• Keine Ergebnisse gefunden

Erstellung eines zentralen Data Warehouses für Onlinemarketing Aktivitäten

N/A
N/A
Protected

Academic year: 2022

Aktie "Erstellung eines zentralen Data Warehouses für Onlinemarketing Aktivitäten"

Copied!
10
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Erstellung eines zentralen Data Warehouses für

Onlinemarketing Aktivitäten

(2)

Mehr Insights

durch automatisierte Datenintegration

Der größte Vorteil von einer BI-In- frastruktur besteht darin, einen

zentralen Ablageort für alle Daten zu schaffen, wodurch schneller Insights generiert und Zusammenhänge

gezeigt werden können. Durch die automatische Bereitstellung der Daten haben Mitarbeiter mehr Zeit, sich mit den gewonnenen Insights zu beschäftigen. Doch wie läuft ein typisches BI-Projekt?

Wie lässt sich nachvollziehen, dass

sich der Aufwand gelohnt hat?

(3)

AUSGANGSLAGE UND ZIEL

Wir helfen Menschen, ihre Bewegungsfreiheit zu erhalten oder

zurück zu erlangen.

https://www.ottobock.com/de/

Ottobock ist mit über 50 Standorten, über 160 Versorgungszentren und vier Forschungs-Hubs der Weltmarktführer für Prothesen. Seit 1988 arbeitet das Unternehmen mit dem Paralympischen Komitee zusammen und stellt den Athleten seinen technischen Service sowohl in den Sommer- als auch in den Winter- spielen kostenlos zur Verfügung.

(4)

Mit so vielen Abteilungen, Teams, Initiativen, Produkten, und Marketingaktivitäten stellt das Reporting eine große Herausforderung dar. Bislang wurde die Integration von Social Media Kanälen – wie etwa LinkedIn, Facebook, oder YouTube – sowie die Integration von Daten aus über 50 Websites weitestgehend manuell durchgeführt.

Dadurch war der Aufwand sehr arbeitsintensiv.

Um nicht nur Zeit zu sparen, sondern auch mehr Informa- tionen in den Reportings bereitstellen zu können, suchte Ottobock nach einer Agentur für die Umsetzung der Ideen und kam über eine Empfehlung auf Peaks & Pies zu.

Das Ziel? Ein Dashboard, das die Auswirkungen der Aus- breitung vom neuartigen Coronavirus SARS-CoV-2 auf die Online-Präsenz von Ottobock darstellt.

Die benötigten Zahlen wurden dabei bereits größtenteils von Ottobock kondensiert. Zur Analyse des Website Traf- fics hat Ottobock unterschiedliche Properties in Google Analytics und Google Search Console eingerichtet. Zur Bewertung der Social Media Aktivitäten benutzt Otto- bock Khoros, das bereits die Kanäle LinkedIn, Youtube, Facebook, Instagram und Twitter sowie einige Zahlen zur Konkurrenzanalyse an einem Ort vereint.

Basierend auf diesen drei Tools lagen Reports in Google Data Studio vor. Das Einpflegen der Daten erfolgte aber größtenteils manuell, wodurch nicht das volle Potential der Tools ausgeschöpft wurde.

AUSGANGSLAGE UND ZIEL

(5)

ERSTE SCHRITTE

Bevor ein BI-Projekt durchstarten kann, sind vor allem zwei zentrale Fragen wichtig:

1. Wo werden die Daten gelagert?

2. Wie werden die Daten verarbeitet ?

Die erste Frage ließ sich in diesem Projekt relativ schnell beantworten: Da Ottobock bereits mit Google Data Studio und mit unterschiedlichen Google Services ver- traut war, haben wir uns gemeinsam entschieden, die gesamte Infrastruktur in der bekannten Plattform zu erweitern. Die Daten werden in BigQuery gespeichert, einem serverless Data Warehouse in der Google Cloud und mit Google Data Studio dargestellt.

Cloud Pub/Sub DATA SOURCE

DATA WAREHOUSE

DATA INTEGRATION

DATA INTERACTION

Big Query

Logging Stackdriver

Governance Cloud IAM

Monitoring Stackdriver

Deployment Gitlab

Cloud Functions

(6)

Für den Import und die Verarbeitung der Daten setzen wir dabei auf ELT Prozesse (Extract, Load, Transform).

Seit einigen Jahren bevorzugen wir ELT im Vergleich zu traditionellen ETL (Extract, Transform, Load) Pipelines.1

Mit Hilfe unseres Datahub, einer Eigenentwicklung zur Integration von Schnittstellen, konnten wir noch am selben Tag die ersten Daten aus Google Analytics und der Google Search Console laden. Google stellt zudem einen öffentlichen Datensatz zur Ausbreitung des neuartigen Coronavirus bereit, den wir ebenfalls im ersten Schritt verarbeitet und integriert haben.

Die Integration von Khoros war im Gegensatz dazu deutlich zeitaufwendiger. Für dieses Tool hatten wir in unserem Datahub noch keine Schnittstelle und mussten

diese zunächst entwickeln. Die ersten Daten importierten wir manuell, um parallel an der Schnittstelle sowie an der Datenintegration und -darstellung arbeiten zu können.

Ottobock äußerte hier den Wunsch, möglichst viele Informationen aus Khoros integrieren zu können, da das Marketingtool nicht nur die gewöhnlichen Metriken wie Impressionen und Klicks zu Kampagnen und Posts bereitstellt, sondern auch Daten über Kommentare in den Posts, Sentiment Analysis des Engagements, Posts der Konkurrenz, und Posts von Dritten, die sich auf Ottobock beziehen.

Hierzu mussten wir eine neue Schnittstelle schaffen, da für diese Art der Daten keine Schnittstelle von Khoros zur Verfügung gestellt wurde.

ERSTE SCHRITTE

(7)

ENTWICKLUNG DES FRONTENDS

Mit Hilfe des bestehenden Reports und durch die zuvor definierten KPIs hatten wir genug Input für unsere Desig- ner, um ein ansprechendes und nutzerorientiertes Design basierend auf den gegebenen Designrichtlinien und den Möglichkeiten von Google Data Studio zu entwerfen.

Dies wurde im Anschluss technisch umgesetzt.

Über die meisten Tipps und Tricks, die wir während der Umsetzung dieses Dashboards genutzt haben, haben wir bereits in unserem Blog berichtet. Mit Custom Queries konnten wir Anforderungen von einzelnen Diagrammen individuell erfüllen und mit Custom Fields unterschiedliche Berechnungen und Filter über unterschiedlichen Daten- quellen erstellen.

Daily Jobs Cloud Scheduler

Schnittstelle Cloud Functions

Stage BigQuery

Rawmart BigQuery

Datamart BigQuery

(8)

AUSWEITUNG DES UMFANGS

Während die Seiten des Reports mit Daten, Diagrammen und Tabellen gefüllt wurden und wir dabei in intensivem Kontakt mit Ottobock standen, hat sich das ursprüngliche Ziel des Dashboards weiterentwickelt:

Wir konnten mehr Daten integrieren und mehr Insights generieren als zu Anfang des Projekts erwartet. Der Schwerpunkt des Projekts hat sich dadurch verschoben und auf die gesamten Online-Kanäle und -Kampagnen- aktivitäten von Ottobock ausgeweitet.

Aus dem anfänglichen “Corona Dashboard” ist somit ein “Digital Marketing Intelligence Cockpit” geworden, das nun die Mitarbeiter bei Ottobock in den Bereichen Social Media und Webanalyse unterstützen wird, Ent- scheidungen zu treffen und Initiativen auszuwerten.

Ein besonderer Vorteil besteht dabei darin, dass alle relevanten Daten an einem zentralen Ort abrufbar sind.

Analysten und operative Mitarbeiter müssen sich daher nicht mehr durch mehrere unterschiedliche Tools klicken.

Ein Filter auf den Zeitraum muss nicht mehr drei, vier oder fünf Mal ausgewählt werden, sondern wirkt sich mit einem Klick auf alle Datensätze aus. Globale Daten und Daten aus einzelnen Ländern sind nun vereint. Mit wenigen Klicks ist der Übergang von einem Land auf das nächste möglich. Es ist egal, ob die Geschäftsführung eine Zahl über den gesamten Traffic sehen möchte oder ob ein Online Marketing Manager die Engagement Rate einer bestimmten Kampagne sucht – all dies kann gleichzeitig angezeigt werden.

Den Bezug zum ersten Ziel haben wir dabei allerdings nicht aus den Augen verloren. Die COVID-19 Fallzahlen stehen zwar nicht mehr im Mittelpunkt des Dashboards, fügen sich aber trotzdem in die übrigen Darstellungen und Analysen ein.

(9)

AUSBLICK

Das Dashboard ist nun seit knapp 2 Monaten live und steht Ottobocks Mitarbeitern zur Verfügung. An manchen Stellen konnte Ottobock das Dashboard bereits eigen- ständig erweitern, nachdem die ersten internen Mit-

arbeiter ihr Feedback abgegeben hatten. Für alle größeren oder aufwendigen Erweiterungen stehen wir Ottobock als Ansprech- und Umsetzungspartner selbstverständlich weiterhin zur Verfügung.

Durch die Einführung des Digital Marketing Intelligence Cockpit konnten wir bereits innerhalb der ersten Monate die Sichtbarkeit und Nutzung digitaler Analysemöglich- keiten in vielen Geschäftsbereichen deutlich erhöhen.

Insbesondere die Einführung neuer, qualitativer KPIs sowie die gemeinsame Darstellung von Web- und Social Media-Metriken waren hierbei entscheidend.

Aktuell planen wir den Ausbau des Dashboards, um es für unsere international tätigen Vertriebsgesellschaften noch besser und individueller nutzbar zu machen.

Vielen Dank an Phillip, Daniel und Vinni von Peaks & Pies sowie an das Projektteam von Ottobock. Die Zusammen- arbeit hat zu jeder Zeit hervorragend funktioniert und uns sehr viel Spaß gemacht.

Tim, Projektverantwortlicher von Ottobock

(10)

KONTAKT

Die Peaks & Pies GmbH ist eine Boutique-Beratung für Webanalyse, Conversion Optimierung und Business Intelligence mit Sitz in Hamburg und Berlin.

Im Bereich Business Intelligence entwickeln wir mit unseren Kunden alles von umfangreichen Reportings bis hin zur voll skalierbaren Data Warehouse Infrastruktur.

Mit dem Ziel, dass unsere Kunden nicht nur ein tieferes Verständnis für Ihre Daten entwickeln, sondern direkte Handlungsempfehlungen ableiten können.

Daniel Boekhoff

daniel@peaksandpies.com

Phillip Lassen

phillip@peaksandpies.com

Office Hamburg Raboisen 30 20095 Hamburg

Office Berlin Linienstrasse 222 10119 Berlin

Referenzen

ÄHNLICHE DOKUMENTE

Advantages of a Layered Architecture for Enterprise Data Warehouse Systems1. Enterprise Data

Kimball, R.; Caserta, J.:The Data Warehouse ETL Toolkit, Indianapolis: John Wiley & Sons (2004). Kimball, R.; Ross, M.; Thornthwaite, W.: The Data Warehouse Lifecycle

With the introduction of a new concept, which depicts to work with encryption on an external resource and by using the modi®ed encrypted BigQuery client, it is feasible to

Im Blickpunkt des Workshops standen daher sowohl Technologien und Infrastrukturen für das skalierbare Datenmanagement als auch etablierte und neue Anwendungsbereiche, in denen das

With cloud computing, a new concept comes along that could fundamentally change the way data is shared and exchanged in healthcare: Low total cost of ownership, excellent

Evaluations in this area are valid in DW based on conventional DB, too. However, we expect that performance of an IMDB leads to on-the-fly transformation rather than

Die neuen Startseiten für den Direkteinstieg in SAP Analytics Cloud, mit denen Sie Ihre zuletzt verwendeten Dateien durchsuchen oder neue erstellen können, bieten ein

A data warehouse is a subject-oriented, integrated, time- variant, nonvolatile collection of data in support of management’s decision-making process (Immon 1996). Ein Data-Warehouse