Thomas Klein, Teamleiter Database Marketing & Customer Intelligence bei Miles & More über Schnittstellenoptimierung, Uplift- Modeling u.v.m.

Thomas Klein

Hallo Herr Klein, sie sind Teamleiter Database Marketing & Customer Intelligence bei Miles & More. Bitte erzählen Sie uns mehr zu der Relevanz von Digital Analytics in Ihrem Beruf. Was machen Sie genau und wohin streben Sie?

Unsere Hauptaufgabe besteht darin, aus den verfügbaren internen Miles & More Kundendaten nützliches Wissen zu generieren, insbesondere über unsere Kunden, deren Verhalten und Bedürfnisse. Darüber hinaus beschäftigen wir uns ebenfalls damit, neue Datenquellen zur Ergänzung und Anreicherung unserer internen Daten zu erschließen.

In unserer täglichen Arbeit spielen statistische Datenanalysen, Data Mining und auch Predictive Analytics eine wichtige Rolle, um Erkenntnisse zu gewinnen und daraus konkrete Handlungsempfehlungen zur Steuerung von Marketingmaßnahmen oder zur Verbesserung von Angeboten und Produkten abzuleiten.

Zusätzlich haben wir Schnittstellen zur Business Intelligence und unterstützen alle Fachabteilungen von Marketing über Vertrieb bis hin zu Strategie & Business Development bei der Beantwortung von Fragestellungen und strategischen Entscheidungen.

Wir versuchen regelmäßig neue Dinge zu probieren und zu experimentieren, um weiter dazuzulernen, innovativ zu bleiben und in unserer Arbeit immer ein kleines bisschen besser zur werden.

Laut der Harvard Business Review ist der Job des Data Scientist der attraktivste Job des 21. Jahrhunderts. Was macht Ihren Beruf so sexy? Sehen Sie sich selbst als einen Data Scientist oder eher etwas anderes?

Ich denke, dass Datenanalyse oder Data Science in den letzten Jahren in vielen Bereichen mehr Beachtung gefunden hat, hier spielt natürlich auch der Hype um das Thema Big Data eine wichtige Rolle. Viele Unternehmen erkennen zunehmend die Bedeutung und die vielfältigen Möglichkeiten die sich aus der Analyse verfügbarer Daten ergeben. Daraus hat sich einerseits eine höhere Wertschätzung der geleisteten Arbeit in diesem Bereich ergeben, zum anderen ist der Bedarf an qualifizierten Mitarbeitern deutlich gestiegen. Diese Entwicklung fördert natürlich auch die Popularität und eröffnet abwechslungsreiche und attraktive berufliche Entwicklungsmöglichkeiten, vorausgesetzt man hat eine gewisse Leidenschaft für Datenanalyse.

Um Ihre zweite Frage zu beantworten müsste man zunächst das Profil eines Data Scientist genauer definieren. Auch wenn der Titel sexy klingt sehe ich mich persönlich in meiner Rolle vor allem als Anwender, eher weniger als „Scientist“. Daher empfinde ich die Bezeichnung „Datenanalyst“ für mich als die treffendere.

Wie sieht ein normaler Arbeitstag, wenn es diesen gibt, bei Ihnen aus?

In meiner Rolle als Teamleiter besteht mein Arbeitsalltag aus einer guten Mischung von operativen, organisatorischen und Führungsaufgaben. Besonders spannend und abwechslungsreich ist es für mich, auf der einen Seite im Tagesgeschäft und in Projekten selbst mit anzupacken, auf der anderen Seite den Spielraum zu haben die Entwicklung des Bereiches aktiv zu gestalten.

Auf welche Entwicklungen im Rahmen Ihrer Arbeit sind Sie besonders stolz, wenn Sie auf die letzten 12 Monate zurückblicken?

Die letzten 12 Monate bei Miles & More waren geprägt von der Ausgliederung des Miles & More Prämiengeschäfts in eine eigene Tochtergesellschaft und der Verschmelzung mit der Lufthansa WorldShop GmbH. Während dieser Zeit ist der Bereich „Database Marketing“ stark gewachsen, sowohl durch neu geschaffene Stellen als auch durch die Fusion. Unser Team besteht aus sehr qualifizierten, motivierten und kreativen Köpfen die ungeachtet dieser großen Veränderungen bestens miteinander harmonieren. Solche Rahmenbedingungen sind perfekt für Spaß an der Arbeit. Und natürlich bin ich ein wenig stolz darauf, ein Teil dieser positiven Entwicklung zu sein.

Welche Herausforderungen rauben Ihnen den Schlaf?

Sobald berufliche Herausforderungen beginnen einem den Schlaf zu rauben sollte man lernen sich selbst und seine Arbeit nicht zu wichtig zu nehmen und sich eine Pause gönnen. Ist die richtige Balance wieder gegeben lassen sich große Herausforderungen am besten meistern und innovative Lösungen finden.

Wie viele Kilometer sind Sie in den letzten 12 Monaten gereist?

