Kundenzentrierung in Data Science: Warum sie so wichtig ist

Kundenzentrierung oder datenbasiertes Arbeiten: Oft wird qualitatives Arbeiten als Gegenspieler zu quantitativen Analysen gestellt. Doch schließen sich diese beiden Bereiche gegenseitig wirklich aus? Oder gibt es doch Möglichkeiten zur Kooperation?

Kunden und Daten: Gegenspieler oder Mitstreiter?

Emotionen oder Fakten? Bauchgefühl oder Daten? Qualitativ oder quantitativ? In Unternehmen findet man üblicherweise eine der beiden Strategien: Entweder “Customer Centricity” oder “Data Driven”. Auf der einen Seite steht das Verständnis von Kunden, die Emotionale Intelligenz, das “reinfühlen”. Auf der anderen Seite die harten Zahlen, die Fakten, die Analysen.

Doch müssen die beiden Aspekte Gegenspieler sein? Gibt es nur ein Entweder Oder? Wir sind der Ansicht, dass beide Bereiche – Qualitative und Quantitative Analysen – sich hervorragend ergänzen und somit eher als Mitstreiter denn als Kontrahenten gesehen werden sollten.

Während quantitative, datenbasierte Analysen eine gute Argumentationsgrundlage liefern und mit Sicherheit eine Verlässlichkeit für Entscheidungen bilden, können qualitative Analysen und Interviews den Erkenntnissen noch eine Schicht der “Menschlichkeit” verpassen. Im Optimalfall schafft man es, durch nutzerzentrierte Forschung Dinge zu erfassen, die man nicht durch Daten quantifizieren kann.

Daher sehen wir, obgleich wir uns hier primär mit den Methoden und Vorteilen von Data Science und einer Data Driven Company beschäftigen, Nutzerzentrierung, Qualitative Research und viele UX-Methoden als sehr wichtige Teilhaber im Prozess, besser für Kunden und Mitarbeiter da zu sein.

Vorteile von Kundenzentrierung im Bereich Data Science

Wir haben es bereits angeschnitten: Data Science als Methode kann sehr stark von Kundenzentrierung profitieren. Hier einige Hauptpunkte, weshalb die Datenwissenschaft mehr Customer Centricity zulassen muss:

Mit den Stakeholdern, Nutzern und Kunden: Nur wenn man versucht die Bedürfnisse der Menschen zu verstehen, werden Lösungen für ihre Probleme entwickelt.
Förderung der Kultur: Der Einsatz von Daten ist noch immer eine Elfenbeinturm-Schicht in vielen Unternehmen. Genau das Gegenteil muss geschehen: Die Datennutzung muss zur Normalität in der Data Driven Company werden. Und dies geschieht nur, wenn sich möglichst viele Personen verstanden, abgeholt und integriert fühlen.
Nicht Technologie ist der Trumpf, sondern die Lösung für ein Problem: Data Scientists stürzen sich gern auf die neuesten Technologien, Systeme und Algorithmen. Doch oft bedeutet dies einen erheblichen Aufwand – der durch sauberes Kundenverständnis vermieden oder reduziert werden kann.
Der Wert wird hinten generiert: Generell gilt es zu realisieren, dass das beste technische Produkt keinen Wert generiert, wenn es nicht eingesetzt wird. Daher ist es zentral, “desirable” Produkte zu produzieren, sowohl physisch als auch digital. Nur dann kann man als Unternehmen davon profitieren.

Empfehlungen für Chief Data Officers und Data Scientists

Handgemalte Wireframes für eine Mobile App — Der Einsatz von qualitativen Methoden in Data Science bietet viele Vorteile

Was heisst das konkret, wenn man die Rolle als Chief Data Officer (CDO) oder Data Scientist inne hat? Die Empfehlungen sind klar: Es gilt, das Silo-Denken aufzubrechen und zu prüfen, welche anderen Methoden (z.B. qualitativer Natur) in welchem Prozess (z.B. Definition eines POCs) welchen Effekt haben könnten. Es gilt nicht nur offen für andere Herangehensweisen zu zeigen, sondern diese Offenheit offensiv voran zu treiben und zu fördern.

Im besten Fall werden Datenprodukte somit nicht mehr nur von Daten-Fachexperten (“Nerds”) entwickelt, sondern es bildet sich – ganz gemäß agiler, startup-artiger Arbeitsweise – ein interdisziplinäres Team, das alle Aspekte vom Kunden bis zur technischen Umsetzung und Operationalisierung abdeckt.

Ein Beispiel für das Zusammenspiel von Daten und Kundenzentrierung: Data-Driven Personas

Ein Beispiel wie Kundenverständnis und Daten zusammenspielen können sind Data-Driven Personas. Indem man Kundendaten nutzt, um Verhaltensgruppen zu identifizieren, können schnell und einfach Mehrwerte durch strategische Entscheidungen und Personalisierungen generiert werden. Mehr Infos in unserem KI-Produkte Data-Driven Personas:

Data-Driven Personas

Personas sind ein Werkzeug für mehr Kundenzentrierung im Marketing, Vertrieb und Produktentwicklung. Wir erstellen die Personas aus echten Stamm- und Verhaltensdaten.

Jetzt einkaufen

Data Driven Customer Centricity: Die Zukunft für Unternehmen?

Zusammenfassend bleibt die Frage: Ist Kombination von qualitativen und quantitativen Methoden, also Data Driven Customer Centricity, die Zukunft für Unternehmen? Während wir den massiven Mehrwert von Daten für die Kundenzentrierung sehen, argumentieren wir auch, dass es mehr Applikationen für den Einsatz von Daten gibt (z.B. Produktdesign, Prozessoptimierung, neue Geschäftsmodelle), als nur das übergreifende Thema Customer Centricity. Von daher sehen wir nach wie vor das Argument, dass ein Unternehmen auf allen Ebenen und in allen Prozessen Daten einsetzen muss, um in Zukunft zu bestehen. Die Kundenzentrierung ist einer davon – aber nicht der einzige.