Predictive Analytics: Interview mit Dr. Arndt Döhler, Intershop

Datenanalysen im E-Commerce

Interview mit Dr. Arndt Döhler, der bei Intershop als Manager Research und Projektleiter der Simcommerce-Prognoselösung ganz besonders mit den Themen „Big Data“ und „Predictive Analytics“ vertraut ist, über das Zusammenspiel beider Elemente im Bereich E-Commerce

„Über das sogenannte Text Mining sind jetz unstrukturierte Daten in Form von Textkundenbewertungen im Shop oder Kommentare in den sozialen Netzwerken auswertbar“, erklärt Dr. Arndt Döhler, Intershop.

ITM: Herr Dr. Döhler, warum gelten Big Data und Predictive Analytics auch im Bereich „E-Commerce“ als Zukunftstechnologien? Wodurch werden sie für den Onlinehandel so wichtig?
Dr. Arndt Döhler:
Was seit Jahren in vielen Bereichen der Wirtschaft, Meteorologie und Medizin sowie der Kriminalitätsbekämpfung erfolgreich eingesetzt wird, hält nun auch Einzug in den Onlinehandel: Predictive Analytics – zu Deutsch: prädiktive bzw. vorausschauende Analysen. Zur Veranschaulichung, wo hier der Fortschritt liegt: Beim Onlinehandel agieren Menschen mit Technik. Eindeutige Zuordnungen waren bisher schon recht gut statistisch auswertbar, beispielsweise die Altersstruktur der Käufergruppe für ein bestimmtes Produkt. Schlecht messbar waren allerdings komplexere Zusammenhänge. Ein Beispiel: Ein Produkt im Shop wird viel geklickt, aber nicht gekauft. Gründe dafür kann es theoretisch viele geben – vom günstigeren Preis des Mitbewerbers bis hin zu einer nicht im Trend liegenden Produktfarbe. Mit den bisher zur Verfügung stehenden Daten und den daraus ermittelten Informationen war dieses Verhalten in der Vergangenheit nur unzureichend analysierbar, um die optimale Steuerung von E-Shops zu unterstützen.

Im Kontext von Big Data stehen nun erstmals Technologien und Methoden zur Verfügung, um größte Datenmengen verschiedener Strukturierungsgrade miteinander zu verbinden und kombiniert auszuwerten. Damit werden bisher unbekannte Informationen automatisiert statt im händischen Verfahren extrahierbar und für das E-Commerce-Management verwendbar. Beispielsweise sind nun über das sogenannte Text Mining unstrukturierte Daten in Form von Textkundenbewertungen im Shop oder Kommentare in den sozialen Netzwerken auswertbar. Das geht z.T. in Echtzeit und erzeugt daher auch für die operative Arbeit einen wichtigen Wettbewerbsvorteil. Hier könnte der Schlüssel für das genannte Abverkaufsproblem liegen – nur waren diese Datenquellen mit den bisher gängigen Methoden gar nicht oder recht mühsam zu analysieren.

ITM: Wie spielen die beiden Elemente „Big Data“ und „Predictive Analytics“ grundsätzlich zusammen?
Döhler:
Big Data ist gewissermaßen die Grundlage für Predictive Analytics, die auf der Analyse großer Datenmengen beruhen. Big Data macht komplexe Zusammenhänge transparenter; Predictive Analytics als Kombination von Methoden aus der Statistik, dem Data Mining und Operations Research wertet Daten systematisch aus und setzt diese mithilfe von Prognosemodellen in Beziehung. So werden fundierte Vorhersagen der wahrscheinlichen Zukunft sowie Trendprognosen möglich.

