Daten gelten seit Jahren als einer der wichtigsten Rohstoffe der digitalen Wirtschaft. Trotzdem schöpfen viele Unternehmen das Potenzial ihrer vorhandenen Daten nicht aus.
Schlechte Datenqualität, Dubletten, voneinander getrennte Systeme und fehlende Verantwortlichkeiten führen dazu, dass Kunden falsch bewertet, Vertriebssignale übersehen und Ressourcen in die falschen Opportunities investiert werden.
In dieser Folge von „All about Digital“ spreche ich mit Thomas Rühlemann von Omikron und David Ender von rightpoint IT darüber, warum Datenqualität weit mehr als ein IT-Thema ist und welchen direkten Einfluss gute Daten auf Vertrieb, Marketing und Unternehmenserfolg haben.
Podcast auch als Video ansehen
Diese Podcast-Folge kannst Du auch als Video auf YouTube ansehen.
Im Gespräch mit Thomas Rühlemann und David Ender geht es um Datenqualität, Master Data Management, den Golden Record, Vertriebssignale und die Frage, wie Unternehmen ihre vorhandenen Daten besser für Marketing und Vertrieb nutzen können.
Hinweis: Mit Klick auf das Vorschaubild oder den Link wirst Du zu YouTube weitergeleitet. Dabei gelten die Datenschutzbestimmungen von YouTube/Google.
Was bedeutet Datenqualität im B2B?
Datenqualität beschreibt, wie korrekt, vollständig, aktuell, eindeutig und nutzbar die Daten eines Unternehmens sind.
Im B2B betrifft das beispielsweise Kundenstammdaten, Ansprechpartner, Adressen, Unternehmensinformationen, Transaktionsdaten, CRM-Daten oder Informationen aus Marketing- und Vertriebssystemen.
Hohe Datenqualität bedeutet deshalb nicht nur, dass eine Adresse richtig geschrieben ist.
Entscheidend ist vielmehr, ob ein Unternehmen aus seinen Daten zuverlässige Entscheidungen ableiten kann.
Wenn derselbe Kunde mehrfach in unterschiedlichen Systemen vorhanden ist, Ansprechpartner nicht eindeutig zugeordnet werden können oder relevante Daten fehlen, entsteht kein verlässliches Gesamtbild des Kunden.
Warum nutzen Unternehmen ihre vorhandenen Daten zu wenig?
Viele Unternehmen verfügen heute über große Datenmengen. Das Problem besteht häufig nicht darin, dass keine Daten vorhanden sind.
Das Problem ist, dass diese Daten verteilt, unvollständig oder nicht miteinander verbunden sind.
Typische datenführende Systeme sind beispielsweise:
- CRM-Systeme
- ERP-Systeme
- Marketing-Automation-Systeme
- Online-Shops
- Newsletter-Systeme
- Service-Systeme
- Excel-Listen
- Customer Data Platforms
- weitere Fachanwendungen
In jedem dieser Systeme können unterschiedliche Informationen über denselben Kunden gespeichert sein.
Dadurch entstehen Datensilos.
Ein Unternehmen weiß dann möglicherweise, was ein Kunde gekauft hat, aber nicht, welche Marketinginhalte er konsumiert hat, welche Serviceanfragen bestehen oder wie er sich aktuell im digitalen Kaufprozess verhält.
Dubletten: Ein unterschätztes Problem der Datenqualität
Ein besonders häufiges Problem sind Dubletten.
Ein Kunde oder Ansprechpartner wird mehrfach angelegt, weil beispielsweise die Schreibweise unterschiedlich ist oder ein Mitarbeiter den bestehenden Datensatz nicht findet.
Dadurch kann derselbe Kunde mehrfach im CRM, ERP oder anderen Systemen vorhanden sein.
Die Folgen reichen weit über ein kosmetisches Datenproblem hinaus.
Umsätze werden möglicherweise auf verschiedene Datensätze verteilt. Dadurch kann ein strategisch wichtiger Kunde wie ein durchschnittlicher Kunde aussehen.
Thomas Rühlemann beschreibt im Gespräch ein typisches Beispiel: Nach einer Datenbereinigung kann sich herausstellen, dass ein vermeintlicher Kunde auf Platz 142 tatsächlich zu den zehn wichtigsten Kunden des Unternehmens gehört.
Damit beeinflusst Datenqualität unmittelbar das Kundenmanagement und die Priorisierung im Vertrieb.
Was ist ein Golden Record?
Ein Golden Record ist ein möglichst vollständiger, konsistenter und zuverlässiger Datensatz zu einem Kunden oder Unternehmen.
Dafür werden Informationen aus unterschiedlichen Quellsystemen zusammengeführt und bereinigt.
Ein solcher Datensatz kann beispielsweise enthalten:
- Unternehmensname und Adresse
- Ansprechpartner
- Handelsregisterinformationen
- Umsatzsteuerinformationen
- Mitarbeiterzahl
- Transaktions- und Kaufdaten
- CRM-Aktivitäten
- Marketinginteraktionen
- Serviceinformationen
- Sanktionslistenstatus
- Bonitäts- oder Insolvenzinformationen
Ziel ist ein einheitlicher Blick auf den Kunden.
Erst wenn diese Informationen zusammengeführt werden, können Marketing, Vertrieb und Service auf derselben Datenbasis arbeiten.
Warum ein neues CRM schlechte Daten nicht automatisch löst
Ein häufiger Fehler besteht darin, ein Datenproblem mit einem neuen System lösen zu wollen.
Unternehmen stellen fest, dass ihr CRM nicht optimal funktioniert, investieren in eine neue Plattform und erwarten dadurch automatisch bessere Daten und bessere Prozesse.
Doch ein neues CRM löst keine unklaren Datenstrukturen, fehlenden Prozesse oder mangelnde Verantwortlichkeiten.
Ein System ist nur so gut wie die Daten, Prozesse und Methoden, mit denen es betrieben wird.
Wer schlechte Daten und unklare Prozesse in ein neues System überführt, erhält häufig lediglich ein moderneres System mit denselben Problemen.
Welche Folgen hat schlechte Datenqualität für den Vertrieb?
Schlechte Datenqualität führt im Vertrieb zu Fehlentscheidungen.
Vertriebsmitarbeiter investieren Zeit in Kunden und Opportunities, die nur eine geringe Abschlusswahrscheinlichkeit besitzen. Gleichzeitig werden andere Kunden mit hohem Potenzial möglicherweise nicht erkannt.
Dadurch entstehen mehrere Probleme gleichzeitig:
- Vertriebsressourcen werden falsch eingesetzt.
- Kunden werden falsch priorisiert.
- Cross-Selling- und Up-Selling-Potenziale werden übersehen.
- Forecasts werden ungenauer.
- Opportunities bleiben zu lange in der Pipeline.
- Vertriebssignale können nicht richtig interpretiert werden.
Das Problem besteht deshalb nicht nur darin, dass Zeit mit einer falschen Opportunity verloren wird.
Während sich der Vertrieb mit einer wenig aussichtsreichen Opportunity beschäftigt, fehlt diese Zeit für eine Opportunity mit deutlich höherem Potenzial.
Warum verlorene Opportunities besonders teuer sind
David Ender beschreibt im Gespräch ein typisches Problem aus komplexen B2B-Vertriebsprozessen.
Gerade bei längeren Sales Cycles können Unternehmen sehr lange an Opportunities arbeiten, die bereits wesentlich früher als wenig aussichtsreich hätten erkannt werden können.
