Report Graveyard: Warum das Management wieder mit Excel steuerte – mit Torben B., Natsana

00:00:00: In der heutigen Folge spreche ich mit dem lieben Torben, der ist Director Data und AI bei NaZana.

00:00:05: Was naZana isst werdet ihr gleich erfahren?

00:00:07: Ist total spannend weil er glaube ich gut unter einem Deckmantel über Jahre hinweg geschafft hat das was viele wollen.

00:00:14: seid gespannt Neue Folgen jeden

00:00:20: Freitag.

00:00:21: in dieser digitalen Welt gibt es einen speziellen Faktor

00:00:24: der Übererfolg- und Misserfolg

00:00:25: entscheidet

00:00:26: Daten.

00:00:28: doch nur die

00:00:28: wenigsten wissen sie für

00:00:29: sich zu nutzen.

00:00:31: Wer seine Kunden verstehen

00:00:32: will,

00:00:33: um ihnen das bieten zu können

00:00:34: was sie brauchen kommt um ein professionelles Datenmanagement nicht

00:00:37: herum.

00:00:38: Jonas Rascheli interviewt

00:00:39: andere

00:00:40: Experten aus den Data Bereichen

00:00:42: und zeigt Schritt für

00:00:43: Schritt wie genau das

00:00:44: funktioniert.

00:00:50: Beuler ich habe das Zeug auch Zuhause und finde es eigentlich ganz angenehm.

00:00:55: also nicht nur vom Geschmack von der Wirkung kann man jetzt drüber streiten.

00:00:58: Ich bin jetzt nicht fünf Kilo Muskelmasse schwerer geworden aber da können wir gleich nochmal darüber sprechen.

00:01:02: Aber Torben arbeitet da schon seit über vier Jahren und beschäftigt sich nämlich genau mit dem Thema Data, hat es aufgebaut.

00:01:10: Und das ist ein spannendes Thema, über das wir heute sprechen.

00:01:12: Hi Thorben!

00:01:13: Hi Jonas!

00:01:14: Ja an der heutigen Einleitung höre ich viele Sprachfehler gemacht.

00:01:18: also von daher liegt es heute bei mir und du kannst entspannt sprechen.

00:01:22: Torben habe ich irgendwas vergessen?

00:01:23: Kannst du nochmal vielleicht uns eure Firma ein bisschen näher bringen.

00:01:26: ... was sich unter Supplements bei euch eigentlich verbirgt, weil ich glaube... ...ich habe nur eine Marke zu Hause.

00:01:35: Ihr habt mehrere Marken unterschiedliche Anwendungsfälle und dann vielleicht auch vor allem das Geschäftsmodell,... ...weil darüber dann noch total spannend wird welche Daten überhaupt hat und wie ihr euch aufgebaut

00:01:44: habt.".

00:01:44: Dank für die Einladung!

00:01:46: Na Zahner wurde zwei zwanzig gegründet.

00:01:48: Er hatte quasi die vier Marken, die du genannt hast.

00:01:51: Drei zu dem Zeitpunkt Natural Elements, Natural Love und viel Natural zusammen fusioniert.

00:01:58: Zweiundzwanzig kamen dann langsam Bayer dazu, hat einen großen Wachstumsmarkt gesehen und hat mit dreißig Prozent eingestiegen.

00:02:06: Und ab vierundzwantig, fünfundzwanzig Wechsel haben sie die Marken zu hundert Prozent übernommen.

00:02:13: Dazu kam noch die zuvor gekaufte Marke von Bayern Gläufel.

00:02:17: also haben wir quasi unter dem Nazahner Haus gerade vier Supplementmarken Bewegungs mehr im Supplement-Markt Vitamin D, Dreikart zwei und so.

00:02:30: Und haben jetzt aber auch schon seit mehr als einem Jahr glaube ich Richtung Sport auch gelornt.

00:02:36: also machen auch Wacred Proteine.

00:02:42: Das habe ich da Hause ja?

00:02:43: Genau machen Kreatin, Creapur oder auch Riegel also bewegen uns auch in ein breites Sortiment gerade.

00:02:49: Ja und ihr seid von der Marke fand ich ganz angenehm.

00:02:54: gar nicht so... Aggressiv ist das falsche Wort, aber nicht so plakativ in der Werbung.

00:03:02: Sondern ich finde euch, wenn man sich die Dose anschaut ... Das Natural kommt da teilweise rüber?

00:03:10: Vielleicht kann ich es als Konsument ein bisschen...

00:03:13: Ja wir haben natürlich die vier Marken im Haus und alle Marken haben eine verschiedene Strategie.

00:03:19: Nature Elements ist ganz klar unsere größte Marke, wo unser Ziel quasi ist, in jedem Haushalt zu Hause zu stehen Wo Beinetscher LARV zum Beispiel eher so ein bisschen ins Premium- und Femminienesegment geht, wo wir auch ein bisschen mehr auf Natürlichkeit gehen.

00:03:34: Und auch mehr auf die Rohstoffe noch auf mehr Premium-Rohstoffe achten.

00:03:38: Wodurch z.B.

00:03:39: viel Natural ist unser Low Price Segment, wo er dann nicht so kaufkräftige Kunden ansprechen.

00:03:46: Was sind denn eure Hauptverkaufskanäle?

00:03:48: Also mit was hat der groß geworden?

00:03:50: Wir sind ganz klar eine Amazon-Marke.

00:03:52: Wir machen die meisten Umsätze auf Amazon sind aber mittlerweile auch im DTUC, haben eigene Webshops aufgebaut.

00:04:00: Auch in verschiedenen Ländern mittlerweile und skalieren auch weiterhin andere Länder wie ja auch im Asienmarkt.

00:04:10: Thomas sieht jeder der das Video eingeschaltet hat dass du sehr sportlich bist und für es wahrscheinlich deswegen zum Marke gekommen bist.

00:04:18: Aber was hatte ich so begeistert Data bei so einer Marke zu machen?

00:04:22: Hast Du schon vorher Data gemacht?

00:04:26: Mein Wettegang war ein bisschen willkürlich, sag ich mal.

00:04:30: Nach dem Abi habe ich erst eine Weltreise gemacht und bin dann ziemlich schnell... Hat jeder

00:04:35: gemacht?

00:04:35: Höchstwahrscheinlich oder viele?

00:04:36: Damals vielleicht auch nicht.

00:04:37: das war, da war es seit Jahrzehnten tatsächlich.

00:04:40: Und ja wusste nicht genau was ich machen soll.

00:04:42: nach einer Weltreisen, dachte ich wäre da fündig und bin aber schnell zur Wirtschaftsinformatik gekommen, hab er erst öffentlich studiert.

00:04:49: Hab dann schnell gemerkt, tatsächlich war doch nicht so die richtige Entscheidung.

00:04:53: Ich bin nun mal den Schritt zurückgegangen und hab mir dann noch meine Ausbildung ausgesucht bei BP als IT-Kaufmann.

00:05:01: Und habe parallel dann wieder weiter an der Form studiert, da bin ich quasi durch verschiedene Abteilungen gerutscht und bin dann am Ende bei Business Analysis oder Business Intelligence gelandet.

00:05:11: Und hast du die größte Überdeckung mit deinen Expertise oder Fehligkeiten gefunden?

00:05:17: Genau also BP ist ein toller Konzern.

00:05:20: man kann sich da entfalten und kann irgendwann selbst entscheiden, in welche Richtung man sich entwickeln will.

00:05:25: Wenn man dann die richtige Kontakte kennt, kann man da auch eine Abteilung seinen Abschluss so weit schreiben.

00:05:29: Das habe ich dann gemacht.

00:05:31: Und ... Einzige Nachteil ist du wirst halt nur ein Jahr übernommen.

00:05:35: Damals war ich Junior bis zum nächsten Jahr noch mitten in Corona oder Anfang von Corona.

00:05:39: Ist natürlich auch schwierig für einen Berufserfänger.

00:05:42: wie fand das zu?

00:05:43: quasi im Berufsweg einsteigst als Junior bis an dem Homeoffice ... wie es nicht richtig betreut, lernt's eigentlich gar nicht so was richtige Berufsleben kennen.

00:05:51: Wie das eigentlich sein soll.

