Latest / MY DATA IS BETTER THAN YOURS / So täuschen sich datengetriebene Unternehmen - mit Frederik G., Statista Plus (1/3)

Transcript

So täuschen sich datengetriebene Unternehmen - mit Frederik G., Statista Plus (1/3) · MY DATA IS BETTER THAN YOURS

• 0:00
  Speaker 1: Wie hat sich eigentlich Statista in den letzten Jahren entwickelt?
• 0:02
  Speaker 1: Welche Maßnahmen wurden getroffen, um eigentlich Vertrauen auf Basis der Daten zu machen?
• 0:06
  Speaker 1: Und wo und in welcher Art und Weise nutzen wir eigentlich in der Wertschöpfung bei Unternehmen in der Strategie Statista-Daten?
• 0:13
  Speaker 1: Das sind alles Fragen, die ich mit dem lieben Frederik von Statista beantworte.
• 0:20
  Speaker 0: Neue Folgen jeden Freitag.
• 0:22
  Speaker 0: In dieser digitalen Welt gibt es einen speziellen
• 0:25
  Speaker 1: Faktor, der über Erfolg und Misserfolg
• 0:27
  Speaker 0: entscheidet.
• 0:28
  Speaker 0: Daten.
• 0:29
  Speaker 1: Doch
• 0:29
  Speaker 0: nur die wenigsten wissen sie für sich zu nutzen.
• 0:32
  Speaker 0: Wer seine Kunden verstehen will, um ihnen das bieten zu können,
• 0:35
  Speaker 1: was sie brauchen, kommt um ein professionelles Datenmanagement nicht
• 0:39
  Speaker 0: herum.
• 0:39
  Speaker 0: Jonas Rascheli
• 0:40
  Speaker 1: interviewt andere
• 0:41
  Speaker 0: Experten aus den Datenbereichen und zeigt Schritt für Schritt, wie genau das funktioniert.
• 0:52
  Speaker 1: Herzlich willkommen zu MyDaters Better Than News, der Datapodcast.
• 0:55
  Speaker 1: Schön, dass ihr eingeschalten habt.
• 0:56
  Speaker 1: Mir gegenüber sitzt der liebe Frederik.
• 0:58
  Speaker 1: Hallo.
• 1:00
  Speaker 1: Frederik, stell dich kurz vor, wer du bist, was du machst, weil die Leute, die per Video zugeschalten haben, sehen schon den Namen Statista.
• 1:07
  Speaker 1: Aber ich glaube, wir brauchen so ein bisschen mal ein Framing dazu, wer du bist.
• 1:10
  Speaker 0: Kriegen wir hin.
• 1:12
  Speaker 0: Hi, ich bin Frederik, ich bin thirty-eight Jahre alt.
• 1:15
  Speaker 0: Wo ich zu Statista gekommen bin, sehr mathematisch zahlenlastigen Background, würde ich sagen, komme aus der Finanzbranche.
• 1:21
  Speaker 0: Viele Jahre im Investmentbank in der Finanzierung gearbeitet.
• 1:25
  Speaker 0: Ich habe danach nach einer gewissen Zeit für mich entdeckt, dass die Maximierung von Profiten für institutionelle Anleger auf Grundlage von mathematischer Formeln nicht so ganz meiner... Intrinsischen Motivation entspricht.
• 1:37
  Speaker 0: Und hab dann gesagt, okay, was kann der nächste Schritt sein?
• 1:39
  Speaker 0: Bin dann in die Unternehmensberatung gegangen.
• 1:41
  Speaker 0: Aufgrund meiner Historie, wo ich da vor allem zur Optimierung von Assetmanagerin eingesetzt, also auch dort Portfoliosstrategien angepasst und solche Dinge, hat total viel Spaß gemacht, hab mich bei meiner Motivation nicht so richtig weitergebracht und bin dann ehrlicherweise durch Zufall bei Statista gelandet.
• 1:56
  Speaker 0: Es war ein Mittagessen mit einem ehemaligen Kollegen, der hatte bei so einer kleinen Datenfirma in Hamburg angefangen, die irgendwie mit Daten versuchen, Geld zu verdienen.
• 2:03
  Speaker 0: So rückblickend sagen immer viele war total der nachvollziehbare Schritt und cool, dass du in dieser Firma so gewachsen bist.
• 2:09
  Speaker 0: Back then, fünfzig Mitarbeiter.
• 2:11
  Speaker 0: Trotzdem fand ich es irgendwie sehr inspirierend, was die sich so auf die Fahne geschrieben hatten, Daten zur Verfügung zu stellen, Firmen alles zur Verfügung zu stellen, um die richtigen Entscheidungen zu treffen.
• 2:20
  Speaker 0: Und bin da mittlerweile jetzt seit zwölf Jahren, gehe jetzt in mein dreizehntes Jahr und habe als Statist der unterschiedlichste Funktionen gemacht.
• 2:27
  Speaker 0: Beratungs Juni, die diese Firma hat, die viele nicht kennen, kommen wir sicherlich später noch mehr entsprechend dazu.
• 2:33
  Speaker 0: Ich habe in Interimsposition als Chief Content Officer gearbeitet, eine Funktion, die wir damals nicht hatten.
• 2:38
  Speaker 0: und jetzt seit drei Jahren darf ich das gesamte Service Geschäft unter der Marke Statista Plus verantworten und werde jetzt in einem nächsten Role Changed neben dem Statista Plus Geschäft auch die Umsatzverantwortung für unser Kerngeschäft bekommen.
• 2:50
  Speaker 1: Und Kerngeschäft sind eben Daten zur Verfügung zu stellen, qualitativ auch.
• 2:56
  Speaker 1: Nee, es ist qualitativ, nicht qualitativ.
• 2:58
  Speaker 1: Beides
• 2:58
  Speaker 0: tatsächlich.
• 2:59
  Speaker 0: Also, so ein bisschen natürlich in der Geschichte, aber wenn du es runterbrechen willst, it's empowering people with data.
• 3:06
  Speaker 0: Das ist tatsächlich das, was mich morgens antreibt.
• 3:09
  Speaker 0: Das heißt, also wirklich vereinfacht gesprochen, Firmen, die richtigen Daten in der richtigen Qualität, das ist ganz, ganz wichtig.
• 3:16
  Speaker 0: in der richtigen Aufbereitungsform auch eine unserer Kernkompetenzen sicherlich zur richtigen Zeit und am richtigen Ort.
• 3:21
  Speaker 0: Etwas, was sich gerade massiv aus unserer Perspektive verändert, zur Verfügung zu stellen, damit die tatsächlich die richtigen Business-Entscheidungen treffen können.
• 3:30
  Speaker 0: Und ich glaube, was viele nicht wissen, wenn wir über Statista sprechen, natürlich ist maßgeblich prägend die Plattform, die viele kennen.
• 3:38
  Speaker 0: Ja.
• 3:39
  Speaker 0: Also vereinfacht gesprochen.
• 3:40
  Speaker 0: Statista.com.
• 3:41
  Speaker 1: Statista.com,
• 3:41
  Speaker 0: hier gibt es was anderes, du starten, du findest sie.
• 3:44
  Speaker 0: Darüber hinaus haben wir zwei weitere Geschäftsbereiche, die sehr relevant für uns sind.
• 3:47
  Speaker 0: Das ist einmal Statista Plus.
• 3:49
  Speaker 0: Ja.
• 3:49
  Speaker 0: Vereinfacht gesprochen, alles das, was die Plattform nicht kann, machen die Teams von Statista Plus.
• 3:53
  Speaker 0: In der Datenerhebung, Modellierung komplexer Modelle, die bauen AI-Tools für Kunden und solche Sachen.
• 3:58
  Speaker 1: Also die Custom-Lösung.
• 4:00
  Speaker 1: Die
• 4:00
  Speaker 0: Custom-Lösung, die die dann auch visualisieren können.
• 4:02
  Speaker 0: Auch ein ganz großes Problem unserer Kunden, was wir identifiziert haben, weil wir diese riesigen Datenmengen hast, die sauber zu visualisieren und aufzubereiten.
• 4:09
  Speaker 0: Das ist auch nicht trivial, haben wir ganz tolle Kollegen, die das machen.
• 4:12
  Speaker 0: Bisschen gehend bei Statista Plus gibt es sogar eine Strategy-Unity, die bei der Implementierung und bei dem So what sozusagen noch stärker hilft.
• 4:20
  Speaker 1: Also ihr deckt eigentlich damit die ganze Wertschiffung.
• 4:22
  Speaker 1: Aber das wäre mal spannend, sozusagen nochmal von der Historie zu kommen, wo wir jetzt hingehen.
• 4:27
  Speaker 1: Also, wo wir stehen.
• 4:29
  Speaker 1: Ich glaube, für was die Hörer und Hörerinnen nochmal wissen sollten, wir machen eine Folge mit Statista.
• 4:34
  Speaker 1: Das heißt, wir nehmen drei Folgen auf, wir starten mit dir, mit der Strategie und gehen dann sozusagen weiter.
• 4:39
  Speaker 1: Und dann ist es sehr schön, dass wir heute mal dieses ganze Thema der Strategie mehr stressen.
• 4:48
  Speaker 1: Wenn ich versuche, Also, ich hab mir immer so überlegt, wie kann man Statista zusammenfassen aus meiner Sicht?
• 4:53
  Speaker 1: Ja.
• 4:54
  Speaker 1: Und dann hab ich gesagt, aus Datenvertrauen machen und aus Vertrauen dann eben das Geschäftsmodell weiterzuschäpen, weil, wenn man wirklich strategische Entscheidungen auf Basis eurer Daten treffen will, muss man euch vertrauen können.
• 5:09
  Speaker 1: Und das ist natürlich ein spannender Punkt.
• 5:12
  Speaker 1: Und dann hatte ich mir aufgeschrieben, so ein bisschen, nehmt es mal auf der Reise mit, wo du herkommst.
• 5:17
  Speaker 1: wo?
• 5:18
  Speaker 1: bei den fünfzig Leuten, ich weiß nicht, wie viele Mitarbeiter ihr jetzt habt.
• 5:21
  Speaker 1: Und dann hast du aber eigentlich, glaube ich, schon ganz gut, Frederik, diesen Einsatz, um Statista zu beschreiben.
• 5:29
  Speaker 0: Also dir eine Satz ist tatsächlich das, was ich gesagt habe, dieses Empowering People with Data.
• 5:34
  Speaker 0: Wir verstehen uns wirklich, als Data is a Service Provider.
• 5:38
  Speaker 0: Und immer du Daten slash Insights.
• 5:40
  Speaker 0: Das ist auch nochmal eine Unterscheidung, die wir intern sozusagen machen.
• 5:44
  Speaker 0: Also Daten verstehe ich als wirklich reinen Datenpunkt, der sehr valide und hilfreich für Unternehmen sein kann, mehr und mehr Unternehmen fragen, aber eben nach Kontextualisierung, mehr und mehr Unternehmen nach Orientierung.
• 5:53
  Speaker 0: Was heißt das für mich?
• 5:55
  Speaker 0: Wir sehen, dass wir vermehrt Nachfragen kriegen, ich möchte gerne meine eigenen Daten mit zur Party bringen, ich möchte meine eigenen CRM-Datman, dann wird es wirklich wirkungsvoll.
• 6:02
  Speaker 0: Also das ist sozusagen das, was wir helfen Unternehmen.
• 6:05
  Speaker 0: an dieser riesigen Datenflut, die aller auf sich zukommen sehen, Orientierung zu geben, Komplexität zu reduzieren und das zur Verfügung stellen, damit sie wirklich ihr bisschen steuern können.
• 6:15
  Speaker 1: Wann habt ihr denn gemerkt, dass es diesen Shift gibt?
• 6:17
  Speaker 1: Also nehm uns da nochmal auf der Reise mit, dass die die fünfzig Leute, die damals da waren, verstehe ich, waren eher Leute, die Daten oder Statistiken auf Basis von Marktdaten, die existiert haben, gebaut haben.
• 6:32
  Speaker 0: Genau.
• 6:32
  Speaker 0: Also wenn du Wir sagen mal, die Statista-Reise und ich werde jetzt Unternehmen nennen und wir sind nicht so vermessen, uns mit diesen Unternehmen zu vergleichen.
• 6:40
  Speaker 0: Aber ich merke, dass uns mehr im Umfeld hilft, Statista einzurichten, dass unser Geschäftsmodell durch komplex ist.
• 6:46
  Speaker 0: Sie sind tatsächlich gestartet, sage ich mal, als Google der Statistik.
• 6:49
  Speaker 0: Das ist das war immer unser Anspruch, weil es war eine Unternehmensberatung heraus gegründet.
• 6:54
  Speaker 0: Man muss für Pitchtags, man muss für Kundenpräsentationen unterschiedliche Daten zusammentragen.
• 6:59
  Speaker 0: Ich gehe hier zum Statistischen Bundesamt, ich gehe hier zu, ich weiß es nicht, PVC, Media und Entertainment Auto.
• 7:05
  Speaker 0: Es gibt überall im Internet Bits und Pieces.
• 7:08
  Speaker 0: Und die sind in unterschiedlichsten Format aufbereitet.
• 7:12
  Speaker 0: Die Qualität ist nicht immer sozusagen sichergestellt.
• 7:15
  Speaker 0: Und die haben gesagt, es kann doch nicht sein, dass es keinen Ort gibt, der uns diese Daten zur Verfügung steht.
• 7:19
  Speaker 0: Und wir sind viele Jahre sehr erfolgreich damit gewesen, wirklich freizugänglichen Content aus dem Internet zu ziehen, Qualitäts zu prüfen, aufzubereiten, also dann zu sagen, ist es ein Bartschat, ist es ein Piechart, wie sieht es aus?
• 7:33
  Speaker 0: Also wirklich trivialen Anführungszeichen rückblickend.
• 7:36
  Speaker 0: Und das auffindbar zu machen, also die richtige Taxonomie zu machen, damit ich auch Sachen vertecken kann, verschlagt worden kann.
• 7:42
  Speaker 0: Das war viele, viele Jahre ein sehr erfolgreiches Geschäftsmodell.
• 7:46
  Speaker 0: Und dann haben wir aber irgendwann gestellt, das ist ja auch so eine Frage, wann habt ihr gemerkt, dass ihr mehr als Daten geht.
• 7:52
  Speaker 0: Wir haben gesehen, die User Journeys auf unserer Plattform wurden zunehmend komplexer.
• 7:56
  Speaker 0: Und auch rückblickend, das wirkt immer trivial, aber in dem Moment ist es natürlich eine Entwicklung.
• 8:01
  Speaker 0: Also lasst mich konkret sein, wenn jemand sucht, ich möchte gerne die Absatzzahlen von Volvo in den USA verstehen und danach eingegeben hat, ich möchte gerne jetzt noch BMW verstehen.
• 8:09
  Speaker 0: konnten wir relativ schnell sehen, wie sieht diese Journey aus?
• 8:11
  Speaker 0: Und ist es das richtige Weg, wirklich ihm nur dedizierte Suchergebnisse zu zeigen oder nicht anzufangen, in Topic-Pages zu denken?
• 8:17
  Speaker 1: Ja, viel mehr Kontext zu machen.
• 8:19
  Speaker 1: Viel
• 8:19
  Speaker 0: mehr Kontext zu geben.
• 8:20
  Speaker 0: Und im Kontext dieser Reise haben wir dann festgestellt, dass wir ganz viele Fragen mit freizugänglichen Informationen beantworten können.
• 8:30
  Speaker 0: Es aber ganz viele Sachen gibt, wo wir dann merken, da suchen die Leute nach, die gibt es aber nicht.
• 8:34
  Speaker 0: Das war so die nächste Phase.
• 8:36
  Speaker 0: wo wir dann gesagt haben, wir sind nicht mehr das Google der Statistik, sondern das Netflix der Statistik.
• 8:41
  Speaker 0: Nochmal, wir vergleichen uns nicht, wie diese nehmen.
• 8:43
  Speaker 0: Was macht Netflix aus?
• 8:44
  Speaker 0: Ja, die waren am Anfang ein DVD-Versender, sag ich mal, sind dann aber dazu übergangen, große Teile ihres Content selber zu produzieren.
• 8:50
  Speaker 0: Das heißt, wir konnten auf Grundlage unser User-Journey sehr, sehr gut verstehen, welche Daten fehlen.
• 8:57
  Speaker 0: Und wo müssen wir sozusagen noch rein?
• 8:59
  Speaker 0: Wir haben dann angefangen, wir nennen das Market Outlooks.
• 9:01
  Speaker 0: Wir haben dann angefangen selber Märkte zu vermessen, selber Industrien zu vermessen.
• 9:04
  Speaker 0: Wir haben dann ein eigenes Consumer Panel mit über zwei Millionen Befragten, die wir alle drei Monate befragen, um sozusagen Informationen zu, ich weiß es nicht, Brand Awareness, politische Einstellungen und so weiter.
• 9:15
  Speaker 0: Und dann haben wir ein sehr vollständiges Bild bekommen, mit dem unsere Kunden entsprechend schon interagieren konnten.
• 9:20
  Speaker 0: Und die dritte Stufe dann war, dass wir selbst dagemerkt haben, das ist brillant.
• 9:25
  Speaker 0: und ich würde mal sagen, Gleichzeitig gibt es immer Fragen, wie wird es immer wieder geben, wo es sich für uns nicht lohnt, im Pre-Loading Sachen auf die Self-Service-Plattform zu laden, weil sind sehr nischige Daten zum Teil gefragt, sind Daten, die schlichtweg nicht existieren.
• 9:41
  Speaker 0: Das heißt, die nächste Stufe war dann, wenn du willst, so ein bisschen Amazon, die neben ihrem Kerngeschäft sehr erfolgreich weitere Spaten aufbauen, wie AWS und so weiter.
• 9:49
  Speaker 0: Und das war so ein Stück weit.
• 9:50
  Speaker 0: dann eben die Entscheidung, wir bauen mit Statista Plus ein weiteres Geschäftsmodell auf, wir bauen mit Statista Air unserem Ranking-Geschäft ein weiteres Geschäftsmodell auf.
• 9:57
  Speaker 0: Immer unter der Prämisse Empowering People with Data.
• 10:01
  Speaker 0: Das war sozusagen eigentlich die Reise von Google über Netflix hin zu Amazon.
• 10:06
  Speaker 1: Das heißt, ihr seid, werdet immer tiefer in die strategischen Entscheidungen beim Kunden ja eigentlich mitgenommen?
• 10:14
  Speaker 0: Ganz genau.
• 10:15
  Speaker 0: Also die Reise geht weg von den Lieferendatenpunkten hin zu, also im Extremfall, wie implementieren eure Strategie.
• 10:24
  Speaker 0: ganze Wertschöpfungskette decken wir sozusagen ab und der kunde entscheidet ein stückweit wie weiter uns auf dieser reise mitnehmen möchte.
• 10:31
  Speaker 1: jetzt jetzt war das nicht aus würde ich euch frech unterstellen so absichtlich diese große wertschöpfung abzudenken.
• 10:39
  Speaker 1: am anfangen was glaubt ihr warum seid ihr gut oder warum habt ihr das geschafft im vergleich zu anderen?
• 10:47
  Speaker 1: also ganz ehrlich vielleicht damit schmeiche ich höchstwahrscheinlich, aber wenn ich an Daten denke und diese Themen mir anschaue, wenn ich Statistiken versuche zu Google, kommt ihr eigentlich zu achtzig Prozent in der Journey drin vor.
• 11:06
  Speaker 0: Die Gründer mögen es mir verzeihen, aber selbstverständlich.
• 11:08
  Speaker 0: Das ist eine Reise, die geht jetzt seit fast zwanzig Jahren.
• 11:11
  Speaker 0: Da war ganz viel Coincidence dabei, war ganz viel Zufall tatsächlich natürlich auch dabei und ganz viele große Kunden, die wir dann sozusagen auf dieser Reise entsprechend begleiten durften.
• 11:21
  Speaker 0: Ich glaube, aber alles unter das Mantra zu stellen, Unternehmen Daten zur Verfügung zu stellen und das im Wandel der Zeit sozusagen mitzugehen.
• 11:30
  Speaker 0: Das ist durchaus etwas, was uns auszeichnet.
• 11:32
  Speaker 0: Diese Kundenzentrierung, das hilft uns im täglichen Geschäft.
• 11:36
  Speaker 0: Das sagt einfach immer, sind diese Daten relevant für den Kunden?
• 11:39
  Speaker 0: Wie muss der Kunde das aufbereitet haben?
• 11:42
  Speaker 0: Und wenn ich nur danach gehen würde, welche Informationen Daten es da draußen gibt, würde unsere Plattform noch viel größer sein.
• 11:48
  Speaker 0: Aber diese Kuratierung und die Kundenzentrierung, das ist glaube ich etwas, was uns wirklich auszeichnet.
• 11:53
  Speaker 1: Fredrik, jetzt hast du eine Weile lang des Beratungsgeschäfts mit verantwortet.
• 11:57
  Speaker 1: Kommst aus der Beratung.
• 12:00
  Speaker 1: Vielleicht darfst du den Kundennamen nicht nennen.
• 12:02
  Speaker 1: Aber was war für dich so der RHEffekt, wo du merkst, dass diese gesamte Wertschöpfung beim Kunden funktioniert hat?
• 12:08
  Speaker 1: Hast du dein cooles Beispiel?
• 12:11
  Speaker 0: Ich habe ein cooles Beispiel.
• 12:13
  Speaker 0: Darf den Kundennamen tatsächlich nicht nennen.
• 12:16
  Speaker 0: Aber wir haben immer schon sozusagen anhand dieser Kunden Probleme.
• 12:23
  Speaker 0: Sehr genau geschaut, welche Daten gibt es auf der Plattform, das ist immer unser Schritt eins und welche Daten müssen wir zusätzlich sozusagen erheben.
• 12:31
  Speaker 0: Und anhand einer sehr konkreten Beispiel ist, wir arbeiten mit einem großen Retailer, daran, sagen wir data driven Marketing aufzubauen.
• 12:42
  Speaker 0: Mit diesem Retailer sind wir in Schritt eins hingegangen und haben auf Grundlage unser E-Commerce-Daten, die sehr detailliert sind, geschaut und potenziale identifiziert.
• 12:52
  Speaker 0: Wie sind die Share of Wallets, wie sind die AOVs bei unterschiedlichen Anbietern im Markt und so weiter.
• 12:59
  Speaker 0: Und da haben die gesagt, das ist ja total spannend und relevant, aber was machen wir denn jetzt damit?
• 13:04
  Speaker 0: Und sind dann im nächsten Schritt mit unserem Statista Plus Team reingegangen und haben gesagt, wir gucken uns eure CRM-Daten tatsächlich an.
• 13:11
  Speaker 0: Wie sehen denn eure Kohorten aus?
• 13:13
  Speaker 0: Was sind denn eure Personas und wie unterscheiden die sich vom Markt, um auf der Grundlage, sag ich mal, einen Ride to Play zu identifizieren?
• 13:22
  Speaker 0: Und dann sagen die im nächsten Schritt, das finde ich total cool, jetzt haben wir aber hundert Jahre sozusagen.
• 13:27
  Speaker 0: Marketing gemacht, wie es ist, wie kriegen wir das denn so schnell umgestellt?
• 13:30
  Speaker 0: Und dann wirklich auch Leute zur Verfügung zu stellen.
• 13:32
  Speaker 0: Wir sind keine Implementierungsberatung wie Accenture oder sonstige Sachen.
• 13:35
  Speaker 0: Aber um schnell MVPs zu bauen, um wirklich Best Practices dort zu entwickeln und die Organisation zu bringen, da glaube ich, bringen wir unsere volle Power sozusagen mit auf die Straße.
• 13:44
  Speaker 0: Und das haben wir bei ganz vielen Kunden auf dieser Reise.
• 13:47
  Speaker 0: Umgekehrt, gleiches Beispiel.
• 13:50
  Speaker 0: ist dieser Kunde auf uns zugekommen und hat gesagt, wir brauchen bitte für unsere Marke, einer diesen klassischen AIDA Funnel.
• 13:58
  Speaker 0: Awareness, Interest, Desire, Action.
• 14:00
  Speaker 0: Das würden wir gerne mal verstehen, wie steht unsere Marke in diesem Kontext, wie vergleichen die sich mit anderen Retailern online und offline.
• 14:07
  Speaker 0: Und dann haben wir angefangen, ein Angebot für die zu entwickeln.
• 14:10
  Speaker 0: Wir haben gesagt, das ist wirklich detailliert, das ist bei uns dann Primärmarktforschung, müssen wir selber erheben.
• 14:14
  Speaker 0: Aber das Team hat parallel mal auf unserer Plattform geguckt.
• 14:17
  Speaker 0: Wir machen Brandtracking, wir haben ein Consumer Panel seit fünfzehn Jahren.
• 14:20
  Speaker 0: Alle Marken, die du gefragt hast, haben wir auf unserer Plattform.
• 14:23
  Speaker 0: At your fingertips.
• 14:24
  Speaker 0: Wir brauchen keine Befragung, da war der Kunde genauso begeistert.
• 14:27
  Speaker 0: Unser Ziel ist es nicht so zu sagen, das Maximale aus dem Kundenhaus, sondern genau wie ich sage, möglichst barrierefrei einfach die Daten zur Verfügung zu stellen.
• 14:34
  Speaker 0: Und wenn ich einfach diese Daten im Zugriff habe, ist das einfach ein Asset, womit wir tatsächlich den Großteil der Datenprobleme unserer Kunden lösen können.
• 14:45
  Speaker 1: Ich vernehme mich gerade so ein bisschen in den Gedanken, warum schaffen Unternehmen das noch nicht selber aufzubereiten?
• 14:52
  Speaker 1: Und da will ich ja euch gar nicht euer Geschäftsmodell angreifen, aber eigentlich müsste man doch wieder zu eurem Kerngeschäft zurückkommen.
• 15:00
  Speaker 1: Und der Retailer oder wer auch immer müsste doch eigentlich ein Datenteam haben, sagen, hey, pass auf, ich hole mir die Statistadaten, ich match die gegen meine normalen Daten, gib mir mal die Befragungsdaten, ich match die dagegen, um dann sozusagen die nächsten Schritte zu machen.
• 15:14
  Speaker 1: Aber oftmals ist es wohl noch entweder die Kompetenzen im Unternehmen nicht da oder die Wahrnehmung vom Management, dass die Kompetenzen nicht da sind, um dann die Schritte extern zu machen.
• 15:24
  Speaker 0: Ich verstehe uns da tatsächlich als Katalysator.
• 15:26
  Speaker 0: Es ist genau wie du sagst.
• 15:28
  Speaker 0: Also viele Unternehmen haben das... Erkannt und ganz viele Unternehmen sind da auch schon.
• 15:31
  Speaker 0: Deswegen sage ich, also der überwiegende Teil arbeitet ja auch mit unseren Statista-Daten, sage ich mal.
• 15:36
  Speaker 0: Aber die Unternehmen, die da tatsächlich auf dieser Reise noch nicht sind, denen fehlt die Kompetenz, denen fehlt die Zeit, die sagen zum Teil auch bewusst, manchmal ist es auch erstmal eine One-Time-Action, um zu sehen, macht es Sinn und wollen wir damit weitergehen.
• 15:48
  Speaker 0: Da verstehe ich uns wirklich, sage ich mal, als Katalysator.
• 15:51
  Speaker 0: Und die Unternehmen dann auf dieser Reise mitzunehmen, das ist glaube ich etwas, was wir sehr gut können.
• 15:59
  Speaker 1: Wenn ich so ein bisschen an meine Historie denke, ist, glaube ich, die größte Herausforderung dieses Stimmen die Daten.
• 16:05
  Speaker 1: Die Datenqualität ist ja mit so der größte Punkt, den man challenging kann.
• 16:12
  Speaker 1: Wie nimmst du das wahr mit den Kunden?
• 16:14
  Speaker 1: Wie ist der Markt und wie stellt ihr eigentlich sicher, dass eure Daten qualitativ richtig sind?
• 16:21
  Speaker 0: Also das Thema Qualität der Daten, wenn du mich fragen würdest, was ist unser Kernasset?
• 16:29
  Speaker 1: Ja.
• 16:29
  Speaker 1: Das
• 16:30
  Speaker 0: ist Trust.
• 16:31
  Speaker 0: Das ist Vertrauen in unsere Daten.
• 16:33
  Speaker 0: Und alles, was wir sozusagen intern machen, muss sich diesem Paradigma tatsächlich unterordnen.
• 16:39
  Speaker 0: Und du arbeitest selber viel mit Daten, mit Automatisierung von Pipelines und so weiter.
• 16:43
  Speaker 0: Das heißt, du kannst dir sicherlich vorstellen, gibt häufig ein Zielkonflikt zwischen Automatisierung, Standardisierung, Schnelligkeit und aber gleichzeitig eben sicherstellen, dass diese Daten richtig sind.
• 16:54
  Speaker 0: Also unser oberstes Paradigma ist tatsächlich immer Qualität der Daten, weil wir sagen, Wenn das verloren geht, ist ein ganz großer Teil unseres Geschäftsmodells und unser Value-Proposersheet verloren.
• 17:05
  Speaker 1: Ja.
• 17:06
  Speaker 0: Und in jedem Schritt sozusagen unserer Wertschöpfung ist es deswegen auch so wichtig, wir nennen das, ich sage mal, Human in the Loop zu haben.
• 17:15
  Speaker 0: Ja, wir haben immer den Anspruch, große Strecken zu automatisieren, aber immer diesen Backloop tatsächlich haben.
• 17:20
  Speaker 0: Lass mich das vielleicht an einem Beispiel ganz konkret machen.
• 17:23
  Speaker 0: Wie erheben wir Daten?
• 17:25
  Speaker 0: Wir fangen typischerweise an und das jetzt... stark vereinfacht, aber ich glaube, es hilft in Erklärung, Quellen zu identifizieren.
• 17:32
  Speaker 0: Wo kriegen wir so Daten her?
• 17:33
  Speaker 0: Wir haben bei uns eine Rolle, ich weiß nicht, wie häufig ist diese Rolle in anderen Unternehmen gibt, die nennt sich Strategic Data Partnerships.
• 17:39
  Speaker 0: Wir haben also Leute, die nichts anderes machen, als A-Daten zu suchen, Datenquellen zu suchen.
• 17:45
  Speaker 0: Um auf der Grundlage dann zu verifizieren, wie vertrauenswürdig ist diese Quelle, wie transparent ist die Methodik für uns immer eine absolute Kernprämisse, bevor wir mit diesen Daten entsprechend arbeiten.
• 17:57
  Speaker 0: Und dann geben die sozusagen diese Quelle, sage ich mal, frei.
• 18:01
  Speaker 0: In dem nächsten Schritt fangen dann Data Journalists an, diese Quellen zu identifizieren und ziehen sich wiederum Daten draussen.
• 18:08
  Speaker 0: Die schauen dann... wieder.
• 18:11
  Speaker 0: das Thema bei diesen einzelnen Datenpunkten ist für mich nachvollziehbar, wo sie tatsächlich herkommen und ist für mich verständlich.
• 18:18
  Speaker 0: Also
• 18:18
  Speaker 1: wie bauen die sich zusammen?
• 18:19
  Speaker 1: Wie
• 18:19
  Speaker 0: bauen die sich hin?
• 18:20
  Speaker 0: Was ist tatsächlich die Methodik?
• 18:21
  Speaker 0: Um dann sozusagen auch zu sagen, die machen das seit ganz vielen Jahren, die haben eine tiefe Industrie-Expertise, diese Date, ist es auch der Korridor, an dem ich sozusagen erwartet hätte, bevor es dann tatsächlich überhaupt bei uns veröffentlicht wird.
• 18:33
  Speaker 0: Also wir haben ganz ganz strikte Qualitätssicherungsmechanismen, weil das tatsächlich unser USP ist.
• 18:39
  Speaker 1: Ja.
• 18:39
  Speaker 1: Ich hätte mir als Frage so ein bisschen aufgeschrieben, wie geht ihr mit dem Thema Fake News um?
• 18:44
  Speaker 1: Aber so wie du es beschreibst, habt ihr es ja einmal über diesen Prozess abgesichert?
• 18:48
  Speaker 1: Auf der anderen Seite gibt es bei euch ja das Thema Fake News nicht, weil ihr im Prozess habt, der nicht zu schnell zulassen würde, dass ihr mit den Daten arbeitet, oder?
• 19:01
  Speaker 0: Genau, vorsichtig.
• 19:03
  Speaker 0: Fake News aus meiner Sicht super vielschichtiges Thema.
• 19:07
  Speaker 0: Dimension eins, das finde ich sehr positiv ist, ich sage mal, als ich damals bei Statista gestartet bin, in voller Transparenz, wir waren ein Wirtschaftsunternehmen, das irgendwie gesagt hat, da liegt irgendwie Geld, wann jemand diese Daten aufbereitet, lasst uns damit ein cooles Geschäftsunnel aufbauen.
• 19:21
  Speaker 0: Im Rahmen dieser Datenflut, im Rahmen dieser Fake News, ist das finde ich ein sehr spannender Purpose geworden, Unternehmen tatsächlich genau dabei, entsprechend zu helfen.
• 19:29
  Speaker 0: Der wird immer werthaltiger aus meiner Sicht und wirklich einer unserer entsprechenden Key.
• 19:35
  Speaker 0: USPs.
• 19:35
  Speaker 0: Und die Marke Statista ist in diesem Kontext einfach sehr vertrauensbildend.
• 19:39
  Speaker 0: Gleichzeitig greifen diese Fake News-Teile unseres Geschäftsmodells und unserer Vertrauenswürdigkeit an.
• 19:46
  Speaker 0: Lass mich dir zwei konkrete Beispiele geben.
• 19:47
  Speaker 0: Ich habe einen Freund aus Russland, der mir vor Wochen eine Infografie von Statista geschickt hat, die darstellt im Ukraine Russland Krieg, von welcher im Land sozusagen Soldaten im Krieg gefallen sind.
• 20:03
  Speaker 0: Und da stand drin Tausende Menschen aus Deutschland, hunderte Menschen aus
• 20:08
  Speaker 0: U.K.,
• 20:10
  Speaker 0: Spanien.
• 20:11
  Speaker 0: Wir wollten also den Anschein erwecken, als wenn Europa gegen Russland sozusagen kämpft und die Armeen sozusagen schon längst weils komplette Fäcken sind, den nichts mitzutun.
• 20:20
  Speaker 1: Ja, verstanden.
• 20:21
  Speaker 1: Aber
• 20:21
  Speaker 0: diese News sind sozusagen draußen.
• 20:22
  Speaker 0: ein anderes Beispiel, das jetzt...
• 20:24
  Speaker 1: Mit eurem Stempel.
• 20:24
  Speaker 0: Genau, mit uns war
• 20:25
  Speaker 1: unser Instagram.
• 20:26
  Speaker 1: Ich
• 20:26
  Speaker 0: musste wirklich lange überlegen.
• 20:28
  Speaker 0: Warum veröffentlichen wir so was, weiß ich nicht, weil es kommt gar nicht von uns.
• 20:31
  Speaker 0: Anderes Beispiel ist jetzt Jahre her, wir hatten Kontakt zu jenesischen Regierungen, die gesagt, sie uns gebeten haben, einen Newsbeitrag im chinesischen Fernsehen zu kommentieren, wo offensichtlich Fake News veröffentlicht worden sind.
• 20:44
  Speaker 0: Wir haben wirklich lange gebraucht, um zu verstehen, es gibt da in China offensichtlich ein zweites Statista, mit dem wir nichts zu tun haben, mit dem wir wirklich nichts zu tun haben, die aber diese Fake News verbreiten.
• 20:55
  Speaker 0: Also das ist sozusagen etwas, wo wir sehr vorsichtig sind.
• 20:58
  Speaker 0: Und das zweite finde ich sehr wichtige Thema ist... Es ist
• 21:01
  Speaker 1: spannend, dass es eine weitere Industrie gibt.
• 21:03
  Speaker 1: Also du hast ja vorhin Google beschrieben, was vorhin Netflix beschrieben und euch, ich weiß, nicht zu sehr verglichen, aber es gibt jetzt Leute, die euch kopieren und euren Trust, den ihr über Jahre
• 21:13
  Speaker 0: aufraut haben,
• 21:14
  Speaker 1: ist ja eigentlich eine große Ehre.
• 21:15
  Speaker 0: Eine große Ehre, aber trotzdem müssen wir sozusagen da wirklich auf der Runde sein, ansprechen, weil nochmal, das ist unser oberstes Gut.
• 21:22
  Speaker 0: Das zweite Thema ist, ich habe vorhin sehr viel über Transparenz gesprochen.
• 21:25
  Speaker 0: Ich habe sehr viel über Methodik gesprochen.
• 21:26
  Speaker 0: In einer Welt, wo wir das erste Mal im Internet mehr Content haben, der durch AI generiert wird, erzähle ich dir nichts Neues, wie wurden diese Daten generiert, auf Basis welcher Quellen wurden diese Daten und Informationen, dass sie überhaupt nicht mehr so transparent ist, wie ihr nicht weiß es nicht.
• 21:41
  Speaker 0: Wissenschaftlichen Publikationen, Publikationen von Unternehmensberatung oder von Forschungseinrichtungen ist unser Prozess.
• 21:47
  Speaker 0: Wir brauchen deutlich mehr Investment in diesem Qualitätssicherungsprozess.
• 21:51
  Speaker 0: Einerseits hebt uns das mehr ab, andererseits erhöht es einfach die Komplexität in diesem ganzen Screening-Prozess.
• 21:57
  Speaker 1: Wie ist eigentlich euer Geschäftsmodell?
• 21:58
  Speaker 1: Die Daten, das sind Lizenzen.
• 22:02
  Speaker 1: Statista Plus ist wahrscheinlich Beratungsgeschäft klassisch.
• 22:05
  Speaker 1: Time of material oder Paketpreise.
• 22:10
  Speaker 1: Das ist die Klassiker, ne?
• 22:12
  Speaker 1: Genau,
• 22:12
  Speaker 0: das ist unser Geschäftsmodell.
• 22:13
  Speaker 0: Ein neues Geschäftsfeld, was wir aufbauen ist.
• 22:17
  Speaker 0: Wir haben vorhin so ein bisschen angedeutet, was wir im Wesentlich verkaufen sind.
• 22:21
  Speaker 0: Daten und Zugang zu diesen Daten.
• 22:23
  Speaker 0: Und der Kunde entscheidet immer auf dieser Reise ein Stück weit, wo er sozusagen diese Daten zugreift.
• 22:28
  Speaker 0: Was wir merken ist, dass es ein ganz toller Weg ist, auf unserer Plattform diese Daten im Zugriff zu haben und das ist auch von vielen Nutzern entsprechend gelernt, weil sie es von anderen Tools auch kennen.
• 22:38
  Speaker 0: Viel cooler ist es natürlich, wenn wir uns eigentlich in der nativen Workflow von unseren Usern integrieren könnten.
• 22:45
  Speaker 0: Also Beispiel, wenn ein Berater in einer Powerpoint frühe ist, ist es eigentlich nicht so richtig cool, wenn er immer zu Statista gehen muss, sondern wenn er eigentlich in Co-Pile unsere Daten zum Zugriff hätte.
• 22:54
  Speaker 1: Oder das Powerpoint-Blagging mit Statista.
• 22:56
  Speaker 0: Genau, das ist es.
• 22:57
  Speaker 0: Und so
• 22:58
  Speaker 1: was wie Singcell nur Inset-Statista hier sozusagen.
• 23:03
  Speaker 0: Ganz genau.
• 23:04
  Speaker 0: Und das ist etwas, woran wir gerade sehr stark arbeiten.
• 23:06
  Speaker 0: Das nennt sich Statista Connect.
• 23:08
  Speaker 0: Das heißt, wenn unser Anspruch doch ist, Empowering People with Data, also möglichst barrierefrei Daten zugänglich zu machen, lasst uns sogar noch die Barriere, du musst auf unsere Plattform gehen, rausnehmen und uns entweder in Partner-Systeme integrieren.
• 23:19
  Speaker 0: Wir haben eine Kooperation mit Office.trivon.sech, Co-Pilot, mit Perplexity, mit Langdog, mit Canva.
• 23:26
  Speaker 0: Also da können die Leute schon heute sozusagen unsere Daten im Zugriff haben.
• 23:30
  Speaker 0: Gleichzeitig kommen viele Kunden auf uns und sagen, wir arbeiten an eigenen Lösungen, gar nicht, dass wir das LMM bauen, aber unser Ökosystem.
• 23:36
  Speaker 0: Wir würden eure Daten gerne andocken.
• 23:39
  Speaker 0: Und das ist tatsächlich eine neue Entwicklung, die wir sehen, die uns total hilft, noch mehr Leuten unsere Datensverfügung zu stellen.
• 23:45
  Speaker 0: Und das ist dann ein Stück weit auch wiederum ein anderes Geschäftsmodell, weil du drüber sprichst, weil da gehen wir eher in eine Credit-Logik, sag ich mal, weil wir sagen, wir sind so überzeugt von unserem Nutzen, dass wir tatsächlich in so ein Pay-Per-U-Slogik reingehen.
• 24:00
  Speaker 1: Wir sprechen ja die ganze Zeit über Statista und Daten.
• 24:03
  Speaker 1: Verratet ihr Umsätze?
• 24:05
  Speaker 1: Sagt ihr was über die Größe?
• 24:08
  Speaker 1: Lass mich das irgendwie versuchen rauszufinden.
• 24:10
  Speaker 1: Von fünfzig Mitarbeitern, wo steht ihr jetzt?
• 24:12
  Speaker 0: Äh, tausend vierhundert.
• 24:16
  Speaker 1: Das ist wahrscheinlich weltweit.
• 24:18
  Speaker 0: Genau, also das können wir tatsächlich sagen.
• 24:21
  Speaker 0: Wir haben Büros in New York, wir haben vier Büros in Asien, in Indien, in London.
• 24:26
  Speaker 0: Also wenn es sehr weltweit aufhört, dass das sich der Großteil unseres Umsatzes wird auch nicht in Deutschland generiert.
• 24:33
  Speaker 1: Also ihr habt euch fast für zwanzig Facht, wenn ich jetzt richtig rechne, ja.
• 24:38
  Speaker 1: Fünfzig auf
• 24:38
  Speaker 0: tausend Facht.
• 24:40
  Speaker 1: Ja, für dreißig Facht, ja, stimmt.
• 24:43
  Speaker 1: Erst bis tausend gerechnet.
• 24:47
  Speaker 1: Gehen die Umsätze in die Richtung?
• 24:49
  Speaker 0: Die Umsätze gehen in eine sehr positive Richtung.
• 24:51
  Speaker 0: Sagen wir es mal so.
• 24:53
  Speaker 0: Aber da wir sozusagen, also auch da sind voller Transparenz, wir sind eine hundertprozentige Steuertochter.
• 24:58
  Speaker 1: Stimmt, ihr wurdet aufgekauft, ne?
• 24:59
  Speaker 1: Mit
• 24:59
  Speaker 0: diesen Größen notiert, deswegen dürfen wir in dem Kontext gar nicht sein.
• 25:02
  Speaker 0: Ja, ja, alles gut.
• 25:04
  Speaker 1: Ich habe es versucht.
• 25:05
  Speaker 0: Alles gut?
• 25:08
  Speaker 1: Jetzt hast du vor ein bisschen über AI gesprochen.
• 25:12
  Speaker 1: Total spannend, also die Wertschöpfung geht ihr sozusagen in die Breite beim Kunden, nicht nur die Daten, sondern auch am Ende vermeintlich die Strategie mit, mit Hälfte zu können, da der Themen zu platzieren.
• 25:25
  Speaker 1: Auf der anderen Seite geht ihr jetzt auch in die Tiefe bei der Nutzung der Daten für die unterschiedlichen Wertschöpfungsketten, wie Integration in ein Large Language Model, aber auf der anderen Seite auch im Powerpoint.
• 25:38
  Speaker 1: An welcher Stelle müsste ich jetzt oder könnte ich jetzt ein Kreis drum machen und sagen, da spielt ihr mit AI?
• 25:44
  Speaker 1: Oder das würde sich vielleicht verändern mit AI?
• 25:46
  Speaker 0: Also im besten Fall dann machst du um Gesamtstatista ein Kreis, weil das tatsächlich unser Anspruch ist es eine AI First, AI Native Company zu sein und gleichzeitig dieses human in the loop.
• 25:59
  Speaker 0: Das ist wirklich auch eine Kernprimisse, weil wir sagen, da schaffen wir sozusagen auch gegen diesen reinen Plug-and-Player anbietern.
• 26:04
  Speaker 0: einen tatsächlichen Mehrwert.
• 26:06
  Speaker 0: Lass mich vielleicht ein Stück weit sozusagen konkreter sein.
• 26:08
  Speaker 0: Ich denke da immer in zwei Schienen, die wir auch sozusagen das eine ist.
• 26:13
  Speaker 0: Lass uns bitte alle repetitiven Schritte, alles, was wir automatisieren können, wirklich automatisieren.
• 26:19
  Speaker 0: Weil das in der Regel auch die Aufgaben sind, die Mitarbeiter nicht tatsächlich gerne machen, damit sie mehr Zeit haben für Kontextualisierung, damit sie mehr Zeit haben, mit Kunden zu sprechen, Sachen in Perspektive zu bringen.
• 26:28
  Speaker 0: Und das muss by the way, das kriege ich auch immer von meinen Kollegen auf den Finger, das ist natürlich alles nicht AI.
• 26:33
  Speaker 0: Manchmal tut's auch die Exeliste.
• 26:35
  Speaker 0: Das ist, glaube ich, zu einordnen und ganz wichtig.
• 26:36
  Speaker 0: Aber lass uns bitte alles automatisieren, was wir automatisieren können.
• 26:41
  Speaker 0: Und gleichzeitig gibt AI uns die Möglichkeit im Bereich Research zum Beispiel, ich kann da gerne gleich zwei, drei sehr konkrete Beispiele geben.
• 26:48
  Speaker 1: Sehr gerne.
• 26:49
  Speaker 0: Sachen zu entwickeln, wo mir die Leute seit drei Jahren auf den Füße stehen, ist, ich hab schlicht nicht die Leute, um das zu machen.
• 26:54
  Speaker 0: Wir können jetzt also wirklich Leapfrogging machen.
• 26:57
  Speaker 0: Konkrete Beispiele, wenn wir diesem Eintopf sind, Automatisierungsstrecken, wir haben jetzt gerade angekündigt, dass wir ein eigenes internes Tool, das nennt sich AI-Assisted Research Assistant oder AI-Based Research Assistant.
• 27:11
  Speaker 0: Der sozusagen den Data Journalist in der Erstellung des Contents total hilft.
• 27:15
  Speaker 0: Lass mich sehr konkret sein, in Schritt eins sitzt da immer ein Mensch, der sozusagen auf Grundlage von Daten, von Trending Topics, von Social Listening ein Themengebiet definiert.
• 27:24
  Speaker 0: Zum Beispiel Kaffeemarkt in Thailand, twenty-sechs und zwanzig.
• 27:27
  Speaker 0: Dann hilft ihm dieses Tool in Schritt eins, das in interessante Trending Topics zu überführen und zu sagen, was könnte denn dazu passen?
• 27:34
  Speaker 0: Also Kaffee-Absatz, größte Anbieter.
• 27:38
  Speaker 0: Wie viele, ich weiß es nicht, Tassen, Kaffee trinkt jemand in Thailand pro Tag, solche Dinge.
• 27:43
  Speaker 0: Und dann sagt ihr, okay, let's go.
• 27:45
  Speaker 0: Und dann wird sozusagen eine automatisierte Research im Internet damit entsprechend ausgeführt.
• 27:50
  Speaker 0: Es werden sozusagen bis zu, ich glaube, fünfhundert, sechshundert Quellen gleichzeitig entsprechend gescreen.
• 27:55
  Speaker 0: Es gibt dann automatisierten Terms an Condition Check, ob wir diese Daten überhaupt tatsächlich nutzen können.
• 28:00
  Speaker 0: Wir crawlen sozusagen dann entsprechend diese frei zugänglichen Daten.
• 28:04
  Speaker 0: Wir bereiten sie entsprechend auf, wir übersetzen sie in die Statista, Taxonomie und eine einheitliche Sprache.
• 28:10
  Speaker 0: Also dieses Tool kann, ich glaube, dreißig verschiedene Sprachen mittlerweile entsprechend verstehen.
• 28:15
  Speaker 0: Und dann werden sie in Schritt eins erstmal allen intern zugänglich gemacht.
• 28:17
  Speaker 0: Dann können wir sie intern tatsächlich schon tatsächlich nutzen.
• 28:20
  Speaker 0: Und im letzten Schritt kommt wieder jemand sozusagen dazu und sagt, okay, ich mache die Qualitätskontrolle auf diesen Daten, ich habe die Expertise, was passt dazu?
• 28:28
  Speaker 0: Was wollen wir davon bewusst vielleicht auch tatsächlich nicht auf die Plattform nehmen, bevor es dann entsprechend veröffentlicht wird?
• 28:33
  Speaker 0: Und das würde ich eine unglaubliche Möglichkeit, noch viel tiefer in Märkte reinzukommen, Dinge zu standardisieren, aber gleichzeitig.
• 28:40
  Speaker 0: So das ist sozusagen ein, finde ich, sehr plakatives Beispiel.
• 28:45
  Speaker 0: Ein anderes Beispiel, was auch eher aus der Ecke Automatisierung kommt, wir führen bei Statista Plus im Jahr, ich würde sagen, achthundert, neunhundert oder tausend Experteninterviews durch.
• 28:56
  Speaker 0: Experten-Interviews bedeutet, wir machen eine große Studie mit einem Kunden, wir wollen Ergebnisse nochmal revizieren oder wir wollen Input-Erfragen, der nirgendwo ersichtlich ist oder wir wollen Kredibilität für diese Daten nochmal bringen.
• 29:06
  Speaker 0: Typischerweise hat dieser Prozess, ich weiß es nicht, sechs bis acht Stunden gedauert, um einen Interview zu führen und fragt sich, oh, sechs bis acht Stunden ist aber relativ lang.
• 29:14
  Speaker 0: Aber da muss sich ja jemand hinsetzen, der muss sich ein Thema überlegen, der muss, ich sag mal, einen teilstrukturierten Fragebogen unterschreiben, der muss einen Experten suchen, der muss dieses Gespräch führen, er muss das transkribieren, er muss eine Management, also es kann schon dauern, gibt auch Leute, kann es viel schneller, aber ich sag mal.
• 29:28
  Speaker 1: Jeder Master und Bachelor Student denkt sich, ja, das müssen wir gerade tun.
• 29:34
  Speaker 0: In diesem Kontext verschiedene Agenten arbeiten zu lassen, die, nachdem das Thema definiert worden ist, bei der Unterstützung des teilstrukturierten Fragebungs, bei der Identifikation von passenden Experten, Interview beispielsweise führen wir immer noch sozusagen als menschliche Komponente, weil wir tatsächlich sagen, das ist wichtig für Empathie, für Tiefe, für Kredibilität, aber dann hinten raus natürlich die Transkribierung, alles DSG-Veroferung konform zu machen, das wir es dem Kunden schicken können, alle Ams rauszunehmen und eine Management-Summary zu machen.
• 30:03
  Speaker 0: Ich hab jetzt zehn Interviews, jetzt mach ich noch mal das So-What daraus.
• 30:07
  Speaker 0: Sind wir von, ich sag mal, diesen sechs bis acht Stunden auf anderthalb Stunden sozusagen runter.
• 30:12
  Speaker 0: Also wirkliche Automatisierungstrecken, wo uns das wirklich...
• 30:15
  Speaker 1: Man kann sich halt aufs Kerngeschäft konzentrieren und da, wo du wirklich den Wettbewerbsvorteil hast.
• 30:19
  Speaker 0: Und das ist genau das zweite, das ich dann nämlich sage.
• 30:23
  Speaker 0: Wo können wir eigentlich, und das finde ich sind die viel spannenderen Use Cases, AI dafür einsetzen, um Mehrwerte für Kunden zu generieren.
• 30:30
  Speaker 0: Also ein ganz konkretes Beispiel, wo ich auch darüber sprechen kann.
• 30:33
  Speaker 0: Wir haben mit einem MERSC eine sogenannte Industry Trend Map erstellt.
• 30:38
  Speaker 0: Die wollten mit uns einen Industrie Report machen, was sind die Most Pending Trends beispielsweise.
• 30:44
  Speaker 0: Und da haben wir gesagt, wir könnten jetzt sehr klassisches Research machen.
• 30:48
  Speaker 0: Oder wir machen mal einen sehr innovativen AI-basierten Ansatz und unser Data Driven Solutions Team mag es mir jetzt verzeihen, aber vereinfacht gesprochen haben wir in Schritt eins das Internet leergesorgt.
• 30:59
  Speaker 0: Und nicht nur das Internet als Textbausteine, sondern unser Modell.
• 31:03
  Speaker 0: hat sich sozusagen Videos mit angeguckt, hat sich Podcasts mit angehört und hat nach verschiedenen Search Terms sozusagen wirklich eine riesige Datenmenge produziert.
• 31:11
  Speaker 0: Hat dann automatisiert die Was auch für Mask super interessant war, weil ganz viele Reports fokussieren auf gewisse Themen, aber dass du dann plötzlich siehst, vielleicht ist irgendwie das Thema Financial Resilience, da sprechen ganz viele drüber, das taucht aber an diesen ganzen Reports nicht auf.
• 31:30
  Speaker 0: Vielleicht ist das etwas, wo wir mal mit Experten tatsächlich tiefer rein müssen.
• 31:34
  Speaker 0: Und dann hatten wir plötzlich eine riesige Datengrundlage, wo wir dann mit Mask deren Industrie-Experten unserem Industrie-Circle drüber sprechen konnten und dann sagen konnten, was ist die Geschichte dahinter?
• 31:44
  Speaker 0: Wie packen wir das in den Reporten?
• 31:46
  Speaker 0: Und das sind diese Mehrwerte, wo ich sage, diese Tiefe hätten wir vor einem Jahr sicherlich so mit dem bestehenden Team nicht hinbekommen.
• 31:54
  Speaker 1: Ja, es hätte halt ewig gedauert.
• 31:55
  Speaker 0: Ja, es hätte ewig gedauert, ist ja viel zu teuer geworden für den Kunden und die Mehrwerte sind jetzt einfach wirklich, wirklich brillant.
• 32:02
  Speaker 0: Cool.
• 32:02
  Speaker 0: Ja.
• 32:04
  Speaker 1: Also, Frederik, was mir dazu einfällt, ist das Thema, das hast du ja auch vorhin auch noch mal gesagt, beim Thema China, beim Thema Russland, dass ihr auch eine unglaubliche ethische, politische Verantwortung habt.
• 32:16
  Speaker 1: Weil je nachdem, wie ihr Daten framet, kann das schon so ein gesellschaftlicher Narrativ so ein bisschen beeinflussen.
• 32:32
  Speaker 1: Jetzt hast du vorhin aber über Datenqualität gesprochen.
• 32:34
  Speaker 1: Wie nehmt ihr so was wahr?
• 32:36
  Speaker 0: Auch ein super wichtiges Thema für uns Intervall.
• 32:39
  Speaker 0: Wir sind uns durchaus über die Tragweite unseres Handelns bewusst.
• 32:43
  Speaker 0: Also wir meinen, worüber wir sehr stolz sind, was natürlich auch sowohl zur Vertrauensbildung als auch zur Markenbildung betrifft.
• 32:49
  Speaker 0: Schau dir das ZDF heute im Journal an.
• 32:51
  Speaker 0: Wir holen sich dort mittlerweile Statista zitiert wird.
• 32:54
  Speaker 0: Politische Parteien nutzen unsere Daten sozusagen, um ihre Argumente zu untermauern.
• 32:59
  Speaker 0: Firmen nutzen das, internum Entscheidungen entsprechend zu treffen.
• 33:02
  Speaker 0: Uns ist durchaus bewusst, dass wir den gesellschaftlichen Diskurs ein Stück weit beeinflussen, indem wir natürlich auch durch die Kuratierung nicht alle Daten zur Verfügung stellen, haben wir einfach eine große Verantwortung.
• 33:14
  Speaker 0: Trotzdem, oder gerade deswegen ist es aus unserer Sicht so extrem wichtig als neutraler Spieler.
• 33:20
  Speaker 0: Wir haben de facto keine Meinung.
• 33:22
  Speaker 0: Du wirst von uns niemals ein politisches Statement beispielsweise hören, es sei denn, es geht wirklich gegen extreme Positionen, wo wir uns dann auch ansprechen, aber es gibt sozusagen im normalen Spektrum wirst du von uns niemals eine politische Anhörung.
• 33:35
  Speaker 0: Das ist gar nicht so einfach, das manchmal auszuhalten tatsächlich.
• 33:39
  Speaker 1: Ja, glaube ich, deswegen fahre ich ja.
• 33:40
  Speaker 1: Aber
• 33:40
  Speaker 0: es ist für uns unheimlich wichtig, möglichst große Neutralität in allen Dimensionen.
• 33:47
  Speaker 0: Also Neutralität bedeutet, wenn es zu einer Frage unseres Nutzers drei Datenpunkte gibt, wo wir sagen, Die sind alle sauber hergeleitet und lieber Nutzer, du musst ein Stück weit für dich entscheiden, welchen du sozusagen nimmst.
• 34:01
  Speaker 0: Wir machen wieder die Methodik transparent, aber du musst es entscheiden, weil ich kann dir heute nicht sagen, wie sich der Elektromobilitätsmarkt in Kassastan im Jahr zwanzig dreißig entwickelt.
• 34:10
  Speaker 0: Wir haben drei Datenpunkte und du musst ein Stück weit für dich entscheiden, welchen du nimmst.
• 34:13
  Speaker 0: Wir können kontextualisieren, aber wir stellen dir diesen Datenpunkte.
• 34:17
  Speaker 0: Das ist eine.
• 34:17
  Speaker 0: Also diese Neutralität ist unsere Prämisse und es wäre manchmal einfacher, sich auf einen Datenpunkt zu fokussieren, aber.
• 34:25
  Speaker 0: Wir sind tatsächlich davon überzeugt, dass wir diese, dieses Spektrum an den Formationen zu erhöhen ist.
• 34:29
  Speaker 0: Das zweite ist, und das unterschätzt man häufig, ist auch die Neutralität in der Darstellung.
• 34:35
  Speaker 0: Also wie stellen wir unsere Daten denn tatsächlich da?
• 34:38
  Speaker 0: Ganz konkretes Beispiel, ich habe häufig eine Keynote, wo ich sozusagen über die Verzerrung von Daten gar nicht über Fake News, sondern über die Verzerrung von Datenspreche.
• 34:46
  Speaker 0: Und da gibt es in den USA Fox News als ein Beispiel.
• 34:49
  Speaker 0: Es gibt eine wunderschöne Grafik, die die aufbereitet haben über Abweisungen an der Grenze zu Mexiko sozusagen als gerade dieser Switch war wieder entsprechend zu Trump um natürlich dieses Narrativ zu unterfüttern.
• 35:01
  Speaker 0: und wenn du dir anschaust Dieser Entwickler ist ein riesiger Ansprung, als Trump dann kam.
• 35:07
  Speaker 0: Das war das nächste Level.
• 35:09
  Speaker 0: Und wenn du die Achsen anschaust, wie sie gebrochen haben, war das komplett verzerrt.
• 35:14
  Speaker 0: Wir hätten das komplett anders dargestellt.
• 35:16
  Speaker 0: Wir hätten die Achsen konstant gelassen.
• 35:18
  Speaker 0: Und ja, es war ein Anstieg, aber bei Weitem nicht so dramatisch.
• 35:22
  Speaker 0: Das ist das, was ich meine mit Neutralität.
• 35:24
  Speaker 0: Und by the way, wir brauchen uns gar nicht so weit in die USA orientieren.
• 35:28
  Speaker 0: Ich weiß nicht, ob du es gesehen hast, aber ... Auch ein Herr Dobrin beispielsweise hat auf einer Bundespressekonferenz die links extrem orientierten und die rechtsextremen orientierten Straftaten gegenübergestellt.
• 35:40
  Speaker 0: Und auch da sah es so aus, ich kann dir das Bild gerne im Nachgang mal schicken, als wäre es ein riesen Verzucker.
• 35:45
  Speaker 0: Wenn du genau drauf schaust, hat er andere Achsen verbindet.
• 35:49
  Speaker 0: Also es ist wirklich gefährlich.
• 35:51
  Speaker 1: Ja genau und entspannt, in das Thema wollte ich ja irgendwie meine Finger, also in die Wunde wollte ich meine Finger legen, weil Jetzt hast du vorhin gesprochen, ihr habt einen Tausend Vierhundert Mitarbeiter.
• 36:01
  Speaker 1: Da ist natürlich auch die Frage, wie kriegst du sichergestellt, dass dieses Thema sauber ist.
• 36:07
  Speaker 1: Es spielt ja eh eine Rolle, weil wie du sagst, wenn du jede Statistik kannst du natürlich frame wie du willst und ihr müsst natürlich so neutral wie möglich die Daten zur Verfügung stellen.
• 36:19
  Speaker 1: Und dann wird damit ja schon irgendwas gespielt, dafür seid ihr nicht mehr verantwortlich.
• 36:23
  Speaker 1: Aber ja, verstanden.
• 36:29
  Speaker 1: Wenn du so ein bisschen in die Zukunft guckst, Frederik, kann man sagen, wo Statista in drei bis fünf Jahren steht.
• 36:37
  Speaker 1: Jetzt sagst du, das Kerngeschäft, nicht nur Statista, bloß Kerngeschäft, ist mit in deiner Verantwortung.
• 36:44
  Speaker 1: Dann ist es ja, musste die Frage beantworten.
• 36:50
  Speaker 1: Wo steht man da?
• 36:52
  Speaker 0: Also im Wesentlichen sind wir genau auf dieser Traktion gerade von, wir waren mal ein Publisher.
• 36:59
  Speaker 0: Ja.
• 37:00
  Speaker 0: Die nächste Evolutionsstufe war eben eine zentrale Plattform, wo diese Daten ansprechend aufbreite wären, interne, wie externe Daten.
• 37:07
  Speaker 0: Und das nächste Schritt ist tatsächlich dieser Data-Asus-Service-Anbieter.
• 37:10
  Speaker 0: Und glaube, was wir uns immer wieder klarmachen müssen, bei aller Komplexität, die unser Geschäftsmodell mitbringt, ich versuche solche Sachen einmal möglichst zu vereinfachen.
• 37:21
  Speaker 0: Und im Wesentlichen und alle Kollegen mögen mir das verzeihen, machen wir jetzt nicht so was Kompliziertes, sondern wir haben uns zwei Dinge.
• 37:29
  Speaker 0: Wir verkaufen Daten und wir verkaufen Zugang zu diesen Daten.
• 37:34
  Speaker 0: Und jeder Kunde muss ein Stück weit für sich entscheiden, was der bestmögliche Weg ist.
• 37:39
  Speaker 0: Also das ist nämlich konkret machen.
• 37:41
  Speaker 0: Auf der einen Seite haben wir unsere Plattform mit unseren preloaded Data, sag ich mal, die ganz viele Fragen sozusagen beantwortet.
• 37:49
  Speaker 0: Andere Kunden sagen, ich möchte nicht mehr auf diese Plattform, ich möchte es immer im Ökosystem, das ist mit dem Connect Thema, was ich vorhin gesagt habe.
• 37:56
  Speaker 0: Das heißt, wir werden ein Stück weit dann eben auch zum Technologieanbieter.
• 37:59
  Speaker 0: Warum?
• 38:00
  Speaker 0: Weil wir einfach sehen, dass die Legacy der Firmen ganz unterschiedliche Stände hat.
• 38:05
  Speaker 0: Wir sprechen in den USA mit Firmen, die sagen, wenn ihr mir das nicht als MCP Server den LPI-Key sozusagen verfügstellt, dann brauchen wir gar nicht weiter sprechen.
• 38:14
  Speaker 0: Da sprechen wir in Deutschland mit Firmen.
• 38:15
  Speaker 0: Es gibt einige, die das auch schon so hinbekommen, über einen sehr standardisierten Weg.
• 38:18
  Speaker 0: Für anderen, da sind wir zum Glück drüber hinweg.
• 38:23
  Speaker 0: Aber da sind wir viel tiefer in der Integration sozusagen, um so Daten entsprechend zugänglich zu machen.
• 38:27
  Speaker 0: Das heißt, aus meiner Sicht sind wir auch in Zukunft ein Daten- und Insights-Lieferant, der aber gleichzeitig diese Technologieperspektive mitspielen muss, um einfach diese Daten zugänglich zu machen.
• 38:42
  Speaker 1: Was sollten Unternehmen von Statistern lernen beim Umgang mit Daten, wie man das so ein bisschen framed?
• 38:47
  Speaker 1: Finde
• 38:51
  Speaker 0: ich immer eine schwierige Frage, wenn ich immer so rechthabere, stelle ich mal rüber und zurückblickt, ist immer vieles einfach zu erklären.
• 38:58
  Speaker 0: Aber ich glaube, so ein paar Dinge, wo ich sage, wir sind zumindest nicht ganz schlecht drin.
• 39:03
  Speaker 0: Erste Thema, und es ist totales Buzzwork, aber auch wenn du intern bei uns entsprechend reinguckst, halten wir uns nicht über.
• 39:10
  Speaker 0: Brotale Kundenorientierung.
• 39:12
  Speaker 0: Jetzt weiß ich beim Thema Daten, Kundenorientierung ist irgendwie komisch, aber natürlich ist es bei uns, Geschäftsmodell in der Rente, also wir müssen uns natürlich überlegen, welche Daten sind für unsere Kunden überhaupt relevant und welche nicht, also wollen sie auch nicht zumüllen mit Daten.
• 39:24
  Speaker 0: Aber auch intern, wir haben ja auch interne Kunden, sei es Finance, sei es Sales, sei es, ich weiß es nicht.
• 39:30
  Speaker 0: da wirklich zu schauen, was sind die wirklich wichtigen Daten?
• 39:34
  Speaker 0: und wir sind brillanter drinnen komplizierte Dashboards beispielsweise zu bauen.
• 39:38
  Speaker 0: Aber wenn du dich dann überlegst, wer sind wirklich die North Star Matrix, die du dir da entsprechend anguckst, sind es dann doch häufig nur wenige, die du sagst.
• 39:44
  Speaker 0: Und dann immer halt Komplexität entsprechend raus, weil sonst wird es sozusagen schwierig, sowohl transparent zu sein, als auch konsequent danach zu stehen.
• 39:50
  Speaker 0: Das ist, glaube ich, ein ganz wichtiges Thema.
• 39:52
  Speaker 0: Das zweite Thema klingt auch immer nach einer Banalität.
• 39:56
  Speaker 0: ist es aber häufig nicht, sich wirklich konsequent mit der Datenstrategie auseinanderzusetzen.
• 40:00
  Speaker 0: Also wirklich wieder vom Kunden abgeleitet, was sind die Themen?
• 40:02
  Speaker 0: Und also kann ich konkret bei uns sein, wir stellen uns immer wieder die Frage, wie für Longtail Data als beispielsweise für unsere Kunden relevant und wie tief müssen wir rein?
• 40:11
  Speaker 0: Komplett andere Herangehensweise.
• 40:13
  Speaker 0: Aber das aus einer Kundenperspektive zu denken und in allen Prozessen konsequent umzusetzen, ist total wichtig.
• 40:17
  Speaker 0: Ich glaube, was dabei hilft, die gesamte Infrastruktur ist die Taxonomie, weil das einfach in die Skalierbarkeit entsprechend reinkommt.
• 40:24
  Speaker 0: Was wir dann auch noch machen und da bin ich total transparent, wo Menschen und wo Maschinen zusammenarbeiten und Daten in dieser Menge Produkte entstehen auch Fehler.
• 40:35
  Speaker 0: Auch wir produzieren Fehler in zwei Dimensionen.
• 40:38
  Speaker 0: Das kann schlichtweg sein, dass wir auch mal falsche Informationen veröffentlichen.
• 40:41
  Speaker 0: Also bestes Beispiel eines der meist überachteten Tweets sozusagen über Statista war ein Post von Elon Musk.
• 40:48
  Speaker 0: Kurz nach der Übernahme von Twitter, wo wir sozusagen über die Layoffs berichtet haben.
• 40:53
  Speaker 0: Und sein Post ging, sprichwürdig, in die Richtung so, there are lies, there are damn lies, and there is Statista.
• 40:59
  Speaker 0: weil sozusagen wir über die Layoffs berichtet hatten und er kurzfristig ja dann nochmal die Anzahl der wirklich betroffenen Mitarbeiter runtergetrimmt hat, da war der Verstand hatte, oh, wenn ich jetzt in die neunzig Prozent der Leute rausnehme, so richtig funktioniert das Unternehmen nicht.
• 41:10
  Speaker 0: und wir mussten darauf reagieren.
• 41:12
  Speaker 0: Was haben wir gemacht?
• 41:13
  Speaker 0: Wir haben uns hingestellt und gesagt, das stimmt, das ist eine falsche Information, tut uns leid, hier ist die Finale, eine wirkliche Fehler-Toleranz und das ist auch etwas, was wir in all unseren Prozessschritten eingebaut haben, du wirst überall auf der Website sehen, du kannst uns Feedback zu den Daten geben, du kannst uns Feedback zu Informationen geben und dann schnell zu reagieren.
• 41:28
  Speaker 0: Das schafft, glaube ich, wieder unheimlich Vertrauen in diesen Land.
• 41:31
  Speaker 0: Also es heißt wirklich, das Gen-Thema-Daten-Strategie ist, glaube ich, extrem wichtig.
• 41:36
  Speaker 0: Das Thema Fehler-Toleranz ist eben ein entsprechend wichtiges und die Sekundenzentrierung.
• 41:41
  Speaker 1: Sehr schön.
• 41:42
  Speaker 1: Ich glaube, es war ein guter Schluss.
• 41:44
  Speaker 1: zur Folge, die zwei Fragen, die ich ja jedem Gast stelle.
• 41:48
  Speaker 1: Was machst du noch privat mit Daten?
• 41:49
  Speaker 1: Wir haben uns ja gerade, als ich dir noch, wir nehmen ja morgens auf, einen Kaffee gemacht habe, so ein bisschen über private Dinge unterhalten.
• 41:56
  Speaker 1: Und welchen Filmtitel würdest du deinem Data Game oder deiner unserer Serie ergeben?
• 42:02
  Speaker 0: Also, was mache ich privat mit Daten?
• 42:05
  Speaker 0: Also, ich finde, ein ganz spannendes Thema ist das Ganze.
• 42:10
  Speaker 0: Ich habe dieses Jahr angefangen, also vielleicht ein bisschen Out of Score, aber ich habe angefangen Fußballtrainer zu sein für meinen kleinen Sohn, eine F-Jung.
• 42:17
  Speaker 0: Cool.
• 42:17
  Speaker 0: Er hat noch nie Fußballtrainer sozusagen für sieben, sechs bis sieben jährigen gemacht.
• 42:23
  Speaker 0: Das ist wirklich herausfordernd.
• 42:25
  Speaker 0: Ich hab lange Zeit, ich sag mal, sehen wir professionell Fußball gespielt und dachte mir wirklich, ich hab da auch eine Menge sozusagen mitgenommen.
• 42:33
  Speaker 0: Und hab dann aber tatsächlich gemerkt, vielleicht funktioniert Fußballtraining für sechs bis sieben Jährige anders als im Erwachsenenbereich.
• 42:40
  Speaker 0: Und bin deswegen extrem viel im Austausch mit Chatchi
• 42:43
  Speaker 0: B.T.,
• 42:43
  Speaker 0: der mir Trainingspläne erstellt, der mir hilft, die Psychologie von Kindern besser zu verstehen, der dieses ganze Gamification-Element tatsächlich viel, viel stärker reinmacht.
• 42:54
  Speaker 0: Das ist, glaube ich, etwas, wo ich mich privat sehr, sehr stark mit beschäftige.
• 42:57
  Speaker 0: Cool.
• 42:58
  Speaker 1: Und Filmtitel und Serientitel?
• 43:02
  Speaker 0: Für diese Episode,
• 43:03
  Speaker 1: ja?
• 43:05
  Speaker 0: Ja.
• 43:07
  Speaker 0: Okay, cool.