Wie können Daten aus unterschiedlichen Touchpoints sinnvoll zusammengeführt werden?
Was ist notwendig, um das Verhalten von Kunden und Kundinnen interpretieren zu können?
Welche technischen Komponenten sind essenziell für Customer Journey Analytics?
Wie können Daten aus unterschiedlichen Touchpoints sinnvoll zusammengeführt werden?
Was ist notwendig, um das Verhalten von Kunden und Kundinnen interpretieren zu können?
Welche technischen Komponenten sind essenziell für Customer Journey Analytics?
Im E-Commerce ist Cross-Channel-Marketing über viele Kanäle hinweg mittlerweile Standard. Oft fehlt jedoch die Auswertung wichtiger Touchpoints mit User und Userinnen. Welchen Anteil hat welcher Kanal an meinem Marketingerfolg? Welche Kampagnen sind die größten Treiber und wo lassen sich Budgets verschieben?
Blinkist bespielt unterschiedliche Kanäle mit dedizierten Inhalten. Dazu gehören Plattformen wie Google Ads, YouTube, Instagram, Microsoft News sowie weitere Content-Marketing-Angebote. Im Ergebnis stehen Blinkist äußerst umfangreiche Marketingdaten zur Verfügung, die konsolidiert und verarbeitet werden müssen, um stichhaltige Analysen über deren Impact vornehmen zu können. Das Data Management gestaltete sich technisch zunehmend zu anspruchsvoll für bisherige Lösungen, was vor allem auch an einem nicht mehr zeitgemäßen Tech Stack lag. Zusammen mit taod gelingt blinkist die Modernisierung des Tech Stack im Zusammenhang mit dem Aufbau einer Customer Data Analytics Platform.
Im Vordergrund des Projekts steht die Modernisierung der technischen Infrastruktur von Blinkist. Konnte Blinkist anfangs auf eine kleine Datenbasis zugreifen, die Inhouse und mit soliden BI-Kenntnissen verwaltet wurde, wurden in der näheren Vergangenheit stark wachsende Datenvolumen verzeichnet. Durch ausbleibende Optimierungen im Data Management schlichen sich teils erhebliche Fehler in der Datenauswertung ein, die vor allem technisch begründet sind. Die bestehenden Module sollen überprüft und hinterfragt werden, um die effiziente und zuverlässige Datenanalyse zu gewährleisten. Gebrochene Data Pipelines und unbemerkte Fehler in der Datenverarbeitung sollen der Vergangenheit angehören. Das setzt eine enge Zusammenarbeit mit dem Data Team von Blinkist voraus, dessen Enablement eine Kernaufgabe von taod ist.
In einem Data Use Case Workshop entwickelt taod gemeinsam mit dem Finance-Team von Blinkist ein Proof of Concept. Mehr als die Hälfte des Budgets wird in Marketing investiert oder stellt eine notwendige Investition für effektives Marketing dar. Schlussendlich muss deshalb eine klare Zuordnung der Investitionen erfolgen, damit ersichtlich wird, wo genau welche Gelder ausgegeben werden. Bestehende Unstimmigkeiten zwischen selbst erstelltem Reporting und tatsächlicher Abrechnung müssen beseitigt werden. Dieser Use Case soll Basis für die weitere Optimierung der Analyseaktivitäten werden.
Im Laufe des Workshops wird schnell deutlich, dass der Data Stack von Blinkist grundlegend erneuert werden muss. Eine hohe Fehleranfälligkeit wird in den bestehenden Data Pipelines ausgemacht, die völlig neu aufgebaut werden müssen. Die Wechsel des Konnektoren-Tools von Data Virtuality über versuchsweise Airbyte hin zu Fivetran, um vor allem interne Ressourcen zu entlasten, sowie des Transformations-Tools von Matillion zu dbt sorgen künftig für enorme Flexibilität und lassen eventuelle Anpassungen rasch und unkompliziert zu.
Als Transformationswerkzeug senkt dbt den Aufwand für gründliches Testing um bis zu 80 Prozent. Neben der gesamten Überarbeitung der Datentransformation und dem Wechsel des Konnektoren-Tools entwirft taod neue Logiken, um den dezidierten Analyseanforderungen gerecht zu werden. Zum Einsatz kommt die Data-Vault-Methode. Sie sorgt für die schnelle sowie korrekte Integration von Daten in ein Data Warehouse. Auf große inhaltliche Änderungen kann flexibel reagiert werden.
Das bestehende Data Warehouse Amazon Redshift wird durch das Cloud Data Warehouse Snowflake ersetzt, das künftig für eine hohe Skalierbarkeit nach Bedarf sorgt. Der Aufbau des Data Stack wird zunächst von taod geführt und anschließend begleitet und sorgt auf diese Weise für ein hohes Enablement von Blinkist. Data Vault stellt zudem eine neue Modellierungstechnik für das Data Team von Blinkist dar, die durch 1:1 Coachings im Laufe des Projekts geschult wird. Zudem reduziert sich durch Technologie und Enablement die Zeit für das Bug Fixing. Dauerten Korrekturen bislang schlimmstenfalls Tage, können Fehler nun innerhalb weniger Minuten erkannt und behoben werden.
Nach einer Projektlaufzeit von rund vier Monaten verwalten die Data Engineers, Data Scientists und Data Analysts von Blinkist den neuen Tech Stack eigenständig. Ab diesem Zeitpunkt übernimmt taod eine beratende Rolle und kümmert sich in regelmäßigen Intervallen im Rahmen eines FAQ-Formats um die inhaltliche Fortführung des Projekts. Der aktualisierte Modern Data Stack sorgt technisch für die reibungslose Verarbeitung der komplexen Daten. Die hohe Fehleranfälligkeit konnte auf ein Minimum reduziert werden, auch deshalb, weil die neue Modellierungs-Technologie in Kombination mit modernen ETL-Prozessen Fehlerquellen von vornherein deutlich reduziert.
Sascha Urban
Director Data / blinkist
Von der Analyse bis zur Cloud-Implementierung: Wir steigern dein Datenmanagement strategisch und technologisch.
Wir zeigen dir, wie einfach die Verwaltung deiner Daten mit Snowflake wird.
Aus welchen Komponenten besteht ein professioneller Tech Stack für Analytics?