00:05:53: und ja hab dann BIP verlassen bin nochmal ein bisschen auf Reisengang wo zwischenzeitlich bei LinkedIn angeschrieben von verschiedenen Leuten aber irgendwie ... ... von der Zahn hat mich die Nachricht am meisten inspiriert weil ist halt wie du sagst sehr zu mir passt um meinem Lebensstil... ...und bin dann relativ schnell dann zur Zahne gekommen als Businessanlust

00:06:12: Ja vier Jahre da vier Titel glaube ich auch gehabt

00:06:17: Genau, ich bin zwanzig eingestiegen.

00:06:19: Businessanlöst über die verschiedenen Datenfahren reden wir gleichwahrscheinlich noch und dann relativ schnell.

00:06:26: Lead BI fachlicher Lead haben direkt Bewerbungsgespräche geführt.

00:06:30: Dann zum Disziplinärischen Lead.

00:06:32: Dann irgendwann zum Director BI und Data Insights.

00:06:35: Und dann kam letzten zwölf-sechzehn Morten das große Thema AI auch immer mehr von zu.

00:06:40: und wir hatten anfangs erst mal ein Expert Squad gegründet zwischen zwei Direktoren einer von Co-Platforms und mir mit ein paar affin Leuten, technisch auf vielen Leuten.

00:06:51: Haben dann aber auch schnell gemerkt nach einem oder zwei Monaten die Kapazität reicht dafür nicht.

00:06:56: Und das war das erste Learning was wir glaube ich in der AI Johnny hatten dass wir halt jemand Vollzeit für das Thema AI brauchen.

00:07:03: Wir haben da nicht extra geheiert, wir haben intern geheiert quasi.

00:07:06: Also die Experten intern gesucht?

00:07:09: Ja nicht gesucht sondern gefunden eher gesagt oder einen hat sich selbst hervorgebracht den sehr guter... Dann hat jeder Businessanlust aus meinem Team, der sehr gute Datenarbeit schon geleistet hat.

00:07:19: Der hat auch eine steile Karriere bei mir gemacht bisher und hat dann einfach angefangen, AR-Use Cases zu bauen selber und dass wir das richtig aufgetragen haben.

00:07:30: Und er hat sich quasi selber in die Position gebracht und dem macht man es da noch anerkannt und den hat man schnell zum AI Expert auch gemacht unter mir dann.

00:07:43: Und so haben wir das Thema dann langsam weiterentwickelt.

00:07:45: Ja, aber jetzt lassen Sie mal kurz vier Jahre zurückgehen.

00:07:47: was hast du denn vorgefunden?

00:07:50: Was war bei der Gruppe, bei den unterschiedlichen Marken eben eigentlich existent?

00:07:57: Aber ich verstanden gehabt ihr verkauft viel über Marktblätzer.

00:07:59: Dann kannst du natürlich viel analysend in den Marktblätzen machen Kannst aber auch Daten rausholen im Instrument.

00:08:05: Was war auch infrastrukturmäßig da?

00:08:07: Ja, ich bin Anfang zwanzig dazu gekommen Die BI-Journey hatte schon ein bisschen eher angefangen.

00:08:12: Ja.

00:08:12: Ähm, im Jahr zwanzig Mitte glaube ich.

00:08:16: So was typische, politische Fragestellungen auch in Finance.

00:08:19: meistens startet man Business Intelligence im Finanzbereich und haben CFO würde ich behaupten und das ist auch glaube ich richtig da anzusiedeln.

00:08:26: Und... Was war Excel Limitations?

00:08:29: Man hat irgendwie die Daten noch in Excel versucht zu analysieren.

00:08:32: Ja!

00:08:32: Die ganzen Orders und irgendwann hat man halt so viele Orders gehabt oder all the items auch.

00:08:37: Da kam Excel langsam an die Grenzen.

00:08:41: Wir brauchen hier eine BI-Solution.

00:08:44: Da ist man schnell auf die Suche gegangen nach dem Exzernpartner, Geminalytics.

00:08:49: Die Frage ist dann auch, baut man das Inhouse auf?

00:08:51: Braucht man ein Exzert auf?

00:08:53: Inhouse würde extrem lange dauern und braucht einen Hire, der das technische Skills mitbringt.

00:08:58: Damals wurde sich für eine Exzerte Partnerschaft entschieden mit Geminalytyx auch eine sehr gute Wahl, mit der wir heute noch zusammenarbeiten.

00:09:04: Ich komme an den Zweiundzwanzig dazu.

00:09:06: Da gab es noch kein richtiges Data Ware aus.

00:09:09: Wir waren doch nicht bei Snowflake, wir hatten noch ein Postgres Server on-premise und hatten quasi das ERP System angebunden.

00:09:17: Also unten paar Power Bioprote gab's weil Power BI ist in der Dezenz bei den meisten drin.

00:09:23: da ist quasi die erste...

00:09:24: Bei Microsoft?

00:09:24: Bei Microsoft in der Zehens genau.

00:09:26: Da ist halt meistens die Kosten günstigste und erste Lösung die man so nimmt wenn man vorher nix hatte.

00:09:34: Ja, angefangen erst mal quasi diese ganze Situation zu analysieren mit meinem Know-how von BP.

00:09:38: Damals, wo ich auch schon mit Power BI gearbeitet hab und halt im BI Bereich konnte Ich müsste meine Expertise einbringen Aber

00:09:43: ihr habt dann die Daten aus den jeweiligen Quellen direkt in Power BI geschoben?

00:09:47: Nein wir haben die auf dem Datemann geschoben

00:09:51: aber da gab es noch nicht viel an Datenbanken.

00:09:54: Wie gesagt Wir hatten das ERP System Das PIM System Also Produktinformation

00:10:01: Und die habt Ihr ins Snowflake geschoben

00:10:04: Genau.

00:10:04: Und dann im Laufe des Jahres kam schnell klar, wir hatten einen starken Wachstumscase, dass man halt auch skalieren will, auch im Datenbereich.

00:10:12: und dann sind wir schnell mit GermanLytics auf Snowflake gegangen.

00:10:15: Ja.

00:10:16: Dann ging es die ersten Monate oder das erste zwölf bis sechzehn Monate würde ich sagen so die Data Foundation zu bauen, Snowflakes zentrales Data Ware aus und die meisten Quellen anzubinden.

00:10:26: Da waren wir eher eine Data Bereitstellung, Data Providing Abteilung ... und haben den verschiedenen Stakeholder, ich war damals noch fast allein.

00:10:36: Ich habe dann schnell einen anderen Business List noch eingestellt,... ... haben wir zu zweit quasi jetzt in unserem Unternehmen mit Daten gefüttert.

00:10:42: Also also hier aber viel Engineering-Aufgaben, Quelsysteme genommen... ... Rohdaten irgendwie im Data Warehouse Snowflag abgelegt?

00:10:48: Die Engineering Aufgaben hatten wir halt ausgelagert an die Angetour.

00:10:52: Wir waren ein Datateam mit zwei internen zentralen Businessanlusten... ... von der Excel-Angetour, die uns das ganze Backendkapazität delivered haben.

00:11:02: Okay, verstanden!

00:11:03: Genau.

00:11:04: Dann hatten wir alle Datenquellen vorhanden, die Stackover mit Daten versorgt und dann hat sich so ein bisschen ... Ich würde es heute bezeichnen als Report Graveyard.

00:11:15: Es entstanden viele Reporter aufgebaut.

00:11:19: Die Frage war halt damals falsch.

00:11:21: So was für Daten haben wir?

00:11:23: Wir haben gesagt, die Daten haben die bereitgestellt in verschiedenen Powerware-Reporten für jede Abteilung.

00:11:27: Erst mal alles zeigen, was man hat!

00:11:28: Alles

00:11:28: zeigen, alles darstellen in verschiedenen Visuals.

00:11:31: aber Ja, haben uns so quasi unser eigenes Grab gebaut.

00:11:34: Wir hatten so viele Reporte und selber einen Überblick verloren.

00:11:38: Wir haben damals auch noch nicht irgendwie die Usage getrackt.

00:11:41: Also wir haben ja auch standardweise glaube ich nur, weil ich weiß letzten dreißig Tage wenn man jetzt keine Customized Solution baut verliert man halt auch die Usages an den Usages über Blick und haben quasi ein eigenes Grab gebaut.

00:11:53: Und dann mit der Zeit ... Viele Dinge sind halt auch zwischendurch passiert.

00:11:58: Bayer-Übernahme, paar politische Einflüsse.

00:12:02: Das Team wird etwas größer, wir sind alle zusammengewachsen.

