Latest / MY DATA IS BETTER THAN YOURS / Warum im Team die belastbare Baseline noch fehlt – mit Eva S., auxmoney

Transcript

Warum im Team die belastbare Baseline noch fehlt – mit Eva S., auxmoney · MY DATA IS BETTER THAN YOURS

• 0:00
  Speaker 0: In der heutigen Folge spreche ich mit der lieben Eva von Augsmani.
• 0:03
  Speaker 0: Es geht über das Thema, was stand eigentlich schon vor vier Jahren und warum machen sie jetzt eine neue Migration?
• 0:08
  Speaker 0: Und welchen Mehrwert entsteht eigentlich dadurch?
• 0:11
  Speaker 0: Seid gespannt!
• 0:16
  Speaker 1: Neue Folgen jeden Freitag.
• 0:18
  Speaker 1: in dieser digitalen Welt gibt es einen speziellen Faktor, der über Erfolg- und Misserfolg entscheidet – Daten.
• 0:25
  Speaker 1: Doch nur die wenigsten wissen Sie für sich zu nutzen.
• 0:29
  Speaker 1: Wer seine Kunden verstehen will, um ihnen das bieten zu können was sie brauchen
• 0:32
  Speaker 0: kommt um
• 0:33
  Speaker 1: ein professionelles Datenmanagement
• 0:35
  Speaker 0: nicht
• 0:35
  Speaker 1: herum.
• 0:36
  Speaker 1: Jonas Raschidi interviewt andere Experten aus den Data Bereichen und zeigt Schritt für Schritt wie genau das funktioniert.
• 0:48
  Speaker 0: Mein heutiger Gast bringt mich auf eine kleine Zeitreise.
• 0:52
  Speaker 0: Die liebe Eva ist nämlich von AUXMONEY.
• 0:54
  Speaker 0: Ich habe vor einigen Jahren ich glaube schon über vier jahren dann sieht man wie lange der podcast schon existiert mit dem marius aufgenommen.
• 1:01
  Speaker 0: Da haben wir, glaube ich damals aus seiner Sicht.
• 1:03
  Speaker 0: Ich weiß nicht ob er da noch Team-Lied war aber so ein bisschen seine Migration besprochen und die Toolimplementierung wie er damals hatte.
• 1:11
  Speaker 0: Heute sprechen mit den lieben Eva, die mir gegenüber sitzt nämlich genau zu dem Thema.
• 1:15
  Speaker 0: sie migriert wieder das was wir damals besprochen haben Richtung Snowflake also einen anderen Anbieter.
• 1:20
  Speaker 0: und der spannende ist Eva kennt man schon ein bisschen aus der LinkedIn Bubble Event Bubble schon über siebzehn Jahre Erfahrung im Analytics Bereich Team-Lied und zwar für Analytics-Themen, und Process-Theme bei AUXMONEY.
• 1:35
  Speaker 0: Und kommst ein bisschen mit dem Blickwinkel Customer Management, Customer Service.
• 1:39
  Speaker 0: Hi Eva!
• 1:40
  Speaker 1: Hallo Jonas, schön dass ich da bin.
• 1:41
  Speaker 1: Aber
• 1:41
  Speaker 0: was habe ich vergessen bei der Vorstellung oder bei der Intro?
• 1:45
  Speaker 1: Nein, ich glaube sehr gut zusammengefasst ja.
• 1:49
  Speaker 0: Um dich gleich am Anfang so ein bisschen aus der Reserve zu kitzeln bist du ja die Persönlichkeit über die man ein bisschen spricht wo du auch Plakativ außen sagst, es macht keinen Sinn über vierzig Dashboards zu haben weil die Klarheit fehlt.
• 2:02
  Speaker 0: Weil hinter jeder Anforderung soll ein Business Case stehen.
• 2:07
  Speaker 0: Das ist natürlich diese harte Governance-Regel.
• 2:10
  Speaker 0: Jetzt sprechen wir aber über das Thema und du bist operativ in einem Team tätig wo man Reports braucht, wo man Entscheidungen da vielleicht auch drüber trifft.
• 2:19
  Speaker 0: ersten Report braucht dann eine Scheidung trifft.
• 2:21
  Speaker 0: Nimm uns mal mit warum sich das jetzt vielleicht geändert hat oder warum sich vielleicht nicht geändert.
• 2:28
  Speaker 1: Also meine Ansicht hat sich nicht geändert, ich glaube immer noch dass viele Firmen zu viele Dashboards haben.
• 2:35
  Speaker 1: Ich glaub man muss Dashboards als das einfach sehen was sie sind, nämlich die sind super für Hygienefaktoren, die sind Super.
• 2:42
  Speaker 1: um einfach zu sagen alles läuft gut.
• 2:44
  Speaker 1: wir gucken auf ein paar KPIs und solange die stabil laufen funktioniert.
• 2:53
  Speaker 1: dafür verwendet werden, um Sachen zu begründen und ich glaube das ist oft einfach zu kurz gegriffen.
• 2:58
  Speaker 1: Ich glaube gerade in die wenn man das wie hinter den Kennzahlen anguckt oder was heißt warum muss man eigentlich dann in die tiefen Analyse gehen?
• 3:05
  Speaker 1: Und die dauert deutlich länger als ein Dashboard zu bauen.
• 3:07
  Speaker 1: normalerweise und ich glaub davon scheuen Firmen oft zurück.
• 3:10
  Speaker 1: deswegen werden Dashboards gebaut.
• 3:12
  Speaker 0: Die Tiefenanalyse?
• 3:13
  Speaker 0: Ja.
• 3:14
  Speaker 0: Also mal ein konkretes Beispiel.
• 3:17
  Speaker 1: Naja zum beispiel es ist relativ einfach zu sagen wie viele Kunden haben.
• 3:21
  Speaker 1: Also jetzt zum Beispiel bei Oxmani.
• 3:23
  Speaker 1: Wir beschäftigen uns ja mit Privatkrediten für Kunden, Kundinnen.
• 3:27
  Speaker 1: Wenn wir sagen, wir gucken uns die Entwicklung an wie viele Kunden ihre Lastschriften zurückrufen oder zurückgerufen werden aus verschiedenen Gründen dann kann man das in den Dashboard, kann mir die Entwicklung nach oben oder unten sehen aber wir wissen immer noch nicht warum es so ist und ich glaube daran müsste man einfach in die Analyse gehen, in die Tiefenanalyse und wenn man nur mit Dashboards arbeitet dauert's unglaublich lang dann in die tiefen Analysel zu gehen um zu sagen warum passiert das eigentlich?
• 3:51
  Speaker 1: Brauchen wir ganz andere Tools, brauchen wir gegebenenfalls auch irgendwie den direkten Kontakt mit den Kunden um überhaupt herauszufinden was da passiert.
• 3:57
  Speaker 1: Nicht alles kann man über Daten, über quantitative Daten erheben und genau deswegen glaube ich dass der reine Fokus auf Dashboard schon nicht ausreichend ist?
• 4:06
  Speaker 0: Ja lass uns mal ein bisschen weiter rein tauchen.
• 4:10
  Speaker 0: jetzt komme ich aus.
• 4:11
  Speaker 0: Management darf im Management sein Immer das Thema Ressourcenknappheit und überlegen, wo investieren wir jetzt die Ressursen.
• 4:19
  Speaker 0: Jetzt haben wir die Eva, die sich mit dem Thema Analytics sehr gut auskennt.
• 4:22
  Speaker 0: Die würde ich ja nicht mehr im Thema Lastschriften behelligen wenn mir nicht klar ist auf Dashboard-Ebene dass da eine Herausforderung sein könnte.
• 4:32
  Speaker 0: also Ich brauche Hennerei eigentlich immer eine Art Temperaturanzeige um zu entscheiden ob ich da ans Detail gehe.
• 4:39
  Speaker 1: Genau, das meint ich vorher mit den Hygienefaktoren.
• 4:41
  Speaker 1: Man braucht natürlich die Kennzahlen, die man sich monatlich oder wöchentlich oder täglich anguckt.
• 4:48
  Speaker 1: Ich glaube was oft fehlt zumindest aus meiner Erfahrung ist dass man dann aber auch so Ober- und Untergrenzen hat, die sich einmal definiert.
• 4:54
  Speaker 1: Also oft guckt man sagt ja es geht jetzt von fünfundreißig Prozent auf dreißig prozent nächsten Monat von zwanzig Prozent, trotzdem ist überhaupt noch nicht klar ab wann müssen wir denn reagieren.
• 5:03
  Speaker 1: Es ist viel schwieriger zu sagen was die Untergrenze ist wo dann unser Geschäft vielleicht wirklich gefährdet ist oder wo wir eigentlich davon ausgehen müssen dass es ein tatsächliches Problem gibt.
• 5:12
  Speaker 1: und was sind normale saisonale Schwankungen?
• 5:14
  Speaker 1: also das wird aus meiner Sicht zu wenig gemacht dass man wirklich sagt was in so eben ranges innerhalb dessen des geschäfts noch gesund ist.
• 5:22
  Speaker 1: und dann muss man halt tatsächlich auch sagen ja Wenn wir wissen, dass diese KPI wichtig ist und wenn wir wissen das diese Kpi uns etwas sagt was das Geschäft betrifft dann müssen wir da in die Analyse gehen.
