Market research data provides important impulses for corporate management. When combined with corporate data in particular, relevant insights turn up. However, data transformation and merging is often a big challenge. Dr. Benedikt Köhler demonstrates how the analysis and visualization software DataLion makes the merging, analyzation and automated visualization of data sources a piece of cake.
4. Webbasierte Dashboards …
Echte PPTX Exporte
…
Export verschachtelter
Tabellen …
… schneller, einfacher und intuitiver
als andere Dashboard Lösungen
5. 1. PPTX-Export in Ihrem Mastertemplate
mit echten nativen Charts (keine Bilder)
2. Gelayoutete Excel-Exports mit
Vorfiltern, Berechnungen, Gewichten
3. Dynamische Verknüpfung von
Datenquellen
4. Layout ist komplett anpassbar
5. Schnelle und einfache Usability
6. Differenziertes Rechtemanagement
7. Responsive Design
8. Entwickelt und CO2-neutral gehosted in
Deutschland
UNSERE USPs
7. Case-Study: Datenmanagement
in einem internationalen
Modeunternehmen
• 10 Länder
• Unterschiedliche Datenquellen
(Marktforschung: Brand Tracker,
Sales Daten, Online Daten von Google
Analytics)
• Ziel: länderübergreifende
Datenauswertung, um Status-
Quo und Optimierungs-
möglichkeiten zu generieren
8. Spezifische Ziele:
• Verfügbarkeit: Zu jeder Zeit sind alle aktuellen Daten verfügbar
und in ihrer Struktur sofort nutzbar
• Keine starren Reports: Jederzeit können Sonderauswertungen
z.B. für den Vorstand erstellt werden
• Minimaler manueller Aufwand: Aktualisierung und Integration
der Daten verläuft automatisch
Voraussetzungen:
• Datenstrukturen sind klar definiert und ändern sich nicht
(=Definition von Standards)
• Alle halten sich an Standards
• Es gibt klar definierte Schnittstellen
IN EINER
IDEALEN
WELT …
12. Jeder Standort schickt die Daten an eine zentrale Stelle:
Head of
„Copy & Paste“
IN DER
REALITÄT
…
13. Und so sehen die Daten dann aus:
IN DER
REALITÄT
…
14. Herausforderungen
• Datenformate: Excel, CSV, Tabellen, Datum, Komma
• Datenstrukturen: Tabellen in Tabellen
• Kodierung: „KĶln“
• Umfang der Daten
• Verschiedene Aggregationsebenen
• Veränderungen der Datenformate
fehleranfällig
Copy & Paste
zeitaufwändig Datenchaos
keine Schnittstelle
IN DER
REALITÄT
…
15. Vergleich Unternehmens- vs. Marktforschungsdaten
Marktforschungsdaten Unternehmensdaten
Inhalt Informationen über Verhaltensweisen
und Wahrnehmungen, z.B. Motive,
Einstellungen, Meinungen etc.
Typisch: Zeitreihen zu Absatz, Umsatz,
Unique Visitors, Leads etc.
Struktur/
Format
SPSS-Daten, Excel-Daten (1 Spalte je
Variable, 1 Zeile je Befragter), fehlende
Werte, Gewichtung
DWH-Daten, Datenbank, hunderte
Tabellen mit foreign Keys verknüpft
(„Star-Schema“)
Quellen Primäre und sekundäre Datenquellen
(z.B. Befragungen, Desk-Research)
CRM, ERP, Kassensysteme,
Kampagnendaten, Webtracking,
Finance, HR
Ziel Status Quo und Insight-Generierung als
Basis für unternehmerische Entscheidungen
16. Marktforschung vs. Business Intelligence
Marktforschung Business Intelligence
Bestimme Art von Datenquellen
(oft) erzeugte Daten
Prozess der Datenverarbeitung und
Datenanalyse
Spezifische Art von Daten/struktur Spezifische Erkenntnisziele
(Marktforschungsdaten können eine
Datenquelle neben anderen sein)
Richtet sich an Marketing Richtet sich an Marketing, Produktion,
Vertrieb … Kennzahlen
Prozentuierung von Ausprägungen Summe von EUR / Stück
Weitere verwandte Begriffe: Data Mining, Data Science, Data Governance
17. Beispiel Marktforschung „Brand Tracker“
Für das Modeunternehmen „FashionData“ soll kontinuierlich die Bekanntheit,
die Wahrnehmung und das Markenbild erhoben werden. Befragt wird die
Marketingzielgruppe (Frauen und Männer zwischen 14-65 Jahre).
Darüber hinaus soll der BrandTracker auch als Wettbewerbsanalyse dienen.
23. Was ist ein OLAP-Würfel?
• Datenwürfel, engl. OLAP Cube oder auch Data Cube
• Anordnung der Daten als Elemente eines mehrdimensionalen Würfels
• Zugriff auf die Daten über eine oder mehrere Achsen des Würfels
• Verschiedene Dimensionen können in Abhängigkeit voneinander
ausgewertet werden
24. Folgende Analysen sind möglich:
• Wie viele Produkte wurden im letzten Monat in der Filiale München
verkauft?
• Welcher Verkäufer hat den höchsten Umsatz erzielt?
• Wie viele Produkte befinden sich noch im Laden?
• In welcher Filiale wurde letztes Jahr der höchste Umsatz erreicht?
Beispiel: Data Cube
mit drei Dimensionen
25. Die Daten werden in einer relationale oder multidimensionalen
Datenbank gespeichert
Quelle: https://www.datenbanken-verstehen.de/datenbank-
grundlagen/datenbankmodell/relationales-datenbankmodell/
-> können direkt in
DataLion so abgebildet
werden oder in ein
zeilenbasiertes Format
umgewandelt werden
(z.B. Tabellen für
Umsatz / Absatz und
Produkte mit
Metadaten)
29. Schritt 1: Datenquellen verknüpfen
• Projekte können auf mehrere Datenquellen und Tabellen zugreifen
• Verknüpfungen zwischen verschiedenen Tabellen können über Dropdown-
Menüs definiert werden
• Verknüpfungen werden abhängig von den Filtern und Metriken in einem
Dashboard dynamisch angewendet
• Alternativen: Joins <->
gemeinsame Filter (z.B.
Datum, Store)
• Aufwändige Daten-
vorbereitung entfällt
30. Schritt 1: Automatische Imports konfigurieren
• Import von Dateien über FTP, API, Datenbankverbindungen (SQL)
• Zeitlicher Rhythmus
• Umgang mit neuen /
entfallenen Merkmalen
• Backfill von historischen
Daten
• Regelbasierte Recodes
• Berechnete Variablen
31. Schritt 2: Report erstellen mit verschiedenen KPIs und Filtern
Report benennen
32. Schritt 2: Report erstellen mit verschiedenen KPIs und Filter DropDowns
Ein Report besteht aus
mehreren Tabs.
Es können
(dynamische) Filter-
Dropdowns angelegt
werden.
33. Schritt 2: Report erstellen mit verschiedenen KPIs und Filter DropDowns
34. Schritt 2: Report erstellen mit verschiedenen KPIs und Filter DropDowns
35. Schritt 2: Report erstellen mit verschiedenen Berechnungen
Berechnung von Differenzen
und gleitenden Summen /
Durchschnitten (YoY, YTD)
Numerische Variablen können als
Berechnungsvariable verwendet werden.
36. Schritt 2: Report erstellen mit verschiedenen Berechnungen
Berechnungen
und Metriken
sind per Klick
auswählbar.
Charteinstellungen
44. Schritt 4: Exporte
• PPTX-Export im individuellen Mastertemplate
• Export echter, nativer Charts (keine Bilder)
• Flexible Ausrichtung von Diagramm-, Text- oder Tabellenobjekten mithilfe
von Platzhaltern
• Online-Dashboards können unterschiedliche Folienvorlagen zugewiesen
werden
• Automatisches Ersetzen von Platzhaltern für Titel, Datum usw.