Im Gespräch beschreibt David Ender, dass bei seinen Analysen an später verlorenen Opportunities häufig deutlich länger gearbeitet wird als an gewonnenen Deals.
Damit entstehen nicht nur Kosten im Vertrieb.
Auch Consulting, Technik, Produktion, Presales oder andere interne Ressourcen können über Monate gebunden werden.
Bei komplexen Angeboten im Maschinen- oder Anlagenbau können allein die Erstellung und Bearbeitung eines Angebots erhebliche Zeit und Kosten verursachen.
Je früher ein Unternehmen erkennt, welche Opportunities tatsächlich erfolgversprechend sind, desto gezielter lassen sich diese Ressourcen einsetzen.
Was sind Vertriebssignale?
Vertriebssignale sind Veränderungen oder Aktivitäten, die darauf hinweisen können, dass bei einem Kunden oder Interessenten ein konkreter Bedarf oder eine höhere Kaufbereitschaft entsteht.
Das können beispielsweise sein:
- ein erneuter Besuch der Website
- Interaktionen mit bestimmten Inhalten
- Teilnahme an Marketing-Automation-Prozessen
- Downloads
- Veränderungen im Nutzungsverhalten
- Produktinteresse
- bestimmte Aktivitäten nach einem Angebot
- Veränderungen im Unternehmen
Wenn ein Unternehmen diese Signale erkennen und mit vorhandenen Kundendaten verbinden kann, entstehen konkrete Handlungsimpulse für den Vertrieb.
Ein Beispiel:
Ein Unternehmen hat ein großes Angebot abgegeben. Kurz darauf besucht der Ansprechpartner erneut bestimmte Produkt- oder Lösungsseiten.
Das kann ein relevantes Signal für den Vertrieb sein.
Wenn Marketing- und Vertriebsdaten jedoch nicht miteinander verbunden sind, bleibt dieses Signal möglicherweise unsichtbar.
Datenqualität als Voraussetzung für datengetriebenen Vertrieb
Data-driven Sales funktioniert nur dann zuverlässig, wenn die zugrunde liegenden Daten ausreichend gut sind.
Eine KI, ein Scoring-Modell oder eine Predictive-Sales-Lösung kann nur auf Basis der verfügbaren Daten Muster erkennen.
Schlechte oder unvollständige Daten führen deshalb zwangsläufig zu schlechteren Ergebnissen.
Vereinfacht formuliert:
Gute Daten + gute Modelle = bessere Entscheidungsunterstützung.
Dabei soll die Technologie den Vertriebsmitarbeiter nicht ersetzen.
Sie kann vielmehr als Assistenzsystem eingesetzt werden, das auf Basis vieler Datenpunkte Hinweise gibt:
- Welche Opportunity hat eine hohe Erfolgsaussicht?
- Welcher Kunde könnte zusätzliches Potenzial besitzen?
- Wo lohnt sich ein Folgegespräch?
- Welche Opportunity sollte möglicherweise nicht weiterverfolgt werden?
- Welches Produkt könnte für einen bestehenden Kunden relevant sein?
Die Entscheidung bleibt beim Menschen.
Welche Rolle spielt KI im Vertrieb?
Im Gespräch wird deutlich, dass KI im Vertrieb nicht als Ersatz für Erfahrung und persönliche Kundenbeziehungen verstanden werden sollte.
Sie kann vielmehr wie ein sehr erfahrener Assistent funktionieren.
Eine KI kann große Mengen historischer Daten auswerten und Muster erkennen, die für einen einzelnen Menschen nur schwer sichtbar wären.
Sie kann beispielsweise Hinweise geben, dass ein bestimmter Kunde mit hoher Wahrscheinlichkeit Interesse an einem bestimmten Produkt hat oder dass eine Opportunity Merkmale aufweist, die bei früheren Deals häufig zu einem Verlust geführt haben.
Der Vertriebsmitarbeiter entscheidet anschließend, wie er mit dieser Information umgeht.
Damit wird KI zu einer Form von Entscheidungsunterstützung.
Warum gibt es Widerstand gegen datengetriebenen Vertrieb?
Im Gespräch wird deutlich, dass Widerstand häufig weniger auf der operativen Vertriebsebene entsteht.
Vertriebsmitarbeiter profitieren unmittelbar davon, wenn ihnen Systeme helfen, weniger Zeit mit wenig aussichtsreichen Aktivitäten zu verbringen.
Schwieriger kann es auf Führungsebenen werden.
Wenn Systeme Forecasts, Opportunity-Bewertungen oder Empfehlungen übernehmen, kann bei Führungskräften die Sorge entstehen, dass Teile ihrer bisherigen Rolle an Bedeutung verlieren.
Dabei verändert sich die Aufgabe der Vertriebsführung vielmehr.
Die zentrale Aufgabe eines Vertriebsleiters besteht nicht darin, jede einzelne Opportunity permanent zu kontrollieren.
Wichtiger sind beispielsweise:
- Vertriebsstrategie
- Coaching
- Entwicklung der Mitarbeiter
- Ressourcensteuerung
- Priorisierung
- Prozessoptimierung
- Unterstützung des Teams
Daten und KI können dabei helfen, diese Aufgaben fundierter wahrzunehmen.
Daten als strategischer Wettbewerbsfaktor
Die Folgen schlechter Datenqualität gehen über einzelne Vertriebschancen hinaus.
Unternehmen, die Daten konsequent nutzen, können Prozesse automatisieren, Kunden besser verstehen und Entscheidungen schneller treffen.
Unternehmen, die diese Möglichkeiten ignorieren, riskieren dagegen langfristig einen Verlust an Wettbewerbsfähigkeit und Marktrelevanz.
Datenqualität ist deshalb kein isoliertes IT-Projekt.
Sie ist ein strategisches Thema für das gesamte Unternehmen.
Wie sollten Unternehmen beim Thema Daten starten?
Thomas Rühlemann empfiehlt, zunächst von den strategischen Unternehmenszielen auszugehen.
Die zentrale Frage lautet:
Was wollen wir mit unseren Daten erreichen?
Mögliche Ziele können sein:
- Umsatz steigern
- Effizienz erhöhen
- neue Märkte erschließen
- Kunden besser entwickeln
- Vertriebsressourcen effizienter einsetzen
- Automatisierung ermöglichen
Danach sollte geprüft werden, ob die vorhandenen Daten geeignet sind, diese Ziele zu unterstützen.
Ein sinnvoller Ablauf ist:
- Unternehmensziele klären.
- Relevante Daten identifizieren.
- Datenqualität analysieren.
- Lücken und Probleme erkennen.
- Prioritäten nach Nutzen und Hebel setzen.
- Daten und Prozesse gezielt verbessern.
Nicht möglichst viele Daten – sondern die richtigen Daten
Das Ziel einer Datenstrategie besteht nicht darin, möglichst viele Daten zu sammeln.
Entscheidend ist, diejenigen Daten verfügbar und nutzbar zu machen, die konkrete Entscheidungen unterstützen.
Für Marketing und Vertrieb bedeutet das beispielsweise:
Welche Informationen helfen uns, Kunden besser zu verstehen?
Welche Daten zeigen Kaufbereitschaft?
Welche Informationen helfen uns, Opportunities besser zu bewerten?
Welche Daten ermöglichen Cross-Selling und Up-Selling?
Welche Informationen helfen uns, Ressourcen besser zu priorisieren?