• 5:35
  Speaker 0: Gibt es ja so ein Learning aus der letzten Zeit?
• 5:37
  Speaker 0: Aus den über siebzehn Jahren wo du den Hörenhören mitgeben könntest?
• 5:44
  Speaker 1: Ich glaube die meisten... Also aus meiner Erfahrung viele Firmen haben zu viele KPIs weil es super schwierig ist sich auf fünf KPIs oder drei oder vielleicht sogar eine wirklich zu fokussieren, weil natürlich alle Angst haben dass sie was verpassen.
• 5:59
  Speaker 1: Also in einer meiner früheren Firmen hatten wir dieses Konstrukt von dem Monster und dann sozusagen so KPIs die darauf einzahlen sowie so ein Treiberbaum.
• 6:06
  Speaker 0: Kennt man auch oft aus einem OKR-Konstruktion?
• 6:07
  Speaker 0: Ja
• 6:08
  Speaker 1: genau das fand ich super gut.
• 6:10
  Speaker 1: es war total schwierig umzusetzen weil natürlich meistens du kannst KPI's nicht miteinander addieren oder summieren, um dann wirklich diesen North Star zu errechnen.
• 6:19
  Speaker 1: Meistens ist es komplexer.
• 6:21
  Speaker 1: Aber die Idee dahinter ist so sehr gut dass nicht alle KPI's auf einer Stufe gleichwertig sind sondern das man eigentlich eine KPI hat und andere KPIs auf diese einzahlen.
• 6:30
  Speaker 1: aber das machen finde ich wenige Firmen.
• 6:32
  Speaker 1: aus meiner Erfahrung
• 6:33
  Speaker 0: Ja Ich werde immer bei einem Treiberbaum herhöhre ich.
• 6:36
  Speaker 0: weil also wenn du KPI dir anschaust Key Performance Indikator und spiel ich glaube viele für mich sind das mit Metrik Kannst du ja eigentlich auf Basis einen Treiberbaum schon klar sagen, ich brauche mal Umsatz.
• 6:47
  Speaker 0: Ich möchte die Marge optimieren und Co.
• 6:49
  Speaker 0: Und hast dann vielleicht wirklich immer nur die Top-III, Top-IV KPIs, die jedes Unternehmen hat?
• 6:54
  Speaker 0: Dann kannst du ja theoretisch was unterschiedlich ist pro Geschäftsmodell in so Treiber reingehen und die Kennzahlen angucken.
• 7:01
  Speaker 0: Da müsste man ja eigentlich entscheiden bis zu welcher Ebene stellst du die Metriken im Dashboard dar und ab welcher Ebene gehst du ins tiefe Analytics?
• 7:10
  Speaker 0: Und ich merke das jetzt gerade auch bei uns.
• 7:12
  Speaker 0: Die Analytics-Themen, die Datenmodelle sind dafür ja gar nicht vorbereitet!
• 7:17
  Speaker 0: Du aggregierst maximal hoch um die Performance gut zu haben, um die Dashboard schnell darstellen zu können, um eine gewisse Historien nun darzustellen... ...und wenn du dann aber wie du sagst eigentlich in den Details warum ist es so?
• 7:29
  Speaker 0: oder im Forecasting baust, dann zerlegst du dein ganzes Datenmodell wieder komplett.
• 7:34
  Speaker 1: Ja an dem schlimmsten Fall arbeitet man mit unterschiedlichen Datenquellen Die stimmen aus welchen Gründen auch immer gegebenenfalls nicht überein.
• 7:41
  Speaker 1: Genau, da kommt man dann in hundert Probleme.
• 7:45
  Speaker 0: Eva jetzt haben wir oder habe ich vor vier Jahren mit Marius zum Thema Migration gesprochen.
• 7:51
  Speaker 0: Welches Tool war das damals?
• 7:52
  Speaker 1: Die sind auf Exasol ist damals migriert worden und auf Saisens als des Visualisierungs-Tools.
• 7:58
  Speaker 0: Jetzt gehst du weg oder geht ihr weg zu Snowflake und
• 8:02
  Speaker 1: Tablo.
• 8:02
  Speaker 1: Wobei tablo wurde schon ... Implementiert statt Saisons genau und auf Snowflake migrieren wir gerade.
• 8:10
  Speaker 0: Jetzt wissen wir beide, dass das Projekt ein Migrationsprojekt nicht schnell erledigt ist und große Schmerzen hat.
• 8:15
  Speaker 0: Jetzt habt ihr das vor vier Jahren schon mal gemacht, wart für es wahrscheinlich vor X-Jahren dann fertig.
• 8:21
  Speaker 0: Warum macht man das jetzt mit Snowflakes?
• 8:24
  Speaker 1: Also ich bin ja noch gar nicht so lang bei Oxmani.
• 8:27
  Speaker 1: deswegen habe ich mir von Marius sehr viel Intel geholt für unser Gespräch.
• 8:34
  Speaker 1: Damals war auch schon die Überlegung auf Snowflake zu gehen.
• 8:36
  Speaker 1: Damals was Snowflakes allerdings noch nicht so user-friendly, noch nicht sass oder Software as a Service und man hat sich damals für Excel entschieden.
• 8:47
  Speaker 1: Ich glaube inzwischen wir sehen einfach die Skalierung und auch was... Was wir mit den Daten machen wollen dass wir eine bessere Governance haben das wir schneller skalieren können, dass wir schneller Daten bereitstellen können und flexibel sind.
• 8:58
  Speaker 1: Das hat uns dann schlussendlich ich glaub zwanzig vierundzwanzig dazu bewegt dann doch nochmal alles aufzubröseln und die Entscheidung zu treffen, nochmal zu migrieren.
• 9:07
  Speaker 1: Genau.
• 9:09
  Speaker 0: Und warum seid ihr nicht beim gleichen Anbieter gewesen?
• 9:12
  Speaker 0: Also lasst mich die... Was ich verstanden habe, worum es gemacht hat ist, ihr seid im Reifegrad ums Ziffer allgemein an in der Organisation wie man mit Datenarbeit gestiegen.
• 9:23
  Speaker 0: dadurch habt ihr neue Anforderungen bekommen, die nicht nur auf ein Datenmodell sondern auch weitere Themen einhergeht und ihr habt euch entschieden das neuzumachen.
• 9:30
  Speaker 0: Jetzt ist es ein größeres Projekt, wofür man von der Geschäftsleitung und Co.
• 9:34
  Speaker 0: wahrscheinlich große Budgets braucht?
• 9:36
  Speaker 0: Wie begründet man so was?
• 9:38
  Speaker 1: Da ist Marius wahrscheinlich der bessere Ansprechpartner.
• 9:40
  Speaker 1: aber ich glaube schlussendlich geht's darum wir müssen stabile Daten liefern für die Fachbereiche.
• 9:45
  Speaker 1: Ich bin ja einer der Fachbereichen sozusagen also ich bin das Analytics Team in einem der Fachbereich.
• 9:51
  Speaker 1: Man muss deutlich flexibler sein, man braucht bessere SLAs.
• 9:54
  Speaker 1: Und wie sehen dass wir die mit Snowflake besser bedienen können.
• 9:58
  Speaker 1: Tatsächlich Snowflake bietet ja sehr viel, was viele reine SQL-Datenbanken gar nicht können.
• 10:04
  Speaker 1: zum Beispiel allein die Integration von den Notebooks das man auch Python verarbeiten kann dass wir Data Science direkt in Snowflak verarbeiten können.
• 10:12
  Speaker 1: Das ist für unsere Modellierung von den ganzen Modellen die wir haben bei Oxmani super spannend Dass wir da so eine Plattform jetzt haben die uns wirklich alles eigentlich anbietet.
• 10:21
  Speaker 1: Also wir wechseln ja nicht nur von Exosol weg, sondern auch vom Statistik-Tool weg.
• 10:26
  Speaker 1: Von SAS zu Snowflake.
• 10:28
  Speaker 1: Wir migrieren gerade mehrere Tools
• 10:30
  Speaker 0: in
• 10:31
  Speaker 1: eins.
• 10:32
  Speaker 1: Und da ist der Vorteil von Snowflakes riesig!
• 10:38
  Speaker 0: Viele Hörerinnen und Hörern fragen mich immer wieder, was ist so die Blaupause?
• 10:45
  Speaker 0: Schritt für Schritt durchführen, wie ich mir so eine Migration vorstellen kann oder die Hörer sich vorstellen können.
• 10:50
  Speaker 0: Ich weiß nicht ob das auf Wochenbasis, Monatsbasis was so ne Anleitung?
• 10:54
  Speaker 1: Jahresbasis vielleicht.
• 10:58
  Speaker 1: Also ich glaube es gibt bei Migrationen immer den Idealzustand dem man am Anfang, dem man sich überlegt, dem er plant und dann gibts die harte Realität und sozusagen das idealerweise weicht's nicht zu sehr voneinander ab.
• 11:11
  Speaker 1: Idealerweise sollte man, also wenn ich jetzt vor allem an meinen Team denke und nicht an die gesamte Snowflake-Negration weil alle Teams migrieren gerade parallel.
• 11:19
  Speaker 1: Aber mein Team ... Am Anfang haben wir uns überlegt, was muss überhaupt migriert werden.