00:12:06: Wir haben ja alle zusammen angefangen, als Businesshandel löst.

00:12:09: ich bin aufgestiegen zum Lead, zum Director, hab mir Erfahrung gesammelt mit der Agentur die uns einen Super Sparrow gegeben hat und so haben wir irgendwann auch eine Art Mindset Change bekommen.

00:12:20: Weniger vom Reporting mehr zu Decisions.

00:12:23: Es hat geschaffen

00:12:24: wenige glaube ich in der kurzen Zeit zu realisieren

00:12:27: ... zurückblicken würde ich aus heutiger Sicht sagen, das hat ganz schön lange gedauert.

00:12:32: Aber... Ich bin auch sehr selbst kritisch und... ...ich weiß bei der ganzen Johnny natürlich dabei,... ...aber hätten natürlich auch eher schon das sehen können.

00:12:40: aber,... ...ich hab mich ja selber weiterentwickelt mit dem Unternehmen, mit dem Team zusammen... ...und haben dann quasi sind in die Richtung Business Decision Framework gegangen so was,... ...das habe ich damals so genannt.

00:12:53: Und da haben wir quasi.... verschiedene Interviewleitfaden geschrieben und sind quasi von Abteilung zu Abteilungsgang.

00:12:59: Wir haben Interviews geführt mit verschiedenen Abteilungen, nicht nur mit den Lease- und auch mit den Mitarbeitern umgenauzverstehen.

00:13:05: Wir sind eigentlich eure Painpoints.

00:13:07: Wie findet ihr derzeit die Datenlandschaft?

00:13:10: Was nutzt ihr genau?

00:13:11: Was für Entscheidungen trefft ihr auf Basis weiter KPI's?

00:13:15: Haben wir das immer aufgenommen und quasi daraus dann eine optimierte Reporting Landschaft

00:13:20: gebaut.".

00:13:23: Das heißt, ihr habt eigentlich das, was ja schon ein, zwei Jahre aufgebaut habt.

00:13:27: Also Datenmodellierung in Snowflake mit der Agentur dann zu viele Dashboards wieder zurück gebaut auf... Welche sind denn die relevanten Dashboards?

00:13:36: Auch Governance-Themen gespielt also Metriken überhaupt definiert Was ist eine Umsatzkennzahl oder wie

00:13:43: Genau?

00:13:43: ich meine wir hatten damals damals habe Ich mich für ein zentrales Power Data Set damals auch genannt heute es im Antik Model entschieden war quasi die ganze Logik ... eben Semantikmodel gehabt.

00:13:53: Aber da, das habe ich auch schon öfter in deinem Podcast-Squadruher hört man öfter und das kenne ich auch sehr gut allein wenn du die wichtigste Kennzahl anguckst Revenue ist es Netto, ist es Proto... Ist es mit Voucher oder ohne Voucha?

00:14:05: Ist es nach Shipping Date oder Purchase Date?

00:14:08: Du weißt worauf ich hinauswähle.

00:14:09: also alleine so eine Kennzahl ist schon sehr kompliziert zu definieren.

00:14:13: Und dann kommen verschiedene Fragen in einem Report hast du Shipping date im anderen Wort hast du Purchasedate ... auch wenn du das irgendwo hinschreibst, Stakeholder fragen.

00:14:21: Trotzdem machen wir es ja unterschiedlich und da sind halt so Sachen die dazugehören wo du ein Learning drin hast und wo du halt was wir damals nicht konnten auf Grundlage unserer Zeit.

00:14:31: Wir haben halt viel zu wenig in Literacy und Adoption investiert weil wir es einfach gar nicht konnten, weil wir quasi nur Daten bereitgestellt haben.

00:14:39: Und so kann mich dann irgendwann auf den Punkt quasi dadurch dass der Team auch gewachsen ist, wir hatten mehr Kapacitäten... ... in Richtung ... Proaktivität

00:14:49: oder?

00:14:50: Proaktifität

00:14:50: und vom Generalisten, vom generellen Business Anlöst eher in Domain-Exports gehen.

00:14:54: Also quasi Data Product Ownership ein bisschen auch mit Business Ownerships, wo man halt viel näher im Business dran ist sich viel mehr Zeit nehmen kann für die Leute passende Data Products mit den verschiedenen Businesses aufbauen kann und vielmehr die Adoption ... die Literacy und auch dann irgendwie den Trust.

00:15:13: Also dieses Dreieck habe ich immer wieder vor den letzten Monaten, vor allem oder letztem Jahr... ...auch dass das extrem wichtig ist.

00:15:19: Das schaffst du halt nur wenn du ganz nah arbeitende Besonderlösen hast.

00:15:26: in dem Fall würde ich sagen Domainexpert-Owners weil DomaineXperts genauer sind.

00:15:30: Domain waren bei euch dann jemand, der dem Marktplatz verantwortet hat oder Logistik verantwortlich?

00:15:35: Genau.

00:15:35: Also zu Zeit dadurch dass wir leben ja in keiner idealen Welt ist aber auch begrenzte Ressourcen leider nur und wird am liebsten was ich für jeden Fachbereich einen eigenen Domain-Expert haben.

00:15:45: Wir haben das gerade so aufgeteilt.

00:15:46: Ich habe hier auch ein fachlichen BI-Lied mittlerweile.

00:15:48: Der macht quasi Finance und Supply, Logistics uns OCI genannt Operation Category Innovation Was eigentlich schon zwei Rollen sind.

00:15:59: Aber ich glaube, so fängst du ja immer wieder an.

00:16:00: Du bist von Generillisten dann auf teilweise Spezialisten und die Spezialistin musst du dann ja noch mal irgendwie nochmal weiter unterbrechen?

00:16:07: Genau!

00:16:08: Da nehmen wir noch einen für Amazon, für Marketplaces und für DitoC.

00:16:13: Das sind quasi die da Leute in dem Team gerade arbeiten.

00:16:16: Torb, nimm uns mal mit.

00:16:17: Hast du das Gefühl... Also ich verstehe ihr habt auf eurer Seite gemerkt oder vielleicht ist es spannend hat die Fachabteilung gemerkt dass einfach zu viele der Sports gibt und sie nicht mehr wissen, was die zu entscheiden haben.

00:16:30: Bei meiner Erfahrung ist eher ... Die merken das nicht und wollen immer noch mehr und noch mehr Daten.

00:16:34: Und wie es dann dadurch, dass ihr's gewechselt habt, hast du gerade erzählt?

00:16:38: Also habt ihr plötzlich gemerkt, dass bessere und andere Entscheidungen getroffen wurden auf Basis der Daten?

00:16:43: Weil du mehr zu Decisions gekommen bist?

00:16:46: Es ist immer ein langer Prozess.

00:16:49: Aber auf jeden Fall merkt man, dass wir dadurch halt vielen ja ein bisschen waren Weeklys einführen, mit dem Business die Reportesteuern.

00:17:00: Weil vorher hat man halt oft die Kritik gehört hey wir wissen gar nicht was es überhaupt gibt und das war irgendwie auch sarkastisch weil es gab so viel und dadurch wussten die Leute halt wo soll ich überhaupt hingucken?

00:17:11: Und jetzt habe ich halt einen festen Ansprechpartner im Team der vielleicht im besten Fall ein oder zwei Data-Product für die baut und die genau wissen wenn ich ansprechen muss wo ich drauf gucken muss und dadurch viel näher erstmal an den Reporting bin ob jetzt damit bessere Entscheidungen getroffen worden, dass ich finde das immer super schwierig messbar.

00:17:30: Bei manchen digitalen Produkten kannst du sehr leicht das in Zahlen mit den Return-Messen.

00:17:35: bei so Datenprodukten finde ich das teilweise sehr schwierig.

00:17:38: aber man merkt allein an der Use-Edge und an der Zufriedenheit des Stakeholder Und am generellen Waze of Work würde ich sagen und erbeobachten von mir von außen von oben drauf.

00:17:48: Das ist dadurch alleine durch die durch das organisatorische Setup deutlich besser im Sparring ist zwischen Data und Business.

00:17:57: Das heißt, aber was du dann in den Jahren gebaut hast, ist mehr in Richtung Entscheidungen zu treffen?

00:18:04: Aber was du eigentlich geschafft hast is, Business-Analysten mit einem Dashboard zu enablen vielmehr mit der Verabteilung zu sprechen also das eher geschafft die Leute proaktiver werden zu lassen, die dann gemeinsam mit einer Verabteilung weiter sprechen.