Aus Daten entsteht erst dann ein wirtschaftlicher Wert, wenn sie zu besseren Entscheidungen und konkreten Handlungen führen.
Von Datenqualität zu Lead Management und Revenue-Prozessen
Datenqualität ist kein Selbstzweck.
Ihr Wert entsteht vor allem dann, wenn aus Daten konkrete Prozesse entstehen.
Im Marketing kann das beispielsweise bedeuten, Interessenten auf Basis ihres Verhaltens besser einzuordnen und gezielter weiterzuentwickeln.
Im Lead Management können Daten helfen, Reifegrad, Interessen und relevante Vertriebssignale zu erkennen.
Im Bestandskundenmanagement lassen sich Kaufhistorie, Verhalten und weitere Informationen nutzen, um Cross-Selling-, Up-Selling- oder Repeat-Selling-Potenziale zu erkennen.
Im Vertrieb können Daten wiederum helfen, Opportunities zu priorisieren und Ressourcen auf die Fälle zu konzentrieren, bei denen der größte Hebel besteht.
Damit entsteht eine durchgängige Verbindung:
Daten → Signale → Bewertung → Entscheidung → Aktion
Kernerkenntnisse aus dieser Podcast-Folge
- Unternehmen besitzen häufig wesentlich mehr wertvolle Daten, als sie tatsächlich nutzen.
- Schlechte Datenqualität kann dazu führen, dass Kunden und Potenziale falsch bewertet werden.
- Dubletten verfälschen Kundenwerte, Umsätze und Priorisierungen.
- Ein Golden Record ermöglicht einen einheitlichen Blick auf Kunden über unterschiedliche Systeme hinweg.
- Ein neues CRM löst keine grundlegenden Daten- und Prozessprobleme.
- Fehlende oder schlechte Daten führen dazu, dass Vertriebssignale übersehen werden.
- Datengetriebener Vertrieb kann helfen, Ressourcen auf erfolgversprechende Kunden und Opportunities zu konzentrieren.
- KI und Predictive Sales ersetzen den Vertrieb nicht, sondern können als Entscheidungsassistenz dienen.
- Datenqualität sollte immer ausgehend von konkreten Unternehmenszielen betrachtet werden.
Fazit: Datenqualität entscheidet über die Qualität von Entscheidungen
Viele Unternehmen haben kein Datenmangelproblem. Sie haben ein Nutzungsproblem.
Die relevanten Informationen befinden sich häufig bereits im Unternehmen – verteilt auf unterschiedliche Systeme und in unterschiedlicher Qualität.
Die entscheidende Aufgabe besteht darin, diese Daten zu bereinigen, zu verbinden und für konkrete Geschäftsprozesse nutzbar zu machen.
Gerade in Marketing und Vertrieb entstehen daraus erhebliche Potenziale.
Bessere Daten helfen Unternehmen, Kunden richtig zu bewerten, Vertriebssignale früher zu erkennen, Opportunities fundierter einzuschätzen und vorhandene Ressourcen dort einzusetzen, wo die größte Erfolgschance besteht.
Datenqualität ist deshalb keine technische Nebensache. Sie ist eine Voraussetzung für datengetriebenes Marketing, modernen Vertrieb und nachhaltiges Wachstum.
Weiterführend: KI im B2B – Marketing und Vertrieb neu denken
Wie lassen sich Datenqualität, Vertriebssignale und datengetriebene Entscheidungen mit Künstlicher Intelligenz verbinden?
In meinem Buch „KI im B2B – Marketing und Vertrieb neu denken“ zeige ich, wie KI nicht als isoliertes Tool, sondern als Bestandteil einer integrierten Revenue Engine eingesetzt werden kann.
Dabei geht es unter anderem darum, Kaufbereitschaft und Vertriebssignale früher zu erkennen, Daten für bessere Entscheidungen zu nutzen und Marketing, Vertrieb und Kundenentwicklung stärker miteinander zu verzahnen.
Gerade die in dieser Podcast-Folge diskutierte Datenbasis ist dafür entscheidend: Ohne verlässliche und nutzbare Daten können auch KI-Systeme keine belastbaren Empfehlungen liefern.
→ Mehr zum Buch „KI im B2B – Marketing und Vertrieb neu denken“
https://www.strike2.de/angebote/buecher-hoerbuecher/ki-im-b2b-marketing-und-vertrieb-neu-denken
Mehr zu Digitalisierung, Daten und B2B-Vertrieb
Auf meinem Blog „From Cold to Close“ beschäftige ich mich mit der Frage, wie Marketing und Vertrieb im B2B als integriertes Revenue-System zusammenspielen.
Dabei geht es unter anderem um Lead Management, Marketing Automation, Vertriebssignale, Customer Journeys, Bestandskundenmanagement, datengetriebenen Vertrieb und den Einsatz von KI.
→ Weitere Fachartikel auf From Cold to Close
Über Thomas Rühlemann
Thomas Rühlemann beschäftigt sich mit Datenqualität, Datenmanagement und Master Data Management.
Im Mittelpunkt steht dabei die Frage, wie Unternehmen ihre vorhandenen Daten so strukturieren, bereinigen und zusammenführen können, dass diese für nachgelagerte Geschäftsprozesse tatsächlich nutzbar werden.
In der Podcast-Folge erläutert er unter anderem die Bedeutung von Dublettenbereinigung, Datenanreicherung und eines konsistenten Golden Records.
Über David Ender
David Ender beschäftigt sich mit der Optimierung komplexer B2B-Vertriebsprozesse und dem datenbasierten Management von Opportunities.
Im Mittelpunkt steht die Frage, wie Unternehmen vorhandene Vertriebsdaten nutzen können, um Verkaufschancen früher zu bewerten, Ressourcen besser zu priorisieren und lange Sales Cycles effizienter zu gestalten.
Ein besonderer Schwerpunkt liegt auf der Verbindung von Vertriebsprozessen, Datenanalyse und Entscheidungsunterstützung.
Über Norbert Schuster
Norbert Schuster ist Berater, Autor, Speaker und Trainer für die Digitalisierung von Marketing und Vertrieb im B2B.
Er beschäftigt sich mit der Frage, wie Unternehmen Marketing, Vertrieb und Kundenentwicklung als durchgängiges Revenue-System gestalten können.
Zu seinen Schwerpunkten gehören unter anderem Lead Management, Marketing Automation, Customer Journey Management, datengetriebener Vertrieb, Bestandskundenmanagement sowie der Einsatz von KI in Marketing und Vertrieb.
Er ist unter anderem Entwickler der Wasserloch-Strategie und des Schuster-Modells „From Cold to Close“.
Häufige Fragen zu Datenqualität und datengetriebenem Vertrieb
Was bedeutet Datenqualität?
Datenqualität beschreibt, wie korrekt, vollständig, aktuell, eindeutig und für den jeweiligen Zweck nutzbar Daten sind.
Im B2B betrifft dies unter anderem Kundenstammdaten, Ansprechpartner, Transaktionsdaten sowie Informationen aus CRM-, ERP-, Marketing- und Service-Systemen.
Warum ist Datenqualität für den Vertrieb wichtig?
Vertriebsentscheidungen basieren zunehmend auf Daten.
Sind diese Daten fehlerhaft oder unvollständig, können Kunden falsch priorisiert, Opportunities falsch bewertet und Cross-Selling- oder Up-Selling-Potenziale übersehen werden.
Was ist ein Golden Record?
Ein Golden Record ist ein konsolidierter und möglichst zuverlässiger Datensatz zu einem Kunden oder Unternehmen.
