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...
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 FolgeTim 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=__MCzQFIafmZJ3m6Von Data Science zur Führung: Saschas Weg bei Obi und RTLSascha 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-ÜbernahmeTim 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 AttributesEin 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 MitarbeiterbindungBeide 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-managersVertrauen, Transparenz und eine interne WechselkulturEine offene Kommunikation über Karriereziele stärkt das Vertrauen im Unternehmen. Verschweigen oder Misstrauen schaden der Kultur langfristig.Onboarding bei RTL: Vertrauen, Eigenverantwortung und FührungskräfteschulungSaschas 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-TeamsIn 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 FeedbackkulturTim 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-MigrationSascha schildert die technischen und...
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 FolgeTim 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-IPiLLaC3Humanizing 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/4q5MgnQDas 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-StrategieTim 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 DistartDistart 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/datendurstWer 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 StrategieJens 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 KennzahlenSocial Media sollte nicht isoliert betrachtet werden, sondern muss zu den langfristigen Unternehmenszielen beitragen. Dazu gehören beispielsweise Umsatzsteigerung, Recruiting oder Kundenzufriedenheit.Das ACCRA-Framework als OrientierungTim 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 SchnittstellenOft bleibt Social Media in einem eigenen Silo gefangen. Dadurch fehlen Verbindungen zwischen den Bereichen Marketing, Vertrieb, HR oder Kundenservice.Praxisbeispiele für DatennutzungJens 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 SocialOrganische 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 differenzierenReichweite ist nur dann wertvoll, wenn sie die richtige Zielgruppe erreicht. Entscheidend ist die Qualität der Kontakte, nicht ihre Masse.Qualität von Likes und EngagementLikes 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 DistartDistart 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 ThemaTim 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-RisikenAuf 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=qLrQjV1KmNPZdD0UDatenschutz und Governance beim Einsatz von AgentenWenn sensible Daten ohne Kontrolle weitergegeben werden, bergen automatisierte Agenten Risiken. Marco plädiert deshalb für klare Governance-Strukturen.AI ist kein Feature, sondern ein PrinzipLaut 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-c9NyUnternehmensstrategie als Basis für AI-StrategieMarco 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 ProduktionIm 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=qA3B5o0ZvuoCross-funktionale Teams statt Kunden-Lieferanten-DenkenSilos bremsen die Transformation. Erst wenn Business und IT gemeinsam an Prozessen arbeiten, entstehen funktionierende Lösungen.Kultur, Hierarchie und internationale UnterschiedeIn 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 DistartEs 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/datendurstKritik am Begriff „datengetrieben“Der Begriff weckt falsche Erwartungen: Daten sollten keine Entscheidungen übernehmen, sondern diese lediglich unterstützen.Datenmythen: Eindeutigkeit, Interpretation, KlarheitDaten sind nicht objektiv, sondern interpretationsbedürftig. Drei typische Missverständnisse behindern ihre produktive Nutzung.Daten als Gesprächsanlass, nicht als LösungDaten 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 TransformationTechnische 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 OfficersEin CDO benötigt ein Mandat, ein Netzwerk und eine Einbindung. Wer das Thema lediglich delegiert, wird oft scheitern.Daten als bilanzierbares AssetDaten werden zunehmend als wirtschaftliches Gut behandelt. In Projekten lohnt es sich daher, ihren potenziellen Wert zu betrachten.Welche Daten gelöscht werden solltenNicht alle Daten sind nützlich. Veraltete oder unstrukturierte Informationen