Sessions

15 - 16 November 2023 - Berlin

Taxfix embarked on a journey to integrate Marketing Mix Modeling (MMM) into their measurement solutions, starting with an evaluation of its potential benefits. Recognizing the value of MMM, they then faced the decision of whether to build or buy the solution, considering the resource constraints they had at the time. This presentation explains why Taxfix believed MMM was valuable, how they decided on the build vs. buy question, and how they utilized the first version for decision-making. Taxfix also explored other solutions that added value to their MMM efforts. As they look ahead, this presentation will outline Taxifix‘ plans for the next iteration of our MMM, focusing on future improvements and innovations. Join Andre Wagner to learn how Taxfix successfully created and applied MMM with limited resources, and gain insights into the evolving landscape of MMM.

Welche Aspekte sind entscheidend bei der Erstellung eines ganzheitlichen Dashboard-Hubs, der bis auf höchster Management-Ebene eines großen Versicherungskonzerns genutzt wird? Ein solcher Dashboard-Hub aggregiert sämtliche Unternehmensdaten aus Brand Reputation Studies, HR, Social & SEA Kampagnen, Web-Analytics, SEO, Newsletter-Daten, Intranet, etc. und visualisiert sie in einem umfassenden System, das speziell für die verschiedenen Stakeholder des Konzerns aufbereitet wird. Unter Anwendung des Standardmodells für Kommunikations-Controlling, dem DPRG/ICV Wirkungsstufenmodell, wird die Leistungsebene der Kommunikation mit der Wirkungsebene verknüpft und im Dashboard-Hub sichtbar gemacht. Dadurch wird die Managementebene mit den Hebeln zur Steuerung ausgestattet, was eine gezielte und effektive Kommunikation ermöglicht. In ihrem Vortrag beleuchten Patrik Götz und Dr. Reimer Stobbe den komplexen Aufbau eines solchen Systems, die damit verbundenen Herausforderungen und den daraus resultierenden Mehrwert für Unternehmen.

The rise of generative AI has brought AI solutions to the forefront of business leaders‘ minds. Companies in all industries are looking to use AI to improve process costs and quality. But while machine learning products have long been hidden in technical components to predict churn, forecast sales, recommend the next movie, or improve processes, they are now on the verge of being used by large parts of organisations. Of course, use cases need to be identified, scalable, and maintainable. But what do we need to do to ensure that these solutions are used in everyday work? How do we convince large parts of an organisation to use and rely on our solutions to make business decisions (and potentially affect their personal careers)? We need TRUST! Building trust in the solution is an essential part of successful AI projects.

Als Datenexpert:innen möchten wir, dass unsere Entscheider:innen endlich datengetriebene, rationale Entscheidungen treffen. Doch: Oft fällt es uns schwer unsere Kollegen von Bauchentscheidungen abzuhalten und unsere Dashboards, Datenservices und KI-Produkte bei den Usern so richtig zum Durchbruch zu bringen. Die schlechte Nachricht zuerst: Das menschliche Gehirn ist biologisch gar nicht in der Lage dazu data-driven rationale Entscheidungen zu treffen, so wie wir uns das idealisiert vorstellen. Heißt das also, dass all unsere Mühen rundum Daten- und KI-Initiativen umsonst sind? Jetzt die gute Nachricht: Nein, natürlich nicht! Wir müssen jedoch unsere Datenprojekte anders kommunizieren und unsere Rolle als Datenexpert:innen neu definieren. Dann gelingt es uns viel besser unsere Entscheider:innen und User:innen abzuholen.

This collaborative project between A1’s Marketing and Data Science departments aimed to define customer segments using available data for two primary purposes: (a) Personalization & Campaigning, and (b) creating reference groups for strategic analysis of customer behavior. Our innovative approach leveraged stepwise unsupervised learning methods, focusing on customers’ development over multiple years. The project prioritized interpretability and usability of key findings for business activities. In our presentation, we will highlight both business perspective and its requirements as well as the methodological approach we have developed.

In der Welt von Marketing & Analytics sprechen wir gerne von „unseren Daten“. Denn das klingt, als hätten wir eine hohe Datensouveränität. Doch haben wir wirklich so viel Kontrolle über unsere Daten, wie wir uns selber glauben machen möchten?

Tatsächlich sind wir bereits in der Data Collection (Tracking) in hohem Maße von den Lösungen Dritter, wie etwa Google, Facebook und anderen abhängig. Dies führt vielfach dazu, dass wir für Google & Co. Daten miterfassen, die uns direkt nur wenig Vorteile bringen, aber signifikante Haftungsrisiken bergen.
Denn Tools wie Google Analytics und Google Ads, etc., sind mitunter so gestaltet, dass sehr leicht Daten miterfasst werden können, die unter GDPR-Gesichtspunkten zumindest als fragwürdig eingestuft werden könnten. Denken wir zum Beispiel nur an Enhanced Conversions und User-provided Data Capabilities in Google Ads.
Wie aber können wir wieder mehr Kontrolle über die von uns erfassten Daten gewinnen?
In dieser Session möchte Christian euch typische Probleme mit den Tracking Tags großer Werbenetzwerke vorstellen. Er wird zeigen, wie sich Kontrolle über die Data Collection & Sharing zurückgewinnen lässt, wie sich Risiken begrenzen lassen, und auf welche Einschränkungen wir stoßen werden. Dieses Wissen ist nicht nur für Techies relevant, sondern auch für Business Owner, die wissen wollen, welchen technischen Beschränkungen und rechtlichen Risiken ihr Geschäftsmodell ausgesetzt ist.

In einer zunehmend datengetriebenen Welt ist Data Literacy entscheidend für fundierte Entscheidungen und effektives Management. In diesem Vortrag stellt Claudia einen pragmatischen Ansatz vor, wie Data Literacy praktisch umgesetzt werden kann, um die Qualität datenbasierter Entscheidungen zu verbessern.

Sie wird erörtern, wie man Daten und Insights erfolgreich in Entscheidungsprozesse integriert, ohne sich ausschließlich auf theoretische Modelle zu stützen. Durch einen praxisorientierten Bottom-Up-Ansatz zeigt Claudia, wie du eine datengetriebene Kultur innerhalb deines Teams oder deiner Organisation aufbauen kannst, die sowohl das Verständnis als auch die Nutzung von Daten fördert.

Erfahre, wie du:

• Daten gezielt in deine täglichen Entscheidungen einbinden kannst
• Ein einfaches, aber effektives Modell zur Data Literacy entwickelst
• Begeisterung für datenbasierte Erkenntnisse bei deinen Stakeholdern weckst und langfristig verankern kannst

Dieser Vortrag bietet dir wertvolle Einblicke und praktische Anregungen, um Data Literacy auf eine umsetzbare und wirkungsvolle Weise in deiner Arbeit zu integrieren.

Die Use Cases sind korrekt erhoben, die besten Technologien eingekauft und die Implementierung ist fehlerfrei – und trotzdem nutzt niemand die Daten. Aber welche Eigenschaften braucht ein Datenprodukt eigentlich, damit es nachhaltig Mehrwert generiert? Gelungene Datenprodukte sind wie ein perfektes Müsli: Sie versorgen dich schon morgens mit allem, was du für den Tag brauchst, sind schnell und einfach zu konsumieren, haben eine breite gemeinsame Basis, können jedoch hochindividuell an Geschmack und Bedürfnis der einzelnen Person angepasst werden und zielen auf ein langes Leben ab. Und am wichtigsten: Die Nutzer:innen haben richtig Lust darauf.

Ramona und Matthias geben im Vortrag praktische Tipps-to-go, wie ihr Product Thinking in eurer täglichen Arbeit umsetzen, die Anwender:innen ins Zentrum der Entwicklung stellen und nährwertstiftende Datenprodukte bauen könnt. Bon Datenappetit!