• 11:24
  Speaker 1: Das ist besonders für ein junges Team wie Mainz eine Herausforderung weil viele der Dinge die jetzt produktiv laufen bei uns, viele der Prozesse im Customer Service, die haben ja gar nicht selber geschrieben das heißt sie laufen schön, sind schön stabil und dann müssen wir die anfassen und müssen die migrieren.
• 11:38
  Speaker 1: das ist eine Herausforderungen für Analysten und Analystinnen.
• 11:41
  Speaker 1: aber das heißt erstmal einfach mal eine Bestandsaufnahme zu machen was muss migriered werden?
• 11:45
  Speaker 1: Idealerweise überlegt man da auch schonmal was muss alles nicht migriert werden, weil normalerweise eine Migration... Ja genau.
• 11:52
  Speaker 1: Also man bietet die wunderbare Gelegenheit einfach auch mal aufzuräumen.
• 11:57
  Speaker 1: Dann versucht man rauszufinden okay womit fängt man an?
• 12:01
  Speaker 1: Ich bin immer ein Fan davon dass man nicht mit dem dringendsten und komplexesten anfängt, sondern etwas Leichten damit man ein bisschen Learnings schon hat.
• 12:08
  Speaker 1: Das haben wir gemacht.
• 12:09
  Speaker 1: Wir haben so ein paar Monitoring Prozesse die wir schon migriert haben Und jetzt gerade starten wir oder haben gestartet mit den drei großen operativen Prozessen Prozissen die wir im Team haben und mikrieren die.
• 12:20
  Speaker 1: Genau.
• 12:21
  Speaker 1: Dann wird ganz viel getestet das heißt Altprozess und Neu-Prozess
• 12:25
  Speaker 0: Um zugleichen, dass sie daran stellt Aber ihr werdet Granulare habe ich verstanden.
• 12:28
  Speaker 0: in den Datenmodellen
• 12:29
  Speaker 1: Ja
• 12:29
  Speaker 0: Das heißt kann man da überhaupt eine Vergleichbarkeit herstellen?
• 12:32
  Speaker 1: Ein Prozess ist zum Beispiel, dass wir Kunden die aus welchen Gründen auch immer die Lastschrift zurückgezogen haben.
• 12:39
  Speaker 1: Dass wir die ermitteln und dann möglichst schnell an unsere Telefonie übergeben.
• 12:44
  Speaker 1: Das heißt dann können die angerufen werden?
• 12:45
  Speaker 1: Dann kann besprochen werden wie macht ihr das?
• 12:48
  Speaker 0: Warum machen sie
• 12:48
  Speaker 1: das?
• 12:49
  Speaker 1: Genau was ist passiert?
• 12:50
  Speaker 1: Willst du eine Radenplanänderung machen?
• 12:51
  Speaker 1: brauchst du ne Pause?
• 12:52
  Speaker 1: wie auch immer einfach um den Kunden möglichst schnell auch zu heilen damit der Kunde dann... Wir wissen je höher die Mahnstufe, desto höher natürlich auch das Risiko, dass der Kunde ausfällt.
• 13:02
  Speaker 1: Das heißt wir wollen relativ schnell zu versuchen mit dem Kunden gemeinsam eine Lösung.
• 13:06
  Speaker 0: Also eher proaktiv als reaktiv zur Handeln?
• 13:10
  Speaker 1: Ja, genau.
• 13:11
  Speaker 1: Ist
• 13:11
  Speaker 0: ja auch ein guter Service für den Kunden?
• 13:13
  Speaker 0: Ja
• 13:13
  Speaker 1: auf jeden Fall und viele... Und wir haben da wirklich auch eine hohe Effizienz wenn wir uns diese Prozesse angucken.
• 13:18
  Speaker 1: Teilweise haben wir eine Effizience von über dreißig Prozent, dass wir den Kunden heilen können.
• 13:22
  Speaker 1: Es ist in dem Markt bei privat Krediten ist das richtig gut, weil die Kunden ... Das sind normalerweise Kunden, die nicht so viel Geld haben sozusagen.
• 13:30
  Speaker 1: Deswegen dazu sagen wir kümmern uns gemeinsam mit dir um eine Lösung und dafür müssen wir aber schnell sein.
• 13:36
  Speaker 1: Und das sind die Prozesse, die wir betreuen in meinem Team.
• 13:38
  Speaker 1: Und deswegen sollte da natürlich also ja wie werden Granulare auf der Datenebene?
• 13:42
  Speaker 1: Aber das Ergebnis welche Kunden übermittelt werden sollte natürlich das Gleiche sein.
• 13:46
  Speaker 0: Das heißt, ich spreche dabei wenig bei euch über harte Zahlen, sondern eher Prozesse die beim Customer Management eben auch wieder Prozisse auslösen.
• 13:59
  Speaker 1: Ja genau.
• 13:59
  Speaker 1: Also
• 13:59
  Speaker 0: Breitstellung von wirklich am Ende Kundeninformation?
• 14:04
  Speaker 1: Genau und sowohl also Kundeninformationen für Telefonie, für E-Mail Kampagnen, auch für andere für Marketingkampagnien wo wir sozusagen glauben wir könnten zum Beispiel bei Kunden noch andere Angebote machen.
• 14:16
  Speaker 1: Auch das wird von uns heraus ermittelt Und wir haben eine Partnerbank.
• 14:20
  Speaker 1: Das heißt, wir arbeiten auch mit denen ganz stark zusammen das aufgrund der Buchungsdaten von denen wir dann unsere Prozesse optimieren.
• 14:26
  Speaker 0: Als wir so ein bisschen vorgesprächigesprochen haben habe ich mir etwas notiert gehabt dass du gesagt hast, dass Schöne am operativen Arbeiten ist und bisschen dass du eins zu eins ausrechnen kannst wie viel Geld verdient Augsmani durch euch?
• 14:43
  Speaker 0: oder behält.
• 14:43
  Speaker 0: Es gibt ja unterschiedliche Konstellationen und es ist ja, wenn man das sich nochmal ein bisschen anguckt, ein bisschen zurückgeht.
• 14:48
  Speaker 0: eins der spannendsten Punkte.
• 14:49
  Speaker 0: aus den Management glaube ich dass sich viele Manager schwer tun zu entscheiden warum sollte ich jetzt in so einen sind ja meistens hohe sechsstellige oder siebenstellige Projekte investieren?
• 15:02
  Speaker 0: Und was eigentlich funktioniert noch mal neu bauen?
• 15:07
  Speaker 0: und die zweite Frage die man sich dann auch schnell im Management vielleicht gefallen lässt gefallen lassen muss Ihr aus Management, welchen Mehrwert stiftet überhaupt?
• 15:17
  Speaker 0: Das ist bei Bankumfeld glaube ich noch ein bisschen einfacher.
• 15:20
  Speaker 0: In anderen Bereichen kommt glaube schon öfters die Frage weil noch weniger auf der Sports geschaut werden dann weniger die Kennzeilen hinterfragt werden und damit weniger tiefen Analyse passieren.
• 15:34
  Speaker 0: macht das mal konkret.
• 15:36
  Speaker 0: jetzt nochmal meinen langen Monolog.
• 15:38
  Speaker 0: Jetzt hast du einmal den Beispiel genannt dass Du Daten exportierst die eben Du hast das Heilen genannt für Lastschriften.
• 15:46
  Speaker 0: Was sind noch Themen, wo ihr quantifizieren könnt?
• 15:50
  Speaker 1: Andere Themen sind zum Beispiel... Also gerade wenn wir jetzt darüber reden weswegen wir migrieren also vielleicht auch um da so ein bisschen Optimierungspotenziale zu sagen Wir haben momentan Prozesse die wir nennen sie Monitoring-Prozesse Die überwachen dass alles gut läuft Dass die Kunden gut bedient werden, dass die Kunden richtig bedient.
• 16:11
  Speaker 1: Es gibt ganz klare Richtlinien, wann ein Kunde zum Beispiel in eine andere Mahnstufe rutscht und es kann natürlich starke Konsequenzen für die Kunden haben.
• 16:20
  Speaker 1: Das heißt wir müssen uns sehr sicher sein dass wir da wirklich den Prozess eins zu eins folgen.
• 16:24
  Speaker 1: das heißt wir haben Prozesse die nur unsere Prozisse überwachen und einen solchen Prozess dauert halt momentan in unserem Altsystem an die vier Stunden Und wir haben den jetzt migrierten aus Noflake und er dauert zehn Minuten.
• 16:36
  Speaker 1: Und das ist einfach diese Flexibilität, die Datenmenge ist genau die gleiche.
• 16:41
  Speaker 1: Klar, wir haben ein bisschen optimiert aber hätten wir irgendwann also sozusagen trotzdem?
• 16:45
  Speaker 1: die Datenmenge ist die Gleiche.
• 16:46
  Speaker 1: Aber einfach diese Schnelligkeit dass wir jetzt sagen können Wir können es jederzeit ausführen und nicht nur wenn einer gerade vier Stunden mehr oder weniger Das Programm nebenher laufen lassen kann und nebenher einen Kaffee trinken kann sondern das läuft rein aus der operativen Arbeit, dass wir schnell die richtigen Daten zur Verfügung haben ist ein Traum.