verursachen in der Regel nur Kosten.Die vier Reiter der Daten-TransformationSebastian 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 FehleinschätzungEinzelne Vorzeigeprojekte erzielen oft keine nachhaltige Wirkung, da sie selten die gesamte Organisation überzeugen.Warum viele Prototypen scheiternViele gute Ideen scheitern, weil sie nie für den produktiven Einsatz gedacht waren und wichtige Anforderungen ignorieren.Der menschliche Faktor in der DatenarbeitTechnik 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 KundenkontaktKundendaten 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 vermeidenAuch 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-AngeboteMit 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 DunkelverarbeitungKI 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 SalesAuch 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 CDPsStatt 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 CloudUnternehmen 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 VoicebotsTools 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 & GoogleLive-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 DistartDistart bietet geförderte Weiterbildungen zu Marketing, Digitalisierung und KI an. Auch mit Einblicken aus der Praxis. Mehr Infos unter: https://distart.de/datendurstKritik am GEO-Hype: Sales-Fokus statt SubstanzDer 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/40rGTE0Wie 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/44E1U0FWarum Suchmaschinen durch KI nicht abgelöst werdenChatbots wie ChatGPT verwenden Suchmaschinen als Basis für Antworten. Die klassische Websuche bleibt damit zentral für die Sichtbarkeit.Fehlerquellen bei AI Overviews und ChatGPTFalsche Antworten, veraltete Daten oder sogar absurde Empfehlungen wie „Klebstoff essen” zeigen die Grenzen aktueller Systeme.Product Feeds und geplante Werbung in ChatGPTKünftig 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/44DHe98Literatur zu Grounded Theory:https://bit.ly/3G16NI0https://bit.ly/4lrMXV3https://bit.ly/4klrjB8Google 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 EickhoffFranziska 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/HomeEinstieg in die CDAO-Rolle bei L’OréalNach 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 BeautybrancheDie Datenarbeit bleibt ähnlich, aber das Marktumfeld ist deutlich dynamischer. Schnellere Trends und stärkere Kundennähe erfordern mehr Flexibilität.Datenarbeit entlang der WertschöpfungsketteIhr 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’OréalL’Oréal strukturiert Datenprozesse in Operations, Retail/E-Commerce und Marketing. Jeder Bereich bringt spezifische Herausforderungen mit sich.Teamstruktur und SpezialisierungDie 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 EngineersEs 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-BereichFranziska berichtet von ihren Anfängen, früher Führungsverantwortung und wie sie ihr Digital-Team aufgebaut hat. Unterstützung und strukturiertes Lernen waren entscheidend.Lernen, Weiterentwicklung und UnternehmenskulturOnboarding 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 CDAOFranziskas Alltag besteht aus Teamführung, Projektabstimmungen und strategischer Planung. Zeitfenster für konzentriertes Arbeiten sind fest im Kalender eingeplant.Strategische Führung und internationale AbstimmungSie arbeitet eng mit europäischen und globalen Data-Teams zusammen. Das Ziel: nationale Anforderungen mit internationalen Standards verbinden.Zukunftsmodell: Zentrale Zusammenarbeit in EuropaFranziska plant mehr gemeinsame Datenlösungen mit anderen Ländern. Das lokale Team bleibt, aber die Entwicklung wird vernetzter und zentraler gedacht.Transformation erklärt am Beispiel eines UmzugsDer 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 DatenteamFehlende 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-OptimierungIn 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 hebtViele 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 DistartDistart 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/datendurstArbeitsmarktdaten bei Indeed: Vier DatenclusterUm 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 DatenportalDas 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 MarktanalysenUnternehmen 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-FallenWährend 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-BereichIn 