TWINT: Analytisch zum schlanken Portmonnaie Xing: Eins zu eins - für den Kunden Betty Bossi: Individuell serviert

1. N
icht nur der jährliche „Hype
Cycle“ des Analystenhauses
Gartner zeigt: Nach dem Hype
folgtdieErnüchterung.Genaudasgeschieht
derzeit mit dem Thema Big Data. Die Eu­
phorie der vergangenen Jahre ebbt inzwi­
schen ab, weil jetzt zunehmend konkrete
Ergebnisse statt visionärer Konzepte gefragt
sind. Die Krux damit ist allerdings: Wer
das Thema bislang einfach ausgesessen hat,
tut sich schwer damit, jetzt plötzlich den
richtigen „Stich“ zu machen. Die Studie
Wettbewerbsfaktor Analytics 2015 spiegelt
ein ernüchterndes Bild wider. „Wenn ich
mir den Zwischenstand unserer Studien­
ergeb­nisse anschaue, zweifele ich an der
Innovationskraft der Industrie“, sagt
Professor Gronau von der Universität Pots­
dam. Es fehle „am Bewusstsein für Tempo
und Konsequenz“. 90 Prozent der 7.000
befragten Unternehmen in Deutschland,
Österreich und der Schweiz nutzen nur die
Hälfte ihrer verfügbaren Daten. Big Data
steckt in der DACH-Region also nach wie
vor in den Kinderschuhen.
Dabei sind Banken und Versicherungen
noch vergleichsweise fortgeschritten. Und
dennoch: Nur 30 Prozent der Banken und
Versicherungen, so die Studie, sind mit Big
Data vertraut. Ein alarmierendes Ergebnis,
bedenkt man, dass die Konkurrenz in der
Finanzwirtschaft vielfältiger wird. Weltweit
sind Tausende Fintechs dabei, die Branche
auf den Kopf zu stellen. Sie sind klein,
wendig und kreativ, unkompliziert im Um­
gang und locken mit frecher Werbung,
attraktiven Websites und praktischen Apps.
Und: Sie sind zu 100 Prozent analytisch.
Die etablierte Finanzbranche könnte sich
wehren. Schliesslich hat sie Zugriff auf
riesige Datenmengen. Aber Datenanalysen
würden derzeit ausschliesslich im Marke­ting
und im Risikomanagement angewendet.
Das sei zu wenig, sagen die Wissenschaftler.
„Big Data ist heilbar“, sagt Wolf Lichten­
stein, CEO DACH von SAS. „Und zwar
mit der entsprechenden Big Data Analy­
tics.“ Die Banken hätten durchaus verstan­
den, dass Analytik und ein guter Prozess
sinnvoll seien, und sie ahnten, dass sie in
Softwareinvestierenmüssen.„Bankenwissen
auch, dass in ihren (Big) Daten etwas Gutes
schlummert. Sie wissen aber nicht, wie sie
an die guten Nachrichten aus ihren Daten
herankommen sollen.“ Dass sie in Sachen
Betrug und Risiko gute Fortschritte machen,
läge nicht zuletzt an Regulativen wie z. B.
BCBS239, Stresstestpflicht oder der Libor-
Krise – also Druck von aussen. „Doch in
Sachen Kundenmanagement hakt es.“
Dem Kunden auf der Spur bleiben
Ein unnötiges Manko – das Marketing ist
wohl die Unternehmensdisziplin, in der
die Digitalisierung am weitesten fortge­
schritten ist. Das ist keineswegs Zufall: Die
Erwartungen des Kunden haben sich durch
digitale Kanäle, soziale Medien und die
damit einhergehende Vielfalt an Optionen
stark verändert. In gleichem Masse wird
Analytics bedeutender, um die Interaktion
mit dem vernetzten Kunden (möglichst in
Echtzeit) zu optimieren. Digi­talisierung und
Analytics sind also zwei Seiten derselben
Medaille.
Einfach war es nie, dem Kunden auf der
Spur zu bleiben. Dennoch: In der „alten“
Marketingwelt wurden Strategien ent­wi­c­k­
elt, die sich auf einzelne, klar umrissene
Kundensegmente richteten, deren handeln­
de Personen feststanden: Da gab es den
Besucher im Ladengeschäft, der sich Infor­
mationen möglicherweise vorab im Internet
besorgte, und den „Digital Native“, der
durch Social Media navigiert und im Web-
Store einkauft. Dass es sich dabei
aller­dings um ein und dieselbe Person
handeln kann, stürzt so manches Unter­
nehmen in eine kommunikative Krise. Denn
der agile Kunde bewegt sich in alle Rich­
tungen: online suchen und offline kaufen,
aber auch umgekehrt.
Unabhängig von Ort und Zeit
Aus dem ständigen Informationsfluss muss
der Handel in Echtzeit individuelle Ange­
bote generieren; für Millionen von Kunden,
die über unter­schied­lichste Kanäle zeit- und
ortsunabhängig mit der Marke kommuni­
zieren. Und dabei diese Person als ein Gan­
zes über verschiedene Geräte und Kontakt­
punkte hinweg begreifen, um sie gezielt
und mit konsis­tenten Botschaften anspre­
chen zu können. „Die Trennung von on­line
und offline wird 2016 endgültig auf­
Digitalisierung:
Lösungen statt
Luftschlösser
Big Data hat sich als Hype abgenutzt. Was jetzt zählt,
sind konkrete Lösungsansätze für die Digitalisierung
von Geschäftsmodellen. Die Ergebnisse zeigen klar:
Der Weg lohnt sich.
J
eder spricht über die digitale Transfor­
mation, und die Gründe dafür liegen
auf der Hand: Etablierte Märkte
werden durch innovative Geschäftsmodelle
und den Eintritt neuer Marktteilnehmer
aufgebrochen. Das setzt vielerorts gängige
Mechanismen ausser Kraft: Die tradi­
tionelle Kundenansprache führt immer
seltener zum Erfolg. Immer mehr vernetzte
Geräte, Systeme und Infrastrukturen inter­
agieren direkt miteinander. Überall zugleich
entsteht sukzessive das Internet der Dinge
– und liefert mehr Daten und Hand­
lungsimpulse als jemals zuvor.
