Beiträge

Big Data in Business Workshop: Treffen Sie Dr. Hanna Köpcke

Am 15. und 16. Juni 2016 treffen sich an der Universität Leipzig erneut zahlreiche IT-Unternehmer und renommierte Wissenschaftler aus der Informatik zum Wissens- und Informationsaustausch rund ums Thema Big und Smart Data zum Big Data in Business Workshop.

Treffen Sie unsere Big Data und Matching-Expertin Dr. Hanna Köpcke

Webdata Solutions-Gründerin und Big Data-Expertin Dr. Hanna Köpcke referiert zum Thema „Big Data im E-Commerce – Herausforderungen in der Online-Marktanalyse“. Neben Köpcke sprechen Vertreter aus den Unternehmen BMW, Immowelt, Huawei, T-Systems und Dell über die Problematik zunehmend großer Datenmengen und deren Analysemöglichkeiten. Des Weiteren stehen Strategien zur Auswertung, Best Practices der Referenten sowie aktuelle Fragestellungen und Technologien während der zweitägigen Veranstaltung zur Diskussion.

Treffen Sie unsere Gründerin am Donnerstag, den 15. Juni 2016 zum Big Data in Business Workshop. Kommen Sie anschließend mit ihr ins Gespräch oder vereinbaren Sie vorab einen Termin. Wir freuen uns auf Ihre Nachricht.

Dr. Hanna Köpcke spricht beim Big Data in Business Workshop zum Thema "Big Data im E-Commerce – Herausforderungen in der Online-Marktanalyse"

Dr. Hanna Köpcke spricht beim Big Data in Business Workshop zum Thema „Big Data im E-Commerce – Herausforderungen in der Online-Marktanalyse“

Big Data in Business Workshop, Leipzig

Wann? 15. Juni 2016, 11.20 Uhr – 11.50 Uhr

Was? Vortrag zum Thema „Big Data im E-Commerce – Herausforderungen in der Online-Marktanalyse“

Wo? Universität Leipzig, Felix-Klein-Hörsaal, Paulinum 5.Etage

Alle Informationen sowie das vorläufige Programm des Workshops finden Sie unter: https://www.scads.de/de/bidib2017

 

Unsere Data Analystin Sandra Engelhardt im Interview

Wie sehen die Gesichter hinter der Preisbeobachtungssoftware blackbee aus? In unserem Blog stellen wir unsere Mitarbeiter vor. blackbee-Gründerin und CIO Sabine Maßmann machte den Anfang, nun stellt sich Data Analyst Sandra Engelhardt unseren Fragen. Sie erzählt uns, wie sie die gleichbleibend hohe Datenqualität unserer Kunden sicherstellt, wie sie mit ihren Kollegen die Preisbeobachtung- und Preismanagementsoftware blackbee ständig weiterdenkt und worin der Reiz im Umgang mit Big Data liegt.

Wie sieht dein Arbeitsalltag aus?

Jeden Tag gibt es andere interessante Aufgaben, eine Arbeitsroutine im klassischen Sinne habe ich nicht. Das finde ich auch gut so. Heute habe ich zum Beispiel die Ergebnisse eines Matching-Vorgangs überprüft. Das ist immer der letzte Arbeitsschritt bei unserem Matching-Prozess. Mit dieser Überprüfung gewährleisten wir eine hohe Datenqualität.

Hast du eine Lieblingsaufgabe als Data Analyst?

Wie gesagt: Ich finde die Abwechslung sehr gut. Meine Lieblingsaufgabe ist die Datenpflege für einen unserer VIP-Kunden. Da geht es auch manchmal darum, neue Strategien zu entwickeln, wie wir die Daten möglichst genau validieren können. Hier muss man querdenken und neue Ansätze suchen – und das macht mir Spaß.

Außerdem arbeiten meine Abteilung und ich eng mit unseren Matchingexperten zusammen. Wir treffen uns einmal die Woche, um zu schauen, wie wir unser System verbessern können. Das funktioniert alles schon sehr gut, aber es bieten sich auch neue Potenziale. blackbee nutzt das Attribut-Matching (Die Artikel aus Online-Shops werden mittels Attribute mit denen des Online-Händlers verglichen und gematcht, Anm. Verfasser). Uns kamen aber auch schon Ideen, ein Design-Matching zu verwenden. Man kann also sagen, wir denken unser System ständig weiter. Und da gibt es für uns Mitarbeiter viele Chancen, mitzugestalten.

Sandra Engelhardt stellt als Data Analyst die Datenqualität für einen Großkunden sicher

Als Data Analyst ist Sandra Engelhardt für das Datenqualitätsmanagement unserer Großkunden zuständig. Außerdem ist sie an der Entwicklung neuer Strategien zur Validierung von Daten beteiligt. An Webdata Solutions schätzt sie den regen Austausch unter den Teams.

 

Also siehst du im Big Data Matching und überhaupt in Big Data viele Möglichkeiten?

Ja, ich finde toll, dass du nie genau weißt, was bei einem Big Data-Projekt herauskommt. Natürlich hast du Vermutungen, aber die müssen sich nicht bestätigen. Das Ergebnis kann dich durchaus überraschen. Ich finde toll, dass du aus diesem Ergebnis eine konkrete Erkenntnis gewinnen und damit arbeiten kannst.

Stand schon früh für dich fest, dass du dich mit Big Data beschäftigen wirst?

Naja, also ich habe Mathe studiert, da lag das für mich auf der Hand (lacht). Ich wollte gern etwas Handfestes mit Daten machen. Wie ich eben schon meinte: Beim Big Data Matching führen die Daten zu Ergebnissen und man kann sie verwenden. Unsere Kunden benötigen diese Daten, um ihre Preisstrategien zu entwickeln.

Was genau hast du gemacht, bevor du bei blackbee angefangen hast?

Ich habe zwei Jahre lang an einem Forschungsprojekt gearbeitet, auch im Bereich Big Data. Es ging dabei um ein physikalisches Verfahren, zu dem ich Bakterien im Wasser untersucht habe. Nachdem das Projekt beendet war, wollte ich in Leipzig bleiben und interessierte mich für den E-Commerce. Da bin ich auf blackbee gestoßen und habe beim Bewerbungsgespräch Sabine und Hanna kennengelernt. Das Gespräch war fachlich interessant und ich fand beide sofort nett.

Was meinst du: Wo wird sich blackbee in den nächsten fünf Jahren hin entwickeln?

Das ist schwer zu sagen. Ein Jahr im Internet ist nicht wirklich ein Jahr, es passiert sehr viel in unheimlich kurzer Zeit. Allerdings denke ich, dass die richtigen Weichen gestellt sind, um uns eine starke Position am Markt zu erarbeiten. Außerdem finde ich den Austausch unter den Kollegen bei blackbee super. Wir wissen immer, was bei dem anderen gerade auf dem Tisch liegt. Das ist viel wert.

Über was hast du das letzte Mal auf der Arbeit gelacht?

Meine Kollegin hat bei dem letzten Gespräch über unseren Messenger aus Versehen kleine Herzchen an alle versendet.  Situationskomik.

Sie wollen blackbee und unsere kompetenten Mitarbeiter kennenlernen? Schreiben Sie uns eine Nachricht, wir freuen uns auf Sie!

Datenvisualisierung – So formen Sie aus Daten Aussagen

In unserem Artikel „Den Datendschungel meistern mit Data Driven Marketing“ zeigen wir Ihnen, wie Sie Daten effektiv sammeln und als Grundlage für erfolgversprechende Pricing- und Marketingstrategien nutzen. Was in der Theorie einfach klingt, stellt Händler in der Praxis noch immer vor immense Herausforderungen. Die zahlreichen Chancen, die Big Data bietet, überfordern viele Unternehmen: Laut einer Befragung der Hochschule Reutlingen erachten 70 Prozent der befragten Marketingverantwortlichen Big Data als zukunftsweisend. Dennoch setzen sich bisher nur 30 Prozent der Marketingentscheider mit Big Data auseinander. Woran liegt das?