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 2020Nach 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, EngineerIm 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 VorstellungRobin 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 SponsorTim 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/datendurstWarum SEO nicht mehr funktioniertRobin erläutert, weshalb klassische SEO-Strategien heutzutage und zukünftig an Wirksamkeit verlieren und welche Rolle ChatGPT im Suchprozess spielt.Kaufentscheidungen mit KIVon Produktempfehlung bis zur finalen Entscheidung: Anhand eines persönlichen Beispiels beschreibt Robin, wie Kaufprozesse zunehmend an KI ausgelagert werden.Gemini und die neue SuchlogikEin 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-SuchmarktNeben Google drängen mit neuen Suchgewohnheiten und technologischem Potenzial auch Meta AI, Perplexity und andere Anbieter auf den Markt.KI als strengere GatekeeperinRobin erläutert, warum KI viel selektiver filtert als klassische Suchmaschinen, wodurch sich eine reduzierte Ergebnisvielfalt und ein höherer Bias ergeben.Urheberrecht und Content-VerwertungDiskussion 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-ToppositionKerstin 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/45uyp2kWie KI Inhalte finden und bewertenWie 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-OptimierungEntscheidend 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 zählenSocial 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, SentimentNeben Zahlen analysiert Mawave auch das Stimmungsbild in Kommentaren. So wird das Markenimage messbar und gezielt steuerbar.[Anzeige] Sponsor: Distart Weiterbildung mit PraxisbezugTim 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 SentimentEin 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. InstagramVirale Inhalte starten meist auf TikTok und landen später auf Instagram. Die Performance ist ähnlich – mit zeitlichem Versatz.Content-Entwicklung: Mischung aus Bauchgefühl und Daten70 % der Inhalte basieren auf Daten, 30 % auf Plattformverständnis und Intuition. Besonders kreative Formate entstehen durch Teammitglieder mit tiefem Plattformwissen.Content-Abstimmung auf ZielgruppenErfolgreicher Content passt zur Zielgruppe des Profils. Stilbrüche können der Performance schaden. Mawave achtet auf Konsistenz im Auftritt.Paid Insights: UGC vs. Static AdsUGC sorgt für mehr Aufmerksamkeit und günstigere Ausspielung, statische Ads bringen oft bessere Conversions. Mawave kombiniert beides entlang des Funnels.Data Warehouse: Struktur, Benchmarking, AutomatisierungEin 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 erkennenSlack-Alerts und automatisierte Hinweise machen Trends und Abweichungen schnell sichtbar - für schnelleres Reagieren.Data Team: Praxisnah, lean, performanceorientiertDas Datenteam arbeitet eng mit Performance-Units. Plattform-Erfahrung kombiniert mit Datenanalyse-Skills ist der Schlüssel für Hammer Performance.Social als Feedback-Kanal: Kommentare analysierenKommentare 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 FolgeIn 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 DistartZum 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/datendurstWas der Podcast wirklich kostetDie 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 bringenBesonders 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 überzeugtTim 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 KlarheitKünftig 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 sollteBevor 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 ZuständigkeitenKurze Arbeitszyklen halfen dabei, Fortschritte sichtbar zu machen. Gleichzeitig braucht es Führungskräfte, die das Team gegen äußere Einflüsse abschirmten.Wenn Daten die Deutungshoheit infrage stellenNicht 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 bedeutetWinfried bringt wissenschaftlichen Hintergrund und Konzernpraxis zusammen. Corp.Com steht für die Gesamtkommunikation der Telekom auf Konzernebene.Trinity-Projekt: Drei Disziplinen, ein ZielPR, Marketing und Marke wurden in einem Projekt organisatorisch verbunden. Das Ziel: eine gemeinsame Datenbasis und abgestimmte Steuerung.Konsens finden: So entstehen gemeinsame KPIUnterschiedliche Fachbereiche hatten teils widersprüchliche Metriken. Die Herausforderung bestand darin, diese in einem konsistenten Set zusammenzuführen.Wenn Analyse auf Realität