Neo Tech Blog | Digitale Technologien und Projekte | Neofonie

NEO TECH LBLOG - Praxis-Techblog für IT, Web und Mobile

Big Data im E-Commerce | Teil 4

Keine Kommentare

Frau sitzt im Kaffe und schaut lächelnd auf ihren Laptop

Mit Ihrem Online-Shop haben Sie die Möglichkeit, viele Daten zu generieren und anzusammeln. Dabei sollte es jedoch nicht bleiben. Daten zu horten ist gut, aber besser ist es, diese großen Datenmengen auszuwerten und wichtige Insights über Ihre Nutzer zu erfahren! Erfahren Sie in unserem Blog-Beitrag, wie Sie die passende Daten-Infrastruktur einrichten können.

Was versteht man unter Big Data?

Big Data ist zu einem ziemlich aufgeblähten Begriff geworden, wo viel zusätzlich reininterpretiert wird. Im Grunde besagt es zwei Dinge:

  1. Bei Big Data handelt es sich um eine große Menge an Daten
  2. Aus diesen Daten werden Insights und Mehrwert generiert, auf Basis dessen Entscheidungen getroffen werden

Je größer die Datenmenge, umso genauere Aussagen lassen sich dadurch treffen. Das eine ist ohne das andere nicht denkbar. Deswegen ist es wichtig, sich stets zu vergegenwärtigen, welche Aussagen man aus seinen Daten bekommen möchte und welche Handlungen daraus entspringen könnten.

Gemäß Dough Laney’s V-Modell weist Big Data folgende Eigenschaften auf:

  • Größe des Datensatzes (Volume)
  • Geschwindigkeit der sich ändernden Daten (Velocity)
  • Unterschiedlichkeit innerhalb des Datensatzes (Variety)

Welche Herausforderungen gibt es bei Big Data?

Big Data stellt große Herausforderungen zunächst an die Lagerung der Daten. Sollen die Daten bei einem externen Dienstleister liegen oder möchte man auf eine eigene Data-Warehouse-Lösung greifen und aufsetzen? Im nächsten Schritt ist die Daten-Qualität entscheidend. Je höher die Datenqualität ist, umso weniger müssen Aufwände zur Datenbereinigung aufgebracht werden und es kann schneller in die Analyse übergangen werden. Wenn Sie in einem sehr dynamischen Geschäftsfeld agieren, kann die Zeit, welche Sie zur Datenanalyse aufbringen, entscheiden sein für Ihre Handlungen.

Ist Ihr Unternehmen bereit für Big Data?

Folgende Punkte geben einen Hinweis darauf, ob Big Data-Analysen in einem Unternehmen sinnvoll eingesetzt werden können

  1. Im Unternehmen besteht die Bereitschaft, Entscheidungen auf der Basis von Daten zu treffen.
  2. Es liegt eine Vielzahl von heterogenen Daten aus unterschiedlichen Quellen und mit unterschiedlicher Struktur vor.
  3. Die Reaktionsgeschwindigkeit ist bei der derzeitigen Datenanalyse ein kritischer Punkt.
  4. Es liegen auch textuelle Daten vor (E-Mails, Freitext, Textdateien), die systematisch quantifiziert werden sollen.
  5. Die generelle Geschwindigkeit, mit der die Daten im System erzeugt werden, ist hoch.
  6. Es besteht Zeitdruck bei der Einführung neuer KPIs und Methoden

Szenarien für die Verwendung von Big Data

Individualisierte Produktempfehlungen ausspielen

Nutzer hinterlassen viele Daten beim Besuch Ihres Online-Shops. Sie klicken sich durch den Shop, interagieren mit den Elementen und kaufen im besten Fall Ihre Produkte. Auf Basis des vorherigen Kaufverhaltens können Sie Ihren Nutzern passendere Produktempfehlungen anbieten, umso das Kauferlebnis zu verstärken und diese zusätzlich zum Kaufen zu animieren.

Zielgruppenanalyse

Es gibt nicht den „einen“ Nutzer. Mit Big Data können Sie Ihre Nutzer in verschiedene Zielgruppen einteilen und auswerten. Welche Zielgruppe konvertiert am wahrscheinlichsten, welche tut sich noch schwer und bräuchte mehr Anreize für einen Kauf.

Personalisierte Inhalte

Spielen Sie Nutzer auf Basis Ihrer Zielgruppenanalyse individualisierten Content aus. Dies reicht von bereits erwähnten Produktempfehlungen als auch individuellem Content, welcher sich ganz nach den Bedürfnissen richtet und gestaltet. Um noch mehr Reize zu liefern, können Sie sogar den Preis Ihrer Produkte an Ihrer Zielgruppe anpassen.

Online-Shop-Suche optimieren

Je nachdem, wie groß Ihr Online-Shop ist, verwenden Ihre Nutzer mal mehr oder weniger die Suche. Gerade bei großen Seiten will man mit der Suche sicherstellen, dass die Nutzer die richtigen Suchergebnisse gleich angezeigt bekommen. Mithilfe von Machine Learning können analysieren Sie bisheriges Nutzerverhalten mit der Suche und können diese so optimieren, sodass kein Frust aufkommt.

Prognosen erstellen

Auf Basis Ihrer Daten können Sie Prognosen über zukünftiges Käuferverhalten abgeben. Je größer Ihr Datensatz, umso wahrscheinlicher können Sie den Eintritt eines bestimmten Verhaltens vorsehen. So können Sie Nutzern, die wahrscheinlich kurz davor sind zu konvertieren, einen zusätzlichen Anreiz mit Rabatten bieten.

Big Data und BI – Migrationspfade

Die Migration in die Big Data-Welt ist weniger komplex als häufig befürchtet. Zu empfehlen ist eine prototypische Umsetzung von ausgewählten KPIs, um Erfahrungen zu sammeln und Prozess-Know-How aufzubauen. Existiert im Unternehmen bereits eine Business Intelligence-Lösung, dann existiert folglich Infrastruktur und Software, die bei der Einführung und im Betrieb dieser BI-Lösung geschaffen wurde. Einige BI-Anbieter sind auch die Big Data / Hadoop Integration bereits angegangen, andere haben es auf der Roadmap. Ein „Standardweg“ ist hier nicht abzusehen, welche Architektur sich durchsetzen wird bleibt abzuwarten.

Trotzdem bieten sich empfehlenswerte Migrationspfade an: Hadoop als Big Data De-Facto-Standard wird neben der ETL-Strecke als Datensenke zum Einsatz gebracht. Nach und nach wird das existierende Code auf Hadoop migriert –mit dem erfreulichen Effekt, dass eine horizontal skalierbare Lösung zum Einsatz gebracht und das häufig auftretende ETL-Bottleneck nachhaltig beseitigt wird. Solange die Schemata erhalten bleiben, können die eingesetzten Werkzeuge für die Reports weiterhin genutzt werden. Im Falle einer explorativen Analyse kommt Hadoop zum Einsatz. Bewährt sich der Ansatz, wird die Analyse im Data-Warehouse nachgebildet und in den vorhandenen Reporting-Dashboards zur Anzeige gebracht.
ETL Prozess OL 72dpi-01

Insbesondere bei der Einführung von neuen Methoden zur KPI-Bestimmung kann Big Data seine Stärken ausspielen:

  • Die Einführung neuer Methoden ist immer mit Unsicherheiten behaftet – es fehlt an konkreten Erfahrungswerten. Hier ermöglichen Analysen, die der Business Analyst gemeinsam mit der Fachabteilung durchführt, das Testen neuer Methoden.
  • Hat sich das Unternehmen für die Einführung von Big Data entschieden, stehen die Chancen gut, dass auch zukünftig bei neuen Fragestellungen und Herausforderungen genug historische Daten zur Exploration und anschließender Analyse mit Big Data-Ansätzen vorliegen.

Fazit

BI-Anwendungen eignen sich gut für das „bekannte Unbekannte“: Die Fragestellung ist bekannt, es ist auch abschätzbar, dass eine Antwort in endlichem Aufwand gefunden werden kann. Das Problem ist dann „nur“ noch das Finden dieser Antwort. Big Data hingegen eignet sich auch für das „unbekannte Unbekannte“: Mithilfe von Exploration (Trial & Error) lassen sich auch Beziehungen finden, die mit BI-Mitteln nicht vorausgedacht werden können.

Ob Big Data-Methoden in einem konkreten E-Business tatsächlich sinnvoll eingesetzt werden können, kann man nur herausfinden, wenn man es an einem unternehmensspezifischen Fall ausprobiert. Wenn man die oben genannten Punkte berücksichtigt sind die Erfolgsaussichten aber recht hoch. Unabhängig davon, mit welcher Technologie ein Unternehmen datengestützte Entscheidungsfindung betreibt, bleibt der kritische Erfolgsfaktor die Bereitschaft des Unternehmens, überhaupt datengestützte Entscheidungen zu treffen. Nur wenn auch unliebsame Erkenntnisse aus den Daten zu Handlungen im Unternehmen führen, wird das Unternehmen einen Wettbewerbsvorteil erlangen können.

BI und Big Data Systeme werden früher oder später zusammenwachsen. Schon heute lassen sich aber mit überschaubarem Aufwand geldwerte Wettbewerbsvorteile realisieren. Ob die dabei eingesetzte Technologie zukunftssicher ist, lässt sich heute nicht beantworten – diese Erkenntnis sollte aber nicht davon abhalten, bereits jetzt die notwendige Methoden- und Prozesskompetenz zu erwerben.

Zurück zu Teil 3: Exemplarische Anwendungsfelder von Big Data Analysen: Costumer Journey
Zurück zu Teil 2: Big Data und Business Intelligence
Zurück zu Teil 1: Anleitung zum Bergen des Datenschatzes für Onlinehändler

Holger Düwiger

Autor: Holger Düwiger

Holger Düwiger ist CTO der Neofonie GmbH. Seit über 15 Jahren beschäftigt er sich mit technologiegetriebenen Innovationen. Sein Interesse gilt besonders innovativen Ansätzen und Konzepten, bei denen das Internet und Daten im Fokus stehen. Als CTO und Intermediär zwischen Business und Technologie, sorgt er dafür, dass Innovationen im Sinne des Businessnutzens anwendbar werden. Holger ist diplomierter Mathematiker der TU Berlin.

Schreibe einen Kommentar

Pflichtfelder sind mit * markiert.