Ich bin beruflich nur wenig und in der Regel innerhalb von Deutschland unterwegs, nur gelegentlich im Ausland. Insofern ist die Summe an Reise-Kilometern in den letzten 12 Monaten wenig beeindruckend.

Was ist das letzte Buch das Sie gelesen haben?

Aktuell lese ich „Ideaselling“ von Sam Harrison. Ich habe festgestellt, dass es besonders als Datenanalyst wichtig ist, komplexe Konzepte auch für Laien verständlich zu präsentieren. So lassen sich Ideen und Lösungen besser verkaufen. Das Buch hält gute Anregungen und Tipps bereit und ist zudem noch sehr unterhaltsam.

Welche Marketingkampagne hat Sie in letzter Zeit besonders fasziniert?

Ich muss zugeben, dass ich mich nicht intensiv mit einzelnen Marketingkampagnen beschäftige oder diese gezielt beobachte. Sicherlich kann eine erfolgreiche Kampagne eine große Wirkung haben, aber ich bin der Überzeugung, dass langfristig gesehen kleine inkrementelle Verbesserungen in Summe einen deutlich größeren Beitrag zum Erfolg leisten können. Dazu ist es wichtig viel zu testen und zu experimentieren. Voraussetzung dafür ist die richtige Einstellung und eine entsprechende Unternehmenskultur. Fail Fast, Fail Cheap: Eine Haltung, die es erlaubt, mit Experimenten auch mal zu scheitern bzw. eine Lernkurve ermöglicht, ist meines Erachtens erfolgversprechender, als jene, die jedes kleinste Projekt unbedingt zum Erfolg geführt haben will. Denn dies kann jegliche Innovation und Kreativität einfach unterdrücken.

Welchen anderen beruflichen Weg hätten Sie eingeschlagen, wenn Sie nicht Teamleiter Database Marketing & Customer Intelligence geworden wären?

Ich habe meine berufliche Laufbahn nie gezielt langfristig und detailliert geplant, sondern immer ein Stück weit auf mich zukommen lassen. Natürlich musste ich zu bestimmten Zeitpunkten Entscheidungen treffen und bislang waren es die richtigen, denn meine Arbeit macht mir Spaß und ich bin mit meiner Position und den damit verbundenen Entwicklungsmöglichkeiten sehr zufrieden. Rückblickend habe ich mich mit der Frage: „Was wäre, wenn…“ noch nie beschäftigt, ich blicke lieber nach vorne und freue mich auf das was kommt.

Bekommt Predictive Analytics heute genug Aufmerksamkeit und Ressourcen in Unternehmen? Falls nicht, was sollte Ihrer

Meinung nach passieren, damit sich dies ändert?

Wie zu Beginn bereits erwähnt, erkennen Unternehmen zunehmend die Bedeutung und die Möglichkeiten die sich aus dem Einsatz von Predictive Analytics ergeben. Aus meiner Sicht ist es wichtig die Ziele vorab klar zu definieren und mit einer realistischen Erwartungshaltung zu starten. Ein Unternehmen sollte nicht blind und mit überzogener Erwartungshaltung dem Big Data Hype in die Falle gehen. Predictive Analytics ist ein mächtiges Werkzeug, aber weder die magische Glaskugel, die einen Blick in die Zukunft erlaubt, noch die Lösung für alle Probleme. Um Predictive Analytics mehr Aufmerksamkeit und die notwendigen Ressourcen zu verschaffen kommt uns als Datenanalysten eine entscheidende Rolle zu. Wir müssen mehr Aufklärungsarbeit leisten, Ideen und Lösungen gut und verständlich präsentieren und damit transparent machen, welchen Beitrag Predictive Analytics zum Unternehmenserfolg leisten kann.

Was macht das Thema Ihrer Session „Der Einsatz von Uplift-Modeling am Beispiel der Lufthansa Miles & More Credit Card“ so wichtig und relevant?

Unser Vortrag behandelt den Einsatz von Predictive Analytics im Direktmarketing, wo die gezielte individuelle Kommunikation letztlich immer das Ziel verfolgt, den Kunden von einem Produkt zu überzeugen. Uplift-Modeling ermöglicht es, den Einfluss eines Mailings auf das individuelle Kundenverhalten zu prognostizieren und damit gezielt die Kundengruppe zu identifizieren, bei denen ein Mailing einen stark positiven Effekt auf die Kaufentscheidung hat. Damit werden Aktionen effizienter, kostengünstiger und unnötige Kundenkontakte lassen sich reduzieren.

Was können die Teilnehmer von Ihrer Session erwarten und was erwarten Sie von Ihren
Teilnehmern?

Das Thema Uplift-Modeling ist noch relativ jung und nicht umfassend in Lehrbüchern beschrieben. Wir möchten in unserem Vortrag eine Einführung geben und anhand der Fallstudie zeigen, welche methodischen Ansätze wir getestet haben, auf welche Herausforderungen wir dabei gestoßen sind und was letztlich in der praktischen Anwendung erfolgreich funktioniert hat. Wir hoffen den Teilnehmern damit Anregungen für eigene Herausforderungen in ihrem Aufgabengebiet zu geben und freuen uns auf die Möglichkeit zum persönlichen Austausch, sowohl während dem Vortrag als auch im weiteren Verlauf der Konferenz.