00:18:18: Genau so kann man es auch sagen.

00:18:22: Im Endeffekt ... würde ich behaupten, dass jedes Data-Produkt halt ein Ohner braucht und hier besser halten bis es alles sein.

00:18:30: Dass Business versteht, desto besser kann er auch die Themen wieder mit Literacy & Adoption & Trust verbinden... ...und somit auch den Business helfen, bessere Entscheidungen zu

00:18:40: treffen.".

00:18:44: Sind bei euch Datenprodukte nur Dashboards oder habt ihr auch andere?

00:18:48: Also beschäftigt euch mit dem Thema Forecasting, baut ihr irgendwie... ... Data Science Modelle, mit Data Science-Modellen ... ... Vorkastingsachen mit dazu.

00:18:57: Ist das ein Thema?

00:18:58: Wir haben uns versucht an ... ... SNOP-Vorkasting... ... dass wäre zum Beispiel einen Punkt wo ich halt eher die Finger lassen von lassen würde.

00:19:08: Das lagern wir eher in externes Systeme aus.

00:19:12: Das ist aber auch ein fairer Punkt!

00:19:13: Aber dann stellst du dir die Daten bereit, schiebst dir eine externe Systeme, wollten sich selber bauen und wollt damit eben gucken, dass ihr ja trotzdem den Demantvorkast irgendwie hinbekommt.

00:19:21: Genau

00:19:22: Wie muss ich mir so ein bisschen vorstellen?

00:19:25: Ich verstehe, dass ihr in den letzten Jahren massiv gewachsen seid.

00:19:29: Nimm uns einmal mit aus dem Marktblätzen wissen vielleicht viele gar nicht so sehr.

00:19:33: im Vergleich zu die Tussi kriegst du natürlich nicht alle Informationen raus.

00:19:37: Du weißt da wurde bestellt meistens aber garnicht so sehr wer die Person ist.

00:19:43: besten Fall kriegste natürlich dann die Versandadresse aber auch wieder legalseitig.

00:19:47: was darfst du davon für Auswertungen nutzen und was nicht?

00:19:52: Das heißt, aus meiner Sicht beschäftigt euch extrem mit welche Berugte werden verkauft.

00:20:00: Aber nicht dieses klanschische CRM-Händling also nicht Kohorten, nicht einem Customer Lifetime Value keine Equisition Cost versus sozusagen Ertrag über die Zeit.

00:20:11: Ihr wisst gar nicht ob ein Kunde einmal oder zehnmal bestellt.

00:20:18: Nimm uns mal mit was sozusagen bisschen die Herausforderung ist wenn man mit dem Marktplatz wächst.

00:20:23: Wir sehen schon, welche Customer wiederbestellen.

00:20:27: Auf jeden Fall die Customer ID von Amazon aber sonst halt nichts.

00:20:30: wir können den Customer nicht direkt kontaktieren.

00:20:33: das ist das Problem an Marktplätzen mit vielleicht so einem D-to-C-Markt.

00:20:36: da haben wir alles vom Kunden können mit den Daten wahrscheinlich alles machen was er eingewilligt hat und da ist halt das schwierig bei Marktplätzen dann mal keinen direkten Kontakt zum Kunden können aber schon die verschiedenen Customer KPIs wie CAC oder CLV analysieren.

00:20:54: Guckst du euch Warenkörper an?

00:20:57: Im Amazon-Bereich nicht, aber in die Ducie fängt das langsam an wo wir jetzt auch immer mehr Richtung... Wir haben vorher mit klar Get-Klar gearbeitet im Ducielbereich.

00:21:06: Machen

00:21:06: viele habe ich gehört gehabt

00:21:08: ja.

00:21:08: Mache viele werden halt auch immer wieder wechselndes Management im DUCI.

00:21:12: Deswegen war mal Get-Clar dann wieder nicht.

00:21:15: und jetzt haben wir uns seit einem halben Jahr dafür entschieden dass doch zu inhausen weil Get-Lar ist ein super Tool also ... mit das bekannteste eCommerce BI-Tool, würde ich sagen in Deutschland.

00:21:24: Ich habe auch mal mit dem Max, mit den einer der Gründer gesprochen.

00:21:28: Also schon ein richtig cooles Tool.

00:21:30: aber ist halt auch eine Art Blackbox wie die halt das Marketing Attribution Modell bauen und wir wollten halt Hoheit über unsere Daten haben.

00:21:37: Haben dafür halt den Invest gemacht... Und ich hab halt mit dem DITUSI oder Marketing Lead gesprochen hey wenn mir geht klar ablösen dann erweitern wir mein Team um DITOSI analysen und der macht euch da an die Daten analysen Und das ging bisher ganz gut auf.

00:21:52: Wir hatten natürlich einen großen Engineer-Invest.

00:21:54: auch, da das die Attribution-Modelle zu bauen sind gerade noch ein Marketing-Mix-Model dran und er braucht halt auch seine Zeit und fordert halt extrem viel Engineering-Kapazität.

00:22:04: aber ich glaube langfristig haben wir auch einen sehr guten Weg das alles hinauszuhaben und hoheit über seine eigenen Daten

00:22:09: zu haben.

00:22:10: Ja spannend!

00:22:12: Was auch noch spannend ist, dass glaube ich ein typischer Case den auch viele deiner Hörer wahrscheinlich nachvollziehen können oder sich wiederfinden.

00:22:20: Wir haben auch durch verschiedene politische Changes oder Management wechseln.

00:22:25: Irgendwann braucht man ja, solltet man irgendein Management Reporting aufbauen und da ist man halt hingegangen hat die KPIs angesammelt.

00:22:34: von den verschiedenen Managern kann hier gar nichts sagen wie viele es waren, waren bestimmt dreißigvierzig KPI's aus ihrem Bereich irgendwie ihre KPIs tracking wollten.

00:22:45: was haben wir daraus gemacht?

00:22:46: Wir haben einen riesen Power BI Report gebaut.

00:22:49: darauf basieren mit allen KPIs ... in einem weiten, vertikalen und horizontalen View.

00:22:56: Damals fand ich das sehr cool.

00:22:58: Man konnte halt alles auf einen Blick sehen, musste ein bisschen reinscrollen... ... man konnte die verschiedenen Aggressionen der Zeit auswählen eine Woche, Monat, Tag wie man wollte verschiedene Filter setzen.

00:23:08: also es war ein sehr großes Werkzeug.

00:23:13: aber es war anscheinend die falsche Zielgruppe weil Manager du bist ja selber CEO Du willst eigentlich Na komm doch mal auf.

00:23:21: Du willst sofort sehen, ob einem liegt was passiert?

00:23:25: Was gut oder was schlecht.

00:23:26: und da mussten die halt schon tiefer reingucken Und wir haben dann irgendwann gemerkt Das wird überhaupt nicht mehr genutzt.

00:23:37: Wie gesagt wie gerade schon angenehm ich war noch ein paar politische Sachen dabei irgendwie auch noch einen Mannschaftwechsel zwischendurch Und irgendwann das ist gar nichts so lange her.

00:23:46: Ich glaube Anfangs Jahres habe ich dann irgendwann mitbekommen dass das Management wieder mit Excel steuert.

00:23:51: Die haben sich dann ein bisschen an den Lust von mir geschnappt, der hat eine Power-WR-Fürbindung hergestellt und die haben sich die Excel-Daten gezogen und quasi monatlich auf Excel geguckt...

00:24:00: Und dann selber weiter granular reingefiltert?

00:24:03: Selber granular reingefiltert, Kommentare gesetzt weil es kann man ja nicht so gut in Power BI.

00:24:08: und als ich das gehört habe war ich, muss ich schon sagen sehr stolz verletzt und dachte mir, das können wir in dem Jahrzehngen-Zeit doch schon deutlich besser.

00:24:17: Und ich hab mich dann hingesetzt.

00:24:20: Mit Loveable ein bisschen was gepromptet und quasi in kurzer Zeit, das ist ne Woche oder zwei Wochen gewesen sein ersten POC gebaut.

00:24:29: Ich habe mir quasi Daten von Snowflake reingeholt im Superbase, dass die Out of the Box Database hinter Loveable steckt.

00:24:35: Daten reingerollt.

00:24:36: Was mir die extra gezeigt hat ist ... Die brauchen gar keine dreißigvierzig KPIs.