Big Data Insider erklärt dies mit einem Unbehagen der Unternehmen im Umgang mit großen Datenmengen. Auch wenn in Big Data alle nötigen Informationen für erfolgreiche Marketingstrategien schlummern, bleiben sie verborgen, wenn der Entscheider sie nicht entdeckt. Tools zur Datenvisualisierung bieten hier eine einfache und effektive Lösung für den Nutzer.

Mit großen Datenmengen clever umgehen: Grafiken sprechen eine eindeutige Sprache

Tools zur Datenvisualisierung leisten eine schnelle Umwandlung von Datenbergen in nützliche Grafiken. Marketingentscheider formulieren gezielt Fragen, das Tool antwortet mit Darstellungen, die dem Nutzer bisher unerkannte Zusammenhänge offenlegen. So lassen sich Erkenntnisse über Produktverkäufe, Traffic oder zielgruppenrelevante Einsichten gewinnen.

Als ein leicht bedienbares und innovatives Big Data-Visualisierungstool hat sich die Business Intelligence Software QlikView von QLIK hervorgetan. Im siebten Jahr in Folge erlangte Qlikview einen Platz im Leader-Quadranten des Gartner Magic Quadrants im Segment Business Intelligence. Mit jenem Magic Quadrant ermittelt der Marktforschungsanalyst Gartner die wichtigsten IT-Unternehmen und erkennt frühzeitig Trends der Branche.

Gartner stuft das Tool zur Datenvisualisierung Qlikview als "Leader" unter den Visionären ein

Das Tool zur Datenvisualisierung QlikView und die Programmierer von Qlik zählen zu den „Leaders“ unter den IT-Unternehmen. So lautet das Urteil des Gartner Magic Quadrant, der den Business Intelligence-Wettbewerber und ihre Rolle am Markt einordnet. Quelle: Gartner

QlikView setzt auf Simplizität, Mobilität und lädt mittels schneller In Memory-Technologie alle Daten in den Arbeitsspeicher. Somit hat der Nutzer sofortigen Zugriff auf seine Geschäftsdaten. „Stellen Sie sich eine Sales-Situation vor, in der dem Kunden in Echtzeit relevante Daten und Grafiken vorgelegt bzw. eine Datenvisualisierung passend zu seinen Fragestellungen live entwickelt werden“, fasst es der Regional Vice President von Qlik Wolfgang Kobek zusammen. „Das kann gewinn- und wettbewerbsentscheidend sein.“

Auch blackbee nutzt zur Erstellung grafischer Auswertungen Qlikview.

Mittels grafischer Darstellungen erfassen, was Ihre Wettbewerber tun

Neben der Preisoptimierung und Preisüberwachung im Internet bietet blackbee Händlern weitere Vorzüge im Umgang mit Big Data. Um zu wissen, welche Preisstrategien andere Wettbewerber verfolgen, ist die Hilfe der Business Intelligence Software blackbee unverzichtbar. Die großen Mengen an Datensätzen werden in der Software klar veranschaulicht. So haben Nutzer den Überblick über die Top 5 für Anbieter eines Produkts. Zusätzlich illustriert Ihnen unser Preisoptimierungs-Tool , welche Optimierungen Online-Händler vornehmen sollten, um ihre Gewinne zu erhöhen. Auf die Weise zeigt blackbee dem Händler, welche Preise er bis zu einem bestimmten Niveau erhöhen kann, damit seine Marge steigt.

blackbees benutzerfreundliche Oberfläche sorgt dafür, dass per Grafik kommende Preistrends schnell erfasst werden können. Online-Händler können somit kurzfristig wie langfristig Preisstrategien zur Margensteigerung entwickeln. Durch die übersichtliche Darstellung hochvalider Daten wird es Händlern möglich, schnell und dynamisch auf Entwicklungen am Markt zu reagieren und ihre Gewinne zu steigern. Bereits nach dem ersten Monat steigt die Marge eines Unternehmens um drei Prozent. Lesen Sie dazu auch unseren Fünf-Stufen-Ratgeber zum erfolgreichen Preismanagement.

Optimieren Sie Ihre Preise mit Hilfe übersichtlicher Grafiken: Testen Sie blackbee jetzt!

Den Datendschungel meistern mit Data Driven Marketing

Daten gelten als der neue Rohstoff des 21. Jahrhunderts. Durch technische Innovationen können diese in Sekundenschnelle und in Echtzeit aufbereitet werden. Big Data gewinnt vor allem in Marketingentscheidungen immer größeren Einfluss. Effizient genutzt, können Daten nicht nur das Kaufverhalten der Kunden vorhersagen, sondern auch das Einkaufserlebnis optimal an jeden Online-Shop-Besucher anpassen. Die Aufmerksamkeit des Kunden wird durch persönliche, auf ihn abgestimmte Inhalte wie das optimale Produkt erzeugt. Sogenanntes Data Driven Marketing, oder auch datenbasiertes Marketing, ermöglicht es, aus großen Datenmengen die wertvollen Informationen herauszufiltern und diese in die Planung einzubeziehen.

Diesen Wandel verfolgt auch Volker Wiewer, Vice President International des Teradata eCircle: „Überall in Europa findet derzeit ein Paradigmenwechsel in den Köpfen und Budgets der Marketers statt. Datenbasiertes Marketing verändert ihre Welt.“

Konnten bis vor einiger Zeit nur große internationale Konzerne auf Big Data zugreifen, steht diese Möglichkeit heute nahezu allen Unternehmen unterschiedlicher Größen offen. Im heutigen Artikel zeigen wir Ihnen, wie Sie die Herausforderungen im Bereich Data Driven Marketing meistern und welche Vorteile sich daraus für Sie ergeben.

Herausforderungen im Data Driven Marketing

Die größten Herausforderungen des datengetriebenen Marketings sehen 90 Prozent aller Marketingverantwortlichen in zwei Dingen: In einem massiven Zeitaufwand sowie in fehlender Fachkenntnis im Umgang mit Datenmengen. Nur ein kleiner Teil der Händler nutzt die Potenziale datengetriebenen Marketings.

Immer noch steht ein Großteil der Marketingfachleute dem Thema Big Data mit Skepsis und Ratlosigkeit gegenüber. Zu diesem Ergebnis kam auch eine Studie der Unternehmensberatung Vivaldi Partners, die zeigt, woran es gerade dem deutschen Mittelstand mangelt: Er nutzt nicht die Chance, den Kundenkontakt mittels digitaler Methoden zu verbessern. Stattdessen rückt der Kunde aus dem Blickfeld und die Service-Plattformen fallen globalen Akteuren wie Google oder Facebook zu. Nur 55 Prozent der Befragten der Studie gaben an, der Drang zu Neuem käme intern aus dem Unternehmen. Vielmehr fühlen sich 64 Prozent von Wettbewerbern unter Druck gesetzt.

Erfolgsfaktor Data Driven Marketing

Welche Vorteile ergeben sich nun für Sie aus der Nutzung von datengetriebenem Marketing?

Eine Studie des Teradata eCircle von 2013 zeigt, dass effektive Datenanalyse heute einen Erfolgsfaktor für das Betreiben eines Online-Shops darstellt. Die Ergebnisse zeigen, dass die Zufriedenheit von Marketingverantwortlichen mit der eigenen Arbeit steigt, wenn sich ihre Fähigkeit, Entscheidungen aufgrund von Daten zu treffen, verbessert.

Datenbasierte Entscheidungen und Zufriedenheit mit Marketingerfolg

Je fähiger ein Marketer ist, datenbasierte Entscheidungen zu treffen und seine Strategie nach den gewonnenen Informationen zu richten, desto zufriedener scheint er mit seinem eigenen Arbeitserfolg zu sein. (Quelle: Teradata eCircle Data-Driven Marketing Survey 2013, Europe)

Die Aussteuerung von Werbekampagnen auf Algorithmen und künstliche Intelligenzen ermöglicht die Automatisierung von vorgefertigten Marketingkampagnen und setzt diese personalisiert für den einzelnen Shop-Besucher um. Dadurch können Sie sich wieder auf die strategische Planung und kreativen Einfälle Ihres Marketings konzentrieren. Die personalisierte Ansprache Ihrer Kunden, die Messung Ihrer Kampagnenerfolge sowie eine bessere Einschätzung von Marktpotenzialen sind daneben nur einige Vorteile, die an dieser Stelle zu nennen sind.

Notwendig sind eine Big-Data-Strategie sowie die richtige Technologie, um die Datenmengen zu bewältigen und effizient zu nutzen. Passende Software-Angebote können Ihnen dabei helfen, diese in verwertbare intelligente Daten zu verwandeln.

Welche konkreten Möglichkeiten es für Sie als Händler gibt, datengetriebenes Marketing zu betreiben, stellen wir Ihnen im Folgenden vor.

Lernen Sie Ihre Kunden durch Data Driven Marketing besser kennen

Heutige Technologien wie beispielsweise Smartphones oder die Vernetzung über das Internet der Dinge liefern wertvolle Daten, die sinnvoll genutzt werden können. Business-Intelligence-Systeme erheben und analysieren nicht nur Daten über das Nutzungsverhalten der Kunden, sondern auch über den entsprechenden Aufenthaltsort oder den Grad des Interesses. Diese können genutzt werden, um dem bestehenden Kunden für ihn relevante Botschaften wie beispielsweise das passende Produkt zukommen zu lassen. Auch lassen sich neue Kunden durch vorausschauende Intelligenzen gewinnen, die nach ähnlichen Kunden suchen beziehungsweise Kunden, die gedenken abzuwandern, wieder reaktivieren. Ein besserer Aufschluss über die Qualität Ihrer Kundenbeziehungen ermöglicht es Ihnen, Ihre Marketingkampagnen zu personalisieren und die Zielgruppen richtig anzusprechen.

Optimieren Sie Ihre Preise mit Big-Data-Strategien

Händler und Hersteller erwarten Preise auf ihren Produkten, die den Gewinn steigern, Kunden wollen ein optimales Preis-Leistungs-Verhältnis. Der Preis gilt noch immer als primärer Kaufanreiz und signalisiert Qualität sowie eine Abgrenzung von Wettbewerbern. Dadurch, dass sich der Kunde im E-Commerce mit nur wenigen Klicks im nächsten Shop befindet, kann er schneller zur Konkurrenz abwandern. Da er Produkte nicht anfassen kann, sondern nur am Bildschirm sieht, stellt der Kunde keine unmittelbare Bindung zum Produkt her. Hilfreich hierfür sind Markt- und Wettbewerbsanalysen unter Nutzung von Big Data. Vorausschauende Analysen machen den Markt und die Preise für Händler transparent, um so die Preise und Sortimente anzupassen. Gleichzeitig bieten sie dem Kunden Abwechslung und Produkte entsprechend seinen individuellen Vorlieben.

So bahnen Sie sich Ihren Weg durch den Datendschungel: Da diese nützlichen Datenmengen nicht nur gesammelt, sondern auch analysiert und ausgewertet werden müssen, bietet sich hierzu eine intelligente Softwarelösung wie blackbee an. Der Schlüssel zur Erlössteigerung: Implementieren Sie ein intelligentes Preismanagement. Die durch die Software erhobenen Datenmengen liefern Informationen über vergangene Verkäufe sowie Wettbewerbspreise und bieten Ihnen die Möglichkeit zur erfolgreichen Preisoptimierung.

Sie wollen wissen, wie Sie Ihre Preise optimal an den gegenwärtigen Markt anpassen können? Testen Sie blackbee jetzt und überzeugen Sie sich von den Vorteilen unserer preisgekrönten Business Intelligence Suite.

Girls´ Day 2017: Analysiere mit uns die neuesten Fashiontrends!

Daten sind angesagt! Du interessierst Dich für Zahlen und liebst es, logische Zusammenhänge herzustellen? Außerdem ist Online Shopping kein Fremdwort für Dich? Dann besuche uns am Girls‘ Day 2017.  Wir zeigen Dir, wie wir jeden Tag spannende Informationen zu den neusten Fashion-Trends aus Online-Daten gewinnen.

Der Girls´ Day 2017 bei den blackbees

Am 27.04. 2017 hast du von 10.00 Uhr bis 14.30 Uhr die großartige Möglichkeit, unsere fleißigen Bienen genauer kennenzulernen und in die Berufswelt des Big Data Analysten reinzuschnuppern.
Anmelden kannst du dich unter: https://www.girls-day.de/anmeldung

Der blackbee-Workshop findet in unserem Büro im angesagten Leipziger Zentrum statt:
blackbee | Webdata Solutions GmbH (2.Etage)
Jacobstraße 5
04105 Leipzig

Bei weiteren Fragen rund um den Girls´ Day bei Webdata Solutions kannst du dich direkt an Swantje wenden: info@webdata-solutions.com

Girls´Day – Technik erleben

Der Girls‘ Day ist eine bundesweite Initiative zur Orientierung in technischen Berufsfeldern, für die sich Mädchen traditionell seltener entscheiden als Jungen. Sowohl Unternehmen als auch Hochschulen aus den Bereichen MINT (Mathematik, Informatik, Naturwissenschaften, Technik) öffnen ihre Türen und präsentieren sich, damit Mädchen ihr Talent für technische Berufe entdecken und ihr Interesse ausbauen.
Alle weiteren Infos zum Girls Day gibt es unter: https://www.girls-day.de/

 

Girls´ Day 2017: erste Impressionen

blackbee-Softwareentwicklerin Berit Schreck erzählt beim Girls´ Day 2017 aus ihrem Arbeitsalltag

Die Teilnehmerinnen des Girls´ Day 2017 bei Webdata Solutions

Mit Hilfe eines Memory Spiels anschaulich erklärt: Wie funktioniert der Matching-Prozess bei blackbee?

Wir hatten einen spannenden und lustigen Tag mit unseren Mädchen und freuen uns, nächstes Jahr erneut Teil des Girls´ Day zu sein.

 

Maschinelles Lernen – Der Weg zur intelligenten Big Data Analyse

Der Umgang mit riesigen Datenmengen ist eine Herausforderung, die erhebliche Auswirkungen auf unterschiedliche Bereiche der Wirtschaft, Industrie und Wissenschaft hat. Die Verarbeitung des ständig wachsenden Datenaufkommens und die Gewinnung relevanter Insights gehören zu den zentralen Fragestellungen unserer Gesellschaft.

Ein Schlüssel um Big Data zu verarbeiten und auszuwerten, ist Maschinelles Lernen (engl. Machine Learning). Der Einsatz Maschineller Intelligenz ist dabei das aktuelle Trendthema im Bereich der Digitalisierung – Forschung und Anwendungen in diesem Bereich boomen. Sie werden die Zukunft unserer Alltags- und Arbeitswelt weiter prägen. Aktuelle Anwendungen sogenannter Social- oder Chat-Bots der Online-Marktführer florieren. Amazons Alexa, Googles Alpha Go und Microsofts Cortana lassen vermuten, was Maschinelles Lernen zukünftig mit sich bringen wird.

Was bedeutet Maschinelles Lernen?

Durch Machine Learning kann ein künstliches System komplexes Wissen aus Erfahrung generieren. Dafür lernt es aus konkreten Beispielen und kann das Erlernte im Anschluss verallgemeinern. Wichtig ist, dass es diese Beispiele nicht einfach auswendig lernt, sondern in den Daten Muster identifiziert, die dann auf unbekannte Daten transferiert werden.

Anwendungsfelder des Maschinellen Lernens im Online-Handel

Die Anwendungen von Maschinellem Lernen scheinen schier unbegrenzt. Im Online-Handel sind dabei obengenannte Chat- und Service-Bots zu nennen. Diese werden zum Beispiel in Live-Chats im Online-Shop zu Produkten, Versand oder Retoure befragt. Daneben spielen intelligente Prognosesysteme und Personalisierung für Online-Händler eine wichtige Rolle.

Die Datenmengen wachsen mit einer rasanten Geschwindigkeit und das befeuert die Technik doppelt: Zum Einen bilden diese den Ausgangspunkt für Maschinelles Lernen, zum Anderen machen Sie eine intelligente Datenselektion notwendig. Denn niemand möchte morgen noch hunderte Dokumente prüfen, wenn nur 2-3 relevant für eine Entscheidung sind. Diese Entwicklung wird auch nicht vor dem Handel haltmachen [..]“- Dr. Dominique Ziegelmayer, Director Trusted Enterprise

Beim Einsatz von Maschinellem Lernen stehen damit oft Applikationen für Endkonsumenten im Fokus. Doch Machine Learning ist im E-Commerce vor allem bei der Produktklassifizierung von Bedeutung. Hier gibt es eine hohe Anzahl von Produkten, die alle unterschiedliche Merkmale besitzen. Möchte man in diesem Datenberg Produkte einer Klasse zuordnen oder gleiche Produkte finden, treten häufig Probleme auf: Produktinformationen zu einem identischen Produkt können sehr unterschiedlich aussehen. Namen und Produktbeschreibungen stimmen häufig nicht überein und eine EAN ist nicht immer vorhanden. Besonders schwierig wird es, wenn man Artikel aus verschiedene Quellen in verschiedenen Sprachen vergleichen möchte. Dadurch werden Produkte von herkömmlichen Lösungen häufig falsch zugeordnet.

Erfolgsrezept Big Data Analyse

Eine manuelle Bereinigung der Daten ist zeit- und kostenintensiv. In Zeiten von Big Data sind Informationen außerdem derart verschieden, dass sie sich manuell nicht mehr überblicken lassen.  An dieser Stelle setzt Maschinelles Lernen an, das riesige Datenmengen zuverlässig analysieren kann – auf, für das menschliche Gehirn schwer nachvollziehbare, komplexe Art und Weise. Mit Hilfe intelligenter Algorithmen lassen sich Produktdaten zuverlässig zuordnen und eine manuelle Klassifizierung vermeiden.

Ausgereifte Algorithmen sind notwendig, um Big Data zu analysieren und zu verstehen. Hier versteckt sich auch das Geheimrezept unserer Business Intelligence Software. Der einzigartige Matching-Algorithmus von blackbee kann in den riesigen Datenmengen alle relevanten Merkmale ermitteln und so Gleichheit oder Unterschiedlichkeit der Produkte bestimmen. Hersteller und Händler können mit Hilfe von blackbee Wettbewerber mit gleichen oder ähnlichen Produkten im Internet beobachten. Dadurch treffen sie gewinnbringende Entscheidungen für ihre Sortimente und Preisstrategien.

Der selbstlernende Matching-Algorithmus von blackbee

Wie funktioniert das? Jedes Produkt hat spezielle Merkmale und Eigenschaften, die als Attribut hinterlegt sind. Durch diese Attribute lassen sich Produkte anhand bestimmter Parameter suchen – etwa Farbe, Material oder Größe. Der Abgleich (techn. Matching) von Produktdaten erfolgt also anhand ihrer Attribute. Der Erfolg des Matchings ist jedoch von der Kombination der richtigen Vergleichsmaße für unterschiedliche Attributwerte abhängig. Denn in den meisten Fällen führt ein einzelnes Maß nicht zu einem optimalen Ergebnis. Aufgrund einer Vielzahl von existierenden Ähnlichkeitsmaßen ist die Bestimmung einer effektiven Matchingstrategie jedoch eine enorm komplexe Aufgabe.

Maschinelle Lernverfahren, wie sie unser Matching-Algorithmus verwendet, reduzieren den manuellen Tuning-Aufwand, indem sie eine optimierte Matchingstrategie halbautomatisch bestimmen. Hierfür sind Beispiele für Matches und Nicht-Matches erforderlich. blackbee unterstützt die Generierung solcher Beispiele und stellt außerdem einen Feedbackmechanismus bereit. So können auftretende Zuordnungsfehler durch Feedback korrigiert werden. Das System lernt anschließend aus diesen Korrekturen – es verallgemeinert die Beispiele. Dabei erhält es mit jedem Durchlauf neue Informationen zur Verbesserung der Treffgenauigkeit, die sich so nach und nach bis zu 98,2 Prozent erhöht.

Mit Machine Learning zu intelligenten Businessprozessen

Mithilfe des selbstlernenden Algorithmus findet blackbee automatisierte Lösungen für das Matching von Produktdaten, ohne starr vorprogrammierten Regeln folgen zu müssen. Dadurch erreicht die Software ein wesentlich höheres Maß an Effizienz. Da wo andere Lösungen an den Herausforderungen von Big Data scheitern, erkennt blackbee selbst die komplexesten Produkte verschiedenster Anbieter. Die Daten werden dabei so aufbereitet, dass für Händler und Hersteller wichtige Informationen zu ihrer Position im Wettbewerb offensichtlich sind. So beschleunigen und optimieren sie ihre Prozesse und können ihren Wettbewerbsvorsprung ausbauen.

Profitieren Sie von den Vorteilen unserer selbstlernenden, automatisierten Softwarelösung. Jetzt blackbee testen!

Dank Big Data Matching zum Wettbewerbsvorteil

Hinter dem Begriff Big Data stehen riesige Datenmengen im Internet, die in jeder Sekunde um schätzungsweise 70 Terabyte wachsen. Das hat zum Vorteil, dass Hochleistungsrechner in dieser Vielzahl an Daten Muster erkennen, die ein Mensch nicht sieht. Aus diesen Erkenntnissen werden Studien für Forschung und Wissenschaft in kürzester Zeit gewonnen. Teil von Big Data sind allerdings ebenso duplizierte, unvollständige oder falsche Informationen. Zum Beispiel bei Produkten,  woraus sich erhebliche Probleme für Händler und Hersteller ergeben. Um es im E-Commerce mit Wettbewerbern aufzunehmen, führt kein Weg daran vorbei, falsche Daten zu bereinigen: Das erfolgt durch das Product Matching.

Doch wie genau entstehen falsche Daten? Eine große Rolle spielen Duplikate. Duplikate bedeuten, dass ein Produkt zweimal im eigenen Shop auftaucht. Das kann bereits beim Einspeisen der Daten geschehen, zum Beispiel bei der Herstellerbezeichnung: Einmal schreibt es sich HP und ein andermal Hewlett & Packard. Noch schwieriger wird es, wenn es um die Attribute eines Produktes geht: Bei einem Trainingsschuh sind die Attribute Material, Absatzhöhe und Verschlussform eingespeist, bei einem anderen wiederum Farbe, Schuhweite und Sohlenmaterial. In manchen Fällen beschreibt eine Artikelnummer verschiedene Ausführungen eines Produktes. Diese Probleme erschweren eine eindeutige Identifizierung des Produktes. Und damit haben Wettbewerber nicht nur im eigenen Shop zu kämpfen: Zur Marktanalyse müssen sie andere Onlinemarktplätze unter die Lupe nehmen und deren Produktdaten mit den eigenen vergleichen. Das stellt sich als schwierig heraus, wenn Produktinformationen nicht übereinstimmen.

 

Produkt-Matching: Oftmals beschreibt eine Artikelnummer mehrere Ausführungen des Produktes

In diesem Beispiel beschreibt eine Artikelnummer mehrere Ausführungen eines Produktes. Dabei unterscheiden sich die Attribute stark voneinander. Diese fehlende Eindeutigkeit erschwert die Identifizierung des Produktes, wenn es mit anderen Angeboten im Internet verglichen werden soll.

Darum ist es erstrebenswert, die Produktdaten zu verbessern und Duplikate zu löschen. Das ist händisch bei einem großen Datenvolumen kaum zu bewerkstelligen. Ein Rechenbeispiel: Wenn Sie 1.000 verschiedene Paar Turnschuhe in Ihrem Sortiment aufführen, müssten Sie 49.500 Vergleiche vornehmen. Und in diesem Beispiel ist die Zahl an Turnschuhen eine kleine Menge. Gerade in Zeiten, in denen der Kunde mit nur wenigen Klicks und mit Hilfe von  Preisvergleichsportalen schnelle Kaufentscheidungen trifft, müssen Händler Produktdaten klar und eindeutig aufbereiten. Dafür eignet sich das Matching, wie es die Business Intelligence Software blackbee durchführt. Wir zeigen Ihnen im Folgenden, mit welchen Schritten blackbee ein erfolgreiches Matching erreicht.

Schritt 1: Wir extrahieren die Dateien

Sie als Kunde stellen uns zunächst eine Produktliste zur Verfügung, bei der unsere Software blackbee das Matching durchführen soll. Dabei spielt es keine Rolle, ob es sich um hunderte oder zehntausende Produkte handelt. Sie legen anschließend die Quellen fest, die blackbee untersucht: Das umfasst Online-Marktplätze wie beispielsweise Amazon und Preisvergleichsportale wie billiger.de. Mittels einer Abfragestrategie generiert unsere Software eine Liste mit allen Angeboten der Quellen – dieser Schritt nennt sich Crawling. Dabei passt sich das System den variierenden URL- und Seitenstrukturen der Quellen an. Sie entscheiden, ob Sie eine tägliche oder wöchentliche Abfrage vornehmen wollen.

Schritt 2: Wir standardisieren die Attributwerte

Bevor es an das eigentliche Matching geht, leistet blackbee eine Vorverarbeitung (oder: Preprocessing). Erinnern Sie sich an das Bezeichnungsbeispiel von HP und Hewlett & Packard: blackbee vereinheitlicht nun diese Produktdaten und fügt weitere, fehlende Attribute hinzu. Mit Hilfe dieser ergänzten Attribute lassen sich Produkte genau identifizieren.

Diese vier Schritte vollführt blackbee, um hochvalide Daten zu gewinnen

Der Matchingprozess bei blackbee: Die Software reduziert den manuellen Aufwand und aufgrund fehlerhafter Daten getroffene Fehlentscheidungen.

 

Schritt 3: Wir vergleichen mittels Matching die Datensätze miteinander

Nun kommt es zum eigentlichen Matching: Mittels der Attribute vergleicht unsere Software blackbee die Produktdaten miteinander. Um das Ergebnis effizient zu gestalten, kombiniert die Software mehrere Attributwerte. blackbee wendet dafür ein maschinelles Lernverfahren an: die Software generiert  sogenannte Trainingsdaten – das sind Beispiele für Matches und Nicht-Matches. Diese Trainingsdaten geben dem System Feedback und zeigen ihm, wo Zuordnungsfehler geschehen und korrigiert werden müssen. Das System merkt sich diese Korrekturen, lernt somit bei jedem Durchlauf dazu und erreicht eine sehr hohe Treffgenauigkeit. Dadurch genießen die gewonnenen Daten eine hohe Validität.

Schritt 4: Wir bereiten das Ergebnis auf

Beim letzten Schritt, dem Reporting, stellt blackbee Ihnen die Daten zur Verfügung. Dabei bietet die Software die Möglichkeit, die Ergebnisse für weitergehende Analysen und für verschiedenste Reports zu nutzen. Wenn Sie Preisbeobachtungen für ein bestimmtes Produkt durchführen möchten, kann die Software zum Beispiel eine Liste der Top 5-Anbieter generieren.

Besonders der Einsatz von blackbees lernenden Matching-Algorithmen verbessert die Qualität der Produktdaten. Damit sichern Sie sich einen strategischen Vorteil gegenüber anderen Wettbewerbern im Umgang mit großen Datenmengen. Denn mit hochvaliden Daten und fehlerfreiem Produktmanagement schafft Ihnen blackbee eine Grundlage für ein erfolgreiches Pricing.

Lesen Sie für weitere Hintergründe zum Thema Matching unsere beiden Whitepaper „Matching von Produktdaten“ und „Product Matching Excellence“.

Sie wollen Ihre Produktdaten bereinigen und die Entwicklungen Ihrer Produkte am Markt beobachten? Testen Sie jetzt blackbee!

Marktanalyse: Das war das Jahr 2016 im E-Commerce

Auch in diesem Jahr hat sich im Online-Handel einiges bewegt. 2016 hat dabei die eine oder andere Herausforderung für Händler und Markenhersteller bereitgehalten. Wir haben die unterschiedlichen Entwicklungen zu einer kleinen Marktanalyse zusammengetragen und schauen im folgenden Artikel auf das E-Commerce-Jahr zurück.

„Unserer Branche geht es sehr gut. Begleitet von einem stabilen Konsumklima und einer steigenden Anschaffungsneigung werden wir dieses Jahr mit einem zweistelligen, überdurchschnittlichen Wachstum abschließen“Christoph Wenk-Fischer, bevh-Hauptgeschäftsführer.

Marktkonzentration im E-Commerce ist weiter gestiegen

Online-Riesen wie Amazon, Zalando und Otto.de können positiv auf das Jahr zurückblicken. Zum Jahresende rechnet der E-Commerce Verband bevh mit einem Umsatzwachstum von 15 Prozent im Vergleich zum Vorjahr. Verantwortlich für das Wachstum im E-Commerce sind hauptsächlich die großen Platzhirsche. 40,4 Prozent des Gesamtumsatzes der Top 1.000 Online-Shops erwirtschaften die zehn umsatzstärksten Händler zusammen – das entspricht 14,3 Milliarden Euro.

Hingegen haben kleine und mittlere Shops immer stärker mit der Verdrängung durch Amazon zu kämpfen. Ermittelt mancher Händler noch die geeignete Strategie gegen den Marktgiganten, versuchen sich viele durch Eigenmarken abzugrenzen oder mit Online-First-Konzepten nachzueifern.

Hersteller stehen Amazon ebenso mit zunehmender Unmut gegenüber. Denn dessen Forderungen nach Werbekostenzuschüssen lassen sich zum Teil nicht mehr abbilden. Amazon ist gleichzeitig aber ein zu wichtiger Vertriebskanal, um sich von dem Marktplatz zurückzuziehen.

Marktanalyse: Unaufhaltsame Kräfte im Online-Handel

Getrieben wird der Wachstum im E-Commerce vor allem von den digitalen Nachzüglern Möbel und Einrichten sowie DIY und Garten. Besonders der Online-Lebensmittelhandel, über den wir zuletzt in unserem Blog berichteten, gewann deutlich an Dynamik. Erstmals schafften es Online-Lebensmittelhändler in das Ranking der 100 umsatzstärksten Shops.

Branchenübergreifend ist und bleibt Mobile Shopping ein unaufhaltsamer Treiber im E-Commerce. Responsive Design oder mobile Shopping-Apps sind 2016 der stärkste zusätzliche Vertriebskanal. 82 Prozent der Top 1.000 haben ihren Online-Shop für Smartphone und Co. optimiert.

Marktanalyse: 82 Prozent der Onlineshops seten auf mobil

Mobile ist für Online-Händler in diesem Jahr definitiv zum Pflichtprogramm geworden. Quelle: Statista/EHI – E-Commerce Markt Deutschland 2016

Vielversprechende Trends: Virtual Reality und Voice-Konzepte

2016 bedeutete einen großen Schritt in Richtung Voice- und Virtual Reality-Technologien, die für den Online-Handel ein spannendes Entwicklungspotenzial darstellen. Stetig tauchen neue Devices auf, die den bestehenden Markt auf den Kopf stellen. Als Beispiel seien etwa die Smart-Home-Assistenten Amazon Echo und Google Home genannt, die das Interface der Mensch-Maschine-Interaktion revolutionieren: Sprechen statt Tippen! Informationen über Produkte voice-fähig oder für Virtual/Augmented Reality erlebbar zu machen, wird zur neuen Herausforderung im E-Commerce. Ob diese Konzepte Online-Transaktionen in Zukunft tatsächlich dominieren, entscheiden jedoch letztlich die Kunden. Sie müssen für diese neue Art der Interaktion beim Shopping bereit sein.

Big Data – Vom Hype zur Geschäftsrealität

Die Entwicklungen um Big Data haben sich dieses Jahr insofern verändert, dass der Hype um das Thema abgeflacht ist. Big Data ist mittlerweile vielmehr als nur ein Buzzword – die Diskussionen sind zunehmend geschäftsorientierter. Das Management, die Auswertung und der monetäre Wert der Datenmengen stehen im Fokus. Denn bei wachsender Infrastruktur der Daten entwickeln sich auch Methodik und Software zum Auswerten stetig weiter. Dadurch wird die Analyse und Verwendung von Big Data für Händler zunehmend selbstverständlicher.

Die intelligente Analyse von Kunden- und Wettbewerbsdaten stellt für Händler im E-Commerce einen enormen Wettbewerbsvorteil dar. Doch nur wer die Informationen, die sich hinter den riesigen Datenmengen verstecken, verstehen und integrieren kann, ist anderen Anbietern im Wettbewerb voraus. Der richtige Einsatz von Tools unterstützt Händler heute darin, Big Data Analysen in strategische Entscheidungen einzubeziehen. Dadurch verhelfen Online-Händler ihrem Webshop zu mehr Umsatz. Auch unsere Retail Intelligence Suite blackbee sammelt täglich Millionen von Produktdaten im Internet – und das mit einer einzigartigen Präzision. Dabei strukturieren und bereiten wir diese Daten so auf, dass Händler und Markenhersteller die gelieferten Informationen direkt für Marktanalysen nutzen können.

Fortschreitende Digitalisierung erhöht Druck auf die Preise

Die meisten Unternehmen übersehen das Thema Preisbeobachtung im Internet bei ihrer Digitalisierungs-Strategie oder sind damit überfordert. So lautet das zentrale Ergebnis der Global Pricing Study 2016 von SKP.

„Viele Unternehmen begegnen den Herausforderungen der Digitalisierung mit den Werkzeugen von gestern. Fakt ist: Beim E-Commerce ist die Probierphase endgültig vorbei! Unternehmen müssen auch beim Pricing im Netz mit der Zeit gehen“Georg Tacke, CEO bei Simon-Kucher & Partners.

Die Digitalisierung stellt jedoch nicht zwangsläufig ein Risiko für Margen und Preise dar. Ganz im Gegenteil: Durch maßgeschneiderte Softwarelösungen zur Preisoptimierung schöpfen Online-Händler Potenziale am Markt viel besser aus. Das beweisen im Jahr 2016 die Besten Firmen der Global Pricing Study, die 27 Prozent höhere Gewinne erzielen.

 

Sie möchten in Zeiten von Big Data wertvolle Produktinformationen gewinnen? Lesen Sie in unserem Whitepaper Product Matching Excellence, wie Sie effiziente Marktanalysen durchführen können.

Product Matching: der Erfolgsfaktor für Market Intelligence

Ein Kommentar von unserer Gründerin Dr. Hanna Köpcke.

Durch Big Data eröffnen sich dem Handel neue Möglichkeiten, seine Marktposition zu stärken. Mit Market Intelligence, das heißt umfassendes Wissen über den Markt und die eigene Position, wappnen sich Unternehmen gegen eine Verdrängung vom Markt und den harten Preiskampf. Bei Händlern setzt dieser Ansatz ein tiefes Verständnis ihrer Produkte, Preise, Konditionen und ihrer aktuellen Markposition voraus.

Außerdem wird eine moderne IT-Infrastruktur benötigt, die den Einsatz einer intelligenten und selbstlernenden Big Data Analytics-Lösung erlaubt. Denn Geschäftsvorteile lassen sich nur erzielen, wenn die riesigen Mengen an Daten sinnvoll gesammelt und ausgewertet werden.

Treibende Faktoren für Market Intelligence

Ein entscheidender Faktor ist der Kunde, dessen Ansprüche und Gewohnheiten sich in den letzten Jahren stark gewandelt haben. Comparison Shopping hat sich durch Digitalisierung, Mobile Shopping und Preisvergleichsportale zur Norm entwickelt. Genau damit müssen sich Unternehmen im E-Commerce auseinandersetzen. Viel zu häufig entstehen Probleme, wenn es um die Einschätzung und Erkennung von Markttrends und das Mithalten mit bestehenden und neuen Wettbewerbern geht. Vor allem Kunden stellen eine Herausforderung dar, die sich vor dem Kauf umfangreich online informieren und von anderen Wettbewerbern immer nur einen Klick entfernt sind.

Daneben zwingt das stark steigende Datenvolumen den Online-Handel dazu, Big Data-Analyse-Plattformen einzusetzen, um ein transparentes Marktbild zu erhalten. Ein Beispiel ist die Nutzung von Big Data zur Wettbewerbs- und Preisbeobachtung: Ein aussagekräftiger Benchmark lässt sich längst nicht mehr mit Excel-Tabellen und Co. erzielen. Durch die hohe Angebotsvielfalt hat dieses Vorgehen längst keine Aussagekraft mehr – insbesondere dann nicht, wenn der internationale Wettbewerb berücksichtigt werden soll. Market Intelligence hilft dabei, ähnliche oder äquivalente Datensätze mit einer hohen Treffergenauigkeit zu identifizieren – dieser Prozess wird auch Product Matching genannt.

Mit Product Matching internen und externen Mehrwert erzielen

Zwar gehört die Daten- bzw. Kundenanalyse im Online-Handel längst zum Alltag, häufig fehlt es aber an der Verknüpfung der Daten und der Schaffung einer transparenten Umgebung. Product Matching ist eine Form der Datenanalyse im E-Commerce, die sowohl intern, als auch extern von hoher Bedeutung ist.

Intern wird Product Matching zur Datenbankbereinigung eingesetzt: Duplikate werden in den Produktstammdaten von Online-Händlern und Markenherstellern identifiziert und eliminiert. Als Match gelten zwei Datensätze, die dasselbe Produkt repräsentieren. Häufig entstehen Duplikate aufgrund von unterschiedlichen Produktbezeichnungen. Diese können bereits beim Einspeisen der Daten in die Datenbank entstehen, da das Produkt oft bereits bei den Lieferanten eine uneinheitliche Beschreibung hat.

Das Worst-Case-Szenario einer Datenbank mit geringer Qualität: Sowohl dem Kunden als auch dem Produktmanager wird angezeigt, dass das Produkt nicht mehr verfügbar sei. Somit wechselt der Kunde zu einem anderen Anbieter und der Manager bestellt die Ware fälschlicherweise nach, obwohl der Artikel noch auf Lager ist. Durch die Bereinigung der Datenbank und die damit verbundene Verbesserung der Datenqualität, werden Kosten gesenkt sowie die Usability und Kundenzufriedenheit gesteigert.

 

Market Intelligence: Variation von Produktdaten

Abbildung 1: Beispiel für Möglichkeiten der Produktbeschreibung im Möbel-Online-Handel. Quelle: Eigene Darstellung.

 

Extern dient Product Matching zur Wettbewerbs- und Marktbeobachtung. Man spricht von einem Match, wenn sich zwei Datensätze auf vergleichbare Produkte beziehen. Mit dem Einsatz intelligenter Technologien lassen sich somit die eigenen Preise mit den Angeboten im nationalen und internationalen Wettbewerb vergleichen und darauf basierend fundierte Analysen der Preisstrategie der Wettbewerber erstellen. Händler können die Preise und das Sortiment anschließend der aktuellen Marktsituation anpassen. So wappnen sich Online-Akteure gegen den harten Preiskampf und die Verdrängung vom Markt durch Pure Player und Start-ups.

Barrieren beim Product Matching

Die größten Schwierigkeiten beim Matching von Produktdaten bestehen im Umgang mit sehr heterogenen Produktbeschreibungen sowie mangelnden Standards zur eindeutigen Identifizierung (EAN/GTIN). Für den Handel gibt es meist keine Vorschrift, wie eine Produktbeschreibung aussehen, was sie beinhalten und wie detailliert sie sein muss. Uneinheitliche Bezeichnungen entstehen unter anderem durch die Verwendung von:

  • Domänenspezifischen Bezeichnungen und Abkürzungen: Im Bereich Fashion ist zum Beispiel „lg. A.“ eine Abk. für „Lang arm“. Im Bereich Elektronik ist LG ein Markenhersteller.
  • Heterogene Bezeichnungen für Größen und Stückangaben, zum Beispiel 168 Stück gegenüber 3 mal 56 Stück
  • Uneinheitliche Schreibweisen von Modellbezeichnungen, zum Beispiel DHI655FX gegenüber DHI 655 FX oder DHI-655 FX.
  • Synonyme: Im Bereich Fashion bezeichnen zum Beispiel Hoody, Hoodie und Kapuzenpullover einen Pullover mit Kapuze

Im Matching erfolgt der Vergleich zweier Produkte anhand ihrer Attribute (Größe, Farbe, Marke, etc.). Dazu werden meist folgende Ähnlichkeitsmaße herangezogen: EditDistance, Jaccard, TFIDF und Trigram. Um eine hohe Qualität des Matches zu erreichen, empfiehlt es sich, unterschiedliche Maße für verschiedene Attributswerte (zum Beispiel für die Attribute „Größe“ und „Marke“) zu kombinieren.

Eine weitere generelle Herausforderung für das Matching ist die Effektivität. Um diese zu bewerten, werden üblicherweise zwei Maße verwendet: Precision und Recall.

Precision und Recall beurteilen die Effektivität

Das Matching von Produkten erweist sich als effektiv, wenn eine perfekte Balance zwischen Genauigkeit und Trefferquote erreicht wird – Kenner in der IT-Branche sprechen von Recall und Precision. Im Idealfall liegen beide Werte bei 100 Prozent.

Recall – das Maß für die Vollständigkeit: Der Recall misst den Anteil der erkannten Matches an allen tatsächlichen Matches und gilt damit als Maß für die Vollständigkeit des Matching. Ist der Recall hoch, wurden viele der tatsächlich vorhandenen Matches gefunden.
Precision – das Maß für die Treffergenauigkeit: Mit der Treffergenauigkeit lässt sich feststellen, wie hoch der Anteil der tatsächlichen Matches an den erkannten Matches ist.

 

Recall vs. Precision

Abbildung 2: Recall vs. Precision. Quelle: Eigene Darstellung

 

Wird die Definition eines gleichen Produktes eng gefasst, fällt die Marktanalyse weniger präzise aus und ein blinder Fleck entsteht. Denn der Matching Prozess wird gleiche Produkte ignorieren, die eine unterschiedliche Beschreibung haben. Die Datenqualität in Bezug auf Treffergenauigkeit ist in diesem Fall sehr hoch, die Messwerte für Recall jedoch sehr gering.

Eine weiter gefasste Definition, die mehr Variationen zulässt, liefert ein besseres Marktbild, es steigt aber das Risiko, dass ungleiche Produkte fälschlicherweise miteinander verglichen werden. Hier ist die Aussage des Recalls zwar sehr stark, die Treffgenauigkeit dafür aber gering.

Welche Vorteile entstehen durch Market Intelligence?

Mit Market Intelligence erreichen Unternehmen im digitalen Business eine umfassende Transparenz der Marktsituation und der eigenen Prozesse. Product Matching ist ein wichtiger Bestandteil davon, denn dadurch wird eine gute Datengrundlage geschaffen, ein fehlerfreies Produktmanagement ermöglicht und die Basis für den Wettbewerbsvergleich gelegt.

Da Kunden sich dank Preisvergleichsportalen schnell einen guten Marktüberblick verschaffen können, sind Unternehmen gezwungen, sich mit aktuellen Marktbedingungen auseinanderzusetzen: Amazon beispielsweise nimmt in Hochverkaufszeiten bis zu zehn Milliarden Preisänderungen vor. Um hier mithalten zu können, müssen Preise und Sortiment anhand eines Wettbewerbsvergleichs regelmäßig angepasst werden. Außerdem schafft es Potenzial für höhere Margen und eine bessere Verhandlungsbasis bei Lieferanten.

Ein einwandfreies und kanalunabhängiges Management von Produktdaten ist nicht zuletzt entscheidend für die Customer Experience: Fehlbestellungen und die Abwanderung zum Wettbewerb bleiben aus.

Dieser Kommentar von unserer Gründerin und CTO Dr. Hanna Köpcke ist in einer ähnlichen Form im BigData Insider erschienen.

Verpassen Sie nicht Dr. Hanna Köpckes Vortrag zum Thema „Datenqualität: Big Data Matching“ auf der SMART DATA Developer Conference am 6. Dezember in Köln!

Erfahren Sie in unserem Whitepaper „Product Matching Excellence“ wie im E-Commerce in Zeiten von Big Data wertvolle Produktinformationen gewonnen werden.

Big Data – der Rohstoff des 21. Jahrhunderts

Täglich werden weltweit 2,5 Trillionen Bytes an Daten produziert. Die Studie „Digitales Universum“ von EMC sagt für 2020 ein Datenvolumen von 44 Zettabytes voraus. Damit wächst das Internet momentan jede Sekunde um 70 Terabyte. Dieses Digitale Universum, das weltweit von Unternehmen sowie Privatpersonen durch die Verwendung von Computern, Mobilgeräten und jeglichen elektronischen Sensoren gefüttert wird, hat einen Namen: Big Data. Der Begriff umfasst mittlerweile allerdings nicht mehr nur die ungeheure Menge an Daten, die täglich generiert wird, sondern auch deren Verwendung.

Doch worin liegt die Bedeutung von Big Data für Unternehmen? Durch die Analyse von Daten, die beispielsweise durch Tweets, Kauftransaktionen, Wettersensoren, Fitnessarmbänder oder GPS-Signale generiert werden, können Wettbewerbsvorteile sowie Effizienzsteigerungen erzielt und Innovationen geschaffen werden. Big Data ermöglicht damit neue Geschäftspotentiale und hat in den letzten Jahren Prozesse, Organisationen und ganze Industrien revolutioniert.

Wie sieht die Zukunft von Big Data aus – welche Chancen und Herausforderungen gibt es?

80 % der weltweit anfallenden Daten sind immer noch unstrukturiert und 95 % können nicht automatisch ausgewertet werden. Das zeigt deutlich, dass Big Data nichts mit einer klassischen, geordneten Datenbank gemeinsam hat. Vielmehr handelt es sich um eine gigantische Masse von Daten. Dabei lässt sich die Suche nach interessanten Daten und Datenverknüpfungen mit der berühmten Suche nach der Nadel im Heuhaufen vergleichen. Trotz der enormen Herausforderungen, die die Erschließung solcher gewaltigen Datenmengen darstellen, investieren immer mehr Unternehmen in die Analyse der Daten. Weltweit verfolgen heute mehr als ein Drittel der Unternehmen aktive Big Data Projekte. Die Potentiale können dabei in allen Unternehmensbereichen ausgenutzt werden – sei es im Marketing, Vertrieb, Risikocontrolling oder in der Produktion. Einmal implementiert, zahlen sich Big Data Projekte schnell aus. Laut IBM berichten 2015 zwei Drittel aller Organisationen, das durchgeführte Big Data Projekte die Unternehmensziele erfüllt oder übertroffen haben.

 

Ziele die Unternehmen mit Big Data Projekten verfolgen

Fast die Hälfte der Unternehmen verfolgen mit der Investition in Big Data konsumenten-orientierte Ziele (Quelle: Eigene Darstellung in Anlehnung an IBM Institute for Business & Saïd Business School an der Universität in Oxford, 2012)

 

Aus der IBM-Studie „Analytics: The real-world use of big data“ geht hervor, das Unternehmen mit der Anwendung vor allem konsumenten-orientierte Ziele verfolgen. Organisationen wollen die Customer Experience verbessern und die Präferenzen sowie das Kundenverhalten besser verstehen und vorhersagen. Big Data stellt hierfür die notwendigen Bedingungen bereit. Daten aus Transaktionen, Multi-Channel Interaktionen und Social Media haben die Fähigkeit von Organisationen erhöht, ein vollständiges Bild von Kundenpräferenzen und Anforderungen zu erstellen. Durch dieses tiefere Verständnis des Kundenverhalten, entdecken Unternehmen neue Möglichkeiten mit bestehenden und potentiellen Kunden zu interagieren. Das gilt sowohl in Business-to-Business Interaktionen als auch in Business-to-Consumer Geschäften, zum Beispiel in den Bereichen Telekommunikation und Gesundheitswesen, in Behörden sowie in Banken und Finanzunternehmen – vor allem aber auch im Einzelhandel.

Big Data wird für Händler zum entscheidenden Wettbewerbsvorteil

Mehr denn je greifen Kunden beim Einkaufen auf neue Technologien zurück. Nutzen Online-Händler die dabei anfallenden Daten, lassen sich Umsätze steigern und Kosten einsparen. In der heutigen Zeit, in der Multi-Channel Strategien und digital vernetzte Konsumenten zur Norm geworden sind, sind Daten somit maßgeblich entscheidend: Der Erfolg von Einzelhändlern hängt zunehmend davon ab, ob sie die gewaltige Menge an entstehenden Daten handhaben, integrieren und verstehen können. Angesichts der fortschreitenden Technologien und des Wandels der Beschaffenheit von Daten, beschäftigen sich immer mehr Händler mit den potentiellen Vorteilen durch Big Data. 62% der Händler erwarten von Big Data einen Wettbewerbsvorteil. 72% haben 2013 bereits mit der Planung einer Big Data Strategie oder der Umsetzung von Big Data Projekten begonnen.

Um aus den neuen Technologien einen Mehrwert zu schaffen, entstehen für Händler aber auch neue Voraussetzungen. Dazu gehören der Zugang zu den riesigen und vielfältigen Datenmengen gleichermaßen wie die nötigen Analysefähigkeiten durch geeignete Software-Tools und das erforderliche Knowhow diese verwenden und interpretieren zu können. Einzelhändler können die, durch Big Data, gewonnen Einblicke in das Kundenverhalten sowie den Wettbewerbsmarkt unter anderem nutzen, um Produkte und Sortimente zu optimieren oder Preise anzupassen und die Kundenzufriedenheit zu verbessern.

Von Big Data zu Smart Data

Big Data ist für Unternehmen nur dann von Nutzen, wenn sie daraus nutzbringende, hochwertige und abgesicherte Daten generieren können. „Nur wer die Daten versteht, kann Mehrwert schaffen. Denn um solche Datenmengen (…) richtig auswerten zu können, muss man sie verstehen…“, sagt Wolfgang Heuring, Leiter der Konzernforschung der Siemens AG. Eine Initiative aus der Trusted Cloud Forschung nennt diese Daten Smart Data und stellt folgende Gleichung auf:

Smart Data = Big Data + Nutzen + Semantik + Datenqualität + Sicherheit + Datenschutz = nutzbringende, hochwertige und abgesicherte Daten

Gerade im E-Commerce setzt man mit dem Ziel der Stammkundengewinnung und Umsatzsteigerung hohe Erwartungen in Smart Data. Das Kaufverhalten von Kunden soll möglichst exakt vorhergesehen werden, damit Produktvorschläge noch passgenauer werden. Auch das Open Source Unternehmen pentaho nennt diese hochgradig individualisierten Kaufempfehlungen in seinen Big Data Trends 2016. Zu den Trends gehört auch das stetig wachsende „Internet der Dinge“.

Internet of Things

Im Internet der Dinge kommuniziert alles mit allem. Bis 2020 sollen 50 Milliarden Geräte mit dem Internet verbunden sein.

Das Internet of Things leistet einen großen Beitrag zu Big Data. Denn wenn immer mehr Objekte miteinander verbunden sind und kommunizieren, entstehen folglich immer mehr Daten. Ein gutes Beispiel sind die eingangs bereits erwähnten Fitnessarmbänder, die die erhobenen Gesundheitsdaten an eine App senden. So kann der Besitzer daran erinnert werden, neue Laufschuhe zu kaufen und wo das nächste Geschäft ist. Allerdings könnten die erhobenen Daten potentiell auch an die Krankenkasse gesendet werden. Diese könnte wiederum die Beiträge senken bzw. erhöhen, je nachdem wie aktiv der Jogger ist. Die Gefahr, dass persönliche Daten so zum Nachteil der Personen verwendet werden, ist also stets gegeben. Hier liegt auch die größte Schwachstelle von Big Data. Je mehr Daten generiert werden, desto durchsichtiger wird unser Leben – und desto durchsichtiger werden auch wir.

Big Data im Online-Handel – die Datenflut gewinnbringend einsetzen

Unternehmen kommen heute aufgrund der wertvollen Erkenntnisse, die Datenanalysen liefern können, nicht mehr um den Einsatz von Big Data herum. Es werden immer mehr Anwendungen auf den Markt drängen, die es möglich machen, die dabei entstehenden Daten gewinnbringend einzusetzen. Heutige Analysetechnologien unterstützen Händler darin, Erkenntnisse aus Daten mit einem zuvor unerreichten Maß an Präzision und Geschwindigkeit zu extrahieren. Vor allem die Verwendung unternehmensexterner Daten birgt großes Potential zur Kostenoptimierung und Gewinnerhöhung und entschädigt rasch die dafür notwendigen Investitionen. Mit blackbee haben wir eine SaaS Lösung geschaffen, die täglich Millionen von Produktdaten im Internet sammelt – weltweit und branchenunabhängig. Unsere Technologie bereitet diese Daten so auf, dass Händler und Markenhersteller die gelieferten Informationen direkt für Marktanalysen nutzen können. Somit können mit Big Data wertvolle Produktinformationen gewonnen werden.

Sie möchten mehr darüber erfahren, wie Sie als Online-Händler in Zeiten von Big Data Produktinformationen effektiv nutzen können? Mehr dazu finden Sie in unserem Whitepaper „Product Matching Excellence“.