• 17:06
  Speaker 0: Wenn wir da jetzt mal bisschen tiefer reinbohren und Finger in die Wunde legen hast du dann eine Baseline vorher nachher wo du das belegen kannst?
• 17:14
  Speaker 0: Das heißt jetzt vier Stunden versus zehn Minuten.
• 17:16
  Speaker 0: okay es ist schneller geworden.
• 17:18
  Speaker 0: aber dadurch spare ich als Unternehmen ja jetzt nicht zwangsweise Geld.
• 17:24
  Speaker 0: Was sind denn noch Kennzahlen oder wo er sich das anschaut?
• 17:27
  Speaker 1: Also noch ist es bei uns zumindest dem Team schwierig zu sagen, weil wir einfach jetzt gerade die großen Prozesse, die uns wirklich dann Zeit und Geld sparen oder vor allem Zeit sparen werden.
• 17:36
  Speaker 1: Weil wir die erst migrieren.
• 17:39
  Speaker 0: Ich stelle die Frage zu früh.
• 17:40
  Speaker 0: In einem
• 17:43
  Speaker 1: Jahr vielleicht?
• 17:44
  Speaker 0: Also noch schnell den Fallschirm gezogen um der Frage auszuweichen.
• 17:50
  Speaker 0: Jetzt wird's ein bisschen... Für mich spannend und persönlich.
• 17:54
  Speaker 0: Wir hatten ja die Situation Marius war da, wir haben über das Thema Exer-Säule gesprochen.
• 18:00
  Speaker 0: War dich damals am Prem?
• 18:01
  Speaker 0: Nee, war auch schon in der Cloud, ne?
• 18:02
  Speaker 1: Nee wie einer Cloud allerdings auch in der europäischen Cloud.
• 18:05
  Speaker 1: Ja genau.
• 18:06
  Speaker 0: Da ging es ja um als die zentrale Analytics Plattenbank und dann haben wir uns ein bisschen über Kreditentscheidungen gesprochen.
• 18:14
  Speaker 0: Du bist jetzt schon sehr bei Verstehe ich, er ist Kunde.
• 18:16
  Speaker 0: also die Entscheidung ist schon getroffen.
• 18:20
  Speaker 0: schon die Aussage, achtzig bis neunzig Prozent aller Kreditentscheidungen laufen ohne manuelle Prozesse, laufen komplett digital.
• 18:29
  Speaker 0: Jetzt migriert ihr auf Snowflake?
• 18:31
  Speaker 0: Du hast gerade über die Kundenmanagementprozesse gesprochen.
• 18:35
  Speaker 0: Wie muss ich mir das vorstellen?
• 18:36
  Speaker 0: Schaff' ich jetzt hundert Prozent ... sehr Wunschdenken Aber was kriegst du dahin?
• 18:44
  Speaker 1: Also hundert prozent sicher nicht.
• 18:46
  Speaker 1: Ich glaube wie du sagst es ist unrealistisch.
• 18:48
  Speaker 1: Ich glaub schon dass wir immer versuchen da auch zu automatisieren.
• 18:53
  Speaker 1: Also derzeit ist gar nicht nur direkt was mit Snowflake zu tun, aber wir arbeiten auch sehr stark mit KI.
• 18:57
  Speaker 1: Wir machen zum Beispiel wenn bei reinkommenden Emails und das sind auch mehrere tausend teilweise Monat zehntausende Machen wir Intent Recognition momentan auf KI.
• 19:07
  Speaker 1: Das heißt dass einfach schon die richtigen Leute die richtige E-Mail sofort in die Q bekommen
• 19:11
  Speaker 0: Weil ein großes Team hat, was ist das Arbeit?
• 19:13
  Speaker 1: Ja genau.
• 19:14
  Speaker 1: Wir haben ein großes Customer Service Team in Haus, was wirklich sozusagen mit den Kunden live redet und also sowohl E-Mails als auch Telefonie und je effizienter wir denen die richtigen Sachen zuschicken können, desto besser.
• 19:27
  Speaker 1: Genau!
• 19:27
  Speaker 1: Und ich glaube da ist schon je... Also und wir versuchen natürlich auch, wir haben ja eine App für unsere Kunden, wir versuchen auch den Self-Service Gedanken in der App zu verbessern.
• 19:36
  Speaker 1: Also kein Kunde muss heutzutage noch anrufen, um sich ein Dokument sozusagen irgendwie einen Kontorauszug sozusagen zu bestellen.
• 19:42
  Speaker 1: das könnte ja alles in der App und da versuchen wir dann natürlich auch den Kunden das schmackhaft so machen weil es einfach schneller geht.
• 19:48
  Speaker 1: Das heißt
• 19:49
  Speaker 0: ich würde euch jetzt nie mehr schreiben mit.
• 19:50
  Speaker 0: ich hätte gerne einen Konturauszug und ihr würdet jetzt automatisch antworten mit.
• 19:53
  Speaker 0: hast du mal eine App probiert?
• 19:55
  Speaker 1: Das ist das Ziel gerade.
• 19:56
  Speaker 1: Ja genau
• 19:58
  Speaker 0: bei Seite nur nicht soweit.
• 19:59
  Speaker 1: Ne, wir fangen gerade an.
• 20:00
  Speaker 1: Das sind so genau die Sachen wo wir sagen sollen wir die Kunden jetzt zwingen in die App zu gehen?
• 20:04
  Speaker 1: Aber teilweise haben wir auch Kunden aus berechtigten Gründen die App gar nicht nutzen.
• 20:08
  Speaker 1: Wir können auch sich sagen wir zwingern jetzt alle Kunden aber wir versuchen schon sozusagen in der App geht es deutlich schneller.
• 20:13
  Speaker 1: macht das doch mal da.
• 20:13
  Speaker 1: Es
• 20:14
  Speaker 0: ist ein spannender Punkt Eva weil das also im hundert Prozent meiner Arbeitszeit verbringe ich ja bei Falke nicht ganz hundert prozent meines Arbeitsalltags im Sinne von weil ich auch bisschen mehr arbeite In der Zeit wo.
• 20:31
  Speaker 0: bei Falker haben wir jetzt das Thema Customer Service optimiert, da will ich hin.
• 20:35
  Speaker 0: Und das ist ein ganz spannender Punkt und da haben wir genau das gleiche gemacht was du gesagt hast.
• 20:38
  Speaker 0: Wir sind nicht an die großen Kernprozesse am Anfang, sondern wir haben uns erstmal angeguckt wie viele Anfragen kriegen wir?
• 20:45
  Speaker 0: Wie viel Anfragen es in Anfragend die mit einer E-Mail beantwortet werden von uns als Antwort?
• 20:50
  Speaker 0: Wieviel sind die länger dauern?
• 20:51
  Speaker 0: und wir haben schon hohen Anspruch an unseren Customer Service sehr premium-like.
• 20:57
  Speaker 0: Wir beantworten viele Sachen, wo man auch sagen könnte vielleicht will ich nicht, muss sich die beantwortung und da haben wir auch schnell festgestellt dass sowas wie bosmann rücksehende etikett einfache reklamation Die konnten wir darüber beantwortet.
• 21:12
  Speaker 0: dadurch haben wir auf der einen seite glaube ich auch das projekt motiviert aber auf der anderen Seite auch getestet ob es technisch möglich ist.
• 21:19
  Speaker 0: und jetzt fangen wir auch daran tiefer zu gehen.
• 21:21
  Speaker 0: Und ich glaube es gibt dann einmal eine sicherheit.
• 21:23
  Speaker 0: funktioniert oder funktioniert
• 21:24
  Speaker 1: ja genau.
• 21:25
  Speaker 1: und ich glaub also Gerade bei Kreditdienken, bei Gelddingen glaube ich sind natürlich Kunden.
• 21:30
  Speaker 1: Wenn irgendwas schief geht rufen Kunden an.
• 21:31
  Speaker 1: also das haben wir jetzt auch.
• 21:33
  Speaker 1: Wir hatten jetzt vor hin oder zwei Monaten hatten wir ein Customer Day wo wir wirklich Kunden im Office hatten und mit denen gesprochen haben.
• 21:39
  Speaker 1: Das war super.
• 21:40
  Speaker 1: ja Und da war auch wirklich so die einheitliche Meinung wenn irgendetwas mit meiner Zahlung nicht funktioniert Natürlich rufe ich euch an.
• 21:47
  Speaker 1: Also Kunden wollen auch zahlen Kunden wollen dass es funktioniert dann so einen guten Mittelweg zu finden zwischen, was können wir gegebenenfalls automatisieren?
• 21:55
  Speaker 1: Auch vielleicht auch automatische Rückantworten.
• 21:58
  Speaker 1: Weil die KI schon so gut ist dass die KI antworten kann.
• 22:01
  Speaker 1: und wo braucht es diesen persönlichen Touch damit der Kunde sich einfach aufgehoben fühlt und wertgeschätzt fühlt Und das Problem nicht gegebenen falls in so einem Ping-Pong aus Kunde und KI im schlimmsten Fall ändert.
• 22:12
  Speaker 1: So, genau.
• 22:13
  Speaker 0: Ja, schon ein paar Mal lebt jetzt.
• 22:14
  Speaker 0: Ich möchte gerne ein Servicebrater sprechen.
• 22:17
  Speaker 0: Wie kann ich Ihre Frage beantworten?
• 22:20
  Speaker 0: Stellen Sie Ihre Frage an das?
• 22:21
  Speaker 0: Nein, ich möchte sie nicht anstellen.
• 22:23
  Speaker 1: Ich habe es Sie leider nicht gestatten!
• 22:25
  Speaker 1: Ja genau, genau.
• 22:27
  Speaker 0: Ich glaube da geht die Reise hin was ich ja gerade ein bisschen problematisch finde und war mal in der Situation, ich weiß nicht ob ich schonmal einen Podcast erzählt hab vor bei mir sind meine Reisezeiten versuche immer ganz abends hinzulegen.
• 22:41
  Speaker 0: also ich fahre gerne in die Nacht rein und weiss dann meistens nicht wie weit ich komme und versuch dann irgendwo dort zu schlafen und will dann natürlich im Auto über Booking irgendwie ein Hotel buchen.
• 22:53
  Speaker 0: Weiß dann schon, in der Stadt könnte ich hier schlafen usw.
• 22:55
  Speaker 0: Und ab so einer Uhrzeit, zwanzig, dreinzwanzig Uhr sind die natürlich auch gering besetzt und meistens die Hotels haben keinen mehr an der Rezeption sondern irgendwie so einen Mix aus Rezeptionsbar und diesen natürlich ja mit den Gästen beschäftigt.
• 23:11
  Speaker 0: und die haben glaube ich jetzt an vielen Stellen diesen Customer Service automatisiert Und du schaffst natürlich um zwanzig, dreinzwanzig Uhr jetzt nicht nochmal zu fragen ist ein Zimmer frei und kannst mir das buchen.
• 23:24
  Speaker 0: Sondern ich muss dann versuchen immer an einen kann schon öfters vor immer an jemanden zu bekommen der halt da ist und es klappt nicht weil Du kommst aus diesem Lug nicht mehr raus und das ist dann wo ich echt schlechte Kunden erfahre.
• 23:37
  Speaker 1: Ja, ich hatte neulich ein ähnliches Problem mit meinem Handy an Bieter.
• 23:40
  Speaker 0: Und das ist dann irgendwie nicht ganz so zielführend und da müssen wir natürlich schon überlegen sind wir wieder bei dem wie wir es bei Falke angegangen sind?
• 23:47
  Speaker 0: zerleg erstmal deine Prozesse und überlege welche Prozessen abnehmen kannst.
• 23:51
  Speaker 0: Abnehmen gewissen Anspruch ans Service glaube ich brauchst du schon noch jemanden der dir das beantwortet weil viele können ja den Service Agent wie beim Thema prompten gar nicht so gut nutzen und die Frage methodisch so stellen, dass man auch die Antwort bekommt.
• 24:05
  Speaker 1: Ja genau also ich glaube da ist auch grad bei Kunden... Also unseren Kunden sehen wir das, dass natürlich die KI wie sagt man denn Serviness einfach noch nicht so hoch ist.
• 24:14
  Speaker 1: Also mit KI fangen alle erst an und sozusagen gerade wenn man dann nicht im technischen Bereich arbeitet und es jeden Tag macht, kann man auch nicht erwarten, dass Kunden perfekt, wie du sagst perfekte Promptstellen geht einfach nicht.
• 24:25
  Speaker 1: Da muss man dann immer gucken, dass mir das noch überwacht.
• 24:27
  Speaker 0: Ich fahre was ich gerne mache und komme nochmal zum Thema Nachfassen beim Snowflake-Migration.
• 24:38
  Speaker 0: Oftmals gibt es ja den Punkt, dass man es anders verargumentieren kann gar nicht über was passiert wenn ich's mache sondern lasst uns die Frage anstellen Was wäre heute nicht so wie es ist hättet ihr nicht die Snowflakes Migration gemacht?
• 24:52
  Speaker 0: Also nach dem Punkt eher was wäre passiert wenn nicht... Ich habe gerade vorhin die Frage gestellt ist jetzt der Mehrwert.
• 25:01
  Speaker 0: Aber vielleicht drehen wir das Spiel noch mal um, was wäre nicht möglich?
• 25:04
  Speaker 1: Ja ich glaube also eine Migration ist super viel Arbeit und es echt ein Riesenprojekt.
• 25:10
  Speaker 1: aber ich glaube es ist so diese eine Chance um wirklich auch nochmal zurückzutreten und zu sagen was brauchen wir wirklich und wie wollen wir's aufbauen?
• 25:16
  Speaker 1: weil dadurch dass auch nicht nur wir Fachteams alle unsere Prozesse und Skripte und Analysen migrieren müssen sondern natürlich auch die zentralen Teams unter Marius hängen von vor vier Jahren die Tabellen zur Verfügung stellen durch Snowflake und anderes.
• 25:31
  Speaker 1: Also wir arbeiten jetzt ganz, ganz strikt im Starschema.
• 25:35
  Speaker 1: Das heißt also sozusagen es gibt auch nochmal diese Möglichkeit alles noch mal wirklich besser zu machen.
• 25:39
  Speaker 1: Und ich glaube das hilft uns dann halt einfach wirklich auf die Anforderungen hoffentlich für die Zukunft doch einzugehen dass wir sagen wir durch das Starschima haben wir keine Datenrelundanzen mehr Wir haben keine Daten die in einer Tabelle das sagen und in der anderen Tabelle des weil das ist einfach eine totale Schwierigkeit.
• 25:55
  Speaker 1: Ich glaube das ist wirklich das wo wir sagen Nach dem Snowflake, nach der Migration, wir haben die besseren Daten.
• 26:03
  Speaker 1: Sie stehen schneller zur Verfügung und wir haben eine bessere Governance.
• 26:06
  Speaker 1: Ich glaube das ist ganz wichtig.
• 26:08
  Speaker 0: Ja aus ziellevel Sicht
• 26:13
  Speaker 1: noch nicht überzeugt
• 26:16
  Speaker 0: ohne dich jetzt ärgern zu wollen aber ich glaube dass es dieser Punkt den wir meistens generell nicht gut.
• 26:24
  Speaker 0: Dann erzähle ich mich mit dazu, wie willst du verargumentieren?
• 26:27
  Speaker 0: Worum dieses Investment gehen willst.
• 26:29
  Speaker 0: Mit vielen Leuten sind ja gar nicht an dem Punkt der Migration sondern viele sind ja gerade noch beim Thema... Also sie ist auf den Markt sehr hatcherisch.
• 26:37
  Speaker 0: aber AI kommen meistens nicht auch ein POC raus weil du hast teilweise Daten die du da reinlädst, die funktionieren.
• 26:43
  Speaker 0: wenn du versuchst den ganzen Prozess stellst du fest du hast die Daten nicht für den gesamten Prozess.
• 26:47
  Speaker 0: also musst eigentlich Data Management Aufbau und Data Warehouse Konstrukte Governance das was ihr gerade beschreibt was jetzt im zweiten Mal macht Hättest du einmal machen müssen oder muss man mindestens einmal.
• 26:56
  Speaker 0: Und da tun sich schon welche.
• 26:57
  Speaker 0: Ja und ich frage mich, wann es zur Selbstverständlichkeit wird dass Du investierst ja auch ein Minimum in IT Security.
• 27:05
  Speaker 0: Du investiert einen Minimums in Infrastruktur oder IT Service das du ein Laptop bekommst.
• 27:16
  Speaker 0: Irgendwann müssen wir dahin kommen, dass auch Data Warehors so als Einminimum dargesehen wird.
• 27:20
  Speaker 0: man nicht darüber spricht, möchte ich jetzt rein investieren oder nicht?
• 27:22
  Speaker 0: Ja
• 27:23
  Speaker 1: auf jeden Fall.
• 27:24
  Speaker 1: Und ich glaube auch, Snowflake ist eine der großen Player.
• 27:28
  Speaker 1: die machen auch wirklich gerade viel.
• 27:30
  Speaker 1: also wir merken das auch in der Zusammenarbeit mit Snowflak wie flexibel die auch auf unsere Anforderungen eingehen.
• 27:36
  Speaker 1: Gerade wenn wir irgendwie Beschwerden haben was noch nicht so gut funktioniert und ich glaub dass zieht ja natürlich auch neue gegebenenfalls neue Personen an Lieber für ein Unternehmen arbeiten, was mit Snowflake arbeitet als vielleicht für eins.
• 27:48
  Speaker 1: Was mit Exersal arbeitet weil es einfach total spannend ist auf so einer modernen Datendatschaft zu arbeiten und ich glaube das Ist schon auch etwas was man sozusagen also was ich im Team total merkt dass alle sich super freuen jetzt endlich sozusagen diese Datenbank zu haben weil wir so viel machen kann.
• 28:04
  Speaker 1: Das ist cool.
• 28:05
  Speaker 1: Es ist super viel Arbeit aber es ist cool.
• 28:07
  Speaker 0: Aber Douglas haben wir auch Snowflakes eingeführt.
• 28:11
  Speaker 0: Lustiges Beispiel und ich habe das Projekt.
• 28:13
  Speaker 0: Und da war meine Tochter halt noch in dem Alter Bällebad genannt, weil ich mir so vorgestellt hab dass die Ingenieurs und die Analysten genau mit dem gleichen Elan- und der Freude in dieses Bällebart springen wie es meine Tochte eben macht.