trifft: Konfliktpotenziale im ProjektWidersprüche zwischen Datenlogik und Fachbereichswissen führten immer wieder zu Spannungen – ein typisches Muster in Transformationsprojekten.Datengetrieben – aber nicht datenvergessenAutomatisierung ist hilfreich, aber nicht ausreichend. Menschen und Kontexte bleiben entscheidend für Interpretation und Entscheidung.Iterativ zum Reporting: Der Wert kontinuierlicher EntwicklungEin fertiges System entstand nicht auf einmal, sondern in Etappen. Die Daten wurden schrittweise eingebunden und strukturiert.Das Treiberhaus: Wirkung modellieren statt nur messenMit einem eigenen Wirkmodell wurde sichtbar gemacht, welche Faktoren Kommunikation beeinflussen. Das half, Prioritäten zu klären.CORE.IO: Ein Ordnungsrahmen für KommunikationsdatenDas Modell gliederte die Datenlandschaft in vier zentrale Ebenen: Kontext, Response, Impulse und Steuerungsmöglichkeiten.Abstimmungen, Budgets und der alltägliche ZielkonfliktKampagnen konkurrieren oft um Sichtbarkeit und Ressourcen. Eine gemeinsame Datenbasis kann diese Diskussionen fundierter machen.Führung im Datenprojekt: Vertrauen und Raum schaffenGute Führung zeigt sich darin, Teams arbeiten zu lassen – und politische Hürden für sie aus dem Weg zu räumen.Humor als Teamfaktor: Der DatenpömpelEin einfaches Requisit wurde zum Symbol interner Wertschätzung. Kleine Rituale können viel zur Kultur beitragen.Grenzen datengetriebener OrganisationenNicht 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 DatenkulturDatenkultur gibt es in jedem Unternehmen – doch ist sie gezielt aufgebaut oder historisch gewachsen?Was Unternehmenskultur mit Daten zu tun hatKultur ist das, was den Arbeitsalltag prägt, auch wenn niemand darüber spricht.Warum Daten ohne Kontext wertlos sindDaten allein sind keine Lösung – erst im Zusammenspiel mit Unternehmensprozessen liefern sie Mehrwert.Jede Organisation hat eine Datenkultur – bewusst oder unbewusstOb 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 überlassenEin strukturierter Umgang mit Daten beginnt bei den richtigen Rahmenbedingungen. Unternehmen müssen Werte, Prozesse und Verantwortlichkeiten definieren.Praktische Schritte für eine nachhaltige DatenkulturTheorie allein reicht nicht – gelebte Routinen machen den Unterschied.Warum Veränderungen scheitern könnenMenschen neigen dazu, bestehende Gewohnheiten zu verteidigen.Die entscheidende Rolle der FührungsebeneFührungskräfte prägen die Datenkultur mehr als jede Strategie.Der richtige Zeitpunkt, um Datenkultur aktiv zu steuernJe mehr Daten im Unternehmen genutzt werden, desto wichtiger wird ein klarer Umgang damit.Veränderung durch Schmerz: Wenn Probleme zum Handeln zwingenOft wird Datenkultur erst dann ernst genommen, wenn der Schaden zu groß wird.Welche Unternehmen besonders von einer starken Datenkultur profitierenNicht nur Tech-Unternehmen brauchen datengetriebene Prozesse. Auch traditionelle Branchen können sich durch bessere Datenkompetenz Wettbewerbsvorteile sichern.Unternehmensbereiche mit der besten DatenkulturWährend 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 machenEine lebendige Datenkultur zeigt sich in täglichen Entscheidungen, nicht nur in Leitlinien.Die Macht von Communities für langfristigen WandelWandel 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-switzerlandMehr 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 reagierenUnser Gehirn trifft schnelle Entscheidungen und reagiert stark auf emotionale Reize. Clickbait nutzt das gezielt, um Neugier und Klicks zu erzeugen.Philipps Weg in die WerbewirkungWerbung hat ihn schon früh fasziniert. Heute kombiniert er psychologische Erkenntnisse mit datengetriebenem Marketing.Psychologische Trigger von ClickbaitNeugier, FOMO und Emotionen sind entscheidende Faktoren. Sie bestimmen, warum manche Inhalte sofort unsere Aufmerksamkeit gewinnen.Was die Bild-Zeitung richtig machtProvokante Headlines, große Bilder und starke Kontraste sorgen für maximale Wirkung. Die Prinzipien dahinter lassen sich auf andere Medien übertragen.Die ethische Verantwortung von WerbungWerbung formt unser Denken und gesellschaftliche Normen. Unternehmen tragen Verantwortung dafür, welche Botschaften sie senden.Wie Sinne unsere Kaufentscheidungen lenkenFarben, Klänge und Texturen beeinflussen unsere Wahrnehmung. Multisensorische Werbung kann dadurch besonders effektiv sein.So lässt sich Werbewirkung messenEye-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 