Big Data ist immer noch ein aktuelles Thema in 2014. Was glauben Sie? Ist dies nur ein Hype oder bringt dies eine bedeutende Veränderung für Predictive Analytics? Was bedeutet Big Data für Ihr bestimmtes Geschäftsfeld und können Sie Analytics bereits heute auf einem Big Data Level anwenden?

Natürlich wird um das Thema Big Data auch ein gewisser Hype veranstaltet und viele Anbieter versuchen ihr Stück vom „Big Data“ Kuchen abzubekommen. Ich habe auch den Eindruck, dass viele Unternehmen jetzt unbedingt auf den Big Data Zug aufzuspringen möchten, aber gleichzeitig eine klare und konkrete Zielsetzung fehlt.

Die Masse an generierten Daten wird weiterhin exponentiell zunehmen, parallel dazu entwickeln sich die technischen Möglichkeiten, große Datenmengen zu speichern und zu verarbeiten. Daraus ergeben sich unbestritten viele neue und vielversprechende Möglichkeiten, gerade auch im Bereich Predictive Analytics. Aber “mehr Daten” liefert nicht die Antwort auf alle Fragen, daher liegt für mich der Schwerpunkt weniger auf „Big“, sondern vor allem auf „Data“. Nicht die Quantität ist entscheidend, sondern die Qualität der Daten und welche Erkenntnisse und welcher Mehrwert sich daraus gewinnen lassen. Zusätzliche Daten müssen immer einem klar definierten Zweck in der Analyse dienen. In einem Artikel des MITSloan Management Review habe ich dazu kürzlich ein sehr treffendes Zitat gelesen: „If actionable insights are the proverbial needle in the haystack, adding more data may just make the haystack bigger, and the needle that much harder to find.”

Es bleibt also abzuwarten, welche Versprechen Big Data in Zukunft tatsächlich erfüllen kann und in einigen Fällen werden unerfüllte Erwartungen definitiv auch zu einer gewissen Ernüchterung führen.

Was unsere tägliche Arbeit angeht sind wir bisher kaum auf einem Big Data Level unterwegs. Für die meisten Analysen ist der Arbeitsspeicher der lokalen Workstation ausreichend.

Was kommt nach Big Data und welche Trends (web/digital) werden Predictive Analytics voraussichtlich in den nächsten 1-2 Jahren bewegen?

Ich denke das sogenannte „Internet of things“ und die Auswertung der von Smart Devices generierten Daten wird mit Sicherheit in vielen Bereichen eine zunehmende Rolle spielen, wahrscheinlich auch weit über die nächsten 12-24 Monate hinaus. Ein weiterer Trend, der sich bereits über die letzten Jahre abgezeichnet hat und sich weiter fortsetzen wird ist aus meiner Sicht das Thema Visual Analytics, also die schnelle und interaktive Visualisierung großer Datenmengen. Es in jedem Fall spannend die aktuellen Trends aufmerksam und kritisch zu verfolgen, um entscheiden zu können, was in welchen Bereichen einen tatsächlichen Zusatznutzen bringt.

Was ist Ihr Lieblings -Prediction Instrument oder Algorithmus oder Methode? Und warum?

Ich bin der Überzeugung, dass man sich methodisch möglichst breit aufstellen und nicht zu sehr auf eine Lieblingsmethode oder ein bestimmtes Tool fixieren sollte. Das birgt immer das Risiko sich mit einem Werkzeug auf alle Probleme zu stürzen und kein einzelner Ansatz wird in allen denkbaren Anwendungsfällen gut funktionieren. Daher sollte die Problemstellung immer an erster Stelle stehen, ausgehend davon lassen sich die geeigneten Methoden und Tools wählen die zur Lösung am besten geeignet sind. Natürlich kann man nicht in allem Spezialist sein, aber es ist in jedem Fall nützlich alternative Verfahren und Lösungsansätze zu kennen und die Bereitschaft mitzubringen sich tiefer einzuarbeiten, wenn erforderlich. Häufig ist es bereits ausreichend, den richtigen Ansprechpartner im eigenen Team zu kennen, der in einem bestimmten Bereich über mehr Erfahrung verfügt und sich auszutauschen. Gerade in unserem Beruf ist es förderlich, regelmäßig einen Blick über den eigenen Tellerrand zu werfen, aktuelle Entwicklungen zu verfolgen. Und ich hatte es schon angesprochen, ich bin ein Fan davon gelegentlich mit neuen Ansätzen und Tools zu experimentieren.

Vielen Dank, dass Sie sich Zeit genommen haben! Wir freuen uns, Sie bald in Berlin begrüßen zu dürfen und sind schon sehr gespannt auf Ihren Vortrag auf der Predictive Analytics World.