Marktforschung trifft Data Science: Synergien für die optimale Kundenbeziehung nutzen

Unternehmen investieren zunehmend in Analytics-Abteilungen, die sich strategisch relevanten Fragestellungen widmen sollen. Die Erwartungen, die mit Analytics und Data Science verbunden sind, sind enorm. In diesen Abteilungen werden Fragestellungen mit Bezug auf Kunden selten mit Befragungsdaten untersucht, sondern eher auf Basis von Kundenstamm-, Transaktions- oder anderen Verhaltensdaten. Während einige Unternehmen bereits Marktforschung und Analytics als zwei Seiten einer Medaille betrachten und die Abteilungen zusammenlegen, sind andernorts Marktforscher zu nehmend unter Druck. Auf der einen Seite steht die schnelle Verfügbarkeit von Daten aus unterschiedlichen Ressorts, die schon länger technisch gesammelt werden, auf der anderen Seite steht die langsame und teure Datenerhebung der Marktforschung, die häufig mit wenig Systematik zwischen verschiedenen Ad-Hoc-Studien, vielen PowerPoint-Folien und wenig konkretem Einfluss auf Strategie oder Kundenerlebnis einhergehen.

Die FAANG-Vorbilder (Facebook, Apple, Amazon, Netflix und Google) aus dem Silicon Valley machen es vor: Unternehmen sollen Daten-gestützt geführt werden. Entscheidungen sollen nicht mehr auf Basis von Erfahrung oder Bauchgefühl getroffen werden, sondern auf Basis von Zahlen aus dem Unternehmen und über die Kunden. Durch die rasante Entwicklung im Bereich Datenanalyse — und das intensive Marketing für den Begriff “Künstliche Intelligenz” — nimmt also die Bedeutung von Analytics, Business Intelligence, Data Science oder eben KI immer weiter zu.

Wenn es darum geht, konkrete Beispiele für die Zusammenarbeit von Data Science und Marktforschung zu finden, gibt es aus unserer Sicht drei Bereiche und mögliche Formen der Zusammenarbeit:

• Data Science zur Optimierung von Marktforschungsprozessen
• Synthese und Integration von verschiedenen Befragungen
• Übergreifende Analyse von Befragungs- und Verhaltensdaten

Diese drei möglichen Bereiche der Zusammenarbeit skizzieren wie Synergien geschaffen werden können und das Potential der Zusammenarbeit genutzt werden kann. Der Fokus bei Datenanalysen liegt zunehmend auf der Entwicklung prädiktiver Modelle liegt, also der Vorhersage. Seien es makroskopisch Umsätzen, Marktanteilen oder Lieferzeiten, oder auf individueller Ebene Abwanderungen, Produktpräferenzen oder Kaufabsichten: Durch Modelle, die prüfbare Vorhersagen machen, kann die Qualität von Analysen und ihre Anwendung in der Praxis gesteigert und über die Zeit hinweg kontrolliert werden. Diese Überzeugung liegt der Idee der „data-driven company“ zugrunde und die einfache Verfügbarkeit von Daten und Algorithmen beschleunigt diese Idee zunehmend.

Rund um die Begriffe „Künstliche Intelligenz“, „Data Science“, „Machine Learning“ und „Digitalisierung“ gibt es seit einigen Jahren viel Aufmerksamkeit. Um diese Erwartungen erfüllen zu können, gilt es konkrete Anwendungsbeispiele zu finden und in Unternehmen umzusetzen. Das größte Potential erwächst, wenn methodische und inhaltliche Experten zusammenarbeiten und sich im Projekt laufend austauschen und ergänzen.