Dafür werden Informationen aus verschiedenen Quellsystemen zusammengeführt, bereinigt und gegebenenfalls angereichert.
Was ist Master Data Management?
Master Data Management, kurz MDM, bezeichnet die strukturierte Verwaltung zentraler Stammdaten eines Unternehmens.
Ziel ist es, konsistente und verlässliche Informationen beispielsweise zu Kunden, Lieferanten, Produkten oder Unternehmen über verschiedene Systeme hinweg verfügbar zu machen.
Kann ein neues CRM schlechte Datenqualität lösen?
Nein.
Ein neues CRM kann Datenmanagement unterstützen, löst aber keine grundlegenden Probleme wie Dubletten, fehlende Datenstandards, unklare Prozesse oder mangelnde Verantwortlichkeiten automatisch.
Was sind Vertriebssignale?
Vertriebssignale sind Aktivitäten oder Veränderungen, die auf einen möglichen Bedarf oder eine erhöhte Kaufbereitschaft hindeuten.
Dazu können beispielsweise Websitebesuche, Downloads, Interaktionen mit Marketinginhalten, Veränderungen im Kundenunternehmen oder Aktivitäten nach der Abgabe eines Angebots gehören.
Was bedeutet Data-driven Sales?
Data-driven Sales bezeichnet einen Vertriebsansatz, bei dem Entscheidungen stärker auf Daten und Analysen statt ausschließlich auf Erfahrung oder Bauchgefühl basieren.
Daten können beispielsweise dabei helfen, Kunden zu priorisieren, Opportunities zu bewerten oder relevante nächste Schritte zu erkennen.
Wie hilft KI im datengetriebenen Vertrieb?
KI kann große Datenmengen analysieren, Muster erkennen und Vertriebsmitarbeiter bei Entscheidungen unterstützen.
Sie kann beispielsweise Hinweise auf besonders aussichtsreiche Opportunities, potenzielle Cross-Selling-Möglichkeiten oder relevante nächste Aktivitäten geben.
Ersetzt KI den Vertriebsmitarbeiter?
Nein.
KI kann als Assistenzsystem Empfehlungen und Entscheidungsgrundlagen liefern.
Die Bewertung der Situation, die Kundenkommunikation und die letztliche Entscheidung bleiben weiterhin Aufgaben des Menschen.
Wie sollten Unternehmen ihre Datenstrategie beginnen?
Der Ausgangspunkt sollten konkrete Unternehmensziele sein.
Anschließend wird geprüft, welche Daten zur Erreichung dieser Ziele benötigt werden, wie gut die vorhandene Datenqualität ist und an welchen Stellen die größten Lücken und wirtschaftlichen Hebel bestehen.
Transkript der Podcast-Folge
Folge 070: Verpassen deutsche Unternehmen die Chancen ihrer Daten?
Hier findest Du das vollständige Transkript des Gesprächs mit Thomas Rühlemann und David Ender.
Vollständiges Transkript – Folge 070
„Verpassen deutsche Unternehmen die Chancen ihrer Daten?“
[00:14] Intro
Hallo auf dem Kanal „Digitalisierung in Marketing und Vertrieb – From Cold to Close“ von und mit Norbert Schuster.
Norbert ist Berater, Autor, Speaker und der Erfinder der Wasserloch-Strategie. Und hier kommt euer Gastgeber: Norbert Schuster.
[00:31] Norbert Schuster:
Unser Thema heute ist, wie ich finde, ein sehr spannendes Thema: Verpassen deutsche Unternehmen die Chancen ihrer Daten?
Dazu habe ich heute zwei Gäste dabei: David Ender von rightpoint IT und Thomas Rühlemann von Omikron Data Solutions.
Schön, dass ihr beide dabei seid.
[00:56] Thomas Rühlemann:
Vielen Dank für die Einladung.
[01:03] Norbert Schuster:
Sehr gerne. Thomas, magst du anfangen und einfach zwei, drei Sätze zu dir und deinem Unternehmen sagen? Nicht zu viel zu den Inhalten, die machen wir gleich im Gespräch. Einfach eine kurze Einführung.
[01:12] Thomas Rühlemann:
Ich bin seit 2019 bei Omikron. Omikron hat sich auf die Themen Datenqualität, Datenmanagement, Master Data Management und Datenanreicherung spezialisiert.
Es geht darum, Daten so nutzbar zu machen, dass damit die nachfolgenden Prozesse angesteuert werden können und dort vernünftige Ergebnisse entstehen.
Vorher hatte ich 20 Jahre lang eine Firma für 3D-Konfiguratoren, die ich verkaufen konnte. 2019 habe ich dann bei Omikron angefangen.
Ich dachte: Endlich keine 3D-Konfiguratoren mehr – Daten sind sexy, Daten sind toll, Daten sind das neue Rohöl.
Bei Omikron verantworte ich das strategische Partnermanagement.
[02:03] Norbert Schuster:
Das heißt, du hast jeden Tag mit dem Thema Daten zu tun?
[02:07] Thomas Rühlemann:
Das ist mein täglich Brot. Und es begeistert mich tatsächlich jeden Tag wieder, was man mit Daten alles machen kann.
[02:18] Norbert Schuster:
Vielen Dank, Thomas. David, magst du?
[02:22] David Ender:
Sehr gerne. Ich habe vor über zehn Jahren rightpoint IT gegründet.
Unser Ansatz war von Anfang an die Frage: Wie schafft man es, den Vertrieb mit Software zu optimieren?
Nicht im Sinne eines klassischen CRM-Systems, sondern indem wir mehr Methode und ein strukturiertes Vorgehen in Vertrieb und Vertriebsmanagement bringen.
Im Laufe der Zeit haben wir gelernt, dass die wichtigsten Daten eigentlich bereits im Unternehmen vorhanden sind. Sie werden aber häufig nicht vernünftig benutzt oder genutzt.
Daraus haben wir neue Lösungsansätze entwickelt. Noch heute werden wir manchmal gefragt: „Das kann doch gar nicht funktionieren. Wie soll das gehen?“
Ich glaube, Thomas versteht sofort, wovon ich rede.
Unternehmen könnten viel mehr machen, als sie heute tun – wenn sie es richtig machen würden.
[03:21] Norbert Schuster:
Thomas hat es eben schon angesprochen: Man hört oft, Daten seien das neue Öl oder das neue Gold.
Wenn dem so ist, behandeln Unternehmen ihre Daten doch bestimmt auch entsprechend, oder David?
[03:37] David Ender:
Ganz bestimmt nicht.
Meine These ist ganz einfach: Unternehmen sind sich häufig gar nicht bewusst, welche Daten sie bereits besitzen und welche Möglichkeiten sich daraus ergeben.
Sie unterschätzen enorm, was damit möglich wäre. Sie unterschätzen auch die Möglichkeiten, vorhandene Daten zu optimieren und daraus Erkenntnisse zu gewinnen.
Dadurch verpassen sie viele Chancen, effizienter und effektiver zu sein.
Selbst in Bereichen, in denen es am Ende unmittelbar um Umsatz geht und man erwarten würde, dass die Bedeutung verstanden wird, gibt es häufig noch eine sehr klassische Denkweise.
Vor 20 Jahren wäre das vielleicht noch in Ordnung gewesen. Heute muss man aber über den Tellerrand schauen.
Es gibt positive Beispiele, aber aus meiner Sicht viel zu wenige – insbesondere auf der Entscheiderebene.