00:24:41: Die brauchen die wichtigsten der PNL, Revenue, PNI Quote, Coxquote, CM-IV Vielleicht noch average selling price.

00:24:49: Und das halt gegen privacy, gegen Plan auf Markt- und Brandebene.

00:24:54: Viel mehr gar nicht!

00:24:56: Das kann man halt super leicht heutzutage über Loveable bauen.

00:24:59: Plus

00:25:00: interaktives Dashboard?

00:25:01: Genau was Power BI halt nicht so gut kann.

00:25:04: Kommentare setzen.

00:25:05: also wir haben es nie irgendwie hinbekommen eine gute Lösung für Kommentare zu implementieren

00:25:10: weil du ja auch wieder Decisions draus ableiten willst und jemand sagen willst was dein Wunsch ist

00:25:14: Genau, und in Leverville kannst du das halt super einfach.

00:25:17: Du machst einen kleinen Prompt.

00:25:19: Habe ich rechts eine Kommentarleiste gemacht zu jeder Granularität die da vorne war also quasi zu National Elements Amazon, konzentrieren Kommentaren setzen und dann quasi in der Seitenleiste kommentieren mit wem auch immer.

00:25:31: Und was noch ganz cool ist, was wir auch noch gebaut haben oder wir haben über den End-at-end eigenen AI Aging gebaut.

00:25:40: Wir haben quasi Daten aggregiert, einen Agent zur Verfügung gestellt plus noch die Kommentare von den Stakeholders.

00:25:48: Ein sauberer System Prompt und ein sauberen User Prompt gebaut.

00:25:51: Und quasi jede Woche fürs Weekly Stealing und jeden Monat fürs Monthly Stealing läuft einmal durch die Daten macht ungefähr acht zwanzig Kommentare und analysiert nicht nur die Daten sondern challenge auch die Stakeholder weil ich hatte so das Bedürfnis in Stacola ein Mehrwert zu geben mit der Plattform, weil die Daten anzuzeigen.

00:26:16: Mit PVC-Planen vergleichen das ist jetzt nichts Besonderes, Kommentare setzen auch nicht.

00:26:20: aber wenn du einen AI Agent darüber laufen lässt der Insights generiert und auch die Stacolor Challenged und Fragen stellt so dass man halt auch bisschen Richtung Data Driven und Intelligent Driven sich umwickelt und so auch eine Diskussion zwischen AI und Stacolors Management entsteht ist ja erstmal super fortschrittlich für dich behaupten.

00:26:41: Ja, ich finde es auch smart so, dass ich unterbreche aber das der Analyst nicht die Frage stellt sondern daß der Agent die Frage stellt weil du nicht diesen persönlichen Angriff hast.

00:26:52: Weißt Du wenn du... Das ist meine Erfahrung, ich weiß nicht wie deine Erfahrung ist Wenn ich als... wird mich jetzt als Analyster teilweise beschreiben Zahlen hinterfrage und einen anderen Manager sozusagen Challenger in seinen Zahlen Ist das gleich was Persönliches oder kann als persönlich empfunden werden?

00:27:10: Wenn du so ein Agent reinziehst, dann kannst du es noch sagen.

00:27:12: Er hat jetzt eine falsche Frage gestellt oder kannst dir viel Emotionslose nehmen.

00:27:17: Ja super guter Punkt ist wenn ein Controller irgendwie einen Sales Manager angreift und könnte da schon irgendwas persönlich dazwischen stehen oder zwischen ja sein.

00:27:27: aber wenn der Agent das macht ist halt auf einer neutralen Ebene.

00:27:30: der greift kein persönlich an sondern greift nur basierend auf seinem Wissen auf seinen Input an.

00:27:35: Je besser man das natürlich steuert oder implementiert mit einem sauberen Userprom, mit guten Input-Daten.

00:27:42: Und am besten noch ... Man redet ja davon immer irgendwie, die KI muss was lernen und der Agent muss etwas lernen.

00:27:47: Die lernen nicht an sich so an, gibt es einfach immer einen neuen besseren Input rein.

00:27:51: Wir haben das so gebaut, dass quasi die Kommentare der Vorwoche immer wieder auch reinkommen, dass der Agent von sich selber lernt über die Kommentare des Salesmanagers.

00:27:59: Da ist gerade noch ... noch nicht quasi zu Ende evaluiert.

00:28:03: Das läuft gerade noch ein, zwei Monate.

00:28:05: und ist das noch bewerten?

00:28:07: Ich glaube, dass sind sehr gute Ansätze wie man so von Data-Würfen auch so bisschen Richtung Intelligentwürfe rüber schwappt, dass man halt Agents mit Einbezieht Daten analysieren lässt und dann auch die Stacula einfach challenged.

00:28:22: Aber muss ich mir dann so vorstellen, dass viel mehr Leute in diesem Weekly Munchley Steering drin sind allgemeinen Power BI-Dashboards nutzen oder verschiebt sich es vom Dashboarding hin eher zu diesem Interaktiven?

00:28:39: Ich würde sagen, das ist ein Misch aus allem.

00:28:43: Wir haben Power BI im Einsatz wir haben auch Sortsport mittlerweile im Einsatz.

00:28:47: können wir gleich auch noch vielleicht wieder dazu sprechen.

00:28:49: aber wir haben Kastemeisterlusion wie jetzt dieses ich nenn's AI´s oder wir nennt es AIS Sales Doing in der Einsatz.

00:28:57: da ist ein misch auf allen Welten.

00:28:58: das schönes ja Dadurch, dass wir halt eine aufgeräumte Datenlandschaft für unsere Verhältnisse aus unserer Sicht haben.

00:29:05: Quasi die Reporting Layer oder Gold Layer wie immer man sie denn will kann man beliebig viele Sachen da drauf einfach aufbauen und auch austauschen.

00:29:15: Früher hat man die meiste Logik halt, wie wir es auch hatten oder noch haben tatsächlich in Power BI im Semantikmodel gehabt.

00:29:22: Und heute zieht man ja die Logik eher aus dem BI-Tool in das Data Warehouse in den Semantic Layer, ... mit dem Konsumtion-Layer und Top beliebig quasi austauschen kann.

00:29:35: Wir können direkt Powerbeeren bilden, wir können Zauberspotten nehmen... ...wir können von mir aus noch Tabloh nehmen, wenn das noch einer heute gut findet.

00:29:41: oder auch halt Loveable, eine Bipecoding Tool und super flexibel unsere eigenen Customized Solution bauen so wie es der Yousges halt erfordert.

00:29:51: Ja,

00:29:52: d.h.,

00:29:52: Ich überlege gerade, wie lange das dauert hätte.

00:29:58: Hättet ihr kein AI gehabt und mit Lovable dieses Management Reporting zu bauen?

00:30:03: Ihr hättet erstens gar nicht die Möglichkeit gehabt diesen Agent rüberlaufen zu lassen Und dieser POC hätte ja nicht zwei Wochen Torbenzeit gekostet sondern Wochen- und Monate und du hättest dafür erstmal ein Budgetantrag stellen sollen dann hätt es wahrscheinlich nicht bekommen.

00:30:19: Also diese technisches Enablement ist schon teilweise gigantisch.

00:30:22: was da funktioniert

00:30:24: Genau, und das ist glaube ich auch das Schöne bei uns in der Firma.

00:30:27: Wir sind zwar eine Bayer-Tochter aber agieren noch sehr agil wo wir öfters mit Bayern im Sparring sind und die uns fragen was?

00:30:38: weil wir aus unserer Sicht sehr fortgeschritten im Thema AI sind und viele verschiedene Use Cases bauen und in was für einer Geschwindigkeit sie immer wieder überrascht wie wir es machen.

00:30:46: Und da ist einfach weil wir zentraler Data & AI zusammen own als Abteilungen unter und quasi Groupdirektor als CDO.

00:30:56: Und quasi auch ein Budget haben, wenn mein AI-Lied mich heute fragt, hey ich will mal das ausprobieren?

00:31:02: Ich brauche dafür meine Zweihundert Dollar!

00:31:04: Dann macht er das eben und ich sage ja klar mach'.

00:31:06: und hat sofort die jungen Freigabe bekommen von rechts vom anderen Direktor, die API von Salesforce zum Beispiel.

00:31:15: Das ist halt super schnell und hat in einem Tag schon POC gebaut wo wir es vielleicht an anderen Unternehmen oder anderen Strukturen den größeren unternehmen Wochen oder Monate dauert.

