02 Social Engineering als unterschätzte Gefahr 18:29 Ziel und Logik des EU-AI-Act 19:49 Weißt Du, was die KI mit Deinen Daten macht? 23:10 Daten löschen funktioniert in KI-Systemen nicht 25:25 Ausstehende Änderungen an der KI-Verordnung der EU 34:02 Abwarten ist keine Strategie 34:51 Wie Du KI-Compliance strukturiert angehst 37:27 Standardisierte Dokumentation für alle Rechtsbereiche 41:00 Wie lassen sich KI-MVPs mit KI-Compliance verbinden? 48:48 Kann KI bei AI-Compliance helfen? 52:46 Dank an Christian Schröder und Abmoderation Im Gespräch mit Christian Schröder, Berater bei DSK 360, widmet sich Tim dem Thema AI-Compliance. Wie geht man AI-Compliance richtig an? Warum sorgt sie in vielen Unternehmen für Chaos? Und wie lässt sich das Thema strukturiert und sinnvoll umsetzen, ohne Innovation auszubremsen? Über Christian Schröder von DSK 360Christian Schröder ist Berater für Datenschutz, Informationssicherheit und künstliche Intelligenz bei der DSK 360 GmbH. Sein Schwerpunkt liegt auf der praxisnahen Umsetzung von DSGVO, NIS2 und AI-Compliance. Christian bei LinkedIn: https://www.linkedin.com/in/christian-schroeder-dsk360 DSK 360: https://dsk360.de/ So gehst Du AI-Compliance strukturiert an:Zuständigkeiten und Verantwortlichkeiten klärenManagementsystem aufbauenAnwendungsfälle und Zwecke definierenSysteme risikobasiert klassifizierenRolle klären: Anbieter oder BetreiberPflichten und Risiken für Betroffene und Technik bewertenEinheitliche Dokumentation für EU-AI-Act, DSGVO und NIS2 nutzen Eine gemeinsame Dokumentationsbasis spart Aufwand und erhöht die Qualität der Compliance. [Anzeige] Weiterbildung zum New Business and Risk StrategistDie Haufe Akademie bietet eine Weiterbildung zum New Business and Risk Strategist. In der Masterclass geht es um Zukunftskompetenzen, strategisches Risikomanagement und Compliance in dynamischen Märkten. Die Weiterbildung ist förderfähig für Arbeitnehmende und Selbstständige. Zur Masterclass: https://www.haufe-akademie.de/newbusiness Weitere Angebote: https://www.haufe-akademie.de/future KI-Compliance: Bürokratie oder Denkwerkzeug?Compliance wird oft als lästige Bürokratie wahrgenommen. Richtig umgesetzt schafft sie jedoch operativen Mehrwert, bereits in der Konzeptionsphase von KI-Anwendungen. EU-Digitalgesetze setzen auf SelbstverantwortungDie EU setzt auf Selbstverantwortung der Unternehmen. Wer den risikobasierten Ansatz versteht, gewinnt Gestaltungsspielraum statt Einschränkungen. AI-Compliance besteht aus mehreren RechtsbereichenNeben dem EU-AI-Act spielen auch DSGVO und Informationssicherheit (NIS2) eine zentrale Rolle. AI-Compliance ist immer interdisziplinär zu betrachten. NIS2: Informationssicherheit als ExistenzsicherungNIS2 zielt auf die Sicherheit von Unternehmenssystemen ab. Besonders relevant: Viele...