• 28:27
  Speaker 0: oder macht er jetzt ist natürlich zu groß um diesen Spaß zu haben sondern Spaß wenn ich gerade noch mal so ein bisschen an meinen Arbeitsalltag denke, gibt es oft die Situation das vielleicht Sachen auch nicht funktionieren.
• 28:42
  Speaker 0: Jetzt predigst du man braucht weniger Dashboards, man muss jede Anfrage bepreisen, man muß Aktion daraus ableiten.
• 28:50
  Speaker 0: Jetzt weiß ich auch dass im klassischen operativen Betrieb oft Zeitdruck ist und was nicht funktioniert Kann sich dann Eva hinstellen und sagen, naja jetzt lass uns das erstmal zerlegen.
• 29:06
  Speaker 0: Fünf W-Fragen stellen und überlegen wo es hingeht oder gewinnt er halt am Ende doch wirklich dieser schmutzige Report den du irgendwie zusammengedengelt hast?
• 29:18
  Speaker 0: Also wo besteht deine Tese denn
• 29:20
  Speaker 1: noch?
• 29:22
  Speaker 1: Ja die Tese ist schon im harten Realitätscheck unterworfen worden in den letzten Monaten.
• 29:27
  Speaker 1: weil wir haben wie du sagst Wir sind ein sehr operatives Analytics Team Dinge im Customer Service passieren müssen wir normalerweise schnell reagieren.
• 29:35
  Speaker 1: Das kann sein, dass Doppelbuchungen entstanden sind also einfach nur um so ein paar Beispiele zu nennen oder das bestimmte Kunden wirklich innerhalb von einigen Stunden per E-Mail oder per Telefon über Dinge informiert werden müssen und da muss es schnell gehen.
• 29:49
  Speaker 1: Ich glaube... Also ja, das kann man nicht alles bepreisen und manche Sachen muss man einfach machen und ich habe das gemerkt, dass am Anfang war das für mich Eine ziemliche Herausforderung, wenn ich meine Analysten angucke und denke aber die müssten jetzt eigentlich alle Migration machen so.
• 30:05
  Speaker 1: Und dann kommt wieder sowas und ich weiß das dauert jetzt mindestens ein Tag oder zwei und die werden wir da rausgerissen und können nicht mal die Zeit bei der Migration gerade quasi alles gerade zu dokumentieren was gemacht wird sondern in zwei Tagen müssen sie da wieder einsteigen und es kostet noch mehr Zeit.
• 30:20
  Speaker 1: Ich glaube man muss da also ich bin da deutlich pragmatischer geworden.
• 30:24
  Speaker 1: Was mir hilft ist dass wir auch im Team einfach auch diese diesen Konsens haben, dann machen wir das jetzt schnell und es wird ein MVP.
• 30:34
  Speaker 1: Und wenn hinterher oder wenn danach dann diese Anforderung ist dass das jetzt in die Produktion mit aufgenommen wird oder dessen regelmäßigerem Report wird, dann müssen wir da nochmal drüber gucken.
• 30:44
  Speaker 1: Ich glaube das hilft mir gerade... Aber
• 30:45
  Speaker 0: dafür die Zeit noch?
• 30:46
  Speaker 1: Ja, dann schon!
• 30:47
  Speaker 1: Wenn sozusagen, wenn diese Dringlichkeit vorbei ist, wenn wir das gelöst haben, Und dann ist es auch okay, wenn wir dann erst mal in zwei Wochen oder so wieder drauf gucken und sagen ok.
• 30:56
  Speaker 1: Und jetzt dokumentieren wir richtig.
• 30:57
  Speaker 1: Jetzt gucken wir uns noch die Edge Cases an, die wir vorher nicht beachtet haben weil's ist egal.
• 31:02
  Speaker 1: Aber sozusagen sobald diese Trinklichkeit gelöst ist kann man dann das Ganze ja auch wieder besser machen.
• 31:08
  Speaker 1: So versuchen wir es zumindest.
• 31:09
  Speaker 1: Klappt nicht immer aber das ist der Plan.
• 31:15
  Speaker 0: Ja ein spannender Punkt!
• 31:17
  Speaker 0: Du hast ja jetzt frischer bei Augs Money angefangen.
• 31:21
  Speaker 0: Stell dir vor du... dir würde jetzt mit mir jemanden gegenüber sitzen, der auch frisch irgendwo als Teamlied angefangen hat.
• 31:28
  Speaker 0: Und auch den operativen Bereich mit verantwortet bestimmt mal das eine oder andere Legacy-System irgendwie über einen Weg läuft und auch ne größere Migration vor der Brust hat oder es vielleicht aufsetzt?
• 31:43
  Speaker 0: Was sind so die ersten drei Dinge, die du deiner Kollegin, deiner Freundin auch mitgeben würdest, die sie in den ersten neunzig Tagen machen sollte?
• 31:57
  Speaker 1: Ich glaube wirklich die Prozesse verstehen.
• 32:02
  Speaker 1: Das ist das A und O in diesen operativen Bereichen.
• 32:06
  Speaker 1: Ich glaub gerade als Analyst oder zumindest war ich so vielleicht... Ich bin da auch kein Einzelfall.
• 32:13
  Speaker 1: Als Analyster springt man oft durch die Branchen im Lauf einer Karriere.
• 32:17
  Speaker 1: Und Customer Management bei einer bei einer Kreditvermittlung ist, das sind sehr eigene Prozesse über die ich am Anfang nicht im Detail informiert war und ich glaube...
• 32:31
  Speaker 0: Valuesio vorhin.
• 32:32
  Speaker 0: Ich kannte es.
• 32:33
  Speaker 1: Nee genau!
• 32:33
  Speaker 1: Also ich meine ich kannte sie quasi gegebenenfalls als Kunde.
• 32:36
  Speaker 1: aber sozusagen ich kante natürlich nicht die Details und das sollte man nicht unterschätzen.
• 32:41
  Speaker 1: wie wichtig das ist auch als Analyst?
• 32:43
  Speaker 1: Auch wenn man vielleicht aus einer anderen Branche kommt und ich glaub manchmal das Analysten hat nur so den Anspruch ja es sind alles Daten ich kann das alles analysieren Aber ich glaube, man sollte die Prozesse wirklich im Detail kennen.
• 32:54
  Speaker 1: Das ist aus meiner Sicht das Wichtigste.
• 32:57
  Speaker 1: und was mir geholfen hat, ist zu gucken, was bringt die Arbeit, die wir machen?
• 33:06
  Speaker 1: Was bringen die Prozese, die gerade warten und maintainen?
• 33:10
  Speaker 1: Was bringen die an Geld?
• 33:13
  Speaker 1: Weil es dann für mich auch einfacher zu entscheiden als Teamlead, Entscheidungen vielleicht auch nachvollziehen kann, die in der Firma passieren.
• 33:21
  Speaker 1: Aber dann kann ich entscheiden was ist für mich jetzt wichtiger und was nicht?
• 33:24
  Speaker 1: Weil das bringt vielleicht eine Million und das bringt nur zweihunderttausend.
• 33:28
  Speaker 1: Und ich glaube also das hat mir geholfen wirklich sehr schnell zu sehen wie monetarisieren wir unsere Arbeit und was machen die Prozesse genau.
• 33:39
  Speaker 0: Das heißt eigentlich dass sagen ja auch viele.
• 33:42
  Speaker 0: Ich habe ein Buch gelesen so über die ersten Hundert Tage gibt es ja diese Klassiker.
• 33:47
  Speaker 0: Ich weiß gar nicht mal ob sie ersten hundert Tage sind, aber eigentlich der spannendsten Punkt und da muss ich mich auch selber zügeln ist nicht zu schnell Sachen zu entscheiden und sich mal die Sachen anhören und verstehen.
• 33:58
  Speaker 0: Und als Analyst kann ich mir gut vorstellen auch mal in die Situation dass man sich das eher nochmal länger anschauen will vielleicht weil du es ja komplett verstehen willst.
• 34:08
  Speaker 0: Und nochmal, also mir reicht eine Achtzig-Zwanzig-Gefühl um zu entscheiden.
• 34:13
  Speaker 0: Ich glaube weil diese letzten zwanzig Prozent sind meistens, glaub ich, zu zeitintensiv für den Vorteil, den man dann doch ausschlägt und aber mal danebenzusitzen, zu verstehen wie die Prozesse laufen vielleicht auch mal im Customer Service mitzugehen.
• 34:27
  Speaker 0: Wir hatten DR hab' ich gar nicht so viel darüber nachgedacht Als ich bei Funkemedien war, hat man irgendeinen Scherz gemacht.
• 34:32
  Speaker 0: Man hat einer gesagt, geh doch mal mit raus und fang mal um drei Uhr, vier Uhr morgens an Zeitungen zu verteilen.
• 34:39
  Speaker 0: Das habe ich dann mitgemacht.
• 34:41
  Speaker 0: Krasser Job!
• 34:42
  Speaker 0: Wirklich krasser Job.
• 34:45
  Speaker 0: Bei Falke durften wir jetzt vor allem in der High Season-Zeit auch einmal in der Logistik aushelfen.
• 34:51
  Speaker 0: Wir haben ein Auto Store, waren mal spannend unterschiedliche Pakete zu packen.