[05:11] Norbert Schuster:
Thomas, bei dir und in deinem Umfeld werden Daten aber sicherlich absolut gehegt und gepflegt, oder?
[05:20] Thomas Rühlemann:
Nein, meine Erfahrungswelt ist ähnlich wie die von David.
Man muss allerdings unterscheiden, über welche Daten wir sprechen.
Traditionell ist Deutschland beispielsweise bei Produkten und Prozessen relativ weit vorne. Bei Materialstammdaten oder Gerätedaten sieht es besser aus. Nicht perfekt, aber besser. Das passt zur Denkweise der deutschen Industrie.
Auch beim IoT sind wir relativ weit vorne.
Wo es deutlich nachlässt, ist beim Thema Kundenstammdaten. Die digitale Kundenbeziehung ist in Deutschland häufig nicht besonders ausgeprägt.
Bei Vertrieb und Marketing herrscht teilweise die Einstellung: „Ich habe doch Salesforce oder Dynamics gekauft.“
Dann erklärt der Account Executive, dass dort eine Dublettenprüfung enthalten ist, Matching funktioniert, ein Golden Record erstellt werden kann und vielleicht sogar eine CDP vorhanden ist.
Beim Kunden entsteht der Eindruck: Alles drin, alles passt, läuft.
Aber natürlich sind diese Funktionalitäten häufig so eingeschränkt oder die Datenbasis ist so problematisch, dass die nachfolgenden Prozesse trotzdem nicht richtig funktionieren.
[06:32] Norbert Schuster:
Aber was heißt das konkret?
Wenn ich all diese Systeme habe, müsste das Problem doch eigentlich gelöst sein.
Was bedeutet es konkret, sich nicht ausreichend um die Daten zu kümmern?
[06:47] Thomas Rühlemann:
Ein typischer Use Case bei uns ist ein Unternehmen mit drei bis zwanzig verschiedenen datenführenden Systemen.
Ich habe beispielsweise ein CRM, ein ERP-System, einige Excel-Listen, einen Online-Shop, ein Newsletter-Tool, Service-Systeme und weitere Anwendungen.
Alle diese Quellsysteme werden mit Daten befüllt.
Schon innerhalb der einzelnen Systeme stimmt die Datenqualität häufig nicht.
Es gibt beispielsweise Dubletten. Im Callcenter wird ein neuer Datensatz angelegt. Jemand findet „Rühlemann“ nicht sofort, weiß vielleicht nicht genau, wie der Name geschrieben wird, es muss schnell gehen – also wird ein neuer Datensatz angelegt.
Schon haben wir eine Dublette.
Adressen stimmen nicht, Felder werden nicht richtig gepflegt und besonders bei Freitextfeldern wird es schwierig. Dort wird alles Mögliche eingetragen.
Damit ist bereits das einzelne Quellsystem nicht optimal gepflegt.
Dann gibt es denselben Thomas Rühlemann vielleicht zusätzlich noch im CRM und im ERP-System, teilweise wieder mit weiteren Dubletten.
Eigentlich möchte ich aber eine Auswertung haben:
Was hat Thomas Rühlemann wann, wo und zu welchem Preis gekauft?
In welcher Phase der Customer Journey befand er sich?
Was hat er im Online-Shop gemacht?
Was hat er vielleicht im stationären Geschäft gemacht?
Genau das bekomme ich nicht hin, wenn mir der einheitliche Blick über alle Systeme fehlt.
Wir haben also zunächst das Problem der Datenqualität innerhalb der einzelnen Systeme. Zusätzlich fehlt der berühmte Golden Record – ein konsolidierter Datensatz, der die besten und verlässlichsten Informationen aus allen Systemen zusammenführt.
Im B2B kann dieser Datensatz zusätzlich mit Informationen angereichert werden: Handelsregisternummer, Umsatzsteuerinformationen, Mitarbeiterzahl, Sanktionslistenstatus, mögliche Insolvenzinformationen und vieles mehr.
Wenn ich das anschließend noch mit Transaktions- und Bewegungsdaten verbinde, komme ich zu dem Punkt, an den ich eigentlich möchte.
Aber genau das ist mit der Art und Weise, wie Daten heute häufig gepflegt werden, sehr schwierig.
[09:20] Norbert Schuster:
In meiner Welt gibt es noch eine andere Facette: Vertriebssignale gehen verloren.
Ich bekomme beispielsweise nicht mit, wenn ich ein Angebot draußen habe und das Unternehmen oder der Ansprechpartner anschließend meine Website besucht.
Vielleicht befindet sich der Interessent gleichzeitig in einem Marketing-Automation-Prozess.
Oder ich erkenne nicht, wie sich Interessenten und Bestandskunden verhalten, was sie tun, wo sie sich bewegen und welche Inhalte sie auswählen.
All das wären eigentlich Vertriebssignale.
Wenn ich sie empfangen könnte, könnte ich reagieren, bessere Entscheidungen treffen und die richtigen Aktionen triggern.
David, wie ist das aus deiner Perspektive? Was passiert, wenn Daten ignoriert werden?
[10:08] David Ender:
Im Grunde genau das Gleiche.
Das Problem ist, dass Unternehmen sich selten wirklich die Zeit nehmen, ihre Situation zu analysieren und einen vernünftigen Prozess aufzubauen.
CRM-Hersteller sprechen beispielsweise von der 360-Grad-Sicht auf den Kunden.
Aber jedes Tool hängt davon ab, ob ich es vernünftig aufgebaut habe und kontinuierlich weiterentwickle.
Häufig wird ein System implementiert und anschließend irgendwie benutzt. Man nimmt sich ein paar Tage Zeit, aber die fachliche Perspektive wird meiner Erfahrung nach häufig zu wenig einbezogen.
Technisch bekommt man vieles hin. Das Fachliche ist die größere Herausforderung.
Die meisten Unternehmen, mit denen wir im Vertriebsbereich sprechen, sagen zuerst: „Unsere Datenqualität ist schlecht. Das können wir nicht. Das kann nicht funktionieren.“
Irgendwann stellen sie fest, dass es tatsächlich nicht optimal funktioniert.
Und dann kommt häufig die nächste Entscheidung: Wir brauchen ein neues CRM.
Anschließend machen sie exakt den gleichen Fehler noch einmal.
Sie sehen eine Präsentation, in der alles wunderbar funktioniert, investieren vielleicht zwei Jahre in die Einführung – und am Ende funktioniert es im Prinzip genauso wie vorher.
[11:51] Norbert Schuster:
Du meinst also: Wenn ich mir neue Turnschuhe kaufe, nehme ich nicht automatisch zehn Kilogramm ab?
[11:57] David Ender:
Natürlich nicht. Und die 100 Meter schaffst du dadurch auch nicht automatisch unter zehn Sekunden.
Das Problem zieht sich durch.
Im Vertrieb fehlt häufig schon die fachliche Grundlage.
Vertrieb bedeutet nicht einfach rauszugehen, Leute anzusprechen und nach dem Prinzip „anhauen, umhauen, abhauen“ zu arbeiten. Vertrieb ist wesentlich komplexer.
Diese Komplexität muss auch in den Systemen berücksichtigt werden.
Das heißt nicht, dass die Systeme kompliziert sein müssen. Man kann auch komplexe Sachverhalte einfach gestalten. Aber sie müssen vernünftig durchdacht und strukturiert sein.
Natürlich laufen Systeme mit der Zeit Gefahr, zugebaut zu werden und an Flexibilität zu verlieren. Dann kann auch ein Reboot sinnvoll sein.