    55 min
  3. Wie funktioniert Comms Analytics bei Otto? | Mit Ann-Cathrin Schäfer

    JAN 16

    Wie funktioniert Comms Analytics bei Otto? | Mit Ann-Cathrin Schäfer

    Tim spricht heute mit Ann-Cathrin Schäfer. Sie ist seit fünf Jahren Senior Data Analytics Specialist bei Otto. Zentrale Fragen dabei sind: Wie ist Otto in Sachen Communication Analytics (Comms Analytics) aufgestellt? Wie entwickeln sich die Analysen dort, seitdem Ann-Cathrin da ist? Wie stellt sie sich die Zukunft dieses Bereiches vor? [Anzeige] Data Analyst Weiterbildung bei der Haufe AkademieTim stellt die Haufe Akademie als Sponsor des Podcasts vor und weist auf die Masterclass zu Data Analytics hin. Sie beinhaltet den Einstieg in Big Data, Machine Learning und professionelle Datenanalyse. Hier setzt Ihr unter anderem komplette Datenprozesse mit KNIME um. Am Ende der Masterclass (Präsenzkurse und Webinare) und nach bestandener Prüfung erhaltet Ihr das Zertifikat zum Data Analyst. Tipp am Rande: Werft auch mal einen Blick in deren FAQs zu Fördermöglichkeiten für Arbeitnehmer und Selbstständige. https://www.haufe-akademie.de/data https://www.haufe-akademie.de/faqs Analyse heißt: Zahlen liefern UND interpretierenAnn-Cathrin steht im permanenten Austausch mit CVDs für die Datenerhebungen sowie operativen Teams und Kommunikationsverantwortlichen. Ihre Aufgabe beinhaltet ganz wesentlich die Interpretation gesammelter Daten. Offenheit gegenüber Daten ist GrundvoraussetzungDie Offenheit aller Abteilungen bei Otto ist die Grundvoraussetzung dafür, dass Ann-Cathrin ihre Auswertungen transparent und konstruktiv Allen zur Verfügung stellen kann. Ganzheitliches Monitoring und dynamische, strategische EinbindungAnn-Cathrin fasst ihr Monitoring derzeit aus folgenden Quellen zusammen: a) externe Dienstleister: Medien-Resonanzanalysen und Reportings b) intern: Social-Media-Analysen, Social Listening, Pressearbeit und Medienmonitoring Nur aus der ganzheitlichen Betrachtung lässt sich sinnvoller Input generieren und strategisch einbauen. Steuerung durch mehr Flexibilität und GeschwindigkeitDie Datenauswertung ist genauso wichtig wie die strukturierte, permanente Datensammlung. Entsprechend kann auch ein so großer Konzern wie Otto auf allen Ebenen konzertiert und tagesaktuell reagieren. Prioritäten entwickeln sich im gegenseitigen AustauschAnn-Cathrin kann bei der Datenauswertung im Einzelfall selbständig entscheiden, wen sie dringlich und zuerst unterrichtet. Anschließend bekommt sie Feedback, ob die Entscheider den Einzelfall genauso werten. So können sich Strategie und Maßnahmen intern dynamisch weiterentwickeln. Analyse der internen Kommunikation bei OttoDie interne Kommunikation und die interne Themenkonjunktur wird bei Otto über das Intranet, Kommentare und Meetings wie das monatliche Townhall-Meeting analysiert. Qualitatives Feedback im Sinne von Umfragen ist aus Compliance-Gründen meistens schwierig. Die vier Schritte des Analytics Value Escalator1. Descriptive Analytics: Was ist rückblickend passiert? (Hindsight) 2. Diagnostic Analytics: Warum ist was passiert? (Insight) 3. Predictive Analytics: Was wird passieren? (Foresight) 4. Prescriptive Analytics: Wie können wir Handlungsempfehlungen automatisiert herleiten und/oder umsetzen? (Assistance / KI) Potenzial von KI in Comms AnalyticsBei der Codierung von großen Datenmengen oder dem Clustern von tausenden Kommentaren kann KI sehr beschleunigt arbeiten. Aber die Abstimmungen mit Compliance, Entwicklung und Testen von Agents, automatisierten Workflows und Modellen brauchen eine lange, intensive Vorarbeit. Beispiel für KI in der Analyse der KommunikationAus Ann-Cathrins Sicht eignet sich KI in der Datencodierung für die Reputationsmessung: Zuordnung von Reputationsdimensionen, Reputationswerten sowie...