Den Ergebnissen dieses Paradigmenwech­
sels kann sich niemand entziehen. Dennoch
sind manche Unternehmen beim Thema
Digitalisierung noch zögerlich. Ein Defizit
an Mut, das schwerwiegende Folgen haben
kann. Denn die digitale Transformation
zwingt die Wirtschaft vermehrt dazu, zu
analytischen und datengetriebenen Unter­
nehmen zu werden.
Eine wesentliche Voraussetzung dafür ist
in vielen Fällen die Investition in neue Tech­
nologien; das alleine reicht aber nicht aus.
Entscheidungsträger und Unternehmens­
lenker sind vor allem zu einem aufgefordert:
zum Umdenken! Wer sein analoges nicht
zugunsten eines digitalen Denksystems auf­
gibt, dem wird es nicht gelingen, ohne vor­
Wie Digitalisierung und Big Data Analytics die Wirtschaft revolutionieren.
Von Dr. Patric Märki, Managing Director, SAS Switzerland
Blick Abfallprodukt sind, genutzt, um ganz
andere Erkenntnisse zu gewinnen. Beispiele
dafür gibt es zur Genüge: Fitnessarm­
bänder, die Bewegungsdaten von Menschen
senden, können Hinweise auf Erdbeben
geben. Ein Thermostathersteller wird zur
Datensammelplattform, die die klimatisch­
en Vorlieben der Menschen wiedergibt und
damit eine Prognose zum Energiebedarf
ermöglicht. Ein Kaffeeautomatenhersteller
kann aus Maintenance-Daten ablesen, wie
die Auslastung der Fabrik ist, und will dem­
nächst Wirtschaftsdaten vorhersagen. So
wird Big Data zur neuen Perspektive der
Wirklichkeit, die dazu dient, bessere Ent­
scheidungen zu treffen.
BIG DATA
Bedeutung erkannt. Potenziale unterschätzt
Big DataAnalytics kommt allmählich in derWirtschaft an.Die Unternehmen haben
in den vergangenen drei Jahren das Potenzial erkannt und beginnen, die Vorteile
auch zu nutzen. Dabei gibt es aber je nach Branche und Disziplin grosse Unter-
schiede.Das alles ergibt sich aus der Langzeitstudie „WettbewerbsfaktorAnalytics”,
die die Universität Potsdam seit 2012 zusammen mit SAS in der DACH-Region
(Deutschland, Österreich, Schweiz) durchführt.
Die Forscher der Universität Potsdam unter der Leitung von Univ.-Prof. Dr.-Ing.
Norbert Gronau fokussieren in ihrer Analyse auf die konkrete Nutzung von Big
Data in den Unternehmen.Denn die Digitalisierung und Mega-Trends wie Internet
of Things (IoT) gehen immer mit der einen zentralen Entwicklung einher: explo-
sionsartig ansteigende Datenvolumen.
Das Mass aller Dinge ist dabei die richtige Nutzung von Big Data.Sie ist der Indika-
tor für die unternehmerischeWettbewerbsfähigkeit im Rahmen der Digitalisierung.
LautStudieistdasbauchgetriebeneEntscheidenauf demRückzug.DieBedeutung
von Big DataAnalytics wird branchenübergreifend erkannt.EinzigerWermutstrop-
fen: In der Breite fällt weiterhin eine Umsetzungslücke bei der Einschätzung der
Potenziale von Big Data Analytics und ihrer Verankerung im Unternehmen auf.
Das mag auch daran liegen,dass die Menschen in den Unternehmen fachlich noch
nicht ausreichend auf die neuen Herausforderungen vorbereitet sind.Denn Wett-
bewerbsfähigkeit in einer datenorientierten Geschäftswelt lässt sich nur mit der
nötigen Datenanalyse-Kompetenz gewährleisten.
Was also tun, um in der Digitalisierung möglichst rasch zu reüssieren? Die Unter­
nehmen sind gut beraten,so Studienleiter Gronau,in entsprechendeTechnologie
zuinvestieren.Dasalleinereichtabernichtaus.Vielmehrsolltedereigeneanalytische
Reifegrad immer wieder hinterfragt werden,um Nachjustierungen vornehmen zu
können. Wer dann noch gute Schulungsangebote speziell für Big Data Analytics-
User etabliert, wird die Digitalisierung meistern.
„Big Data wird zur neuen Perspektive
der Wirk­lichkeit, die dazu dient,
bessere Entscheidungen zu treffen.“
Dr. Patric Märki
Managing Director SAS Switzerland
Business neu gedacht
gefertigte Fragen und Modelle an die Daten
heranzugehen und zu schauen, was die
Daten ihm zu bieten haben. Nicht selten
sind dies neue Geschäftsmodelle.
Wichtig ist es also, die richtigen Fragen zu
stellen. „Daten sammeln, wenn man kann,
nicht bloss, wenn man muss“, sei das neue
Mantra, so der Internet-Visionär Prof. Vik­
tor Mayer-Schönberger, Professor of Inter­
net Governance and Regulation der Uni­
versity of Oxford. Und er hat recht. Denn
oft genug werden Daten, die auf den ersten
gehoben“, weiss Andreas Heiz, Leiter des
Kompetenz­centers SAS Business Analytics
for Marketing.
Neue analytische Kultur
Dr. Andreas Becks, Manager Business
Ana­lytics bei SAS, bestätigt, dass sich in
den kommenden Jahren eine neue analy­
tische Kultur in den Unternehmen durch­
setzen wird. In zukunftsorientierten Un­
ternehmen stehen für 2016 und darüber
hinaus verschiedene Themen zugleich ganz
oben auf der Agenda. „Approachable
Analytics“ etwa. Sie sind die Reaktion auf
die Forde­rung der Mitarbeiter, angesichts
der übergreifenden Digitalisierung in den
Unter­neh­men einen einfachen „Self-
Service“-Zugang zu Analytik und daten­
basierten Entscheidungen zu er­mög­lichen.
Auf der technologi­schen Seite sind Hadoop
& Co. gesetzt: Als günstige Speicher- und
Auswertungstechnologien erlauben sie wirt­
schaftlichere Analytik von vielen und viel­
fältigen Daten. Weiterhin entwickelt sich
Analytik aus der Expertennische heraus
und wird zuneh­mend industrialisiert: „Die
Anwendungen müssen wie in einer Fabrik
skalierbar und multiplizierbar sein. Nur
so entstehend Tempo und nachhaltige
Wirtschaftlichkeit“, erklärt Becks. Und
nicht zuletzt ist eine neue, analytische
Kultur auch die Voraussetzung für den
Kern der digitalen Transformation: daten­
basierte Innovation. Bis­her ungenutztes
Potenzial durch neue Daten erschlies­-
sen und sich damit Wettbewerbs­vor­teile
zu schaffen, wird in der digitalen Wirtschaft
zum Wachstumsfaktor Nummer eins.
Genau an dieser Stelle wird auch der grosse
Unterschied zwischen disruptiven Start-ups
und etablierten Unternehmen sichtbar:
Start-ups scheuen sich nicht vor einem
experi­mentellen Ansatz und sind in der
Lage, Ideen schnell zu validieren oder eben­
so schnell zu verwerfen (fail fast). Dieser
„Labor“-Ansatz ist in den meisten Unter­
nehmen nicht vorgesehen, für Big Data
Analytics aber zwingend notwendig. Das
Big Data Lab von SAS füllt diese Lücke.
In einem solchen Big Data Lab kann
beispielsweise ein Data Scientist Big Data
einspie­len, mit Analytics auswerten, um
daraus vali­dierte Big Data Use Cases für
sein Unter­nehmen abzuleiten. Das Big Data
Lab gibt es auch aus der Cloud – nicht nur
für die Testphase. Sobald sich die Experi­
mente dann als praxistauglich erweisen,
können sie schnell auf die Strasse gebracht
werden. Denn die Werkzeuge haben
Schnittstellen zu den produktiven Infra­
strukturen des Unter­nehmens. Damit ist
eine Übertra­gung in den produktiven Ein­
satz schnell und einfach möglich. Tatsäch­
lich sind die Versuchs- (nicht: Projekt-)
Laufzeiten, oder auch „Sprints“, im Big
Data Lab ganz andere als in üblichen Unter­
nehmenszyklen: Zwei Stunden bis zwei
Wochen pro Case, nicht mehr.
Auch nach dem Big Data-Hype gibt es also
genügend Gründe für Euphorie.
Analytics – konkret und praxisnah www.sasforum.com/ch
© GETTY IMAGES

2. steht die Gefahr, dass IoT als Marketing­
blase am Himmel verpufft, da die erwartete
Wertschöpfung nicht erzielt wird. Die heu­
te übliche Herangehensweise ist, offen­sicht­
liche Ursache-Wirkungs-Relationen zu
erfassen und dafür wirtschaftlich tragfähige
Use Cases zu suchen. Langfristig greift
dieser Ansatz aber zu kurz. Denn das eigent­
liche Herz von IoT sind weder Sensoren
noch Aktoren – es sind Analytics. Erst mit
den Korrelationen, die in den Daten ste­cken,
mit Mustern, die erst in gigantischen Daten­
beständen erkennbar werden, mit Trends,
„Wir müssen das
Internet of Things
zu Ende denken”
Das Internet of Things verändert in den kommenden
Jahren die gesamte Wirtschaft, sagen Analysten. Richtig
und zugleich falsch, sagt Christoph Sporleder von SAS.
Was die Wirtschaft wirklich verändert, ist das, was die
Unternehmen aus den Daten machen.
H
err Sporleder, das Internet of Things
(IoT) nimmt derzeit spürbar Fahrt
auf. In Fachkreisen wird es schon
seit Jahren diskutiert. Warum kommt jetzt
der grosse Schub?
Sporleder: Das Konzept ist tatsächlich nicht
neu. Allerdings musste erst einmal eine In­
frastruktur nachwachsen, die einen Einsatz
in grossem Stil praktisch umsetzbar und
wirtschaftlich sinnvoll macht. Parallel dazu
musste die Erkenntnis in den Köpfen reifen,
dass das IoT nicht nur irgendeine weitere
Technologie ist. Hier kommunizieren erst­
mals nicht nur Maschinen mit Menschen,
sondern auch Maschinen mit Maschinen.
Das wird Geschäftsmodelle und sogar ganze
Branchen verändern.
Sie sagen also: Die Wirtschaft hat IoT jetzt
„verstanden“?
Ja und nein. Die Unternehmen fast aller
Branchen haben inzwischen die Tragweite
erfasst. Sie sind sich bewusst, dass es um
mehr geht als um aus der Ferne ablesbare
Stromzähler oder um Kühlschränke, die
automatisch Lebensmittel bestellen – was
ich übrigens für eines der schlechtesten
Beispiele halte. Sie sehen ein, dass sie sich
unbedingt mit dem Thema befassen müssen.
Wie sie sich dem IoT konkret annähern
sollen, das wissen sie aber oft noch nicht.
Welche Folgen hat das in der Praxis?
Verunsicherung, Verzögerung und teilweise
Fehlinvestitionen. Das zeigt zum Beispiel
die Studie „Wettbewerbsfaktor Analytics“
der Universität Potsdam. Demzufolge ver­
wenden nur 34 Prozent der Fertiger in der
Region DACH analytische Systeme in der
Herstellung. Nahezu 90 Prozent der Unter­
nehmen nutzen weniger als 50 Prozent der
ihnen zur Verfügung stehenden Daten für
Auswertungen. Und von den verfügbaren
Sensordaten wird ge­rade mal ein einziges
Prozent genutzt.
Woran liegt das?
Viele Entscheider denken beim Thema
Internet of Things (IoT) noch nicht weit
genug. IoT-Anwendungen werden häufig
sehr eng definiert, und die Wertschöpfung,
die durch eine breite, intelligente Auswer­
tung der Daten – Analytics of Things – er­
reicht werden kann, wird oft unterschätzt
oder bei der Konzeption nicht ausreichend
berücksichtigt. Das spiegelt die nach wie
vor traditionelle Herangehensweise wider:
Handeln auf Basis von vorab erdachten
Entscheidungsregeln statt auf Basis von
dynamischen, datenbasierten Analysen.
Woran es nicht liegt, ist die Leistungs­
fähigkeit der Analysesysteme. Sie können
inzwi­schen sowohl die grossen Daten­
mengen speichern als auch schnell genug
analysieren.
Die Industrie steht sich also selbst im Weg?
Es fehlt nicht an Einsicht und Willen, aber
an Tempo und Richtung. Wenn die Ent­
wicklung in diesem Tempo weitergeht, be­
die aus permanenten Datenströmen ables­
bar sind, wird aus IoT ein ganz neuer Ansatz
für Geschäftsmodelle.
Nur: Wie soll sich ein Unternehmen für IoT
fit machen, wenn es noch gar nicht weiss,
wohin die Reise geht?
Sie dürfen sich nicht in der Suche nach Use
Cases verlieren. Wir müssen das IoT nicht
vom Anfang her denken, sondern vom Ende
her. Erfolgversprechend ist ein technologie­
orientierter Ansatz. Dazu gehört, von Be­
ginn an eine skalierbare analytische Strate­
gie in Bezug auf alle Sensordaten aus dem
Internet der Dinge zu definieren. Basis
dieser Strategie muss die Überlegung sein,
Hunderte oder Tausende analytischer Mo­
delle schnell zu entwickeln und produktiv
zu setzen – um zum Beispiel die Analysen
in Echtzeit im Datenstrom auszuführen.
Ziel ist die Industrialisierung von Analytics.
Es ist aber auch notwendig, den Blickwin­
kel zu erweitern und die analytische Daten­
basis über die reinen Sensordaten hinaus
zu erweitern. Nehmen Sie zum Beispiel
Messdaten eines Wearable oder Informa­
tionen von einem Fahrzeug oder einer
Maschine. Die von den Sensoren in den
Geräten erfassten Daten bieten „nur“ einen
techni­schen Blickwinkel. Kombiniert mit
Informationen aus sozialen Netzwerken
und anderen Quellen können analytische
Mo­delle erzeugt werden, die einen viel brei­
teren für Geschäftsentscheidungen bieten.
D
igitale Transformation bedeutet
konkret auch: ständige Interaktion
mit Kunden und Interessenten.
Marketiers sehen sich mit drei Fragen kon­
frontiert: Wie kommen wir an die Kunden­
daten? Welche Nutzung dieser Daten hat
uns der Kunde erlaubt? Und wie schaffen
wir Anlässe für eine erfolgreiche Marke­
tingkommunikation? Soziale Netzwerke
haben diese wertvollen Kundendaten, und
die Kunden erwarten sogar Interaktion.
XING ist das grösste soziale berufliche
Netz­werk im deutschsprachigen Raum –
und lebt dennoch keinesfalls im Marketing-
„Eldorado“. Denn auch soziale Netzwerke
dürfen ihre Kunden nicht mit Informationen
überfordern.
Relevanz ist der Unterschied zwischen ein­
er Marketingbotschaft, die für den Emp­
fänger nützlich und interessant ist – und
einer, die einfach nur nervt. Aber was ist
für den jeweiligen Empfänger relevant?
„Diese Frage müssen wir täglich beant­
worten, für praktisch jeden unserer Nutzer“,
schildert Gerret Braren, Senior Manager
Analytisch zum
schlanken
Portemonnaie
Mobiles Bezahlen: Twint verbindet Payment,
Coupons und Treueprogramme und integriert den
Zahlungsvorgang ins Marketing. Und umgekehrt.
Realisiert wird das mit Big Data Analytics.
D
em Verbraucher das Leben ein
wenig leichter machen. Ginge es
darum, wäre Twint eine Firma un­
ter vielen in der digitalen Wirtschaft. Aber
Twint will mehr und macht mehr. Der New­
comer unter dem PostFinance-Dach will
nicht weniger, als das Bezahlen mit dem
Handy in der Breite populär zu machen.
Und zwar für den bequemen Verbraucher
genauso wie für den scharf kalkulierenden
Handel. Dazu verbindet Twint die Bereiche
Payment, Coupons und Treueprogramme
und integriert den Zahlungsvorgang ins
Marketing. Und umgekehrt. Realisiert wird
das mit Big Data Analytics.
Hand aufs Herz: Es gibt heute für den End­
verbraucher keine „Payment Pain“ mehr.
Theaterkarte, Tankfüllung oder Thun­
fischsandwich – ausreichende Liquidität
vorausgesetzt, kann jeder an fast jeder Kasse
sogar unter meh­reren Zahlungsmethoden
auswählen. Ob Kreditkarte, Debit-Karte
oder doch Bargeld, der Handel legt dem
Kunden heute kaum noch Steine in den
Weg. Sind deshalb neue Zahlungsmetho­den,
namentlich das Handy-Payment, also wirk­
lich notwendig?
Die PostFinance-Tochter Twint sagt: Ja
– und hat als Spin-off eine von Grund auf
neue Zahlungsplattform aufgebaut, die
mit analytischer Intelligenz unterlegt ist
und damit die Brücke zwischen Zahlung
und Marketingaktionen schlägt.
Wenn heute darüber diskutiert wird, ob
Bargeld überhaupt noch notwendig sei,
bedeutet das nämlich keineswegs, dass die
Portemonnaies der Schweizer dünner
werden. Im Gegenteil: „Bank- und Kredit­
karten, dann die Karten der verschie­denen
Treueprogramme, die Stempel­karten von
Coffeeshop bis Coiffeur, dazu noch die Cou­
pons aus dem letzten Supermarktprospekt
– viele tragen inzwischen ein ganzes Arsenal
an Papier- und Plastikkärtchen mit sich
herum“, stellt Dominic Senn, Leiter Busi­
ness Development bei der Twint AG fest.
Kein Wunder, dass dabei die Übersicht
verlo­ren geht, Coupons verfallen und Stem­
pelkarten niemals voll werden. Angesichts
der ausgefeilten Kundenbindungspro­
gramme, die insbesondere der Einzelhan­-
del aufgebaut hat, ist das ein beklagens­
werter Zustand.
Convenience und Kosten
Der Handel hat mit dem derzeit üblichen
Portfolio an Zahlungsmitteln noch ein ganz
anderes Problem: hohe Kosten. Die Gebüh­
ren, die in der Kette von Banken, Transak­
tionsdienstleistern und auch Kredit­kar­
tengesellschaften entstehen, schmälern
die Margen empfindlich. Gerade Branchen
wie dem Lebensmittel-Detailhandel mit
schmalen Bruttomargen ist das ein Dorn
im Auge. Globale Mobile-Payment-Dienste
wie ApplePay können dieses Problem
nicht entschärfen.
Grund genug für die Macher von Start-ups
Twint, für die zwei Problemfelder Conveni­
ence und Kosten eine Mehrwert-Lösung zu
entwickeln. „Wer künftig das neue ‘digi­tale
Portemonnaie’ der Twint nutzt, erhält zu­
gleich in Echtzeit Mehrwert-Angebote“,
erklärt Senn. Konkret bedeutet das: Bei
Twint sind zum Beispiel Coupons und
Treuekarten, aber auch die Daten der be­
kannten Loyalty-Programme wie etwa
der Supercard oder Cumulus hinterlegt.
Beim Bezahlvorgang via Smartphone wer­
den diese Coupons automatisch ange­zeigt
und ausgespielt.
Und weil Twint sich direkt in das Kassen­
system des Händlers integriert, können die
entsprechenden Rabatte sofort abgezogen
und Treuepunkte verrechnet werden. „Für
den Kunden ist das sehr bequem. Er kann
den ganzen Zahlungsvorgang in einem
Durchlauf abschliessen, ohne sich um ‘Ex­
tras’ kümmern zu müssen – und er nimmt
immer das Maximum an verfügbaren Vor­
teilen mit.“ Ausspielkanal und Einlöse­
vehikel für Coupons sind eins. Wenn der
Kunde keine Coupons und Treuekarten
will, kann er diese Funktion in der App
jederzeit aus- und auch wieder einschalten
Und der Handel? Er profitiert durch auto­
matisierte Ausspielung seiner Coupons beim
Verbraucher – und durch extrem niedrige
Transaktionsgebühren. „Die Kosten von
Twint liegen etwa auf dem Niveau, das für
Marketing Technology & Processes bei
XING. Eine große Herausforderung: XING
hat über 10 Millionen Mitglieder im
deutschsprachigen Raum, realisiert über
11.000 automatisierte und weitere 400 manu­
ell gesteuerte Kampagnenaussendungen
pro Jahr – und verschickt insgesamt über
zwei Milliarden E-Mails von der Kontakt­
anfrage bis zum Gruppen-Newsletter. „Wir
müssen zusätzlich den aktuellen Kontext
jedes einzelnen Users berücksichtigen. Ist
er Jobsuchender? Ist er an Fachinformation
oder an neuen Kontakten interessiert?“,
erklärt Braren. In dieser enormen Matrix
die richtigen Verknüpfungen zu finden und
individuelle Relevanz herzustellen, ist nur
mit moderner Datenanalyse und software­
gestützter, weitgehend automatisierter
Kampagnensteuerung möglich.
Was man aus Daten lernen kann
Das hat das im TecDax kotierte Hambur­ger
Unternehmen bereits vor fast zehn Jahren
realisiert und arbeitet im Marketing kon­
sequent datengetrieben. Seit 2009 kommt
Customer Intelligence von SAS zum Ein­
Bargeldhandling angesetzt wird oder so­gar
eher darunter“, erläutert Senn. Zusätzlich
kann Twint kleineren und mittleren Han­
delsunternehmen, die keine eigenen Systeme
für Coupons und Kundenbindungspro­
gramme unterhalten, diese Funktionen
sogar komplett anbieten.
Digitales Geschäftsmodell
Damit ist Twint ein Musterbeispiel für eine
moderne Generation von Unterneh­men,
die den Wert von Daten in ihrem Geschäfts­
modell verankern. Bei Twint bedeutet das
laut Senn: „Unsere Mehrwert-Lö­sung mit
Coupons und Treuekarten sind neben ein­
er hochmodernen Payment-Infra­struktur
ein weiterer Grund, dass wir dem Handel
tiefe Transaktionspreise anbieten können.
Dank einem direkten Kanal zum End­
kunden können wir neben den Trans­
aktionsgebühren zusätzliche Einnahmen
generieren.“
Möglich diese Integration von Payment und
Couponing aber erst durch moderne Ana­
lytics. Die Bewertung der Situation, die Aus­
spielung der relevanten Coupons und deren
Einlösung muss quasi in Echtzeit innerhalb
der eigentlichen Zahlungssituation erfolgen.
„Es gibt am Markt nicht viele Systeme, die
das können. Und noch weniger haben zu­
dem starke analytische Fähigkeiten hinter­
legt, mit denen auch komplexe Ent­schei­
dungslogiken abgebildet werden können
– etwa Scorings. Und das alles im Milli­
sekundenbereich“, so Senn. Nachdem das
gesamte Geschäftsmodell aber auf diesen
Funktionalitäten fusst, ist eine leistungs­
fähige Plattform entscheidend. Die Wahl
fiel auf die Lösung, die sich schon beim
Mutterkonzern PostFinance bewährt: SAS
Customer Intelligence. „Wir brauchen nicht
nur die Leistung, die Analytics von SAS
nachweislich bietet. Wir brauchen genauso
die Gewissheit, dass wir diese Leistung auch
fast unbegrenzt skalieren können. Das ist
essenziell für unsere Zukunftssicherheit.
Und da sind wir uns bei SAS sicher.“
Ganz offensichtlich erkennen auch der Han­
del, Dienstleister und verschiedene Partner­
banken das Potenzial im Konzept von Twint
und sind Partnerschaften mit dem Payment-
Anbieter eingegangen. Mit Coop und
Migros sind die Marktführer im Detail­
handel dabei, aber ebenso viele kleinere
Händler oder auch Gastronomiebetriebe.
„Natürlich brauchen wir das Vertrauen un­
serer Partner und der Endkunden, um lang­
fristig erfolgreich zu sein. Als Schweizer
Unternehmen mit Rückendeckung aus ei­
nem soliden Konzern, mit unserem inno­
vativen Geschäftsmodell und mit unserer
analytischen Infrastruktur sind wir da aber
stark aufgestellt“, ist sich Senn sicher.
satz, jüngst in einer neuen, jetzt web­basierten
Version. Das Ergebnis: Multi­channel Cam­
paign Management auf höchstem Niveau,
lückenlos entlang der viel beschworenen
„Customer Journey“. Dabei geht es Braren
nicht nur darum, den Kunden „auf den
richtigen Inhalt zum richtigen Zeitpunkt
über den richtigen Kanal“ aufmerksam zu
machen. Fast genauso wichtig ist es aus
Unternehmenssicht, die Komplexität für
den einzelnen Marketingmanager zu redu­
zieren und Kampagnen­überschneidungen
zu minimieren. Ange­sichts von acht sepa­
raten Business Units mit unterschiedlichen
Zielen ist gerade Letzteres eine Heraus­
forderung. Trotzdem sollen – nein: müssen
– die Marketiers schnell, flexibel und krea­
tiv agieren.
Unterstützung gewinnt das Marketing da­
bei aus den Daten selbst. Big Data Analy­tics
erlaubt heute nicht mehr nur, Konzepte in
Datenmodellen abzubilden, sondern in
Datenmustern auch neue Chancen sichtbar
zu machen. Data Scientists heißen die
Schatzsucher, die Korrelationen auch da
aufstöbern, wo sie keiner vermutet hätte.
„Wir arbeiten ständig an neuen Konzepten,
und Analytics erweitert unseren Horizont.
Zudem haben wir mit SAS die passende
Infrastruktur, um unsere Ideen schnell und
zuverlässig auf ihre Wirksamkeit hin zu
überprüfen“, beschreibt Braren den Wandel.
App wird zum entscheidenden Kanal
Die Website und die klassische E-Mail auf
dem Desktop-PC sind aber nur eine Kom­
ponente. Ein immer grösser werdender An­
teil der Kundeninteraktion bei XING fin­
det bereits über mobile Geräte und dabei
insbesondere über die XING-Apps statt.
Fast jeder zweite Zugriff erfolgt heute über
Smartphone und Tablet. Für das Marketing
ist das eine zusätzliche Herausforderung:
„Beim In-App-Marketing stehen weniger
Kommunikationsflächen zur Verfügung als
etwa bei der Website. Deshalb ist hier die
Priorisierung von Informationen noch
dringlicher“, erläutert Braren. Deshalb sei
das Thema Echtzeit bei der Ausspielung
von individuellen In-App-Informationen
nicht mehr nur wünschenswert, sondern
Pflicht. Dies werde auch XING in diesem
Jahr noch verstärkt umsetzen.
Dass ein solcher Ansatz nicht nur Philoso­
phie ist, sondern konkrete wirtschaft­liche
Vorteile bringt, zeigen die Zahlen: Bei
XING liegen die Klickraten auf stark in­
dividualisierte E-Mails bis zu 100 Prozent
höher als bei generischer ausgesteuerten
Botschaften. Braren ist deshalb überzeugt,
dass analytisch getriebenes Marketing voll
im Interesse des Kunden liegt: „Mein
persönlicher Ehrgeiz ist, dass wir künftig
noch individueller kommunizieren – und
dass der einzelne Kunde immer mehr
Nutzen aus den erhaltenen Botschaften
zieht. Dieser Weg hat uns schon messbaren
Erfolg gebracht.“
Ist das nicht eine Investition ins Ungewisse?
Man möchte das Ganze vorher doch lieber
einmal ausprobieren, bevor man sich für
eine Investition entscheidet, ohne zu wissen,
ob am Ende nur ein teures Gerippe vor
einem steht. Zum Ausprobieren von Analy­
tics of Things gibt es deshalb das IoT Ana­
lytics Lab, das sich im eigenen Rechenzen­
trum oder als Cloud-Lösung nutzen lässt.
Dieses Lab bietet probeweise die Möglich­
keit, die Sensordaten viel breiter zu sam­
meln, um dann beispielsweise mit einer
Korrelationsanalyse Zusammenhänge in
den Daten zu entdecken.
Was raten Sie Unternehmern, die dem IoT
nicht wirklich trauen?
Seien Sie mutig! Denn nicht immer sind die
Geschäftsmodelle von gestern auch die von
morgen, und nicht immer sind die altherge­
brachten Kernkompetenzen das Kapital
für Zukunftsmärkte. Ein Händler musste
bislang insbesondere ein guter Einkäufer
sein, um profitabel zu arbeiten. Morgen
muss er möglicherweise vor allem ein gutes
Technologieunternehmen sein, um Waren­
ströme zu steuern. IoT ist deshalb mehr als
ein Trend. Getrieben von Advanced Analy­
tics wird IoT revolutionäre Veränderungen
bewirken.
Analytics – konkret und praxisnah www.sasforum.com/ch
©TWINT
Eins zu eins – für den Kunden
Das soziale Netzwerk XING setzt konsequent auf individualisierte Kunden­
ansprache. Und auf Analytics, um sie zu realisieren.
SAS FORUM SWITZERLAND 2016
ANALYTICS-BRENNPUNKT ZÜRICH
Die digitale Transformation ist untrennbar mit den Themen
Big Data und Analytics verknüpft. Das spiegelt auch das
Programm des SAS Forum Switzerland 2016 wider: Im
Mittelpunkt stehen Big-Data-Strategien im Zeitalter von
Digitalisierung und Internet der Dinge.
Die digitale Transformation verändert die Art und Weise wie
wir arbeiten, lernen, spielen oder Sport betreiben. Zudem ist
sie einer der stärksten Wachstumsmotoren für die Wirtschaft,
verändert Geschäftsmodelle und bietet Unternehmen aller
Industrien ein breites Feld für Innovation. Entscheidungs­
träger der Schweizer Wirtschaft wissen das und machen sich
auf den Weg ins Datenzeitalter.
Ein „Boxenstopp“ auf dieser Reise ist das SAS Forum
Switzerland 2016. Die eintägige Konferenz bietet auch in
diesem Jahr alles, was Sie brauchen, um sich fit für Analytics
zu machen:
• Best Practices namhafter Unternehmen wie Nestlé,
Novartis, Betty Bossi oder Twint
• Aktuelle Analytics-Projekte zu Big Data Analytics & Cloud,
Customer Intelligence, Risk und Fraud Management,
Technology
• Konkret und praxisnah erfahren die Besucher, was sie
brauchen, um Analytics-Projekte schnell, zielführend und
kostengünstig umzusetzen.
1. Juni 2016, Kongresshaus Zürich
Mehr Informationen und Anmeldung:
www.sasforum.com/ch

3. A
ls die Zürcher Werberin Emmi
Creola-Maag die kochlöffel­-
sch­wingende Kunstfigur Betty
Bossi ersann, war ihr der Begriff des Con­
tent Marketing mit Sicherheit fremd. Den­
noch passierte nichts anderes: Anhand von
Rezepten, veröffentlicht in der„Betty Bossi
Post“, sollten die Produkte des Speise­
fettherstellers Sais/Astra unter die Leute
gebracht werden. Es funktionierte: Mitte
der 1960er Jahre erschien die Zeitschrift
bereits alle sechs Wochen. Mittlerweile
ist Betty Bossi eine 100-Prozent-Tochter
des Coop Konzerns und ein Synonym für
kulinarische Kompetenz. Die Marke ist eine
der bekanntesten des Landes und die
„Betty Bossi Zeitung“ ist mit rund 700.000
Abonnenten die meistverkaufte Koch­zeit­
schrift der Schweiz.
Die Küchenfee Betty Bossi hat trotz ihrer 60
Jahre währenden Karriere nichts an Beliebt­
heit eingebüsst – auch wenn die Kommuni­
kationsmittel sich gewandelt haben: Denn
neben der bewährten Zeitung abonnieren
bereits mehr als eine halbe Million Men­
schen den elektronischen Betty Bossi News­
letter. Zudem unterstützen Suchmaschinen
Marketing und Onlinewerbung die Kam­
pagnen. Vermarktet werden dabei nicht
nur Kochbücher und kulinarische Tipps &
Tricks, sondern jedes Jahr zudem etwa 80
neue Eigenentwicklungen an Küchenhelfern
Individuell serviert
Was koche ich heute? Die Frage war 1956, dem Gründungsjahr
der Betty Bossi AG, so aktuell wie heute. Verändert hat sich bei
der Schweizer Institution seither dennoch einiges: Dank Big Data
Analytics werden die Kunden heute on- und offline nur noch
gezielt und entsprechend ihren Interessen informiert.
Tauglichkeitsprüfung: das Big Data Lab
Wie funktioniert datengetriebene Innovation?
Business-Analytics-Spezialist Andreas Becks von SAS im Interview.
– nicht wenige von ihnen schafften es bereits
zu unverzichtbaren Haushaltsklassikern.
Frühjahrsputz oder Rösti-Blitz?
Dass Kommunikation über relevante In­
halte funktioniert, weiss niemand besser
als Betty Bossi. In Anbetracht der Fülle
an Kampagnen, Medien und Kommunika­
tionskanälen stand das Unternehmen aber
vor einer wesentlichen Frage: Wie bekomme
ich die richtigen Inhalte zum richtigen Zeit­
punkt und über den am besten ge­eigneten
Kanal an meine Kunden? Bislang erhielt
jeder Abonnent alle Informationen des
Hau­ses – vom Frühlingsputz über den Rösti-
Blitz bis hin zum ‘Gesund und Schlank’
Kochbuch – unabhängig von Vorlieben,
Lebenssituation oder Kommunikations­
kanal. Die Nachteile für den Kunden liegen
auf der Hand: uninteressante Angebote und
im schlimmsten Fall zu viele davon.
Dies sollte sich ändern. „Wir haben es uns
zur Aufgabe gemacht, das Kundenerlebnis
zu verbessern und persönlicher auf den
Kunden einzugehen. Deshalb nützen wir
die Kundendaten, um individuell und ge­
zielt relevante Angebote und Information
anzubieten“, erklärt Julia Dimmler. Sie
leitet die zu Beginn des Jahres geschaff­
ene Abteilung für Customer Relationship
Management (CRM) und verantwortet
ein Projekt, das nun in mehreren Stufen
umgesetzt wird: „Ganz oben auf der Liste
steht die Automatisierung unserer Kam­
pagnen, also die zentralisierte und integ­
rierte Steuerung unserer Print- und Online-
Kampagnen sowie die damit verbundenen
Analysemöglichkeiten des Response.“ Die
Erkenntnisse aus diesen Analysen sollen
die Kundenansprache des Marketings, aber
auch die Sortimentsentwicklung von Betty
Bossi unterstützen.
Ist die Kanalanbindung von Print und On­
line geschafft, steht die nächste Ausbaustufe
an. Auch im Online-Angebot von Betty
Bossi stehen die Zeichen auf Wachstum:
Das Angebots-Sortiment wird ausgebaut
D
ie veränderten Marktanforderung­
en zwingen viele Organisationen
zur digitalen Transformation ihrer
Geschäftsprozesse und Geschäftsfelder. Big
Data und die digitale Transformation ste­
hen dabei stellvertretend für den Heiligen
Gral disruptiver Innovationen. Zu Recht,
wie Dr. Andreas Becks von SAS meint
und im Interview eine Voraussetzung zur
datengetriebenen Innovation namens Big
Data Lab erläutert.
Herr Becks, welche Rolle spielen Innovations­
labore (Big Data Labs) bei der digitalen
Transformation?
Solche Labore entstehen derzeit in fast allen
Branchen und zahlreichen Unternehmen.
Es geht darum, die vielen und vielfältigen
Daten, welche die Digitalisierung mit sich
bringt, gewinnbringend auf neuartige Weise
zu nutzen. Das können inkrementelle, aber
wertvolle Verbesserungen bestehender Ana­
lysen sein, aber auch komplett neue
Ideen mit dem Anspruch, bahnbrechende
Fortschritte bei der Wertschöpfung von
Daten zu erreichen.
Und wie kann ein Innovationslabor erfolgre­
ich umgesetzt werden?
Was den (messbaren) Erfolg eines Innova­
tionslabors letztlich bestimmt, ist von Un­
ternehmen zu Unternehmen unterschied­
lich definiert. Wie es aber erfolgreich wird,
darüber herrscht weitestgehend Konsens:
Experimentieren erlauben, Agilität ermög­
lichen, fail fast.
Was verstehen Sie unter „Experimentieren
erlauben, Agilität ermöglichen“?
Agilität heisst, dass das Innovationsteam
Mittel und Freiräume braucht, Ideen ein­
fach und schnell auszuprobieren. Denn
das Aus einer jeden guten Idee sind lang­
wierige Prozesse etwa für die Freigabe zur
Verprobung. Hier müssen Freiräume ge­
schaffen werden.
Und mit fail fast ist sicher gemeint, viele
Ideen zuzulassen, die vielversprechenden
auszuprobieren und die nicht tragfähigen
auszusortieren?
Richtig, denn schliesslich sollen nach einer
ersten Validierung nur wenige, wirklich gute
Ideen zu tiefer gehenden analytischen Pro­
jekten führen, von denen dann nur die soli­
d­esten in die Markterprobung und davon
wiederum nur die bewiesenermassen wirk­
samen in die Produktion gehen.
Ist das nicht ein sehr risikoreicher Ansatz?
Innovation braucht Mut zum Risiko. Aus
finanzieller Sicht muss natürlich immer
der Value-at-Risk bekannt sein. Ich muss
ent­scheiden, was genau ich bereit bin zu
investieren. Kosten für Innovationsteams,
den Kauf von Werkzeugen und Infrastruk­
turen für Big Data Use Cases und natür­
lich für den Aufbau der notwendigen
Fähig­keiten sollten stets bezifferbar sein.
Luftschlösser sind was für Träumer und
nichts für Analytiker.
Welche organisatorischen Weichenstellungen
sind für ein Big Data Lab nötig?
Wird ein Big Data Lab als zentrale, IT-
gesteuerte Innovationsumgebung realisiert,
fördert dies den Austausch, senkt Risiken
und ermöglicht die Wirtschaftlichkeit des
Innovationsprozesses. Denn vielfach sehe
ich, dass einzelne Fachbereiche für sich mit
einem Mix aus individuellen Methoden
und Techniken arbeiten. Diese Isolation
ist, ähnlich wie die berüchtigte Schatten-IT,
zunächst einmal ein Kostentreiber. Mehr
noch: Es bleiben auch Synergien bezüglich
des Wissensaufbaus zu Methoden und Tech­
nologien ungenutzt. Innovation ist erst dann
wirklich erfolgreich, wenn gute und neue
Ideen in den Markt gebracht werden. Damit
am Ende der Transfer gelingt, müssen die
Use Cases strategisch gewollt und rechtlich
unbedenklich sein. Daher ist es wichtig,
frühzeitig das Einverständnis und die Unter­
stützung der Geschäfts- und Bereichsleitun­
gen zu erhalten.
Warum braucht ein Big Data Lab eine
geschützte Umgebung?
Eine geschützte Umgebung ist das A und
O. Schliesslich werden vorhandene Daten
neu und anders aufbereitet und mit weit­
eren Daten verknüpft. Umfangreiche analy­
tische Auswertungen werden durchgeführt
und damit können erhebliche Rechenkapa­
zität­en belegt werden. Es sollte das Prin­
zip Trial & Error gelten, und es genügt, so
genau zu sein, wie es dem Erkenntnis­
zweck angemessen ist. Zudem lernen die
Mit­arbeiter im Lab auch neue Methoden
Dr. Andreas Becks
Manager Business Analytics, SAS DACH
und soll für Bestands- wie auch für Neu­
kunden immer attraktiver werden. „Wir
sind bereits dabei, das Empfehlungsmarke­
ting aufzubauen. Persönliche Produktem­
pfehlungen sind im Onlinestore, aber auch
im Newsletter ein wesentlicher Hebel“, weiss
Dimmler.
Konsistent über alle Kanäle
Für die Kommunikationsexpertin stand
von Beginn an fest, dass dieses Projekt
analytischer Unterstützung bedurfte. In
Anbetracht von jährlich über 100 Kom­
munikationen und mehr als einer Million
Kunden sind individualisierte Selektionen
und Kontaktsteuerung nur mithilfe von ana­
lytischen Systemen sinnvoll durchzuführen.
Zudem sollen nach und nach zusätzliche
Kanäle angebunden werden, um so eine zen­
trale Entscheidungsinstanz zu schaffen, die
kanalübergreifend eine konsistente Kommu­
nikation erlaubt. Die Wahl fiel schliesslich
auf SAS Marketing Automation. Dimmler:
„Wir sind mit SAS völlig frei und konnten
problemlos an das existierende Data Ware­
house andocken. Ausserdem ist die Software
einfach und intuitiv zu bedienen.“
Individueller und gezielter Kommunikation
steht bei Betty Bossi also nichts mehr im
Wege. „Unser Ziel ist es, insgesamt effizi­
enter zu werden und Doppelspurig­keiten
komplett auszuschliessen“, so Dimmler. Als
nächsten Schritt wollen sie und ihr Team
nun dynamische Inhalte erstellen, um einen
noch höheren Grad der Flexibilität und
Individualisierung – etwa für ereignisge­
steuerte Kampagnen – zu erreichen. „Das
sind anspruchsvolle Prozesse. Und obwohl
die SAS Software so einfach in der An­
wendung ist, steckt doch ein hohes Mass
an analytischer Komplexität dahinter. Wir
sind also auf einem guten Weg.“
©BETTYBOSSIAG
kennen und sammeln erste Erfahrungen
mit neuen Technologien.
Im Séparée eine Art Versuchsküche
einrichten?
Genau. Denn hier passieren Fehler – und die
dürfen den Regelbetrieb der IT keineswegs
stören. Die Sicherheit, keinen Schaden
anzurichten, senkt dann auch die psycho­
logische Hemmschwelle, mit Daten und
Methoden kreativ umzugehen. Am besten
schaffen Unternehmen hierfür eine von
der Welt des Regelbetriebs weitestgehend
separierte Umgebung. Manche Organisa­
tionen trennen ihren Innovationsraum auch
örtlich vom regulären Geschäftsbetrieb ab.
Schliesslich entstehen disruptive Neuerun­
gen nun mal selten neben dem Tagesgeschäft
mit seinen zahlreichen Regeln und organisa­
torisch bedingten Scheren im Kopf.
©GETTYIMAGES
Analytics – konkret und praxisnah www.sasforum.com/ch