• 34:55
  Speaker 0: Und dann kriegt man plötzlich einen Gefühl was sind denn so in den Paketen drin?
• 34:59
  Speaker 0: Du kannst es dir natürlich analytisch angucken, aber wenn du's da mal wirklich siehst und ich hab dann wirklich oft drüber nachgedacht.
• 35:04
  Speaker 0: Okay ist das jetzt eine Familie?
• 35:06
  Speaker 0: Sind das jetzt die Weihnachtsgeschenke?
• 35:09
  Speaker 0: Das ist schon ein spannender Punkt.
• 35:11
  Speaker 0: Und ich glaube, das macht man oft vielleicht auch zu spät um den Gesamtprozess für Themen zu verstehen.
• 35:17
  Speaker 0: Da ist natürlich die Frage wie kann man das gut machen?
• 35:20
  Speaker 0: oder dieser Tipp, den du mitgibst in ersten neunzig bis hundert Tagen eigentlich nichts anderes zu machen als mal zuzuhören was anstrengend ist, das ist der richtige Entscheid.
• 35:30
  Speaker 0: Anstrengende nicht im Sinne von zuhören aber man darf noch nichts machen.
• 35:34
  Speaker 1: Ich finde es super anstrendend.
• 35:35
  Speaker 1: Besonders wenn man natürlich auch das Gefühl hat hoffentlich dass man gebraucht wird und dass man ja eingestellt wurde um Sachen zu bewegen und dann wirklich bewusst zu sagen ne erst mal will ich das verstehen is eine Herausforderung.
• 35:49
  Speaker 0: Im Customer Service gibt's da eigentlich viel Self-Service Analytics.
• 35:54
  Speaker 0: Also was wäre jetzt natürlich viel besp... also wie groß ist dein Team?
• 35:57
  Speaker 1: Mein Team, das sind insgesamt mit mir vier Personen.
• 36:01
  Speaker 1: Ganz klein!
• 36:02
  Speaker 0: Ja, sind es durch die VW-Fürseite gesamt im Marius Gesamtbereich?
• 36:07
  Speaker 1: Ich hänge ja gar nicht unter Marius.
• 36:08
  Speaker 1: Du
• 36:08
  Speaker 0: bist in
• 36:09
  Speaker 1: dem Fachbereich genau.
• 36:10
  Speaker 0: Habensburg würde ich jetzt bezeichnen eine zentrale Abteilung geben, wie wir sind ins gesamte Data.
• 36:15
  Speaker 1: Also wirklich mit den Infrastrukturleuten und allen Analysten aus allen Abteilungen?
• 36:22
  Speaker 0: Also schon eine gewisse Größe, die ihr aufgeworbt habt.
• 36:24
  Speaker 0: Jetzt müsst ihr ihn drüber nachdenken und mir wahrscheinlich in der Folge vor vier Jahren noch mal angucken.
• 36:31
  Speaker 0: Das ist ja schon immens gewachsen in der Zeit.
• 36:33
  Speaker 1: Ja, ich glaube auch damals war es noch zentralisierter unter Marius.
• 36:38
  Speaker 1: Es hängt immer noch unter Marios aber jetzt gibt's halt in den Fachbereichen mehr Spokes, die dann tatsächlich zunehmend die Anforderer... der Datenwerden, die dann zentralisiert gebaut werden.
• 36:50
  Speaker 1: Ja genau!
• 36:51
  Speaker 0: Auch ein Zeichen dafür dass ihr euch kaufsanalysiert?
• 36:53
  Speaker 1: Ja auf jeden Fall!
• 36:54
  Speaker 1: Also gerade was wir jetzt mit den zentrallisierten Data-Infraus und dann BI was sehr viel BI ist aber auch in Richtung Analytics Engineering geht also die bauen die ganzen Pipelines Und wir Fachbereiche sind in einer sehr komfortablen Position das wir schöne Daten kriegen und mit denen dann eigentlich nur arbeiten müssen.
• 37:18
  Speaker 1: Die ganze Arbeit, die sozusagen die Pipelines zu bauen, die Datenrät und ganzen auszugleichen, Data Quality bereitzustellen ist alles in Marius Teams.
• 37:27
  Speaker 0: Das heißt auch Self-Service wäre da?
• 37:29
  Speaker 0: Weil es ja fast ein bisschen data mesh logik ist.
• 37:31
  Speaker 0: Ihr habt ein zentrales Team was aufgebaut, das stellen die Daten zur Verfügung ihr habt dezentral weitere Daten und baut darauf auf, entwickelt Themen, baut Reports auf, die ihr dann der Fachabteilung zur Verfügung stellt.
• 37:43
  Speaker 0: aber irgendwann kommt ihr da Punkt kann eine Kollegin oder ein Kollege sich selber Reports weiter ausbauen.
• 37:49
  Speaker 0: Ich weiß, kein Freund von Reports aber können die das dann schon machen?
• 37:52
  Speaker 0: Ist es das Ziel?
• 37:54
  Speaker 0: Weil Tableau nämlich als sehr userfreundlich war.
• 37:56
  Speaker 1: Ja also genau, es kommt so ein bisschen darauf an den Tableau schon sozusagen wenn die Visualisierung sozusagen so gebaut ist dass man das auch dann weiter drillen kann und dass die Daten noch alle da sind in Snowflake selber da sind wir gerade zu einem Punkt mit der Customer Service Abteilung eigentlich gemeinsam so ein bisschen ausprobieren.
• 38:14
  Speaker 1: Also alle sind super hungrig nach Daten, also Augsmanie ist wirklich ein Unternehmen was superhungrig ist nach Daten.
• 38:20
  Speaker 1: und aber dadurch dass Snowflake noch so neu ist müssen wir jetzt teilweise den Kollegen und Kolleginnen die halt nicht Analysten sind da schon auch zu handgehen und sagen okay wie heißen die Tabellen?
• 38:30
  Speaker 1: Wie schreibt man das in einem guten SQL?
• 38:34
  Speaker 1: Snowflake bietet ja super viel Möglichkeiten auch durch die Git Integration, aber auch durch Shared Workspaces.
• 38:40
  Speaker 1: Nicht alle im Customer Service, die vielleicht alle zwei drei Tage ein Report laufen lassen wollen eine Git Integration weil es einfach auch so einen gewissen Overkill ist.
• 38:48
  Speaker 1: das heißt wie stellen wir als oder mein Team als Ansprechpartner?
• 38:52
  Speaker 1: Wie stellen wir auch so eine Infrastruktur zur Verfügung?
• 38:55
  Speaker 1: wo haben ihre Reports?
• 38:56
  Speaker 1: Wie können sie drauf zugreifen?
• 38:57
  Speaker 1: Wie könnten Sie die teilen?
• 38:59
  Speaker 1: Das probieren wir jetzt in Snowflakes auch gerade so ein bisschen aus Weil Snowflake da sehr viel bietet und man muss sich jetzt halt entscheiden, wie man es macht.
• 39:07
  Speaker 0: Was sind für euch so die nächsten Schritte, die ihr plant?
• 39:11
  Speaker 0: Außer die Migration.
• 39:12
  Speaker 0: Da geht ja die Kernprozesse.
• 39:14
  Speaker 0: Aber was ... recht wenig natürlich.
• 39:18
  Speaker 0: über AI gesprochen ist echt schlimm.
• 39:21
  Speaker 0: Data Science ist ein Thema, das ja irgendwie Modelle bei euch natürlich ein spannender Punkt sein könnte.
• 39:25
  Speaker 0: also Wie kann ich vorhersehen dass vielleicht jemanden Lastschrift zurück gibt.
• 39:30
  Speaker 0: aus einem zu definierenden Grund Sind das so Themen, über die ich kümmern wollte?
• 39:34
  Speaker 1: Also wenn die Migration zumindest zum Großteil irgendwann mal hinter uns liegt.
• 39:40
  Speaker 1: Was auf meiner To-do Liste steht ist dass wir tatsächlich mehr mit den Modellen, die wir jetzt schon haben gerade was Kundenverhalten betrifft
• 39:48
  Speaker 1: z.B.,
• 39:48
  Speaker 1: also wir haben Behavioral Scores, dass wir da sagen wie können wir Kunden besser segmentieren um die dann auch gezielter anzusprechen im Customer Service.
• 39:57
  Speaker 1: Da machen wir grad noch relativ wenig und irres Potenzial, dass man sagt bestimmte Kunden müssen nicht angerufen werden.
• 40:04
  Speaker 1: Entweder weil sie sowieso zahlen oder weil Sie sowieso nicht zahlen und das heißt wir könnten uns die Kosten sparen.
• 40:10
  Speaker 1: Oder wir könnten ausprobieren ob auf bestimmte Emails bestimmte Kunden besser reagieren als auf andere.
• 40:15
  Speaker 1: also wir könnten ganz viel experimentieren auch.
• 40:17
  Speaker 1: Das möchte ich machen und ich glaube das sind so die großen Themen die ich angehen will in meinem Team.
• 40:22
  Speaker 1: wenn wir mal die Migration hinter uns haben
• 40:25
  Speaker 0: was muss man so einplanen?
• 40:26
  Speaker 0: Was glaubst du?
• 40:27
  Speaker 0: wie lange dort eine Migration?