Das Grundproblem bleibt aber bestehen.
Unternehmen sind Experten für ihre Produkte, ihre Kunden und ihre internen Prozesse. Aber für alles außerhalb dieser Kernkompetenz sind sie häufig keine Experten.
Dafür braucht man gegebenenfalls externe Expertise.
Die Absicht ist meistens gut. Aber nur wenige Unternehmen nehmen sich wirklich die Zeit und investieren das notwendige Geld.
Und dann sind wir sehr schnell beim Thema Daten.
Das läuft häufig nebenbei. Es wird eine Taskforce gebildet. Der Vertriebsleiter muss aber Umsatz bringen, der Geschäftsführer hat keine Zeit – also stellt sich die Frage: Wer soll es machen?
Dann werden Mitarbeiter damit beauftragt, die nicht unbedingt das notwendige Know-how oder Budget haben.
Das führt teilweise zu widersprüchlichen Situationen: Man möchte kein Geld investieren, obwohl man an dieser Stelle eigentlich Geld verdienen könnte.
Das ist ähnlich wie bei Vertriebsmethoden.
Es bringt wenig, drei Tage Schulung zu machen und anschließend zu erwarten, dass alles funktioniert.
Man muss kontinuierlich daran arbeiten, Strukturen aufbauen und in Schleifen optimieren.
[14:39] Norbert Schuster:
Ich frage mich manchmal, ob Entscheidern die Folgen wirklich bewusst sind.
In meinem Bereich ist die Bedeutung relativ klar:
Du verlierst Umsatz. Du verlierst Neukundenpotenzial. Du verlierst Cross-Selling-, Up-Selling- und Repeat-Selling-Potenziale.
Du büßt Vertriebserfolg ein.
Und wenn ich Vertriebssignale nicht empfange, entsteht dasselbe Problem.
Nehmen wir an, ich habe ein Angebot über zehn Millionen Euro für eine Maschine oder Anlage abgegeben.
Dann entsteht ein Signal, das mir eigentlich sagt: „Du solltest diesen Kunden jetzt anrufen.“ Beispielsweise weil der Ansprechpartner gerade wieder meine Website besucht hat.
Wenn ich dieses Signal nicht erkenne, passiert nichts.
Das Ergebnis kann weniger Vertriebserfolg sein.
Glaubt ihr, dass Unternehmen die Folgen dieser Datenignoranz ausreichend verstehen?
[15:48] Thomas Rühlemann:
Da würde ich gerne einhaken, denn genau an diesem Punkt ist mein Verständnis dafür begrenzt.
Es geht nicht nur darum, Umsatz einzubüßen.
Es geht darum, sukzessive Marktrelevanz zu verlieren. Unternehmen können irgendwann nicht mehr mithalten und verlieren Stück für Stück ihre Position im Markt.
Das Thema „Daten sind das neue Rohöl“ wird seit vielen Jahren durch den Markt getragen. Mittlerweile müsste die Bedeutung eigentlich verstanden worden sein.
Vor allem, wenn ich mir anschaue, was mit Unternehmen passiert, die konsequent digitalisiert werden.
Ich hatte vor ungefähr einem halben Jahr ein Gespräch mit einem deutschen Weltmarktführer, einem großen Pharmaunternehmen.
Es ging darum, eine bestehende Datenqualitätslösung für ein CRM in Richtung Master Data Management auszubauen.
Ich habe gefragt:
Habt ihr eine Datenstrategie? Nein.
Habt ihr einen Datenverantwortlichen? Nein.
Gibt es jemanden, der das Thema zwischen den Abteilungen koordiniert? Nein.
Irgendwann kam die Aussage: „Aber es läuft ja.“
Natürlich. Jetzt läuft es noch.
Die Frage ist, wie es in fünf Jahren aussieht.
Für mich ist das ein „unforced error“.
Neben verlorenem Umsatz und fehlenden Automatisierungsmöglichkeiten spielt sich ein Unternehmen damit langfristig selbst ins Aus.
[18:28] Norbert Schuster:
In deinem Bereich kommt noch etwas sehr Konkretes hinzu:
Ohne Datenbereinigung kann ich Kunden falsch einschätzen.
Vielleicht habe ich ein Unternehmen vermeintlich unter meinen Top drei, obwohl es dort gar nicht hingehört.
Oder ein Kunde, den ich auf Position zwölf sehe, rutscht nach der Datenbereinigung plötzlich auf Platz zwei oder drei.
Ich beurteile also Kunden und Potenziale falsch und leite daraus falsche Maßnahmen ab.
Ist das eine der großen Folgen von Datenignoranz?
[19:08] Thomas Rühlemann:
Das ist tatsächlich eines der ersten Aha-Erlebnisse, wenn wir mit Neukunden arbeiten.
Ein typisches Vorgehen ist, zunächst eine kostenlose Datenanalyse durchzuführen, damit wir überhaupt eine Diskussionsgrundlage haben.
Wir schauen beispielsweise:
Wie viele Dubletten sind vorhanden?
Stimmen die Adressen?
Wie ist die Qualität innerhalb der Datenfelder?
Wie hoch sind die Befüllraten?
Das reicht häufig schon aus.
Mancher Kunde zuckt zunächst zusammen, wenn wir sagen: „Du hast 30 Prozent weniger Kunden, als du eigentlich gedacht hast.“
Dann funktioniert möglicherweise auch ein kundenwertbasiertes Kundenmanagement nicht.
Durch Dubletten kann ein Kunde beispielsweise von Platz 142 auf Platz neun rutschen.
Bisher wurde er wie ein D-Kunde behandelt, obwohl er tatsächlich einer der wichtigsten Kunden ist.
Richtig problematisch wird es, wenn ich keine Ahnung habe, wer meine guten Kunden sind, welcher Kunde gefährdet ist oder wer beispielsweise auf einer Sanktionsliste steht.
All diese Fragen kann ich ohne eine vernünftige Datenbasis nicht zuverlässig beantworten.
Häufig besteht eine Art Gottvertrauen: Es wird schon klappen.
Aber so funktioniert die Welt leider nicht.
[20:58] Norbert Schuster:
David, in deiner Welt ist es häufig so, dass Opportunities falsch beurteilt werden.
Unternehmen arbeiten monatelang an Opportunities, die eigentlich längst tot sind.
Gleichzeitig werden andere Opportunities mit echtem Potenzial nicht erkannt.
Auch dort wird doch enormes Potenzial verschenkt?
[21:23] David Ender:
Ja. Und wenn man genauer hinschaut, ist es sogar noch dramatischer.
Wir sind vor allem im komplexeren B2B-Vertrieb unterwegs. Dort gibt es automatisch längere Sales Cycles und tendenziell größere Auftragsvolumina.
Nehmen wir einen durchschnittlichen Sales Cycle von zehn Monaten.
Wenn ich bereits nach zwei Monaten beurteilen kann, ob ein Deal wahrscheinlich kommt oder nicht, kann ich entscheiden, ob ich weitere acht Monate Ressourcen investieren möchte.
Vertriebsressourcen sind begrenzt.
Aber es betrifft nicht nur den Vertrieb. Consulting, Produktion und andere Bereiche können ebenfalls eingebunden sein.
Wenn am Ende beispielsweise nur zehn Prozent der ursprünglich bearbeiteten Fälle erfolgreich werden, bedeutet das, dass ein großer Teil nicht zum Abschluss führt.
Das wäre an sich noch nicht das Problem.