    29 min
  4. Hinter dem Amazon Algorithmus steckt nichts Besonderes! | Mit Christian Kelm

    JAN 1

    Hinter dem Amazon Algorithmus steckt nichts Besonderes! | Mit Christian Kelm

    Tim spricht mit Christian Kelm über Amazon Analytics, Relevanzmechaniken und die Tatsache, dass der Algorithmus im Kern eine einfache Zählmaschine ist. Christian zeigt, wie Händler ihre Sichtbarkeit durch Kundensignale, Produktdetailseiten und Datenanalysen beeinflussen können. Einstieg und Vorstellung von Christian KelmTim begrüßt Christian Kelm und führt in das Thema „Amazon Analytics” ein. Er arbeitet seit vielen Jahren mit Amazon-Daten und beschäftigt sich mit Ranking-Mechaniken und Händlersemantik. Lerne Christian kennen: https://www.linkedin.com/in/christian-otto-kelm/ Erfahre mehr über die AMALYZE AG: https://www.linkedin.com/company/amalyze/ Die zentrale These zum Amazon-AlgorithmusChristian erläutert seine These: Der Amazon-Algorithmus ist weniger mystisch, als oft behauptet wird. Entscheidend sind das Kundenverhalten, Relevanzsignale und die Fähigkeit der Händler, die Marktbedingungen zu erfüllen. Haufe Akademie: Masterclass Marketing & Sales AnalyticsTim stellt den Sponsor des Podcasts, die Haufe Akademie, vor und verweist auf die Masterclass zum Marketing und Sales Analyst. Teilnehmende lernen dort, Marketing- und Sales-Aktivitäten datenbasiert zu steuern. Unter https://haufe-akademie.de/analyst erfährst du mehr. Zählmaschine, Relevanz und KundeninteraktionenDer Algorithmus basiert im Kern auf Klicks, Reaktionen auf Detailseiten und Kaufverhalten. Diese Signale werden gezählt und in Rankings überführt. „Zunächst muss man sich bewusst machen, dass es sich hierbei um eine reine Zählmaschine handelt. Nichts weiter. Im Rahmen der A Company kann man sich ein paar alte Patente angucken. Im Endeffekt geht es nur um Relevanz, also eine Sortierung nach Relevanz in einem riesigen Produktkatalog.” Schau Dir hier das erste Patent von A9 an: https://patents.google.com/patent/US20030195877A1/ Bewertungen, Preise und indirekte SanktionenSinkende Sternebewertungen oder unpassende Preiserhöhungen führen zu weniger Klicks und somit zu schlechteren Platzierungen. Amazon „bestraft“ nicht aktiv, sondern das Kundenverhalten erzeugt die Rankingveränderung. Preisgefüge und Keyword-RelevanzJe nach Keyword unterscheiden sich die Preisniveaus, etwa bei Goldarmbändern. Händler müssen verstehen, ob ein Begriff die Material- oder die Farbintention widerspiegelt. Volatilität der SuchergebnisseitenBei Produkten mit klaren Anforderungen, wie beispielsweise Wagenhebern, sind die Suchergebnisseiten träge. In anderen Kategorien verändern sich die Rankings aufgrund des Nutzerverhaltens und der Variantenvielfalt häufig. „Das heißt, die Volatilität unter diesem Keyword „Wagenheber” ist extrem niedrig, weil es sich um Wagenheber handelt, die den Wagen heben können.” Kundensprache, Ameisenalgorithmus und KaufmannsparadoxonChristian nutzt den Begriff „Ameisenalgorithmus”, um kollektives Kundenverhalten zu erklären. Das Kaufmannsparadoxon wiederum zeigt, wie Amazon Suchergebnisse aus mehreren aufeinanderfolgenden Käufen ableitet. Erfahre mehr über den Ameisenalgorithmus: https://wirtschaftslexikon.gabler.de/definition/ameisenalgorithmus-54002 Cross-Selling-Effekte in SuchergebnissenIn Suchergebnislisten erscheinen unerwartete Produkte, weil Käufer bestimmte Artikel häufig kombiniert erwerben. Amazon verkürzt diese Customer Journey, indem das...

