DIE ANALYSE-INSTRUMENTE
Die digitale Investitionsrentabilität wird gewöhnlich von den Unternehmen mit den makroskopischen Indikatoren klassischer Ansätze gemessen: Verkauf, Lead-Generierung, Markenbewusstsein, Kostensenkung, Werbeeinnahmen.
Dieser Ansatz ist zwar durchaus wirksam, kann jedoch angesichts der heutigen Fragmentierung des Erlebnisses der Verbraucher und deren ständiger oder auch gelegentlicher Interaktion mit einer enormen Vielzahl von Unternehmenskanälen an seine Grenzen stoßen, sowohl was den zeitlichen Horizont anbelangt (kurzfristig) als auch im Hinblick auf die Abbildung des digitalen Geschäfts.
Es ist, also ob dieser Ansatz ein Porträtfoto liefert, während man heute mit Weitwinkelaufnahmen arbeitet.
Heute gibt es unzählige Momente der Interaktion mit den eigenen Kunden, wodurch auch eine Vielzahl an Datenquellen für das Geschäft zur Verfügung steht. Diese Daten können nun exakt gemessen werden, um so den Datenbestand des Unternehmens zu bereichern, den man unter bestimmten Umständen und bei Einsatz bestimmter Technologien auf breiter Basis heute als Big Data bezeichnen kann.
Ladenketten haben heute die Möglichkeit, ihre Kassensysteme zu messen (POS Measurement Protocol) und so Verkaufsdaten in Ergänzung zu den Daten aus dem E-Commerce zu sammeln, die mit den im Laden gesammelten Daten kombiniert werden (Digitale Totems, Bluetooth Beacons usw.). Diese erweiterte Datenbasis ermöglicht die oben erwähnte Weitwinkelaufnahme.
Dank dem IoT (Internet der Dinge) können heute verschiedenste Objekte „data-enabled‟ konzipiert werden, mit Anwendungen, die von der Telemedizin bis zur Domotikund von der Mode bis zur Umwelt reichen.
In diesen Bereichen ist der Schritt von „data-enabled‟ zu „data-driven‟ im Rahmen einer umfassenden Strategie nicht weit. Diese Strategie ist auf saubere, eindeutige und aussagekräftige Daten angewiesen.
Digitale Daten, und insbesondere Big Data, ermöglichen eine detaillierte Gestaltung von Indikatoren zur Messung der Investitionsrentabilität. Die Entwicklung von prädiktiven Modellen sichert dann diese Rentabilität auf lange Sicht und macht diese zu einer strukturellen Grundlage für jedes digitale Geschäft.
Mit modernen Verfahren für Machine Learning und Deep Learning kann die Beziehung, die die Kunden in den verschiedenen Momenten des Kontakts zum Unternehmen haben, immer präziser vorhergesagt werden. Zugleich erhöhen diese modernen Verfahren auch die Effizienz der zugrundeliegenden Technologien immer weiter.