Datenanalysen aus Big Data sind die Basis erfolgreicher Vertriebsmaßnahmen.
Fotolia.com/agsandrew
Analytisches Datenmanagement ist längst zur strategischen Aufgabe im Vertrieb von Unternehmen geworden. Welcher Schatz in Kundeninformationen steckt und wie man ihn nutzt.
Der Datenanalyse kommt gerade in Vertriebsorganisatio-nen eine zentrale Bedeutung zu. Denn nur mit den systematisch ausgewerteten Datenprofilen von Kunden, Kundenzielgruppen und Vertriebsgebieten lassen sich entsprechende Vertriebsmaßnahmen zielgerecht planen und durchführen. Die Basis für eine solche Analyse ist unter anderem Big Data. Denn die Datenmenge, die Unternehmen über Kundeninteraktionen und daraus abzuleitende Verhaltensweisen ansammeln, ist Baustein für strategische Überlegungen im Vertrieb. Big Data Analytics sowie Customer und Predictive Analytics bieten Vertrieb und Marketing im Rahmen von CRM hervorragende Chancen, um anhand der ausgewerteten Daten zum Beispiel eine Art "Roadmap" der notwendigen Vertriebsaktivitäten rund um Markt, Zielgruppe und Kunden für die Zukunft zu erstellen. Qualitative Kundenstrukturanalysen und Kundenwert-Modelle sind dafür ein wesentlicher Bestandteil.
Analytics-Reifegrad im Unternehmen überprüfen
Das Potenzial von Big Data und was damit zusammenhängt haben die meisten Unternehmen erkannt: Laut der Barc-Studie "Big Data Use Cases 2015" halten nur noch 17 Prozent aller Unternehmen gar nichts von Big Data, mehr als 40 Prozent haben jedoch bereits Erfahrungen in konkreten Projekten gesammelt.
Weitere Artikel zum Thema |
Zuvor sollte jedoch der Reifegrad im Unternehmen überprüft werden, mit dem solche Analyseverfahren bereits eingesetzt werden, um den größtmöglichen Nutzen aus den Ergebnissen zu ziehen. Das Beratungshaus Cintellic Group sieht für den Check-up vor allem die Stufen
- keine Anwendung von (Ad-hoc-)-Kundenanalysen
- unregelmäßige Ad-hoc-Analysen oder Kunden-Analysen mit einfachen Analytics-Ansätzen (wie einfache Kunden ABC-Analysen)
- regelmäßige Kundenanalysen mit einfachen Analytics-Ansätzen
- regelmäßige Kundenanalysen mit teilweise komplexen Analytics-Modellen (wie Scoring-Modelle, Kundenwertprognose-Modelle)
- kontinuierliche Analysen mit komplexen Modellen.
Von der Qualität der Auswertung hängen nicht zuletzt der Erfolg passgenauer Vertriebs- wie Marketingmaßnahmen und die Verwertung im Verkauf ab. Der Springer-Autor Mario Pufahl erklärt dazu in seinem Buch "Sales Performance Management", wie sich der Vertrieb in Hinblick auf die Datenverwertung organisieren sollte. Im Kapitel "Organisation - Wie sich der Vertrieb organisiert" (Seite 117-185) verweist er unter anderem darauf, dass die gewonnenen Kundeninformationen "von höchstem Interesse für die Vertriebstätigkeiten sein" können, da sie Aufschluss über Kaufgewohnheiten, Produktbündel oder Abwanderungsabsichten durch aufgedeckte Verhaltensmuster geben. So könnten beispielsweise aus den Kundeninformationen Hinweise zum Verhalten bei Preiserhöhungen oder Wettbewerbsaktivitäten gewonnen werden. Die Wertschöpfung durch eine systematische Informationsauswertung aus großen Datenmengen zeige der Trend zu „Smart Big Data“ (vgl. CeBit 2014), so Pufahl. Dem Vertriebscontrolling würden so "bisher ungeahnte Perspektiven" eröffnet. Seine Botschaft: Der Vertrieb muss mit den entsprechenden Technologien vertraut sein, um deren Leistungspotenzial voll auszuschöpfen.