Artikel


Wann sollten Startups in Business Intelligence investieren?

Wann sollten Startups in Business Intelligence investieren?



VonJan Watermann

...

3 April 2019

Startups haben oft nicht die nötigen finanziellen Ressourcen, um Technologie-Investments zu tätigen, die keine direkte Rendite abwerfen. Dazu gehören auch Investments in Business Intelligence Systeme, welche sich oft erst in der Zukunft auszahlen. Dass Datenanalysen und Business Intelligence dennoch existenziell für wachsende Geschäfte sind, ist den meisten Unternehmern aber bewusst.

Das richtige Timing ist hier der Schlüssel zum Erfolg. Schließlich möchten Startups ihre finanziellen Ressourcen möglichst effizient nutzen. Daher beantwortet dieser Artikel, in welcher Startup-Stage sich Datenanalysen und andere BI-Prozesse wirklich lohnen und wann Unternehmen ihr Kapital besser anders aufwenden sollten.

Business Intelligence als Werkzeug in modernen Unternehmen

In unserem Blogpost Als Unternehmen Datenanalysen praktisch und effizient anwenden haben wir interessierten Unternehmern einen Crashkurs zur Praktikabilität von Datenanalysen gegeben. Dort wurde erläutert, dass Datenanalysen ein wichtiger Bestandteil von intelligenten Geschäftsentscheidungen sein können.

Fairerweise muss aber berücksichtigt werden, dass unterschiedliche Unternehmen auch unterschiedliche Anforderungen haben. Somit lassen sich Business Intelligence Prozesse, zu welchen auch Datenanalysen zählen, keinesfalls als eierlegende Wollmilchsau des Business Developments bezeichnen. Viel mehr helfen Sie engagierten Unternehmen einen Überblick über ihre Geschäftspraxis und Einblicke in das Verhalten ihrer Kunden zu gewinnen.


Tableau Datenanalyse basierend auf Salesforce

Wann kommen Datenanalysen für Startups infrage?

Während die meisten Fortune 500 Unternehmen Big-Data-Analysen einsetzen, sieht es bei Startups erfahrungsgemäß anders aus. Diese haben mit Problemen rund um die Zugänglichkeit selbst von simplen Datenanalysen zu kämpfen. Die hohen Kosten machen es oft schlicht unmöglich, den Fuß in die Tür von Tableau oder Microsoft PowerBI zu bekommen. Tiefgreifende Business Intelligence Prozesse kommen für Unternehmen also erst dann in Frage, wenn die daraus gewonnenen Erkenntnisse deutlich mehr Wert bringen als sie kosten.

Um effiziente Datenauswertungen durchführen zu können, müssen Startups drei Vorraussetzungen erfüllen:

1) Das Fundament - Die Daten

Ohne Daten geht nichts. Für Startups geht es dabei nicht um Big-Data oder künstliche Intelligenz, sondern vielmehr um eigene Werkzeuge. Das können verschiedene Technologien, wie Mailchimp, Hubspot oder auch Google Analytics sein, welche als Datenquellen zur Verfügung stehen.

2) Verbesserungspotenzial im Geschäftsmodell

Eine Bäckerei wird sich sicher schwer tun, allein mithilfe von Datenanalysen das eigene Geschäft zu optimieren. Hier kommt es vor allem auf einen vorhandenen Kundenstamm und ein skalierbares Geschäftsmodell an. Sind diese beiden Aspekte nicht gegeben, kommen Datenanalysen akut nicht infrage.

3) Implementierbarkeit gewonnener Erkenntnisse

Können Erkenntnisse aus Business Intelligence Prozessen auf das bestehende Geschäft Einfluss nehmen? Dieser Aspekt ist besonders relevant, um sicherzustellen, dass sich Analysen für Startups lohnen.

Das bedeutet nicht, dass Early Stage Startups prinzipiell auf Investments in Daten und Analysen verzichten sollten. Vielmehr geht es darum abzuwägen, ob gewonnene Erkenntnisse wirkliche Unterschiede machen können. Für Startups mit einer kleinen Kundenbasis können diese trotzdem wertvolle Einblicke in wichtige Geschäftsprozesse geben. Vorausgesetzt ist, dass genügend Daten zu der Kundenbasis vorhanden sind und diese ihren verdienten Einfluss finden können.

Business Intelligence in unterschiedlichen Startup Stages

Startups werden grundsätzlich in drei verschiedene Stages eingeordnet. Early Stage, Series A und Growth Stage, wobei Early Stages in der Regel am wenigsten Kapital mit sich bringen. Series A Startups haben gerade ihre erste größere Finanzierung erhalten und suchen nach lukrativen Investitionsmöglichkeiten. Growth Stage Startups setzen genau dort an, verfügen durch mehrere Finanzierungsrunden über mehr Kapital und zeigen sich grundsätzlich investitionswilliger als Series A Startups. (Mehr dazu hier).

Early-Stage-Startups

Startups verfügen am Anfang oft nicht über die nötigen Ressourcen, um Daten-Projekte in die Wege zu leiten. Hier gilt daher die Vorbereitung für zukünftige Datenanalysen als Schlüssel zum Erfolg. Wenn Early Stage Startups schon von vornherein Daten über ihr Kundenverhalten sammeln, lassen sich in späteren Stages einfachere Analysen tätigen. Hier gibt es aber auch Ausnahmen. Bei datenintensiven Geschäftsmodellen, können Datenanalysen bspw. grundsätzlich wertvoll sein.

Daher gilt für Early-Stage-Startups, wie oben schon vermerkt, dass ein Abwägen des Kosten-Nutzen-Verhältnisses von Datenanalysen zwingend vonnöten ist. Vorbereitungen im Sinne einer gepflegten Datenstruktur und dem kontinuierlichen Aufzeichnen eigener Geschäftsdaten ist allen Unternehmen ans Herz zu legen.

Series A Startups

Startups mit einem Series A Investment verfügen in der Regel über genügend Kapital, um Datenanalyse-Modelle zu implementieren. Ob dies schon sinnvoll ist, hängt stark von dem jeweiligen Einzelfall ab - Sprich, der Größe der Kundenbasis, dem Ausbau des Geschäftsmodells usw.. Die meisten Series A Startups profitieren aber vom Einsatz von Business Intelligence Werkzeugen, wie Tableau, sollten genügend wertvolle Daten vorhanden sein.

In der Praxis bedeutet dies, dass sich Gründer und Funktionäre solcher Startups auf die Analyse geschäftsbezogener Daten fokussieren sollten. Das spart Kapital und stellt sicher, dass dennoch Geschäftserkenntnisse gewonnen werden. Dazu lässt man bspw. SEO-Tools, Marketing-Programme und auch Webseitentracking-Daten miteinander kommunizieren. Ein Beispiel für eine tiefgreifende Analyse verschiedener SEO-Tools finden Sie hier: SEO-Analysis with Tableau.

Growth Stage Startups

Startups in ihrer Wachstumsstage sollten über genügend Kapital verfügen, um Datenanalysen als Kernelement ihrer Geschäftskultur zu etablieren. Dabei geht es in erster Linie darum, einen Überblick über das Geschäftsvorgehen, die Wirksamkeit einzelner Geschäftsprozesse und der eingesetzten Werkzeuge zu erhalten. Ein gutes Beispiel ist das Growth Startup N26, welches über exzellent integrierte Datenanalyse-Prozesse verfügt. Ein Einblick in das N26 Data-Team erläutert, dass die Daten-Abteilung eng mit dem Kunden-Support zusammenarbeitet, welcher eine klare Schwäche jedes schnell wachsenden Startups darstellt.

N26 hat verstanden, dass durch intelligente Datenanalysen Ressourcen gespart werden können. Daher fokussiert sich die Daten-Abteilung auch klar auf die Schwachstelle des Startups, welche durch das „Abfangen“ unnötiger Support-Anfragen entlastet wird.

Der erste Schritt Richtung Business Intelligence

Den Einstieg in das Thema Daten und Analyse zu tätigen ist nicht einfach. Datapony hilft Unternehmen dabei, einen Überblick über die eigenen Geschäftsdaten zu bekommen. Ob Early-Stage, Series A, Growth Stage oder Bestandsunternehmen - Mit den effizienten Datendienstleistungen von Datapony wird ihr Unternehmen einen unkomplizierten Einstieg in das Thema Daten genießen können.

Die Webapp austesten


Sind Sie nicht sicher, ob Datenanalysen in Ihrer Startup-Stage das Richtige sind? Kein Problem, wir helfen Ihnen gerne mit einem kostenfreien Erstgespräch aus.


Kostenfreies Gespräch vereinbaren