    1h 6m
  5. Mit schicken Berichten ist BI nicht getan! | Mit Simon Bongers von ROSE Bikes

    12/19/2025

    Mit schicken Berichten ist BI nicht getan! | Mit Simon Bongers von ROSE Bikes

    Tim spricht mit Simon Bongers darüber, warum Business Intelligence (BI) weit über Visualisierungen hinausgeht und wie Datenmodelle, Governance und agile Produktentwicklung zusammenspielen. Anhand konkreter Beispiele aus der BI-Praxis von ROSE Bikes demonstriert Simon, wie Datenqualität, Modellierung und Prozesse fundierte Entscheidungen ermöglichen. Begrüßung und WeihnachtsauftaktTim eröffnet die Folge im Weihnachtssetting und stellt Simon von ROSE Bikes vor. Direkt zu Beginn geht es darum, wie Fahrräder und BI gleichermaßen Geschenke mit Wirkung sein können. Lerne Simon kennen:  https://www.linkedin.com/in/simon-bongers-b061431ba/?originalSubdomain=de ROSE Bikes und ROSE DigitalSimon erläutert die Struktur von ROSE Bikes und seiner Tochter ROSE Digital, die aus einer übernommenen Agentur hervorgegangen ist. Heute bündelt ROSE Digital den gesamten IT-Bereich inklusive Business Intelligence (BI). Erfahre mehr zu ROSE Bikes unter  - https://www.rosebikes.de/, - https://www.instagram.com/rose_bikes/?hl=de, - https://www.instagram.com/rosecircle/ - oder https://de.linkedin.com/company/rose-bikes [Anzeige] Haufe Akademie: Sponsor & KI-WeiterbildungTim stellt die Haufe Akademie als Sponsor des Podcasts vor und weist auf die Future Jobs Classes hin. Im Fokus steht die zertifizierte Weiterbildung zum KI-Manager, in der die Teilnehmenden lernen, KI-Potenziale in Unternehmen zu erkennen und umzusetzen: https://haufe-akademie.de/ki Mythos BI: Warum bunte Charts nicht reichenCharts sind nur die letzte und sichtbare Schicht eines BI-Produkts. Entscheidend sind Kontext, Definitionen und die Herkunft der Daten. Ohne eine valide Grundlage bleibt jede Visualisierung oberflächlich. Integration mehrerer DatenquellenSimon beschreibt, wie Daten aus Meta, LinkedIn und weiteren Systemen über eine API ins Core-Data-Warehouse geladen werden. Anschließend werden die Daten abgeglichen, geprüft und kombiniert . Komplexität durch Mapping und DatenvalidierungIDs, Kampagnennamen oder Nutzerkennungen unterscheiden sich je nach System und müssen daher sauber gemappt werden. Erst dieses Mapping ermöglicht integrierte Auswertungen und korrekte Kennzahlen. Umrechnungskurse und wirtschaftliche EffekteWährungen, Fakturadaten und Wechselkursänderungen können zu Abweichungen zwischen Auftrag und Rechnungswert führen. Diese Effekte müssen im Reporting transparent abgebildet werden. Erklärung: „Fakturadaten" sind Daten auf Rechnungen und anderen Abrechnungsbelegen. Dimensionen- und Faktenmodell nach KimballSimon erläutert das Prinzip der zentralen Faktentabellen und der angebundenen Dimensionstabellen. Das Modell ermöglicht klare Schlüsselbeziehungen und konsistente Berechnungen im Reporting. Weitere Details zum Modell von Kimball: https://bit.ly/4a5168l Beispiel: Datumsdimension und WirtschaftsjahrDa Kalender- und Wirtschaftsjahre unterschiedlich verlaufen können, muss eine Datumsdimension zusätzliche Attribute bereitstellen. Damit lassen sich Year-to-Date-Analysen oder abweichende Geschäftsjahre korrekt abbilden. Performance, Struktur und die Schneeflocken-MetapherDas Modell wird je nach...

    59 min
  6. Smells like Team Spirit: Guter Führungsstil als Head of Data | Mit Sascha Leweling von RTL (2/2)

    12/05/2025

    Smells like Team Spirit: Guter Führungsstil als Head of Data | Mit Sascha Leweling von RTL (2/2)

    In Teil 2 gehen Tim und Sascha tiefer in ihren Führungsalltag in Data-Teams ein. Sie ordnen die Google Oxygen Attributes ein, sprechen über Enablement statt Tool-Engpässe und über knifflige Situationen, die Führungskräfte mittragen müssen. Einführung und Kernthese zu Tool-ExpertiseSascha eröffnet die zweite Folge mit der These, dass Analysten keine reinen Tool-Experten sein sollten. Power BI gilt beispielsweise als Standardwerkzeug, mit dem Teams end-to-end arbeiten können. Hier geht’s zum ersten Teil: https://open.spotify.com/episode/0U0lOp2hQDWyfdFLJJAL3c  [Anzeige] Masterclass Marketing & Sales AnalystKennst du schon die „Marketing & Sales Analyst” Masterclass der Haufe Akademie? Wenn du mehr über das Angebot erfahren möchtest, schau unter haufe-akademie.de/analyst vorbei. Google Oxygen Attributes als FührungsrahmenTim nutzt die Google Oxygen Attributes for Great Managers gerne als Wertegerüst für seinen Führungsstil. Sie sind in die Kategorien „Develop your team” und „Get things done” unterteilt. Tim erklärt im Detail, was das bedeutet. Mehr zu den Google Oxygen Attributes: https://www.inc.com/marcel-schwantes/google-research-says-what-separates-best-managers-from-rest-boils-down-to-8-traits.html  Inklusives Team-Umfeld, psychologische Sicherheit und OnboardingUnter „Develop your team“ geht es um respektvollen Umgang, Diversität und psychologische Sicherheit, insbesondere aufgrund täglicher Fehler im Data-Kontext. Tim beschreibt zum Beispiel seine Onboarding-Routine mit Zeit am ersten Tag und einem kleinen Willkommensritual. Micromanagement vermeiden, Innovation fördernMicromanagement wird als Bremsklotz für Data-Teams angesehen. Führungskräfte sollten stattdessen Freiheit geben, Anleitung bieten und Innovation sowie wohlüberlegte Risikobereitschaft fördern. Fokus auf Lösungen statt Problem-DelegationEin Problem anzusprechen bedeutet, mit Lösungsvorschlägen zu kommen. So bleibt die Verantwortung beim Problemfinder und Aufgaben werden nicht an Andere delegiert. One-on-Ones: Ziele, Herausforderungen, EntwicklungTim nutzt das Format der One-on-Ones für Reviews, gemeinsame Zielsetzungen und die Besprechung aktueller Herausforderungen. Auf diese Weise entstehen Entwicklungsgespräche, Weiterbildungspläne und Leistungsfeedbacks. Vision und Strategie fürs TeamIm Teil „Get things done“ dreht sich alles um eine klare Teamvision, die regelmäßig überprüft und bei Bedarf angepasst wird. Daraus leiten sich Ziele, Ownership und Priorisierung ab. Hindernisse entfernen: Data Governance im MergerTim schildert einen Merger-Fall, in dem sich Meetings aufgrund ungeklärter Datenzugriffe im Kreis gedreht haben. Tim half in diesem Fall seinen Mitarbeitern dabei, auf Grenzen der Compliance hinzuweisen und diese auch durchzusetzen . Bessere und effizientere E-MailsSascha und Tim besprechen die Email-Charta. Das sind Regeln für kürzere und klarere E-Mails. Hierdurch werden Kommunikation und Zusammenarbeit effizienter. Dazu gehören z.B. Betreff-Tags wie EOM („End of Message“) oder NNTA („No need to reply“). Starfish Retro als Feedback-FormatTim empfiehlt die Starfish-Methode (Start/Stop/Keep/More/Less) für Retros in kniffligen Situationen oder zum Rückblick auf abgeschlossene Projekte. Sie dient dazu Feedback strukturiert und konstruktiv zu sammeln. Sascha rät dazu, sie nur punktuell einzusetzen, damit...

    1h 3m
  7. Datenkultur zum Mitnehmen: Die ersten Schritte für jedes Unternehmen | Mit Karen Gärtner (Ex-Fressnapf)

    11/21/2025

    Datenkultur zum Mitnehmen: Die ersten Schritte für jedes Unternehmen | Mit Karen Gärtner (Ex-Fressnapf)

    Tim spricht mit Karen Gärtner über Datenkultur im Unternehmen: Warum sie die Basis für datengetriebenes Arbeiten ist, welche Rolle Vertrauen, Haltung und Strukturen spielen und wie kreative Formate wie Graffiti oder Data Escape Rooms helfen können, Silos aufzubrechen. [Anzeige] Auf der Website haufe-akademie.de/future erfährst du mehr über die Masterclasses der Haufe Akademie rund um digitale Transformation, agiles Arbeiten und Corporate Learning. Einführung und Vorstellung von Karen GärtnerKaren Gärtner ist IT-Architektin bei der Kasseler Verkehrs- und Versorgungsgesellschaft sowie Head of Training & Events bei der Data Management Association Deutschland (DAMA). Sie spricht über Datenkultur als Grundlage für gute Entscheidungen. Lerne Karen kennen: https://www.linkedin.com/in/karen-gaertner/ Datenkultur als Thema der FolgeGemeinsam klären Tim und Karen, was Datenkultur bedeutet, weshalb sie oft unterschätzt wird und wie sie die Nutzung von KI fördert. Daten und Prozesse als „Bruder und Schwester“Karen beschreibt, wie Prozesse und Daten einander bedingen. Prozesse erzeugen Daten und Daten geben Prozessen Richtung und Qualität. Beides gehört untrennbar zusammen. Berührungsängste im Umgang mit DatenViele empfinden Datenarbeit als fremd oder zu komplex. Eine gute Datenkultur verringert diese Distanz, weckt Interesse für Daten und fördert das gemeinsame Verständnis zwischen Fach- und Daten-Teams. Die Rolle der DAMA und das DMBoKKaren erklärt, was die DAMA macht: Sie setzt Standards im Datenmanagement, organisiert Community-Events und ist Herausgeberin des „Data Management Body of Knowledge“. Warum Datenkultur Unternehmen stärktEine Datenkultur sorgt dafür, dass Daten nicht nur gesammelt, sondern aktiv genutzt werden. Sie schafft Vertrauen, fördert Mut und ermöglicht datenbasierte Entscheidungen. Was Datenkultur ausmacht: Haltung, Werte, VerhaltenSie umfasst technische, organisatorische und emotionale Aspekte. Sie wird in Prozessen und Rollen sichtbar, in Vertrauen, Glaubenssätzen und Zusammenarbeit hingegen unsichtbar. Wie man schlechte Datenkultur verändertFür einen Kulturwandel braucht es Zeit und Verständnis. Karen empfiehlt deshalb, zunächst das Unternehmen und sein Verhalten zu beobachten und dann schrittweise Veränderungen umzusetzen. Silos erkennen und Unternehmenskultur analysierenDatensilos verhindern Transparenz. Mithilfe einer Analyse der Ist-Kultur können Offenheit, Datenflüsse und Kooperationsbereitschaft bewertet und verbessert werden. Top-down und Bottom-up in der DatenkulturDatenkultur entsteht durch Bewegung von beiden Seiten. Die Führungsebene schafft Strukturen und Orientierung, während die Mitarbeitenden Ideen und Use Cases einbringen. Strukturen schaffen: noninvasive Ansätze und HausbesucheAnstatt große Programme zu starten, empfiehlt Karen kleine Schritte: In bestehenden Prozessen ansetzen, Use Cases fördern und durch „Hausbesuche“ Vertrauen schaffen. „Headroom“: Warum Zeit und Raum entscheidend sindWie in der Musik braucht auch die Datenarbeit Freiraum. Unternehmen sollten ihren Mitarbeitenden Zeit und Budget geben, um Neues auszuprobieren und Ideen zu entwickeln. Datenkultur-Formate: Open Sessions, Data Escape Rooms, Lego Serious PlayKreative Formate fördern das Verständnis für ein Thema und machen es spannend. Ob Workshops, Data Days oder Lego Serious Play: Entscheidend ist, dass die Mitarbeitenden selbst aktiv werden. Graffiti als Symbol für datengetriebenes ArbeitenKaren erzählt von einem Data-Day-Projekt, bei dem Mitarbeitende ein Graffiti zur digitalen Transformation...

    53 min
  8. Smells like Team Spirit: Guter Führungsstil als Head of Data | Mit Sascha Leweling von RTL (1/2)

    11/07/2025

    Smells like Team Spirit: Guter Führungsstil als Head of Data | Mit Sascha Leweling von RTL (1/2)

    Tim und Sascha sprechen darüber, wie sie zu ihren Führungsrollen bei RTL und innogy.C3 kamen, was gutes Onboarding für Führungskräfte ausmacht und wie man mit Karrierewünschen, schwierigen Teamdynamiken und der Kommunikationskultur umgeht. [Anzeige] Auf der Website haufe-akademie.de/analyst erfährst du mehr über die Master Class "Marketing & Sales Analyst" des neuen Sponsors Haufe Akademie. Einführung und Thema der Folge Tim eröffnet die Episode mit Sascha Leweling von RTL. Gemeinsam sprechen sie über Führung in Data-Teams: vom Einstieg in die Rolle, über Teamkultur bis hin zu Kommunikation und Vertrauen. Sascha ist dir vielleicht noch von dieser Folge bekannt: https://youtu.be/k3tvwCM0QuI?si=__MCzQFIafmZJ3m6 Von Data Science zur Führung: Saschas Weg bei Obi und RTL Sascha beschreibt, wie er vom Data Scientist zum Head of Customer Analytics wurde. Der Übergang vom Fach- zum Führungsverantwortlichen brachte neue Perspektiven und Verantwortung mit sich. Tims Einstieg in die Führungsrolle bei innogy.C3 während der E.ON-Übernahme Tim erzählt, wie er in einer Umbruchsphase in die Führung gerückt ist – mit Restrukturierungen, Team-Abgängen und einem hohen Maß an Eigeninitiative. Onboarding, Coaching und die Google Oxygen Attributes Ein Coaching- und Mentoring-Programm half Tim dabei, seine Werte als Führungskraft zu entwickeln. Grundlage waren die Google Oxygen Attributes „Develop your team” und „Get things done”. Mehr zu Google Oxygen Attributes: https://www.inc.com/marcel-schwantes/google-research-says-what-separates-best-managers-from-rest-boils-down-to-8-traits.html  Karriereentwicklung und Mitarbeiterbindung Beide betonen, wie wichtig es ist, Mitarbeitende bei internen Wechseln zu unterstützen, statt sie zu blockieren. Talentbindung steht über Team-Ego. Was macht Google Manager aus: https://rework.withgoogle.com/intl/en/guides/managers-research-behind-great-managers Vertrauen, Transparenz und eine interne Wechselkultur Eine offene Kommunikation über Karriereziele stärkt das Vertrauen im Unternehmen. Verschweigen oder Misstrauen schaden der Kultur langfristig. Onboarding bei RTL: Vertrauen, Eigenverantwortung und Führungskräfteschulung Saschas Start bei RTL war ein Sprung ins kalte Wasser: Micromanagement gab es nicht, dafür Vertrauen und Verantwortung vom ersten Tag an. Das DISG Modell und Persönlichkeitstypen in Data-Teams In beiden Onboardings wurde das DISG Modell – dominant, initiativ, stetig, gewissenhaft – als pragmatische Heuristik zur Teamzusammenstellung und Kommunikation angewendet. Mehr zum DISG Modell: https://www.disg-modell.de/ueber-disg/einfuehrung/ Dominanz, Eigenwahrnehmung und Feedbackkultur Tim reflektiert seine dominante Ausprägung und zeigt auf, wie die Übereinstimmung von Selbst- und Fremdbild dabei helfen kann, Konflikte konstruktiv zu lösen und die Kommunikation zu verbessern. Strukturen bei RTL: Teamaufbau und Cloud-Migration Sascha schildert die technischen und...

    1h 6m

About

Nichts ist schlimmer als kundenunfreundliche Customer Journeys. Brüche zwischen Kanälen, ungehörtes Feedback oder der mangelnde Blick über den Tellerrand tun einfach weh. Deshalb gibt es jetzt Datendurst. Ein Podcast, in dem wir lernen, solche Schwachstellen in der Customer Journey aufzuspüren, mit Daten analysierbar machen und ganz gezielt zu optimieren. Viel Spaß beim Zuhören!