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. Likes sind keine Strategie: Warum du in Social Media auf Daten setzen solltest | Mit Jens Wiese

    6D AGO

    Likes sind keine Strategie: Warum du in Social Media auf Daten setzen solltest | Mit Jens Wiese

    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...

    1h 2m
  2. Social-Listening-Mythen, die Du kennen solltest! Mit Levi Távora Veiga

    SEP 12

    Social-Listening-Mythen, die Du kennen solltest! Mit Levi Távora Veiga

    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...

    1h 4m
  3. Data & AI holistisch angehen, aber wie? Mit Marco Geuer

    AUG 29

    Data & AI holistisch angehen, aber wie? Mit Marco Geuer

    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...

    1h 5m
  4. Data Driven ist eigentlich Quatsch! | Mit Sebastian Wernicke

    AUG 15

    Data Driven ist eigentlich Quatsch! | Mit Sebastian Wernicke

    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...

    1 hr
  5. Zack! So geht smarter Kundenservice mit Daten und KI | Mit Ralf Mühlenhöver

    AUG 1

    Zack! So geht smarter Kundenservice mit Daten und KI | Mit Ralf Mühlenhöver

    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...

    55 min
  6. Ohne SEO kein GEO | Mit Stefan Kiecker

    JUL 18

    Ohne SEO kein GEO | Mit Stefan Kiecker

    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...

    46 min
  7. Wie werde ich Chief Data & Analytics Officer? | Mit Franziska Eickhoff von L'Oréal

    JUL 3

    Wie werde ich Chief Data & Analytics Officer? | Mit Franziska Eickhoff von L'Oréal

    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...

    49 min
  8. Insights von INDEED: So tickt der Data & Analytics Arbeitsmarkt | Mit Tim Verhoeven

    JUN 20

    Insights von INDEED: So tickt der Data & Analytics Arbeitsmarkt | Mit Tim Verhoeven

    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...

    52 min

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!

You Might Also Like