00:31:22: Das ist unser Vorteil in Geschwindigkeit?

00:31:24: Ja,

00:31:24: also meine These ist große Unternehmen bauen erst den Standard und überlegen dann was mögliches.

00:31:32: Du hast es ihr versucht ja zu gucken was möglich ist.

00:31:35: Und jetzt ist die Frage schafft ihr danach einen Standard zu bauen?

00:31:39: Weil du musst aus diesem Piosi raus weil du kennst schon weil du musst ja das mal schnell aufbauen.

00:31:45: ich weiß diese Diese einfachen Konstrukte bestehen manchmal für Jahre und irgendwann sind sie kaputt.

00:31:51: Ja und eine Antwort von mir ist, ich sage heute immer allen wir haben keine Limitations mehr.

00:31:58: Wir können alles bauen was es nur möglich ist.

00:32:00: natürlich fangen wir jetzt nicht an in aus eap zu bauen oder ja einen eigenen Marktplatz zum Beispiel.

00:32:06: aber Ich sage immer den second.

00:32:08: wir haben so eine saubere Datenlandschaft und so ein guten überleg über die Daten.

00:32:12: Und mit Lava Bell mit NLN Zordsbord mit ganzen Tools sie bei uns im Einsatz sind können wir halt erstmal alles bauen.

00:32:18: und klar So ein A.I.

00:32:20: Sales-During, so'n Promt ist in Lavable schnell gesetzt.

00:32:22: Ich hab nach sagen wir zwei Stunden und da ist nicht übertrieben schon super von außen getrachtes geiles Data-Produkt.

00:32:30: Natürlich steckt ja dann viel mehr Arbeit noch hinter.

00:32:32: aber ich selber gemerkt nach zwei Wochen stand der POC.

00:32:35: Ich habe ein bisschen Bärmung gemacht mit paar Stake Holdern wo auch immer sehr viel darauf Wert legen bei meinem Team Das meint Keep It Simple.

00:32:44: Die erste Version keep it simple fangen einfach an ... habt ein schnelles Sparing mit einem Stakeholder, was halt super einfach heute möglich ist.

00:32:50: Mit dem Vibecoding Tool.

00:32:51: Du hast super schnell einen Mockup und hast ungefähr eine Idee wie das aussehen könnte im Front-It.

00:32:55: Natürlich frontet nicht gleich Backend.

00:32:57: Backend ist natürlich immer noch sowohl die Meisterarbeit rein investiert wird... Und ich habe bestimmt dann auch einige Wochen noch gebraucht um den sauberen Agent Flow zu bauen in NN, paar Learnings zu haben bisschen korrigieren, auch die Daten zu validieren, die Insta zu validier'n und das dann auch ins Adoption zu bringen.

00:33:13: Das hab ich auch gesehen selbst wenn nun supergeiles Werkzeuge oder ein Toolbaus wie eine AI SalesDring, was mit AI arbeitet.

00:33:21: Wo wir auch einen AI Agents implementiert haben, wo du mit den Fragen dem aktiven Dialog führen kannst.

00:33:27: Selbst dann musst du noch die Stakeler anschubsen für die Adoption.

00:33:31: Weil die haben natürlich ihren eigenen Alltag diesen beschäftigt, dem anders zu tun als um in den Produkte Datenprodukt oder Digital Product zu benutzen.

00:33:38: Da muss halt auch, was ich anfangs sagte, mit Adoptions und Literacy.

00:33:41: Du musst da wirklich hinterher sein.

00:33:43: Egal wie gut das Produkt ist, du musst trotzdem hinterher ... in den Stake Run quasi ein Arsch treten, das zu benutzen.

00:33:49: Und quasi immer den Mehrwert... Wieder

00:33:52: zu verkaufen?

00:33:52: Ich glaube es kann man im Data-Bereich nicht so gut Werbung dafür machen was wir haben.

00:33:58: Wo nutzt ihr jetzt Fortspot?

00:34:01: Fortsport ich hatte.

00:34:03: letztes Jahr war ich auf der Snowflake World Tour in Berlin und habe mir mal ein paar andere Biaitos angeschaut wie Sigma Computing und auch Sortspot weil ich Power Bear irgendwie Paube hat uns nie geholfen im Thema Self-Service Analytics.

00:34:17: Ich fand das irgendwie immer zu kompliziert für Stakeholder, die nicht so technisch affin sind.

00:34:21: weiter weg von den Datenstrukturen und dachte mir auch Richtung Talk to the Data.

00:34:27: da gibt es bessere Solutions am Markt.

00:34:31: Und dann kam ich schnell auf Sortspot.

00:34:33: Hab tatsächlich auf der Snowflake World Tour gesehen, dass Bayer auch Sortsport benutzt und jemand vom Bayern Vortrag gehalten hat, da hab' ich mich mal mit ihm connectet.

00:34:42: Und dann sagt er, ja, Kolla könnt ihr mitnutzen.

00:34:44: Und so kam relativ schnell zu Swordspot und hat mir jetzt tatsächlich, hab ich gerade schon angesprochen, mit Get klar ... Wir haben quasi Swordsport.

00:34:53: auch ein neues Bialt etablieren ist halt eine Mammutaufgabe.

00:34:57: Und wir wollten das nicht vom Power Bear zur Swordbot wechseln, sondern wir wollten den Swordbot einfach in unser Text deck aufnehmen.

00:35:05: Zusätzlich

00:35:05: zu Power Bear?

00:35:06: Zusätzlich

00:35:06: zum Power Bear erst mal.

00:35:08: Ist bei heute auf jeden Fall... hat auch beides irgendwo seine Stärken wahrscheinlich.

00:35:12: Das Hotspot haben wir dann für den D-to-C Use Case, auch gebaut um get clear abzuschaffen und haben das jetzt auch schon relativ gut adoptiert.

00:35:20: mal ein D-To-C Business anlöst der ist auch mittlerweile das Hotsport Champion dessen relativ tief drin.

00:35:26: und das Hortspot macht es halt extrem leicht den Semantik Layer aufzubauen.

00:35:31: Du hast einen Semantic Layer in dem Hotspots selber die noch unseren Aufblick übernehmen kannst Machst sogar mit AI viel.

00:35:38: Sie haben einige AI-Features innerhalb der Plattform, die auch jeden Monat neue Features bekommen wie damals würde ich sagen Power BI wo jede Monat irgendwas neues weiß.

00:35:46: jetzt heute Sourcebot.

00:35:47: aus meiner Sicht hier ist richtig cool machen und Du hast dann quasi innerhalb SourceBot Spotter nennt sich der AI-Gens von Spotter auch von SourceBots Und du kannst da quasi talk with the data hast du innerhalb von wenigen Tagen etabliert

00:36:01: Wenn die Datengrundlage stimmt?

00:36:02: wenn die Daten Grundlage stimmt das ist natürlich immer Voraussetzung.

00:36:06: Was hat euch geholfen diese Datengrundlage den Goldlehr sagt man ja sozusagen ordentlich aufzubauen.

00:36:13: Also warum?

00:36:14: Es wirkt so als ob ihr euch dafür mehr Zeit genommen haben wie andere.

00:36:18: wenn ich mir viel mit anderen Leuten spreche merke, dass sie da noch die meisten Herausforderungen haben dieser diese Leer Architektur aufzusitzen.

00:36:26: Ja Wir hatten ursprünglich eine zentrale Effekt oder items Tabelle und die war auch lange kompliziert bis heute noch kompliziert ... haben dann aber parallel, da wir unter Finance angehangen waren,... ... haben wir schnell in eine BI-basierte PNL investiert.

00:36:43: Ich kann ja heute nicht mehr sagen genau wann das angefangen hat... also mein erziger BI-Lead hatte halt mit einem anderen Engineer von Gemma Analytics fast Vollzeit angearbeitet.

00:36:53: Lass es mindestens ein Jahr vielleicht sogar zwei Jahre mit Parallelthemen natürlich,... ... aber du hast halt extrem viel Zeit investiert und die war ist... Das sind fast ohne Boden, die ist nie perfekte PNl, also eine BI basierte Pnl.... Da fließen halt... Du musst dir vorstellen, wir haben viel Marken.

00:37:08: Wir haben weiß nicht wie viele Channels.

00:37:10: Vier-Fünf Hauptchannels mit Unterschannelts und Ländern.

00:37:14: Da sind so viele verschiedene Kosten rein auf den verschiedenen Ebenen der PNL.

00:37:19: Und die musst du erstmal zusammentragen.

00:37:20: Teilweise automatisiert, teilweise manuell.

00:37:22: Dann muss das validiert sein, dann muss das stimmen, muss Feindesnommertorbe gucken.

00:37:27: Also da es ... war und klingt sehr kompliziert.

00:37:33: aber Wir wurden uns wurde vertraut, dass sich die Zeit lohnt.

00:37:37: Die wird da rein investieren.

00:37:39: und heute würde ich sagen das war auf jeden Fall richtig.

00:37:41: natürlich hat uns finance immer sehr nah im nacken gehangen.

00:37:44: die sagten auch hey wieso dauert es lange?

00:37:48: weil das problem ist ja auch meistens Das nicht data leute es kein verständester farben wie lange was dem engineering braucht Und die geben der anfang rein und denken das ok dass morgen fertig aber manchmal dauert das wochen weiß irgendwie doch kompliziert als alles ist.

00:38:02: Und wir haben einfach das nötige Vertrauen von der Geschäftsführung, von unseren Vorgesetzten bekommen.

00:38:08: Was wir brauchten quasi den Vorschuss und heute kann ich sagen es hat sich auf jeden Fall ausbezahlt auch wenn's ein langer komplizierter Weg war weil zwischendurch war ich auch frustriert dass es noch eine Runde gedreht hat noch ne runde gebraucht hat noch eine runde dann war da wieder nicht die datensauber.

00:38:27: Da muss man da nochmal rund drin.

00:38:28: Es war schon lange Prozess und viele Unternehmen halten das halt nicht aus.

00:38:33: Und du siehst halt nicht von heute auf morgen den Mehrwert, sondern du siehst dann dem Mehrwert wenn du halt diesen Layern nimmst.

00:38:39: Den merk

00:38:39: ich jetzt!

00:38:40: Ja und dann obendrauf den Konsum schnell ersetzt wie Sourceboard, wie ein Vibe-Connectool... ...wie ich den halt von heute wenigen Stunden und die Daten so gut sauber zusammenhaben.

00:38:52: Aber die Frage, die wir hier viele stellen also im Markt sehe ich gerade dass viele Unternehmen das noch nicht aufgebaut haben.. ..und die Frage die ich mir mit vielen Gästen ja eigentlich im Podcast bespreche ist warum?

00:39:03: Habt ihr oder warum habt ihr nicht geschafft diesen Mehrwertintern zu kommunizieren?

00:39:06: Und bei dir wirkt es so, dass du's einfach gemacht hast und vielleicht ein bisschen die Hand rübergelegt hast.

00:39:14: Damit es nicht jeder gesehen hat das da eigentlich viel Zeit investiert.

00:39:18: weil jetzt zwei Personen kannst du irgendwie hochrechnen ... zwanzigtausend pro Person sein, im Sinne von Beraterkosten sind vierzig tausend.

00:39:25: Das heißt jetzt über eine halbe Million Euro da reingeblasen?

00:39:29: Ja und du musst dir sozusagen die Logik.

00:39:31: gehst zum Chef und sagst dich hätte gerne eine halben Millionen Euro.

00:39:33: es lohnt sich.

00:39:34: in drei Jahren wird der Chef oder ich auch aus Ziel level sagen freut mich torben.

00:39:38: nein das ist die Argumentation die du irgendwie schaffst aufzubauen und das ist ein bisschen die Frage Ist man dreist will ich dir jetzt gar nicht zu nahe treten was ja dann am ende sich auch auszahlt ... oder ja, versucht man das in kleinen Häppchen zu machen.

00:39:55: Und du hast es halt einmal gut durchgezogen?

00:39:57: Ich glaube... Man kann's heute nicht mehr genau sagen und es wurde einfach vertraut!

00:40:02: Wir haben, glaub ich, insgesamt gute Arbeit geleistet, haben immer wieder Fortschritt präsentiert jetzt nicht nur in der PNL, sondern generell in unserer ganzen Daten-Datehunter-AI Journey.

00:40:10: Und uns, mir und meinem Team wird einfach vertrauert was wir da machen, dass wir auf einem guten Weg sind.

00:40:16: Ja, du warst sehr wichtig dabei.

00:40:18: Und klar wusste ich auch Dazu die Frage kommt, das ist vielleicht eine halbe Million.

00:40:25: Wenn wir heute zurückblicken oder andere Unternehmen gucken, die Steuern nach Umsatz ... Wir haben es halt geschafft.

00:40:33: Die granularste Ebene gebaut.

00:40:34: auf ein Order-Item-Level sind da die verschiedenen Kosten der PNL und können heute alle Brands, alle Channels danach steuern.

00:40:42: Und können dann so viel Insights generieren wie verschiedene Salesmanager nutzen können oder auch die Agents.

00:40:48: Das baut ja alles aufeinander auf.

00:40:50: Da ist halt die Foundation, die wir zum Glück schon gebaut haben.

00:40:53: Wovon wir jetzt heute purportieren?

00:40:55: Wo vielleicht anderen noch am Anfang sind.

00:40:57: Weil die vielleicht zu schnell irgendwas Besonderes haben wollten mit AI und das der falsche Ansatz war.

00:41:07: Was sind so die nächsten AI-Themen, die ihr versucht umzusetzen?

00:41:11: Also generell sind wir aufgeteilt in BI, Engineering & AI Squad.

00:41:16: AI Squad ist ausgelagert von Data.

00:41:19: Obwohl der jetzige I-Lead aus meinem Team kommt... Und wir bauen da verschiedene AI-Usescases.

00:41:26: Wir versuchen schon im ganzen Team, nicht nur im AI-Team mit der AI zu arbeiten.

00:41:30: Wir haben Data Team machen hat auch viel mit Loveable, mit NNN und Agents... ...und die Jungs in dem AI-Team bauen viele verschiedene Lösungen.

00:41:38: Eines davon hatte ich auch schon vorgespräch erwähnt mit einem Buchungstool.

00:41:44: Das ist genau so wie mit Vibecoding.

00:41:46: was heute möglich ist das war also vor eins werden war es gar nicht denkbar.

00:41:51: ... und das ist nur ein Buchungstuhl sein, da kann man natürlich auch sehr gut ... ... den Viteuren berechnen.

00:41:55: Wir haben einen Kostzahlungen wie sieben, achttausend für ein Buchungsstuhlt, was jetzt nicht vieles im Jahr, aber für ein ... ... Buchungs-Tool.

00:42:00: Das haben wir dann in einer Woche selber gebaut... ...und konnten uns so die Kosten sparen oder auch ... ... ein anderes Beispiel.

00:42:05: Wir hatten einen Chatbot auf unseren Webshops über eine ... ... externe Agentur, haben dafür ein paar tausende gezahlt ... ... im Monat oder im Jahr insgesamt ... ... und haben ihn auch selber gebaut, wir haben ... ... das Galiert.

00:42:20: Wir bauen, wir lernen immer mehr und das Interessante was ich auch noch erwähnen würde ist wir haben halt Leute mit einem Item sitzen die nicht unbedingt technisch sind.

00:42:32: Ich habe, wir hatten Produktmanager, der war zwischendurch bei einer anderen Firma den haben wir zurück geholt und ins Item geholt... ...mit ohne technisches Vorwissen und er baut, der hat jetzt das Buchungssoftware gebaut,... ...der hat den Chatbot gebaut, der baut andere Plattformen Und das ist halt so schön und so spannend zu sehen, dass du ...

00:42:51: Weil der den User Gedanken hat.

00:42:53: Ja weil er aus dem Business kommt?

00:42:55: Ja genau.

00:42:55: Und halt Business mit technischen Know-how was er über AI Vibecoding generiert verbindet.

00:43:03: Ich hab mich diese Woche mit unserem Software Entwicklungsleiter auseinandergesetzt und gesagt, ey pass auf!

00:43:08: Wir werden jetzt jede Woche eine Stunde oder zwei Stunden miteinander Vibecoden.

00:43:13: Und dann hat er so gefragt, was ich denn eigentlich machen will.

00:43:16: Ich habe ihn angeguckt und gesagt, ich weiß das noch gar nicht.

00:43:18: Wir wollen jetzt irgendwas werden wir schon

00:43:19: machen.".

00:43:20: Dann hat er auch wieder nachgedacht und meint, als Entwickler würde ich gerne wissen, was wir jetzt machen.

00:43:26: Da hab ich gesagt, verstehe ihn!

00:43:28: Und ich würde mich noch vermeidlich als Richtung Tech oder Techie bezeichnen.

00:43:35: Er meinte ja, er ist Techie... ...und er braucht genaue Anforderungen bis wir darüber gesprungen haben.

00:43:41: Also wir bauen gerade intern einen AI Hub auf, also eine Plattform wo du JetGPT-Assatz würd ich das mal frech behaupten.

00:43:50: Und das haben wir auch mit extern gemeinsam gebaut und wollen jetzt einmal selber machen.

00:43:54: Ich glaube so kommst du in dieses Spiel rein und lad jeden ein der glaubt es interessant ist und dann kommt er in die richtige Richtung.

00:44:02: Man muss einfach mal machen!

00:44:04: Die Frage ist ja auch wie bringest Du den AI uns dann unternehmen?

00:44:07: Wie skalierst du den AI?

00:44:08: Wir haben es ja grad schon angesprochen Wir hatten ein In-House-Karrierefahrt quasi gebaut.

00:44:14: Da hat sich selber gebaut, wo der AI Expert ist, der AI Lead und hat ein eigenes Team aufgebaut mit unserer Unterstützung.

00:44:21: Und jetzt machen wir dem nächsten AI Day, wo quasi weil zur Zeit bauen halt nur unsere Leute NNN lovable AI Produkte oder Digital Produkte.

00:44:31: aber wir würden das gerne auskalieren so dass wir einen AI Day bauen wo wir Sachen vorstellen, wo wir mit Stakeholder mit Fachabteilung zusammen Sachen gebaut haben um das natürlich auch noch weiter in die Abteilung zu skalieren, weil wir sehen ja anhand unseres eigenen Beispiels von meinem AI-Team.

00:44:48: Du brauchst nicht unbedingt technisches Wissen, um AI Produkte zu bauen.

00:44:52: Das reicht.

00:44:53: Businesswissen plus gleich ein bisschen Anleitung zum Thema Vibecoding.

00:44:57: was ist ein Orchestrierungstool wie NHN oder MAKE?

00:45:01: Wir haben NHN im Einsatz, muss es sehr gut finden und damit kannst du halt so viele verschiedene Prozesse... Automatisieren und auch mit AI Enhancen.

00:45:11: Hm, sehr spannendes Thema!

00:45:12: Ich glaube es geht in eine richtige Richtung.

00:45:13: Haben wir irgendwas vergessen über was wir hätten noch sprechen sollen?

00:45:18: Ich habe jetzt hier mal unsere Sachen durchgeguckt.

00:45:19: ich wäre eigentlich schon bei den zwei Abschlussfragen.

00:45:22: Ich glaube am Ende so ein bisschen Ausblick wo es mit AI hingeht ist eigentlich ein spannendes Abschluss gewesen.

00:45:28: außer wer haben doch etwas?

00:45:29: Ja dazu kann ich vielleicht noch sagen ich fand ich war letztens mit meinem Detoxibis in München in der Lernz Arena eingeladen von Swordspot Und die haben da eine schöne Folie gezeigt mit so einem Puzzle.

00:45:39: Das waren verschiedene Puzzleteile, das eine war Data Gauernens, das andere war irgendwas mit der AI und das sehe ich auch bei uns.

00:45:46: Wir bauen halt in den verschiedenen Bereichen verschiedene Produkte oder verschiedene Puddle-Teile wie AIS Health Steering, wie den PNL Gold Layer, wie dem Chatbot, wie irgendwie noch ein Marketing Market Competitor Tool.

00:46:03: Und irgendwann verbinden wir diese Puzzledeile Und da ist, glaube ich so ein Ausblick, wo wir auch hinwollen was unsere Vision ist.

00:46:09: Dass wir halt viele Produkte bauen, interaktiv verbessern und dann auch irgendwo dann den Connect finden und so halt noch einen viel größeren Mehrwert exponentiell finden.

00:46:20: Das ist wieder das gleiche, was du vorhin so ein bisschen beschrieben hast.

00:46:23: Du musst so schnell wie möglich mit den Fachabteilungen sprechen die Bedürfnisse verstehen und sie dann ausrollen.

00:46:31: Und bei dem Thema AI hast du halt Technik plötzlich demokratisiert und musst eigentlich sofort mit den anderen Leuten sprechen.

00:46:37: Was braucht ihr dann bewerten?

00:46:41: Ja, auf jeden Fall.

00:46:43: Okay ich üb mich ja gerade in Fazit der Folge.

00:46:48: also was nehme ich aus der Folge mit?

00:46:50: Das werde ich jetzt versuchen einmal zusammenzufassen.

00:46:52: da muss ... mein eigenen Cloth oder Coop-Hydrate anschmeißen.

00:46:55: Du musst sagen, ob das dann richtig

00:46:56: ist.".

00:46:56: Also meine Wahrnehmung von der Folge was du mir sagst... ...du kommst bist mit einiger wenige Expertise ins Unternehmen gekommen,... ...kamst eigentlich eher aus dem Analystenbereich und hast innerhalb von kurzer Zeit geschafft.... Excel als relevantes Tool abzulösen, weil ihr den Bedarf hattet das die große Datenmengen schon zur Verfügung stellt soll.

00:47:19: Deswegen seid ihr gemeinsam damit in einer externen Firma Richtung Snowflake gegangen und habt eine Datenbank aufgebaut.

00:47:29: Wahrnehmung, reingegangen, Hammernagel.

00:47:32: Alles muss irgendwie ein Dashboard werden.

00:47:34: Alle Daten müssen zu verfügen gestellt werden mit breiter Brust dem Unternehmen erst mal gezeigt welche Daten ich alle habe was dazu geführt hat dass ab einem gewissen Punkt des Thema gekippt ist und jeder zu viele Dashboards hatte und da wirklich nicht mehr der Mehrwert entstanden ist.

00:47:47: Und irgendwie habt ihr dann schon selber festgestellt das es eigentlich mehr in Richtung Decision gehen muss und ihr musstet das ganze Thema was ihr ausgerollt habt wieder zurückrollen und eigentlich feststellen, dass es wieder in den Thema geht mehr InSight zu generieren.

00:48:03: Das habt ihr euch schwer getan bis auf dem Aspekt das ihr jetzt perspektivisch festgestellt habt und auch ein bisschen unter deinem verletzten Stolz, dass die Manager jetzt Excel wieder nutzen.

00:48:15: Dass man es mit einem Agenten gemeinsam um mit den Kommentaren eigentlich schafft, Monthly und Weekly Reporting Steering hinzukriegen was emotionsfrei ist um die Decisions immer wieder in die Firmereien zu massieren.

00:48:29: Im Hintergrund, wie auch immer du das als U-Boot Projekt dann geschafft hast, habt ihr wirklich auf Order Item Level den granularen P&L Struktur in eurem Gold Layer aufgebaut der euch jetzt massiv enabled genau die Sachen, die ich gerade beschrieben habe, den Agent und weitere Themen so aufzubauen dass ihr wirklich von der Vorarbeit profitiert und jetzt massif skalieren könnt.

00:48:57: Ja,

00:48:58: perfekt.

00:48:59: Zwei Fragen!

00:49:01: Ich sehe keinen Variable aber was machst du sozusagen noch privat mit Daten und dann im Ende Filmtitel?

00:49:07: Welchen Filmtiteln würdest du uns am unserer Folge geben?

00:49:11: Privat mit Daten mache ich tatsächlich mittlerweile kaum noch etwas.

00:49:14: Ich habe früher mal ein bisschen was getrackt.

00:49:16: Mit der Fitbit hatte ich schlafe getracked, laufgetracked... Aber ich mache schon so lange Sport da setze ich lieber auf Intuition und damit fahre ich ganz gut.

00:49:26: Und im Filmtitel hab ich mir überlegt, Karate-Kit.

00:49:29: War ganz spannend.

00:49:29: Ja?

00:49:30: Es passt gut zur Folge.

00:49:32: Weil da wurde auch extrem viel Zeit investiert in Sachen, die keinen Sinn ergeben haben und auf einmal macht's Klick ... Sehr

00:49:41: cool!

00:49:42: Da oben.

00:49:43: vielen Dank für die Folge.

00:49:44: Vielen Dank, Jonas.