Problematisch wird es, wenn diese Fälle durch den gesamten Sales Cycle gezogen werden – teilweise sogar darüber hinaus.
Eine einfache Auswertung ist deshalb interessant:
Wie lange wird an Opportunities gearbeitet, die später gewonnen werden, und wie lange an Opportunities, die später verloren werden?
Bei unseren Analysen wird an später verlorenen Opportunities im Durchschnitt etwa 50 Prozent länger gearbeitet.
Dann sieht man bereits, dass etwas falsch läuft.
Der Vertriebsmitarbeiter kann dafür zunächst wenig. Ihm wird gesagt: Umsatz machen, bis der Auftrag kommt.
Also arbeitet er weiter.
Aber vielleicht hätte es schon vor sechs Monaten keinen Sinn mehr gemacht.
Dann muss das System oder der Prozess helfen und sagen: Hör auf. Es gibt andere Potenziale im Markt.
Und man kann sogar noch früher anfangen – bereits im Marketing und bei der Leadgenerierung.
Nicht alles wird gewonnen. Das ist normal.
Aber man kann optimieren, wo Ressourcen investiert werden.
[24:13] David Ender:
Mit wenigen Kennzahlen lässt sich relativ schnell feststellen, wie effizient der Prozess ist und wie viele Ressourcen in wenig aussichtsreiche Fälle fließen.
Ein weiteres Beispiel sind Angebote.
Viele Unternehmen wissen, wie viele ihrer Angebote sie verlieren. Häufig liegt die Verlustquote in einem erheblichen Bereich.
Im Maschinenbau kann ein einziges Angebot Stunden, Tage, Wochen oder manchmal sogar Monate an Aufwand verursachen.
Wenn ich weiß, dass ich einen großen Teil dieser Angebote verlieren werde, aber nicht weiß, welche, wird trotzdem alles mit voller Intensität bearbeitet.
Das ist ineffizient.
[25:02] Norbert Schuster:
Das Schlimmste ist aus meiner Sicht noch nicht einmal, dass ich mich mit dem falschen Angebot oder der falschen Opportunity beschäftige.
Viel schlimmer ist: Weil ich das tue, beschäftige ich mich nicht mit der richtigen Opportunity.
Die Chancen, bei denen ich erfolgreich sein könnte, bekommen möglicherweise nicht genügend Aufmerksamkeit.
[25:29] David Ender:
Genau.
Thomas und ich können diese Fragen wahrscheinlich aus völlig unterschiedlichen Blickwinkeln mit Ja beantworten.
Unsere methodischen Ansätze sind unterschiedlich, aber häufig wäre es eigentlich relativ einfach.
Das Problem ist, dass man uns zunächst oft nicht glaubt.
Über Fakten kann man diskutieren. Über Glauben nicht.
Deshalb haben wir irgendwann gesagt: Wir beweisen einfach, dass es möglich ist.
Dann müssen wir nur noch darüber sprechen, wie groß das Potenzial ist.
Wenn wir beispielsweise einen Sales Cycle von durchschnittlich zehn Monaten auf sechs Monate reduzieren können, kann sich jedes Unternehmen selbst ausrechnen, welches Potenzial darin steckt.
[26:47] Norbert Schuster:
Ich glaube, genau das ist ein wichtiger Punkt.
Ich bin seit 40 Jahren im Vertrieb. Ich kenne meinen Kunden. Ich weiß, wie das funktioniert. Mein Bauchgefühl sagt mir, was ich machen muss.
Und dann kommt eine Maschine oder eine Software und sagt mir vielleicht sogar, dass ich etwas falsch mache.
Das erzeugt Widerstand.
[27:21] Thomas Rühlemann:
Ich kann diese Einstellung nicht nachvollziehen.
Für mich ist das ein Assistent.
Es ist wie eine Bohrmaschine, die mir hilft, ein vernünftiges Loch in die Wand zu bekommen.
Eine KI oder Software ist für mich wie ein altgedienter Kollege, der seit 40 Jahren im Geschäft ist und zu mir kommt und sagt:
„Geh doch einmal zu Firma Müller und biete dort dieses oder jenes an. Wenn du es zu bestimmten Konditionen anbietest, hast du eine hohe Wahrscheinlichkeit, dass der Kunde kauft.“
Ich bin doch froh, wenn mir jemand einen guten Tipp gibt.
Ob ich diesen Tipp anschließend umsetze, ist eine andere Frage.
Aber ich bin dankbar, wenn mir jemand mit hoher Wahrscheinlichkeit sagen kann: Mach dieses, mach jenes oder lass es.
Das kann sich auf eine konkrete Opportunity, ein Produkt oder das Vorgehen innerhalb einer Opportunity beziehen.
Ich verstehe diesen inneren Widerstand nicht.
[28:24] David Ender:
Meine Erfahrung ist: Wenn du mit den Vertriebsmitarbeitern selbst sprichst, sind sie häufig sehr offen.
Der Vertriebsmitarbeiter hat ja keine Lust, Dingen hinterherzulaufen, die nicht zum Erfolg führen.
Wenn etwas sein Leben einfacher macht, ist er dankbar dafür.
Auch auf Geschäftsführungsebene ist die Argumentation häufig nachvollziehbar:
Willst du mehr Umsatz machen?
Willst du die Kosten reduzieren?
Du findest keine zusätzlichen Vertriebsmitarbeiter – möchtest du also mehr aus deiner bestehenden Mannschaft herausholen, ohne zusätzlichen Aufwand?
Die Antwort ist normalerweise Ja.
Die größere Herausforderung erleben wir häufig auf der mittleren Führungsebene, beispielsweise bei Vertriebsleitern.
Marketingleiter sind beim Thema Daten häufig schon weiter, weil sie sich stärker damit beschäftigen müssen.
Wir haben deshalb schnell festgestellt: Mit der Geschäftsleitung funktioniert das Gespräch häufig gut. Auf der operativen Ebene ebenfalls.
Aber der Vertriebsleiter kann das Thema von beiden Seiten blockieren.
[30:03] Norbert Schuster:
Ist da Angst im Spiel?
[30:07] David Ender:
Definitiv.
Meiner Meinung nach geht es teilweise um Angst vor einem Verlust von Relevanz und Kompetenz.
Das beruht aber auf einem Missverständnis der eigenen Aufgabe.
Der Job eines Vertriebsleiters besteht nicht darin, mit jedem Vertriebsmitarbeiter jede Woche jede Opportunity einzeln durchzusprechen.
Das ist nicht seine eigentliche Aufgabe.
[30:39] Norbert Schuster:
Welche Angst ist das konkret?
[30:46] David Ender:
Die Angst vor Bedeutungsverlust.
Aber dahinter steckt auch ein falsches Verständnis davon, was die eigentliche Führungsaufgabe ist.
Technologie kann beispielsweise Forecasts besser unterstützen.
Der Vertriebsleiter sollte sich stattdessen darauf konzentrieren:
Sind die Mitarbeiter auf Kurs?
Stimmt die Vertriebsstrategie?
Wie können die Mitarbeiter besser werden?
Wie können wir gemeinsam erfolgreicher sein?
Das ist die eigentliche Aufgabe.
Es geht um Coaching, Strategie, Unterstützung und darum, im Unternehmen die notwendigen Voraussetzungen für erfolgreichen Vertrieb zu schaffen.
Nicht um eine permanente Aufsichtsrolle.
[31:45] Norbert Schuster:
Wenn wir einen Blick in die Medizin werfen, sehen wir etwas Ähnliches.
KI kann heute in bestimmten Bereichen medizinische Bilddaten analysieren und dabei auf das Wissen und die Erfahrung aus enorm großen Datenmengen zurückgreifen.
Im Vertrieb funktioniert das Prinzip ähnlich.
Eine KI kommt nicht einfach auf die Welt und kann plötzlich Opportunities bewerten.
Sie basiert auf Daten, Mustern und Erfahrungen.
Insofern ist sie, wie Thomas gesagt hat, eine Assistenz.
Sie kann mir helfen.
Entscheiden kann ich immer noch selbst, ob ich die Empfehlung umsetze.
Warum sollte ich mir diese zusätzliche Meinung nicht anhören?
Voraussetzung ist natürlich, dass die notwendigen Daten vorhanden und von ausreichender Qualität sind.
Wenn die Daten gut sind und das Modell gut funktioniert, entstehen bessere Ergebnisse.
Und wenn gute Ergebnisse entstehen, steigt auch das Vertrauen in die KI und damit die Nutzung.
[32:48] Thomas Rühlemann:
Wir haben beispielsweise mit einem Partner zusammengearbeitet, der Predictive-Sales-Engines für einen Großhandel entwickelt.
Dabei werden sehr gezielt Produktvorschläge erzeugt.
Er hat irgendwann gesagt: „Kein Problem, ich richte euch das kostenlos ein. Dafür hätte ich gerne zehn Prozent von dem zusätzlichen Jahresumsatz, den ihr damit erwirtschaftet.“
Das wollten die Unternehmen dann auch wieder nicht.
[33:20] David Ender:
Das kenne ich auch.
Wir werden häufig gefragt, ob wir erfolgsorientiert arbeiten.
Ich sage dann: Klar, sofort.
Und plötzlich verändert sich der Gesichtsausdruck.
Dann war es doch nicht ganz so gemeint.
[33:44] Norbert Schuster:
Vielleicht müssen wir uns auch an die eigene Nase fassen.
Vielleicht haben wir den Nutzen noch nicht gut genug verkauft.
Und damit habe ich eigentlich schon eine Idee für eine nächste Podcast-Folge.
Wenn man uns drei hintereinanderlegt, könnte man wunderbar einen kompletten Prozess zeigen.
Thomas beginnt mit Datenqualität, Dubletten und Master Data Management.
Dann komme ich mit Lead Management, Bestandskundenmanagement, Cross-Selling und Up-Selling bis hin zum CRM-System und zur Opportunity.
David steigt bei Leads und Opportunities ein und führt den Prozess weiter.
Wir könnten in einer nächsten Folge diesen kompletten Prozess gemeinsam durchlaufen und zeigen, an welchen Stellen überall Nutzen und Mehrwert entstehen können.
[34:32] Norbert Schuster:
Für heute würde ich den Sack langsam zumachen.
Zum Abschluss hätte ich gerne von euch beiden jeweils einen Tipp für Unternehmen, die jetzt sagen:
„Okay, ihr habt mich überzeugt. Ich möchte anfangen.“
Was würdet ihr empfehlen?
[35:06] Thomas Rühlemann:
Ich würde zunächst klären: Was will ich eigentlich erreichen?
Danach sollte ich mir anschauen, wie die Datenqualität im Unternehmen tatsächlich aussieht.
Anschließend kann ich prüfen, wie sich die definierten Unternehmensziele mit der vorhandenen Datenlage verbinden lassen.
Vielleicht kommt dabei heraus, dass bereits alles hervorragend ist.
Wahrscheinlicher ist aber, dass man erkennt: Hier und dort müssen wir nachsteuern.
Mein Startpunkt wäre deshalb:
Wie ist die Datenlage im Hinblick auf die Unternehmensziele, die ich erreichen möchte?
[35:52] Norbert Schuster:
Ich habe gerade kurz das Gesicht verzogen, weil ich mich gefragt habe:
Können Unternehmen ihre Ziele überhaupt definieren, wenn sie noch gar keinen Überblick darüber haben, was Daten für sie leisten könnten?
[36:07] Thomas Rühlemann:
Doch.
Jedes Unternehmen hat strategische Unternehmensziele.
Ich möchte wachsen.
Ich möchte neue Märkte erschließen.
Ich möchte meine Effizienz steigern.
Es gibt Unternehmensziele, die von oben definiert werden.
Diese Ziele lassen sich typischerweise mit Daten in Verbindung bringen.
Der erste Schritt lautet deshalb:
Was sind die Ziele? Was will ich auf strategischer Ebene erreichen?
Danach kann ich prüfen, wie diese Ziele durch Daten unterstützt werden können.
Anschließend muss ich schauen:
Wie gut sind die vorhandenen Daten?
Reichen sie dafür aus oder nicht?
Wenn ich beispielsweise Umsatzsteigerung anbiete, das strategische Unternehmensziel aber Effizienzsteigerung lautet, wird das Thema keine Priorität bekommen.
Deshalb muss die Datenstrategie an den Unternehmenszielen ausgerichtet sein.
[37:11] Norbert Schuster:
David, was würdest du Unternehmen empfehlen?
[37:14] David Ender:
Im Grunde ist es einfach:
Bereit sein, weniger vom Falschen und mehr vom Richtigen zu machen.
Und dann ausprobieren.
Man braucht die Bereitschaft, etwas Neues zu testen.
Das Ziel kann man anschließend konkretisieren. Wenn man das Potenzial kennt, kann man priorisieren und entscheiden.
Das Potenzial ist vorhanden – egal, ob man aus Richtung KI, Daten, Strategie oder Prozessoptimierung kommt.
Wenn man es nicht macht, machen es andere.
[38:04] Norbert Schuster:
Mein Tipp wäre eine Mischung aus euren beiden Empfehlungen.
Schaut euch zunächst an, was überhaupt möglich wäre.
Was könntet ihr tun, wenn ihr optimale Daten hättet und auf dieser Basis bessere Entscheidungen treffen könntet?
Und schaut euch anschließend an, wo ihr heute steht.
Im Prinzip ist das eine Art umgekehrte GAP-Analyse:
Zuerst betrachten wir den möglichen Zielzustand.
Dann betrachten wir den aktuellen Zustand.
Damit erkennen wir das Gap.
Anschließend können wir priorisieren:
Wo befindet sich der größte Hebel?
Wo sollten wir anfangen?
[38:53] Norbert Schuster:
Vielen Dank euch beiden für eure Insights und eure Perspektiven.
Im Laufe des Gesprächs sind bereits einige Gedanken für unsere nächste Folge entstanden.
Ich freue mich auf die Diskussion mit euch, wenn wir diesen Nutzenweg gemeinsam weiterentwickeln.
Liebe Hörerinnen, Hörer und Zuschauer:
Wenn ihr jetzt sagt, dass ihr euch intensiver mit euren Daten beschäftigen möchtet und euch besonders die Perspektive von Thomas oder David angesprochen hat, findet ihr die Kontaktmöglichkeiten zu beiden in den Shownotes.
Dort findet ihr auch die Links zu ihren Unternehmen.
Und wenn ihr eine Frage oder einen Input habt, den wir in einer weiteren Folge aufgreifen sollten, meldet euch gerne.
Wir nehmen eure Fragen und Anregungen gerne mit.
Vielen Dank und bis zum nächsten Mal.
[40:03] David Ender / Thomas Rühlemann:
Danke, hat Spaß gemacht. Vielen Dank. Tschüss.
