1. Einführung ResTech
Resources are missing for this theme.
Sie haben gerade erst die neue Kundenbefragung bekommen. Jetzt wollen drei verschiedene Abteilungen unterschiedliche Auswertungen und das bis morgen. Die Daten liegen in fünf verschiedenen Excel-Dateien, die Vorgängerstudie ist irgendwo auf dem SharePoint und die Vergleichszahlen aus dem letzten Jahr? Die müssen Sie erst beim Institut anfragen.
Kommt Ihnen das bekannt vor?
Kaum ein Fachbereich im Unternehmen arbeitet mit so vielen Daten wie die betriebliche Marktforschung. Die Datenmengen wachsen kontinuierlich: durch wiederkehrende Erhebungswellen ebenso wie durch zunehmend neue primäre und sekundäre Forschungsfelder und Erhebungsmethoden.
Gleichzeitig wachsen die Anforderungen an die betriebliche Marktforschung:
- Daten sollen schneller und flexibler bereitgestellt werden, um den immer kürzeren Entscheidungszyklen und schnelleren Prozessen in Unternehmen gerecht zu werden
- Daten sollen schneller und flexibler bereitgestellt werden, um den immer kürzeren Entscheidungszyklen und schnelleren Prozessen in Unternehmen gerecht zu werden
- Um die Effizienz zu steigern, soll aus erhobenen Daten durch eigene Auswertungen und Datenanreicherung mehr herausgeholt werden
- Daten sollen raus aus PowerPoint und Excel und rein in dynamische Dashboards und interaktive Analyse-Tools
- LLM und andere ML-Verfahren müssen erprobt und bei Erfolg implementiert werden
- Der interne Daten-Wettbewerb durch Business Intelligence und andere Geschäftsbereiche mit neuen Datenquellen nimmt zu
Um weiterhin im Unternehmen relevant zu bleiben, muss sich die betriebliche Marktforschung den stetig wandelnden Anforderungen anpassen.
Die technische Infrastruktur spielt dabei eine fundamentale Rolle, denn die oben genannten Anforderungen haben eines gemeinsam: Sie sind unweigerlich mit Technologie verbunden. Zum Beispiel KI: Sie braucht per se eine technische Infrastruktur. Wer Daten-Demokratisierung vorantreiben will, braucht einen Speicherort, um sie frei zugänglich zu machen. Dynamische Dashboards brauchen eine automatisierte Data-Pipeline, um aktuell zu bleiben. Alle rufen nach Self-Services: Dafür braucht es entsprechende Applikationen und dahinterstehende automatisierte Systeme. Die Liste ist lang. Es führt an der IT kein Weg vorbei.
Der Unterschied ist konkret spürbar
| Ohne Research Tech | Mit Research Tech |
|---|---|
| Reports werden manuell per E-Mail verteilt | Dashboards aktualisieren sich automatisch |
| Jede Anfrage bedeutet manuelle Arbeit | Self-Service für häufige, wiederkehrende Auswertungen |
| Daten liegen in verschiedenen Excel-Dateien | Zentrale Datenbank mit einheitlicher Struktur |
| Neue Daten werden manuell aufbereitet | Automatisierte Prozesse übernehmen die Arbeit [ETL-Prozesse] |
| Daten werden in Excel und csv-Dateien abgelegt | Daten liegen maschinell lesbar in einer Datenbank |
In der einfachsten Form ist diese Infrastruktur ein File-Server mit einer klar definierten Ablagestruktur. Am anderen Ende des Spektrums steht eine zentral organisierte und vernetzte Data-Management-Plattform. Diese erfasst Daten aus verschiedenen Quellen – etwa aus der Befragungs-Software [z. B. SurveyMonkey], Ihrem CRM-System oder Syndicated- Data-Anbietern – verarbeitet sie automatisiert und stellt sie über Datenbanken zur weiteren Nutzung bereit.
Wie im Marketing der Marketing Tech Stack längst etabliert ist, gewinnt auch in der betrieblichen Marktforschung der Research Tech Stack zunehmend an Bedeutung – eine aufeinander abgestimmte Zusammenstellung technischer Systeme, die die Marktforschung zukunftsfähig macht.
Kurz erklärt: Data Management
Data Management bezeichnet die Planung, Organisation, Erfassung, Speicherung, Pflege und Nutzung von Daten, damit sie korrekt, sicher und aktuell für Analysen und Berichte verfügbar sind. Die technische Infrastruktur bildet dabei das Rückgrat eines smarten Data Managements. Mindestens genauso wichtig sind jedoch eine klare Data-Strategie in der betrieblichen Marktforschung, eine verbindliche Data Governance sowie die passenden Skills und Kapazitäten