Wie Unternehmen mit Data Lakes ihr Onlinemarketing neu organisieren

Knapp jedes zweite Unternehmen (45 Prozent) bemängelt die Qualität seiner Kundendaten und stuft diese als niedrig ein, so eine Studie von Uniserv. Marketingverantwortliche müssen sich daher zunehmend mit der Qualitätssicherung ihrer Kundendaten beschäftigen. Mit Betonung auf "ihren Kundendaten": Spätestens seit Inkrafttreten der DSGVO und dem EuGH-Urteil vom Sommer 2019 ist das weit verbreitete Pooling eigener Daten in Third-Party-Datenpools durch die rechtlich auferlegte Opt-in-Regulierung sowie durch die zunehmend verbreiteten Tracking- und Ad-Blocker für Unternehmen immer beschwerlicher und unwirtschaftlicher. Die Lösung: Unternehmen sollten mehr denn je auf die eigenen Daten setzen - First- statt Third-Party-Daten.

Mit First-Party-Daten geht auch eine höhere Datenqualität einher. Denn im Gegensatz zum Third-Party-Tracking gehen keinerlei Datensätze verloren. Unternehmen, die zum Zweck des Trackings eigene Daten einsetzen, handeln auch im Sinne der DSGVO. First-Party-Cookies werden direkt von der Webseite erstellt, die der Besucher aufruft. Sie stammen vom Webseiten-Betreiber selbst und sind nicht domainübergreifend zugänglich.

Doch selbst wenn die Daten gut sind - entscheidend ist, wo sie liegen: Große Mengen an Daten nützen nur dem, der sie geschickt einzusetzen weiß. Deshalb ist es im Onlinemarketing höchste Zeit, sich von der Idee getrennter Datensilos zu lösen und Daten-Lakes zu schaffen.

Data Lakes statt Daten-Silos

Data Lakes sind Daten im Rohformat. Im Gegensatz zu normalen Datenbanken können sie sowohl strukturierte als auch unstrukturierte Daten umfassen. Und das in verschiedensten Formen: text- oder zahlenbasierte Daten, Bilder, Videos oder andere Datenformate. Erst wenn die Daten benötigt werden, werden sie strukturiert und gegebenenfalls umformatiert.

Die Vorteile: Es gibt keine verteilten Datensilos. Zudem können Unternehmen dank der Vielzahl an bereitgestellten Informationen aussagekräftigere und tiefer gehende Analysen durchführen. Außerdem können Daten in ihrem Rohformat, also ohne vorherige Strukturierung oder Umformatierung, sehr schnell gespeichert werden, was die Anforderungen der Data Lakes in Bezug auf die Rechenleistung für die Speicherung selbst großer Datenmengen gering hält. Zudem bieten Data Lakes im Unterschied zu einem Data Warehouse deutlich mehr Optionen für die Auswertung der Daten. Denn das Data Warehouse selektiert schon bei der Speicherung der Informationen die Daten aus, die für spätere Analysen nicht benötigt werden. Indem der Data Lake sämtliche Daten aufnimmt, schränkt er die Analyseoptionen nicht schon bei der Datenspeicherung ein.

Nachteil: Data Lakes stellen hohe Anforderungen in Bezug auf Datenschutz und Datensicherheit. Je mehr Daten gespeichert werden, und je mehr Zusammenhänge sich zwischen den verschiedenen Daten herstellen lassen, desto besser sind sie zu schützen - vor allem auch im Hinblick auf die Zugriffsrechte. Das wiederum erfordert entsprechendes Know-how und Strukturen im Unternehmen.

Letztlich kann nur das Vereinen sämtlicher Daten und Kanäle ein realistisches Bild über das Verhalten und die Interessen der Nutzer abbilden. Bislang isolierte Datentöpfe zu aggregieren und Datenhoheiten im Unternehmen neu zu ordnen - das ist die größte Herausforderung, der Marketingverantwortliche sich 2020 stellen müssen. Auch müssen Entscheider in die Datenkompetenz im eigenen Haus investieren. Eine der relevantesten Aufgaben von Marketingentscheidern wird es deshalb sein, hochqualifizierte Daten-Experten zu rekrutieren, die innerhalb eines Unternehmens für alle Fragen beziehungsweise Unstimmigkeiten in den Datenquellen zuständig sind.