habenEine klare, fokussierte Botschaft erhöht die Werbewirkung. Visuelle Reize und prägnante Call-to-Actions steigern die Klickrate.Die Macht von Farben und BlickführungenBestimmte Farben wecken Emotionen und lenken Aufmerksamkeit. Blickrichtungen in Bildern führen das Auge gezielt zu wichtigen Elementen.Warum Essensbilder so starke Reaktionen auslösenFoodporn funktioniert, weil Essen stark mit Emotionen verknüpft ist. Perfekt inszenierte Speisen können die Kaufbereitschaft steigern.Klänge und ASMR in der WerbungTöne lösen Erinnerungen und Gefühle aus. ASMR nutzt sanfte Geräusche, um Nähe und Aufmerksamkeit zu erzeugen.Der Einfluss von Daten auf die WerbestrategieDaten helfen, Werbekosten zu senken und Streuverluste zu vermeiden. Durch präzisere Analysen lassen sich Kampagnen gezielt optimieren.Personalisierung als Schlüssel zur KundengewinnungIndividuell 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 istEin neues Tool kann die Arbeit im Unternehmen effizienter machen, doch der Auswahl- und Umsetzungsprozess ist oft aufwändig.MarTech: Verbindung von Marketing und TechnologieDer Begriff kombiniert Marketing und Technologie. Die richtige Software unterstützt Teams dabei, datenbasierte Entscheidungen zu treffen.Tools für Social Media und AnalyticsOb Hootsuite für Community Management oder Adverity für Reporting – jedes Tool hat seinen eigenen Anwendungsbereich.Vorteile eines klaren BeschaffungsprozessesWer frühzeitig Compliance-Fragen klärt und Stakeholder einbindet, verhindert spätere Probleme.Zeit, Budget und StakeholderNeben den finanziellen Ressourcen braucht es interne Unterstützung. Klare Kommunikation mit IT, Datenschutz und Einkauf ist entscheidend.Die Phasen der Tool-BeschaffungVon 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 StoriesUser Stories helfen, die wichtigsten Funktionen des Tools aus der Perspektive der Anwender zu beschreiben und zu priorisieren.Tool-Suche: Recherche, Tests und AnbieterbewertungDemos und Testzugänge geben Einblick in die Funktionalität. Doch worauf kommt es bei der Bewertung an?Compliance: Datenschutz, IT-Security und BetriebsratJede Abteilung hat eigene Anforderungen. Frühzeitige Einbindung reduziert Verzögerungen und erleichtert die Freigabe.Kriterien zur Tool-Evaluierung und VergleichsmethodenEin strukturierter Vergleich der Tools anhand definierter Anforderungen hilft, die beste Wahl zu treffen.Erfolgreiche Preisverhandlungen und BudgetplanungDer Einkauf kann in Verhandlungen unterstützen. Neben dem Preis zählen auch Skalierbarkeit und Support.Mitarbeiter fit für das neue Tool machenOhne Schulung kann das beste Tool nicht richtig genutzt werden. Trainings und Dokumentationen erleichtern den Start.Prozesse für eine langfristige Nutzung etablierenOnboarding, Offboarding und regelmäßige Abstimmungen sichern den nachhaltigen Erfolg des Tools.Stakeholder-Management: Wie du Allianzen bildestEinkauf, IT, Datenschutz und Betriebsrat haben unterschiedliche Interessen. Wer die Bedürfnisse kennt, kann gezielt vermitteln.Vetos entschärfen: Business- und Compliance-RisikenHäufig 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 DanielDaniel 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 AuftraggeberEr 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 DataTim 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 kommenZugang 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 StrategieSpontane 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 wehrenAnalysten 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 KPIWie 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 könnenWas brauchen Social-Media-Teams von Analysten? Tim beschreibt, wie man umsetzbare, datenbasierte Handlungsempfehlungen erstellt.Erfolgsstrategie: Was wir von WonderWaffel auf TikTok lernen könnenDaniel 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 ausbremsenBürokratie, lange Abstimmungswege und Datenschutzvorgaben machen datengetriebene Social-Media-Optimierung oft komplizierter als nötig.Vertrauen aufbauen: Analysten als Partner statt KontrolleureWie können Analysten ihre Rolle so definieren, dass Social-Media-Teams sie als Unterstützung sehen?Offene Kommunikation als Schlüssel zum ErfolgDaniel erklärt, warum der direkte Austausch mit Analysten der wichtigste Schritt ist, um Social Media strategisch weiterzuentwickeln.Fazit: Social Media und Data als TeamTim 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: