Über unsMediaKontaktImpressum
Prof. Dr. Stefan Wengler, Prof. Dr. Ulrich Vossebein & Gabriele Hildmann 17. September 2019

Digitale Transformation im Mittelstand – Market Intelligence als Grundpfeiler eines erfolgreichen Vertriebs

Erfolg wird sich in der Digitalen Transformation nicht von allein einstellen, sondern hängt vor allem von der intelligenten Ausgestaltung einiger weniger Kernaspekte ab. Dies ist bereits durch die ersten beiden Artikel zur "Digitalen Transformation im Mittelstand" deutlich geworden, in denen den Faktoren "Mensch" und "Prozess" eine herausragende Bedeutung zugesprochen wurden. Den Grundpfeiler einer erfolgreichen Digitalen Transformation werden jedoch noch sehr viel mehr als bisher die dem Unternehmen zur Verfügung stehenden "Daten" bilden, die im Zentrum dieses dritten und abschließenden Teils der Artikelserie stehen.

Im ersten Beitrag der Serie "Digitale Transformation im Mittelstand" wurde anhand der Ergebnisse einer von den Autoren durchgeführten Befragung unter mittelständischen Unternehmen eine Bestandsaufnahme der Digitalisierung im Vertrieb vorgenommen. Dabei bildete die Bedeutung des Faktors "Mensch" für die Digitalisierung einen Schwerpunkt. Deutlich wurde, dass die Herausforderungen nicht nur in der IT liegen, sondern auch organisatorische Strukturen und Kompetenzdefizite sich oftmals als ernstzunehmende Hürden einer erfolgreichen Transformation erweisen. Die Beschreibung von Strategien und Maßnahmen, wie Unternehmen die Probleme erkennen und individuelle Lösungen entwickeln können, ergänzte den Artikel. Im zweiten Beitrag wurde ausführlich dargelegt, wie weitgehend sich Vertriebsprozesse je nach Geschäftstyp unterscheiden. Im B2B-Geschäft ist zwischen den Digitalisierungsanforderungen zu unterscheiden, die sich aus dem Produktgeschäft, dem Projektgeschäft bzw. dem Beziehungsgeschäft ergeben. Die prozessualen Unterschiede zwischen diesen drei Geschäftstypen sind so groß, dass eine "standardisierte/normierte" Digitalisierungsstrategie wenig erfolgsversprechend erscheint. Stattdessen müssen die Unternehmensprozesse unter Berücksichtigung des Geschäftstyps sowie der neuen technologischen Möglichkeiten in den meisten Fällen neu gedacht und individuell definiert werden, um das eigene Unternehmen zukunftsfähig aufzustellen.

Haben Sie die ersten beiden Artikel der Serie zur Digitalen Transformation im Mittelstand gelesen?

  1. Die Herausforderungen liegen nicht (nur) in der IT
  2. Den richtigen Einstieg finden

Daten – Grundlage einer erfolgreichen Wertschöpfung von morgen?

Gut ausgebildete Menschen und moderne Prozesse bilden jedoch noch kein erfolgreiches Unternehmen. Schließlich stellt sich aus Sicht eines Managers immer die Frage: "Was genau muss ich machen, damit der Kunde (weiterhin) bei mir kaufen wird?" Diese Frage sollte den zentralen Ausgangspunkt aller weiteren Überlegungen des Unternehmensmanagements darstellen. Als Folge der hohen Wettbewerbsintensität sehen sich die Unternehmen zunehmend gefordert, den Kunden ins Zentrum ihrer Überlegungen zu stellen und im Detail sehr viel mehr über die Wünsche und Bedürfnisse der Kunden sowie den Markt im Allgemeinen zu erfahren. Der systematische Aufbau dieses umfangreichen Kunden- und Marktwissens im Unternehmen ist ein sehr komplexes und kostenintensives Unterfangen, das nach wie vor viele Unternehmen scheuen. Daten – und insbesondere deren Nutzung und Auswertung – gewinnen als grundlegendes Element der Wertschöpfung somit immer stärker an Bedeutung. Trotzdem fällt es vielen Unternehmen ausgesprochen schwer, aus ihrem täglich wachsenden Datenbestand wirklich sinnvolle Erkenntnisse zu ziehen, die sie zur Stärkung ihrer eigenen Wettbewerbsposition nutzen könnten. Fest steht, dass Daten die elementaren Bausteine für die "Intelligenz" des Unternehmens darstellen. Dabei geht es allerdings nicht darum, möglichst viele Daten zu sammeln, sondern um die Erfassung der unternehmensspezifisch "relevanten" Daten sowie deren Überführung in ein Market-Intelligence-System.

Von "relevanten" Daten zur Market Intelligence

Die ganze Welt redet mittlerweile von der großen Bedeutung der Daten – und "Big Data" heißt das Zauberwort, das viele Unternehmen in diesem Zusammenhang gerne verwenden.

Gespräche mit Unternehmensvertretern insbesondere aus dem Mittelstand zeigen aber, dass, auch wenn Daten in großer Menge vorliegen, sie vor dem Problem stehen, aus den Daten handlungsrelevante Informationen zu generieren. Weshalb diese Situation kein Zufall ist, versteht man sofort, wenn man sich mit dem Prozess der Wissensgenerierung im Detail auseinandersetzt (Abb. 1): Wissen kann nur generiert werden, wenn Daten vorher in einen Kontext gesetzt werden, so dass sich daraus Informationen ergeben. Aus der Vernetzung der Informationen bildet sich wiederum Wissen. Entscheidend in diesem Wissensgenerierungsprozess ist jedoch, dass zur gezielten Informationsgewinnung meist sehr spezielle bzw. ausschließlich relevante Daten notwendig sind, die oftmals aufwändig mit Hilfe komplexer Marktforschungsmethoden gewonnen werden müssen. Diese relevanten Daten liegen somit nicht einfach "auf der Straße" bzw. sind meist nicht die Daten, die relativ einfach im Internet gesammelt werden können.

Die Bedeutung von Daten im Wertschöpfungsprozess ist somit unbestreitbar hoch: Nur auf Basis von relevanten Daten können durch Einbeziehung des Unternehmenskontextes Informationen entstehen. Die Vernetzung der abteilungsinternen, abteilungsübergreifenden und unternehmensübergreifenden Informationen führt wiederum zur Generierung von Wissen. Je mehr relevante Informationen ein Unternehmen besitzt, desto vollständiger wird sein Wissen über Kunden und Märkte sein. Aus diesem Wissen kann das Unternehmensmanagement wiederum ein zukunftsfähiges Geschäftsmodell entwickeln sowie entsprechende Maßnahmen hinsichtlich der Faktoren "Mensch" (im Sinne eines Kompetenzaufbaus (Capacity Building)) und "Prozess" (im Sinne einer modernen Organisationsentwicklung (inkl. Design der Mensch-Maschine-Schnittstellen)) initiieren. Die kontinuierlich erfasste Situation im Markt lässt Rückschlüsse darauf zu, ob die vermutete Relevanz der Daten tatsächlich gegeben ist und ob weitere Datenlücken vorliegen, die dann geschlossen werden müssen.

Aufgrund der wachsenden Menge an relevanten Daten und Informationen müssen Unternehmen jedoch Räume schaffen, in denen diese Daten und Informationen hinterlegt und vor allem intelligent miteinander vernetzt werden. Insbesondere aus der Vernetzung von Informationen lassen sich wichtige Rückschlüsse auf das Kunden- und das Marktverhalten ableiten. Dazu bieten sich insbesondere Market-Intelligence-Systeme an, die jedoch speziell an die Informations- und Wissensbedürfnisse der individuellen Unternehmen angepasst sein müssen. Bevor jedoch auf die grundsätzliche Struktur von Market-Intelligence-Systemen eingegangen werden soll, widmet sich dieser Artikel erst einmal der Generierung, Analyse und Bereitstellung relevanter Daten.

Datengenerierung, Datenanalyse & Datenbereitstellung

Nur die  wenigsten Unternehmen haben zurzeit direkten Zugriff auf die für sie relevanten Daten. Deshalb müssen diese Daten gezielt vom Unternehmen generiert werden, indem sich das Management im Vorfeld der Datensammlung Gedanken dazu macht, welche Daten überhaupt gesammelt werden müssen. Wie aber lässt sich erkennen, welche Daten für das Unternehmen relevant sind? Klar ist, dass sich nur aus einem tiefen Verständnis des unternehmerischen Eco-Systems hinsichtlich möglicher Marktzusammenhänge und Verhaltensweisen der Marktakteure bestimmen lässt, welche Informationen wie relevant für das Unternehmen sind. Es kommt demnach im Wesentlichen auf die Kompetenzen des Managements und seiner Mitarbeiter an, zu entscheiden, welche Daten heute und in absehbarer Zukunft relevant für die Entwicklung des Unternehmens sind. Selbstverständlich sollten nur die Daten erhoben werden, die letztendlich einen positiven Beitrag zum Unternehmenserfolg – durch bessere Entscheidungen – liefern. Dies ist natürlich ein dynamischer Prozess. Die häufig geäußerte Meinung, zunächst alle verfügbaren Daten zu sammeln und später zu analysieren, welche davon tatsächlich sinnvoll nutzbar sind, ist insbesondere im B2B-Bereich in der Regel wenig zielführend. Datenstrukturen können nur dann mit Hilfe von Algorithmen aufgezeigt werden, wenn die Datengrundlage groß und vielfältig genug ist. Dies ist aber gerade im Projekt- und Beziehungsgeschäft eher nicht der Fall. Dort müssen die Informationen zumeist im Rahmen von Primärstudien erfasst und somit auch vom Unternehmen bezahlt werden. Angesichts der Kosten, die sich durch die Anforderungen an die Qualität der Daten ergibt, wird die Fähigkeit, die Daten-Spreu vom Daten-Weizen zu trennen, zu einer wesentlichen strategischen Kompetenz der Unternehmen. Die Idee, aus frei im Internet verfügbaren Daten fragwürdiger Qualität Mehrwerte für das eigene Unternehmen zu schaffen, erweist sich fast immer als Trugschluss.

Vor allem die Qualität der Daten spielt im Rahmen der Datengenerierung eine wichtige Rolle. Einerseits geistert der Gedanke durch die Unternehmen, das Daten der Schmierstoff der Zukunft sei, andererseits ist aber festzustellen, dass die Unternehmen wenig pfleglich mit dieser wichtigen Ressource umgehen. Den Unternehmen fehlt es oftmals nicht nur an einer übergeordneten Datenstrategie, sondern auch am Bewusstsein für die Sicherstellung der Datenqualität. Die Datenqualität ist ein mehrdimensionales Konstrukt, wie in Abb. 2 deutlich wird.

Fehlerfreie Daten bedeuten, dass beispielsweise keine Rechtschreibfehler in den Datensätzen (Name, Anschrift, Telefonnummer etc.) vorhanden sind, wobei auch die Währungsangaben, die Dimensionen der Mengenangaben sowie die Messeinheiten typische Fehlerquellen sind. Ein weiteres Qualitätsproblem ergibt sich, wenn die Daten nicht automatisch aktualisiert werden (dynamische Daten). Dies betrifft zum Beispiel die Adresse der Kunden, die Produktportfolios der Hauptkonkurrenten usw. Daten sollten aktiv, das bedeutet aktuell von Bedeutung, sein. Datensätze, die schon über eine längere Zeit nicht genutzt oder verändert wurden, sollten analysiert und gegebenenfalls gelöscht werden. Wichtig ist auch, dass die Daten systemkonform sind. Fehlerquellen sind hier unterschiedliche Währungs- oder Zeitformate, wobei bei der Angabe der Zeit auch unterschiedliche Zeitzonen berücksichtigt werden müssen. Daten müssen regelmäßig gesichert werden, damit sie bei einem Datenverlust problemlos wiederhergestellt werden können. Die letzte Dimension der Datenqualität betrifft die Vollständigkeit der Daten. Dieses Kriterium kann nicht isoliert von den geplanten Anwendungen, zum Beispiel in den Bereichen Marketing-, Sales- oder Serviceautomation, bewertet werden, sondern muss situativ analysiert werden. Eine erfolgreiche digitale Transformation setzt voraus, dass alle relevanten Daten auch vollständig zur Verfügung stehen.

Neben der Auswahl und Qualität der Daten stellt vor allem der Zugang zu den relevanten Daten die Unternehmen vor große Herausforderungen. Insbesondere auf B2B-Märkten vermeiden viele Unternehmen die Herausgabe ihrer Daten – anders als im Handel und auf vielen Konsumgütermärkten, in denen viele relevante Daten den Unternehmen durch die zahlreichen Marktforschungsinstitute zur Verfügung gestellt werden können. Diese Aufgabe übernehmen auf B2B-Märkten immer wieder die unterschiedlichen Interessenverbände, die ihren Mitgliedsunternehmen zwar sehr begrenzte, aber zumindest einigermaßen reliable Marktdaten zur Verfügung stellen. Die übrigen Daten, z. B. Kundendaten, liegen kaum vor, so dass jedes Unternehmen für sich aufwändige Analysen durchführen müssen (u. a. Customer-Journey-Analysen). Somit wird deutlich, dass zwischen dem theoretisch erforderlichen und dem praktisch erfassbaren Datenumfang in den meisten Fällen ein merklicher Unterschied bestehen wird. Letztlich sind die Kosten auf B2B-Märkten für die Generierung bestimmter Daten einfach zu hoch, so dass die Budgets der Unternehmen der Datengenerierung automatisch Grenzen setzen. Auch Datenstrukturen, Datenformate, Datenschnittstellen und die Hoheit über die Daten sind wesentliche Aspekte, die im Rahmen der Datengenerierung geklärt werden müssen. Je gewissenhafter und zielgerichteter die Datengenerierung erfolgt, desto besser wird der Boden für ein gutes Market-Intelligence-System bereitet.

Im Rahmen der Datenanalyse steht vor allem die Auswahl von Methoden im Vordergrund: Während Customer-Journey-Analyse helfen können, alle Kundenkontakte zu erfassen und zu dokumentieren, unterstützen Conjoint-Analysen bei der Identifikation von Entscheidungskriterien und relevanten Kommunikationsinhalten. Methoden zum Text-Mining wiederum ermöglichen Informationssammlungen über Kunden, Lieferanten und sonstige Akteure im Markt. Eine der wesentlichen Herausforderungen der Datenanalyse stellt insbesondere die Integration von Daten dar. Schließlich muss geklärt werden, welche Daten in welchem Kontext wie analysiert werden müssen – am besten noch automatisiert. Aktuell zeigt sich jedoch noch, dass die automatisierte Auswertung mit Hilfe komplexer Algorithmen immer noch recht teuer ist.

Die Bereitstellung der Ergebnisse der analysierten Daten sollte wiederum anwendungsbezogen, kontextbasiert und zielgruppenspezifisch erfolgen. Dabei sind insbesondere die neu definierten Schnittstellen von Mensch & Maschine (HMI) zu berücksichtigen und die vollständige Integration der Daten in alle Marketing- und Vertriebsprozesse mit Hilfe benutzerfreundlicher Systemoberflächen zu gewährleisten, wobei die Erwartungen der einzelnen Benutzergruppen große Unterschiede aufweisen. Beim Einsatz moderner Analysemethoden muss darauf geachtet werden, dass die Ergebnisdarstellung an die unterschiedlichen Zielgruppen angepasst wird. Dies betrifft einerseits die Aggregationsebene der verwendeten Daten, andererseits die Präsentation der Analyseergebnisse. Insbesondere die Nachvollziehbarkeit der Ergebnisse ist im Hinblick auf die nächsten Schritte bzw. die Entwicklung von Handlungsalternativen nicht zu unterschätzen. Schließlich sollen die Mitarbeiter auf Basis der Datenanalyse unternehmerische Entscheidungen treffen und Aktivitäten initiieren, die die Wettbewerbsfähigkeit des Unternehmens weiter stärken.

Um zu prüfen, ob die eigenen Systeme bereits der geforderten Leistungsfähigkeit der Daten entsprechen, sollten sich Unternehmen die beiden folgenden, theoretisch einfach zu beantwortenden Fragen stellen:

  • Die Frage nach dem Kundenwert: Welche Produkte kauft der Kunde, wann hat er zuletzt gekauft, wie zufrieden ist er mit unserem Produkt und empfiehlt er uns weiter?
  • Die Frage nach dem Deckungsbeitrag: Welche Produkte werden von welchen Kunden gekauft und welche Preise werden gezahlt?

Die Mehrzahl der Unternehmen tut sich schwer mit der Beantwortung dieser "Benchmark-Fragen". Wenn das Unternehmen nicht in der Lage ist, die erste Frage zu beantworten, dann kann es auch nichts Relevantes zur Wechselwahrscheinlichkeit der Kunden sagen. Die Ausrichtung des Vertriebs- und Marketinginstrumentariums bleibt willkürlich und damit ineffizient. Wer die zweite Frage nicht beantworten kann, tut sich schwer mit dem Produktdeckungsbeitrag sowie mit der Gestaltung seines Produktportfolios.

Primäre Strategie des Unternehmens muss es sein, diese beiden Fragen beantworten zu können. Ist dies der Fall, steigt man in die Premier-League der datengetriebenen Unternehmensführung auf, was ohne den Aufbau eines ausgereiften Market-Intelligence-Systems nicht möglich sein wird.

Bestandteile eines Market-Intelligence-Systems

Die Generierung, Analyse und Bereitstellung von Daten sind natürlich kein Selbstzweck. Stattdessen geht es darum, dass die Unternehmen ein möglichst vollständiges Bild bzw. Wissen über ihre Kunden und Märkte erhalten. Dieses Wissen bildet die Basis für die "Intelligenz" des Unternehmens und setzt die Kenntnis der Rahmenbedingungen, der Kundenanforderungen und des Verhaltens der Wettbewerber zwingend voraus. Das bedeutet, dass sich das Unternehmen nicht nur mit seinem "Innenleben" beschäftigen kann, sondern auch die externen Faktoren berücksichtigen muss, um erfolgreich zu digitalisieren. Dabei sind natürlich die Datenschutz-Bestimmungen genauso zu beachten wie die selbstdefinierten Compliance-Regeln im Hinblick auf den Umgang mit Daten.

Statt einer dezentralen Datenhaltung in separaten Systemen, wie z. B. einer Kunden- bzw. CRM-Datenbank oder einer Wettbewerberdatenbank, sollten Unternehmen zukünftig dazu übergehen, diese Daten in ein leistungsfähiges Market-Intelligence-System zu überführen. Umfang, Komplexität und Interdependenz der Daten machen es notwendig, diese Daten zukünftig in einem System zu halten, um letztlich von den Synergien einer Vernetzung der Daten und Informationen profitieren zu können. Eine moderne Market Intelligence umfasst insbesondere die folgenden drei Bereiche (Abb. 3):

  • Environmental Conditions Intelligence = Kenntnis der Zukunftsaussichten, des Marktumfelds und der Marktcharakteristik

  • Customer Intelligence = Kenntnis über die aktuellen Kunden, sowie die zukünftigen und ehemaligen Käufer

  • Competitor Intelligence = Kenntnis über die aktuellen sowie die potenziellen und ehemalige Wettbewerber

Die Zukunftsaussichten stellen die primäre Ebene der Environmental Conditions Intelligence dar. Verschiedene nationale und internationale Forschungsinstitute veröffentlichen jährlich (branchenbezogene) Informationen zu den aktuellen Zukunftsaussichten, die sich in Megatrends, Branchentrends und Szenarien unterteilen lassen. Zur Abschätzung der für das eigene Unternehmen relevanten (Mega-)Trends kann auf den Ansatz des vernetzten Denkens oder auch auf Simulationen zurückgegriffen werden.

Das Makroumfeld als sekundäre Ebene wird üblicherweise in sechs Unterbereiche (Politik, Ökonomie, Sozio-Kultur, Technologie, Ökologie und Recht) untergliedert. Auch hier liegt die Herausforderung weniger darin, Daten zu generieren, sondern den Bezug zu den Marktstrukturen und dem eigenen Unternehmen aufzuzeigen. Das Aufspüren der wirklich relevanten Zusammenhänge zwischen dem Marktumfeld und dem eigenen Unternehmen kann am Anfang nur auf der Grundlage von theoretischem Wissen oder von Erfahrungswissen erfolgen. Je länger aber das Environmental Conditions Intelligence System verwendet wird, umso valider werden die getroffenen Aussagen, wenn im Zeitverlauf die zuvor angenommenen Zusammenhänge immer wieder an den tatsächlich eingetroffenen Gegebenheiten gemessen werden und systematisch ein Lernprozess gestartet wird.

Die Marktcharakteristik als dritter Bereich der Environmental Conditions Intelligence beschreibt die unmittelbaren Determinanten auf einem Markt. Hierzu gehören zum Beispiel das Marktvolumen (Preis, Menge), mögliche Marktsegmente als auch das Marktpotenzial. Hinzu kommen die Stakeholder (Distributoren, Lieferanten, etc.) sowie Variablen, die zur generellen Marktbewertung verwendet werden können, wie z. B. das Innovationspotenzial oder der Digitalisierungsgrad. Der Hauptunterschied zu den beiden zuvor behandelten Bereichen – Zukunftsaussichten und Marktumfeld – liegt darin, dass die Marktcharakteristik vom eigenen Unternehmen aktiv mitgestaltet werden kann. Das Market Intelligence System muss an dieser Stelle somit nicht nur den Einfluss externer Faktoren auf das Unternehmen zielgruppenspezifisch darstellen, sondern auch aufzeigen, welche Marktveränderungen sich aufgrund der eigenen Aktivitäten voraussichtlich ergeben.

Die im Rahmen der Customer Intelligence erhobenen Kundendaten liegen in der Regel in großen Mengen vor. Es fehlt in der Praxis aber häufig der Zugang zur richtigen Analyse und damit Nutzung dieser Informationen. In diesem Bereich wird auch sehr deutlich, dass ein Market-Intelligence-System nicht ohne Einbeziehung des Business-Intelligence-Systems im Unternehmen, soweit dieses vorhanden ist, geplant und implementiert werden sollte. Fehlt ein umfangreiches BI-System, müssen auf jeden Fall Schnittstellen zur Kostenrechnung, dem ERP- sowie dem CRM-System geschaffen werden. Ein wesentliches Ergebnis der Customer Intelligence ist die möglichst exakte Beschreibung der Customer Journey nach den unterschiedlichen Kundengruppen. Die Customer Journey zeigt (Abb. 4), welche Touchpoints der Kunde zwischen dem ersten Gedanken an eine bestimmte Kaufidee, über die Entscheidungsfindung, dem eigentlichen Kauf und dem Verhalten nach dem Produkterlebnis nutzt, um sich oder andere zu informieren. Je exakter die Customer Journey abgebildet werden kann und anschließend die relevanten Kundendaten gesammelt werden können, desto gezielter kann das Unternehmen seine Marketing- und Vertriebsaktivitäten steuern.

Da man mit Hilfe der Customer Journey zwar die Kontaktpunkte des Kunden nachvollziehen kann, aber nicht weiß, wie diese Informationen seitens der Kunden verarbeitet werden, müssen kontinuierlich Studien durchgeführt werden, um die Verbindung zwischen Informationsaufnahme und Entscheidung klarer herstellen zu können.

Der dritte Baustein des Market-Intelligence-Systems, die Competitor Intelligence, beschäftigt sich mit dem Wettbewerb. Der Wettbewerb ist der Marktakteur, der mein Geschäft neben den Kunden am stärksten beeinträchtigen kann, da alle marktbezogenen Aktivitäten des eigenen Unternehmens in der Regel unmittelbar auch das Geschäft der Konkurrenz berühren. Am Anfang der Analysen stehen zunächst die Fragen, wer die Hauptkonkurrenten sind, welche Ziele diese mit welcher Strategie verfolgen und über welches Produktportfolio bzw. welche Ressourcen sie verfügen. Als Informationsquellen stehen hierbei neben dem Außendienst, gemeinsamen Marktpartnern, Messen, Publikationen der Konkurrenten auch Verbände, Kammern, Patentanalysen etc. zur Verfügung. Wichtig ist auch, dass nach allen eigenen Veränderungen im Marketing oder Vertrieb, die am Markt sichtbar sind, die Reaktionen aller Hauptkonkurrenten analysiert und festgehalten werden. Wird dies über einen längeren Zeitraum konsequent gemacht, ergeben sich relativ gute Reaktionsmuster der einzelnen Konkurrenten, so dass diese schon in weiteren eigenen Marketing- und Vertriebsentscheidungen mitberücksichtigt werden können.

Bei der Diskussion der einzelnen Bestandteile und Zielsetzung eines Market-Intelligence-Systems ist die Notwendigkeit von Schnittstellen zu dem Business-Intelligence-System im Unternehmen offensichtlich geworden. Hierbei geht es weniger darum, welche Fragestellung in welchem System beantwortet wird, sondern um die Möglichkeit, je nach Bedarf auf alle Daten direkt zugreifen zu können. Dies betrifft sowohl die technische Machbarkeit als auch, und wahrscheinlich im noch höheren Maße, die organisatorischen Voraussetzungen in den Unternehmen.

Rolle der IT im Data-Management

Wie die bisherigen Ausführungen gezeigt haben, wird der Erfolg der Digitalen Transformation im Vertrieb primär durch die Qualität der zur Verfügung stehenden Daten bzw. Informationen bestimmt. Hierin liegt auch in der Praxis das größte Problem: Beim Aufbau der IT-Systeme vor 20 oder mehr Jahren lag der Schwerpunkt der Softwareentwicklung eindeutig auf möglichst passenden Lösungen für die jeweiligen Abteilungen. Schnittstellen zu anderen Abteilungen waren nur schwer zu integrieren und in der Regel aufgrund der organisatorischen Struktur der Unternehmen gar nicht erwünscht. Jede Abteilung wollte und konnte weitgehend unabhängig von den übrigen Abteilungen des Unternehmens arbeiten und mehr oder weniger erfolgreich agieren. Themen wie Hol- oder Bringschuld wurden intensiv diskutiert, einfach ausgesessen oder ignoriert.

Dieses Verhalten ist im digitalen Zeitalter nicht mehr möglich. Digitale Prozesse können nicht mehr an Abteilungsgrenzen einfach angehalten werden, sondern müssen alle für die konkrete Fragestellung relevanten Informationen aufnehmen und verarbeiten. Dies stellt sowohl die IT-Abteilung als auch die Ablauforganisation der Unternehmen teilweise vor kaum lösbare Probleme. Datenquellen, die keine Schnittstellen zueinander haben, lassen sich nur mit hohem Aufwand automatisch zusammenführen oder müssen in letzter Konsequenz per Hand integriert werden. Sollten Silodenken oder Insellösungen auch die Zusammenarbeit zwischen Marketing und Vertrieb immer wieder vor Probleme stellen, ist die organisatorische Zusammenführung der beiden Abteilungen oft die beste Lösung.

Der Weg vieler Unternehmen, alle Daten zu sammeln, die kostenfrei verfügbar sind, ist nicht zielführend. Der stetig wachsende Datenbestand mag zwar das Gefühl vermitteln, dass man jetzt immer mehr über den Markt weiß, dies erweist sich jedoch oftmals als grobe Fehleinschätzung. Die Qualität eines Market-Intelligence-Systems muss an der Qualität und nicht der Quantität des Datenbestandes gemessen werden. Falsche Daten führen zu Fehlinterpretation der Analyseergebnisse und somit zu Fehlern bei der Marktbearbeitung. Weiterhin muss die Verbindung zum Business-Intelligence-System sichergestellt werden, was nicht nur die IT-Abteilung, sondern auch das Management vor große Herausforderungen stellt.

Diese aufgezeigten Herausforderungen führen zwangsläufig dazu, dass intensiv über die notwendigen Kompetenzprofile der Mitarbeiter in allen Unternehmensbereichen nachgedacht werden muss. Der schnelle technologische Wandel in den marktbezogenen Bereichen kann nur in Glücksfällen mit dem aktuellen Know-how im Marketing und Vertrieb problemlos bewältig werden. Aber auch der IT-Bereich muss umdenken und zusätzliches Know-how aufbauen. Die ständig zunehmende Abwicklung von Geschäften über das Internet sowie die weitergehende Verlagerung der Vorbereitung von Kaufentscheidungen vom direkten Kontakt zum Unternehmen auf vielfältige Angebote im Internet verlangt nach sich anpassenden IT-Lösungen, die mit den bisherigen Programmen nur noch wenig gemeinsam haben. Der Versuch, diese neuen Kompetenzen in erster Linie über Neueinstellungen abzudecken, ist häufig die letzte Alternative, wenn eine entsprechende Weiterqualifikation der eigenen Mitarbeiter nicht möglich oder nicht ausreichend ist. Die Gewinnung neuer Mitarbeiter im IT-Bereich, die über eine hohe Kompetenz im Umgang mit den sozialen Medien sowie der Integration unterschiedlicher Datenquellen und -formate verfügen, ist für klein- und mittelständische Unternehmen aus zwei Gründen schwierig: Einerseits gibt es am Markt nicht genügend Fachleute in diesem Bereich, andererseits sind die Gehalts- und Arbeitsumgebungsvorstellungen dieser Zielgruppe häufig nicht mit den Gegebenheiten im Unternehmen vereinbar.

Letztlich wird es in Bezug auf Daten die Kernaufgabe der IT-Abteilung sein, Marketing und Vertrieb dabei zu unterstützen, die ausgewählten Daten in einer möglichst automatisierten Form in der notwendigen Qualität, Struktur und Dynamik zu generieren. Dies erfordert klar definierte, einheitliche und sehr flexible Datenbankstrukturen, die automatisiert Lücken und Widersprüche im Datenbestand identifizieren können und datenübergreifende Analysen zulassen. Auch bei der Bereitstellung der Daten wird der IT-Abteilung eine Schlüsselfunktion zukommen, indem diese eine zielgruppenspezifische Darstellung der Analyseergebnisse ermöglicht.

Fazit: Digitale Transformation – ein evolutionärer Prozess

Fasst man die Erkenntnisse zur "Digitalen Transformation im Mittelstand" einmal zusammen, zeigt sich, dass – ähnlich wie in vielen anderen Bereichen auch – die Veränderungen nicht revolutionär, sondern sehr viel mehr evolutionär von statten gehen werden. Dies sollte jedoch nicht darüber hinwegtäuschen, dass die Digitalisierung zu sehr tiefgreifenden Veränderungen in der Wertschöpfung aller Unternehmen führen und viele Unternehmen in ihrer Prozessgestaltung vollkommen umkrempeln wird. Nach wie vor stehen wir am Anfang dieses Veränderungsprozesses, doch erfolgreiche Beispiele zeigen bereits das (durchaus beeindruckende) Potenzial der Digitalisierung auf.

Um an den richtigen Stellschrauben für eine erfolgreiche Digitale Transformation ansetzen zu können, haben die Autoren das "Marktorientierte Transformationssystem" (Abb. 5) entwickelt, das den Zusammenhang zwischen den wesentlichen Komponenten der Digitalisierung des Vertriebs darstellt. Ausgehend von einem bestehenden Geschäftsmodell und gegebenen Ressourcen wird der Handlungsrahmen des Unternehmens durch die drei externen Faktoren Partner, Kunden und Wettbewerber definiert. Zentrale Faktoren und Stellschrauben in diesem Transformationssystem stellen der Prozess, der Mensch und die Daten dar. Wie die Artikelserie deutlich zu machen versucht hat, müssen die Unternehmen an genau diesen Stellschrauben ansetzen, um die Digitale Transformation erfolgreich umsetzen zu können. Die IT-Systeme leiten sich anschließend aus den neuen Anforderungen der drei zentralen Faktoren ab.

Leider ist es nach wie vor so, dass viele Unternehmen das Pferd von hinten aufzäumen: Sie entscheiden sich erst für das IT-System, dann werden der Prozess, der Mensch und die Daten daran angepasst – und anschließend wundert man sich, dass das Geschäftsmodell nicht mehr zum IT-System passt. Diese Entwicklung gilt es von vornherein zu verhindern, indem man die Digitale Transformation klug und vor allem ressourcensparend aufsetzt: Die Unternehmen sollten zu Beginn ihren Digitalen Transformationsprozess möglichst vollständig durchdenken und erst nachfolgend die IT-Strukturen anpassen. Alles Andere wird Stückwerk und behindert bzw. verhindert sogar die intelligente Vernetzung der im Unternehmen vorhandenen Daten.

Autoren

Prof. Dr. Stefan Wengler

Prof. Dr. Stefan Wengler ist Professor für Betriebswirtschaftslehre an der Hochschule Hof. Der Schwerpunkt seiner Forschung liegt auf der Ausgestaltung und dem Management von Geschäftsbeziehungen auf Business-to-Business-Märkten
>> Weiterlesen

Prof. Dr. Ulrich Vossebein

Ulrich Vossebein ist Professor für Marketing an der Technischen Hochschule Mittelhessen und leitet das Institut für Marktanalysen und Umfrageforschung.
>> Weiterlesen

Gabriele Hildmann

Gabriele Hildmann führt Beratungsprojekte in den Bereichen strategisches Marketing, Innovationsmanagement sowie Vertrieb durch, wobei sie Unternehmen aus unterschiedlichen Branchen betreut.
>> Weiterlesen
Buch des Autors:

Buch des Autors:

Das könnte Sie auch interessieren
botMessage_toctoc_comments_9210