ITM: Bei welchen „internen“ Stellschrauben können Big Data und Predictive Analytics zur Optimierung des eigenen Webshops eingesetzt werden?
Döhler:
Nicht alle Aspekte der Datenanalyse richten sich an den Endkunden. Viele Dinge drehen sich im ersten Schritt auch um Geschäftsprozesse „unter der Motorhaube“. Ein Beispiel: Onlinehändler nutzen durchschnittlich sieben verschiedene On- und Offlinekanäle für die Aussteuerung von Kampagnen. Neben der korrekten Ansprache der Zielgruppe gilt es, die Wirkung der eingesetzten Werbemittel permanent zu beobachten und zu optimieren. Jeder Marketingkanal liefert dabei unterschiedliche Ausprägungen der Controlling-Daten hinsichtlich des Umfangs, der Strukturiertheit und der Geschwindigkeit, mit der die Ergebnisse vorliegen. Eine zentrale Übersicht aller Kampagnenergebnisse, verknüpft mit den Marketingausgaben, ist dabei unerlässlich, um das Marketingbudget in die richtigen Kanäle zu lenken. Kombiniert mit Lösungen zur Absatzplanung können Onlinehändler bspw. Out-of-Stock-Situationen frühzeitig erkennen und Kampagnen umplanen, bevor eingesetzte Budgets nicht die erzielbare Werbewirkung entfalten oder gar ergebnislos verpuffen.

Mit solchen Möglichkeiten können Maßnahmen in E-Shops nun bereits im Laufe eines Geschäftstages optimiert werden; der E-Commerce-Manager kann also „am Puls seiner Kunden“ lauschen, ad-hoc erwünschte Effekte verstärken und auf unerwünschte Effekte reagieren. Weitere denkbare Beispiele wären die erfolgversprechendste Mischung von Zahlartenkombinationen oder im Einkauf die Prognose, wie sich jedes Produkt im Sortiment voraussichtlich in welcher Intensität und welchem Absatzprofil über die Zeit verkaufen wird. Damit lassen sich optimale Bestellmengen bei verringerter Kapitalbindung erzielen.

ITM: Bisher hatten hauptsächlich große Unternehmen Zugriff auf Big Data und kostspielige BI-Analysemöglichkeiten, um durch deren auswertungsrelevante Mehrwerte für den Aufbau ihres Onlineshops zu generieren. Wie sind Mittelständler bisher vorgegangen und inwiefern sind die Zukunftstechnologien nun auch für sie interessant und relevant?
Döhler:
Für den Erfolg der Monetarisierung der Informationen, die aus Big Data gewonnen werden können, spielt das Aufwands-Leistungs-Verhältnis eine entscheidende Rolle. Da beim klassischen Vorgehen, dem Aufbau einer eigenen Big-Data-Infrastruktur, die Erstaufwände für die Einrichtung hoch und die Anlaufzeiten bis zu ersten messbaren Erfolgen lang sind, müssen notwendige Investitionen und damit verbundene Risiken in Kauf genommen werden. Mittelständler brauchen natürlich im Vergleich zu Großunternehmen einen längeren Zeitraum, bis die anfänglich recht hohen Kosten wieder eingespielt sind. Zusätzlich ist der Markt für Big-Data-Fachkräfte in Deutschland aktuell noch sehr klein, so dass diese nicht auch zuletzt von den Großunternehmen bereits stark umworben werden.

Wir sind überzeugt, dass daher für den Mittelstand passend zugeschnittene Software-as-a-Service-Lösungen (SaaS) in Kombination mit ergänzenden Dienstleistungen die entscheidende Rolle spielen werden, um Big Data und Predictive Analytics für diesen zugänglich zu machen. Mit einem solchen Leistungspaket werden mittelständische Unternehmen in die Lage versetzt, mit geringem Integrationsaufwand, kurzen Anlauf- und Projektzeiten sowie niedrigeren Gesamtbetriebskosten ihre Big-Data-Strategie maßgeschneidert umzusetzen. Eine Optimierung des eigenen Tagesgeschäfts mithilfe von Big Data und Predictive Analytics kann so auch ohne die Notwendigkeit der Anwerbung der heißbegehrten und teuren Spezialisten gelingen.

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok