Die Bedeutung von einem guten Tracking ist unbestritten. Doch mit dem reinen Erfassen der Daten ist es da noch nicht getan. Wie kann man diese Daten richtig weiterverarbeiten, analysieren und auswerten? Und was passiert, wenn Daten aus verschiedenen Kanälen des Partnermarketings aufeinander treffen?
Die Landschaft an Marketing-Tools wird zunehmend komplexer und der Bereich der Datenverarbeitung und Analyse wächst kontinuierlich weiter. Es gibt immer mehr Tools und Anwender die diesen Trend mitnehmen. Das zeigt sich u.a. auch an neuen Rollen, wie Datenanalysten und Dateningenieuren. Jene Analysten, die früher in der Finanzbranche etabliert waren, arbeiten sie jetzt in ganz normalen Unternehmen. Darüber hinaus gibt es die Verschiebung in die (public oder private) Cloud. Also das Auslagern der Daten und Datenverarbeitung in Rechenzentren.
Die Demokratisierung der Daten* ist ebenfalls in vollem Gange: Gerade wenn es um Reporting und Datenanalysen geht, gibt es in Unternehmen oftmals über Jahre gewachsene ‘Datensilos’ – jeder kocht sein eigenes Süppchen, jeder zieht andere Daten heran – und unterschiedliche Abteilungen kommen zu unterschiedlichen Ergebnissen.
*Die Demokratisierung von Daten bedeutet, dass jeder Mitarbeiter Zugang zu relevanten Daten hat und darauf basierend Entscheidungen treffen kann.
Der Aufbau eines Data Warehouse erfordert, dass der Benutzer die benötigten Datenquellen, Analysewerkzeuge und Ziele identifiziert. Der erste Schritt beim Erstellen eines Modells der Datenarchitektur für das Data Warehouse, ist sich folgende Fragen zu stellen:
Dr. Haschemi zeigt in seinem Vortrag ein mögliches Modell zum Aufbau einer soliden Datenarchitektur im Partnermarketing. Zur Veranschaulichung baut er in seinem Vortrag eine Referenzarchitektur auf, also wie so eine Dateninfrastrukur speziell im Partner- und Affiliate Marketing aussehen könnte.
Der erste Schritt sollte sein alle Daten, die üblicherweise im operativen Geschäft anfallen aufzuzeigen und ich somit einen Überblick zu verschaffen, welche Daten relevant sind. Das betrifft beispielsweise die Stammdaten, Werbemittel, Preismodelle, Nachbuchungen aber auch Tracking Views, Clicks, Conversions, Customer Journeys etc.
Auslesen der Daten aus dem Quellsystem. Hier habt ihr drei Varianten zu Auswahl: All-In-One-Lösungen, Open-Source-Lösungen oder dedizierte Partner Marketing Lösungen, wie zB Ingenious
Hier empfiehlt er auf eine cloud-basierte, serverless Lösung zu setzen. Mittlerweile gibt es hier eine große Auswahl an verschiedenen Anbietern, die weder eine Installierung noch Vorauszahlungen benötigen und zudem hoch skalierbar sind.
Lerne SQL ! SQL (Structured Query Language) ist eine Sprache entwickelt für die Arbeit mit Datenbanken. SQL ist relativ einfach zu erlernen und zudem sehr nachhaltig (es ist bereits seit 40 Jahren ein Standart).
Wir empfehlen hier Google Datastudio und nutzen dieses auch bei Ingenious selber. Sollte intern bei Euch aber bereits ein BI-System genutzt werden, raten wir dazu kein neues BI-Tool für Marketing anzuschaffen, sondern Euer bestehendes System zu nutzen. Im Endeffekt geht es ja genau darum, Daten zu konsolidieren – auch über Abteilungen hinweg.
Du möchtest mehr Informationen zu Ingenious’ Datewarehouse Produkt? Wir beraten Dich gerne, fülle das Formular aus und buche Dir ein Expertengespräch bei uns.
From Day One – Martin's Journey at Ingenious Imagine being part of building a platform…
Vom ersten Tag an dabei – Martins Reise bei Ingenious Stell dir vor, du baust…
Thinking the implementation of conversion tracking amidst Google Chrome's ban on third-party cookies requires a…
Energieportale in der Krise: Robert Bratzke
The SBC Summit Barcelona 2022 - In this blog article we recap the eventful days…
Der SBC Summit Barcelona 2022 - In diesem Blogartikel rekapitulieren wir die ereignisreichen Tage auf…