• 40:29
  Speaker 1: Also unser Plan ist bis Ende des Jahres, das wären dann gut zwei Jahre.
• 40:33
  Speaker 1: Momentan habe ich das Gefühl, dass könnten wir schaffen.
• 40:36
  Speaker 1: aber ich glaube wir hatten auch ... Das Ende des Jahr, ich glaub wir hatten mit ein bisschen kürzer gerechnet Aber Migrationsthemen sind so.
• 40:45
  Speaker 0: Es wäre glaube ich auch unehrlich zu sagen, dass die Migration immer dann endet wenn man sie plant.
• 40:49
  Speaker 1: Ja genau und ich finde auch also das sehen wir in meinem Team ganz stark Wir hätten natürlich auch einfach die Entscheidung treffen können zu sagen Egal wie der Prozess vorher ist, wir nehmen den eins zu eins und migrieren.
• 41:02
  Speaker 1: Da kann die KI helfen.
• 41:03
  Speaker 1: Wir schmeißen da Sachen rein.
• 41:04
  Speaker 1: Wir haben Agenten für sowas gebaut und das wird dann nach Snowflake übertragen easy peasy.
• 41:09
  Speaker 1: aber wir wollen ja diese Chance auch wirklich nutzen und so sagen was macht der Prozesse überhaupt?
• 41:12
  Speaker 1: Und wie können wir ihn optimieren?
• 41:13
  Speaker 1: und es dauert natürlich also wir arbeiten noch ganz viel mit dem Data Engineers tatsächlich zusammen die sagen hey jetzt in Snowflag Ihr könnt Sachen modularisieren, ihr könnt besseren Code schreiben.
• 41:23
  Speaker 1: Ihr könnt den Code auch besser testen.
• 41:26
  Speaker 1: und bei so Prozessen die gegebenenfalls im sechs- oder siebenstelligen Bereich auch Geld einbringen macht es aus meiner Sicht auch Sinn nicht zu sagen wir nehmen das tausendzeilen Sasskript und schmeißen das einfach durch die KI sondern versuchen das wirklich besser zu machen und es dauert dann dadurch halt ein bisschen länger.
• 41:42
  Speaker 1: aber ich find's ist wert dass was so machen Und zum Glück haben wir da auch die Freiheit bekommen vom Management, dass wir es nicht nur so schnell wie möglich migrieren sondern wirklich gut migriern.
• 41:56
  Speaker 0: Bevor ich die zwei Fragen stelle, die ich eben Gast oder jeder Gäste entstelle würde ich versuchen einmal das Fazit zu ziehen wenn mein Giacchi Bitti oder Claude hat gerade im Hintergrund schon versucht zu arbeiten.
• 42:11
  Speaker 0: also mein eigenes Hirnmodell.
• 42:17
  Speaker 0: Man sagt auch Chatty und bei Claude hatte ich verstanden, Cloudy oder so.
• 42:21
  Speaker 1: Das habe ich noch nicht gehört!
• 42:23
  Speaker 1: Ich finde Coco für Cortex Code das ist ja das Snowflake integrierte AI.
• 42:28
  Speaker 1: Ich find Coco ganz schlimm als Wort.
• 42:29
  Speaker 1: Das verniedlicht dieses riesige Tool.
• 42:31
  Speaker 0: Chatty ist auch verniedlich?
• 42:33
  Speaker 1: Ja das schon aber ich verwende Coco mehr als Chatty.
• 42:37
  Speaker 0: Und ich glaube sie ist irgendwie Cloudy also wahr.
• 42:40
  Speaker 1: Cloudy ist auch wahr.
• 42:41
  Speaker 0: Ich muss mal nochmal googeln.
• 42:42
  Speaker 0: Es war eine komische.
• 42:44
  Speaker 0: Ich finde Chatty schon... Ja, mal gucken wo die Reise hingeht.
• 42:49
  Speaker 0: Okay Fazit also was wir festgestellt haben was total spannend ist und was mich total berührt es zu emotionales Wort aber zeigt wie das man eigentlich alles mit dem Podcast jetzt schon erreicht hat ist?
• 43:03
  Speaker 0: Man guckt sich das vor vier Jahren an und vor vier jahren habt ihr selber vielleicht auch aus einem Geschäftsmodell selbst dazu entschieden Ähm, nach Exasol zu migrieren.
• 43:13
  Speaker 0: Das heißt ihr seid bereit gewesen die Investitionen zu tätigen um überhaupt Datenmanagement zu professionellisieren was ganz spannend ist.
• 43:20
  Speaker 0: Ihr habt zwei Themen aufgebaut einmal seit ihr Dezentraler geworden durch das Hub & Spokemodell ist mein Lieblingsmodell und glaube ich ein gutes Indiz dafür wie reif eigentlich eine Organisation ist Und dadurch ist die Expertise auch in die Fachabteilung gegangen.
• 43:36
  Speaker 0: Die Daten, die da waren konnten besser genutzt werden durch diese Prozessmanagement was du jetzt gerade auch aufgezeichnet hast.
• 43:43
  Speaker 0: deswegen heißt dein Team ja auch Analytics und ProzessManagement weil eben beide Themen mit verankert sind.
• 43:48
  Speaker 0: auf der anderen Seite konnte man dann aber auch die Anforderungen professionell wieder an die zentrale Abteilung geben und man plötzlich festgestellt dass das wie es damals mal aufgebaut wurde auf Basis der Erfahrung umgesetzt wurde die damals existierten.
• 44:01
  Speaker 0: Und jetzt durch das Sammelspiel war klar, wo ihr eigentlich hinwollt.
• 44:05
  Speaker 0: Das Time to Market ist ein wichtiger Punkt.
• 44:07
  Speaker 0: wenn ihr weiter wachst werden Prozesse natürlich schneller und wir alle wissen dass an vielen Stellen vor allem im Legacy System meistens die Sachen knallen wo zu viele Daten drin sind wo die Prozeste zu lange laufen und dann die Beladungsstrecken morgens so lange gehen wo sich die Fachabteilung drüber beschwert.
• 44:24
  Speaker 0: Das ist sozusagen der Schritt, den ihr getätigt habt.
• 44:26
  Speaker 0: Ich glaube, organisatorisch seid ihr jetzt noch gut aufgestellt, guckt natürlich wie ihr weiter die Logik da reinbekommt.
• 44:32
  Speaker 0: Auf der anderen Seite habt ihr euch mit Snowflake einen Partner gesucht, der auch viele in KI AI, jetzt haben wir das Board nochmal ein paar Mal gesagt investieren, die dann auf Basis der Standardschemas, die er aufgesetzt hat, Data Governance nicht mal anzugucken und hier Dashboard zu generieren, saubere Datenmodelle wieder neu zu machen Kommt jetzt auch technisch wieder auf ein neues Level, wo ihr dann wieder vom profitiert.
• 44:56
  Speaker 0: Das ist eben existiert und Dann soll perspektivisch die reise dazu hingehen dass die prozesse die jetzt sauber funktionieren vielleicht noch mal optimiert werden können.
• 45:04
  Speaker 0: Und da gehst du eben das experimentieren rein.
• 45:06
  Speaker 0: welche email schicke ich welchen anruf mache ich brauche überhaupt machen?
• 45:10
  Speaker 0: Da kommen schnell ineffizienz gewinne.
• 45:11
  Speaker 0: genau bei dem punkt hinten glaube ich ab dann wird die investition klar Die ins insgesamt projekt snowflake es.
• 45:21
  Speaker 0: Aber die spannende Frage, die man sich vielleicht bei euch stellen sollte ist, ab wann muss ich eigentlich die Technik nachziehen?
• 45:27
  Speaker 0: Weil die Organisation sich verändert hat.
• 45:30
  Speaker 0: Und was wäre passiert hätte ich diese Investment nicht getätigt?
• 45:34
  Speaker 0: und Data-Infrastruktur eher als must have zu definieren, als nice to have?
• 45:42
  Speaker 0: Ich glaube im Tiktok würde man bare minimum sagen, da habe ich jetzt auch gelernt.
• 45:48
  Speaker 0: Und dann geht halt, glaube ich, die richtige Reise hin.
• 45:49
  Speaker 0: Nämlich was vergessen?
• 45:53
  Speaker 1: Nee, ich finde das hast du gut zusammengefasst.
• 45:55
  Speaker 0: Perfekt!
• 45:55
  Speaker 0: Danke schön.
• 45:57
  Speaker 0: So zwei Fragen.
• 45:58
  Speaker 0: Privat mit Daten?
• 45:59
  Speaker 0: Ich sehe keinen Variable.
• 46:00
  Speaker 0: Das heißt was machst Du irgendwie noch privat mit Daten.
• 46:02
  Speaker 0: und wie würdest Du filmtitelmäßig Dein Data Game beschreiben
• 46:07
  Speaker 1: Was ich privat mit daten mache ich laufe sehr viel und das track ich tatsächlich mir ist Joggen.
• 46:13
  Speaker 1: Ich komme aus Österreich, deswegen laufen sehr eindeutig Joggen.
• 46:18
  Speaker 1: Im Deutschen ist Laufen immer entweder gehen
• 46:20
  Speaker 0: oder
• 46:21
  Speaker 1: genau... Also ich jogge.
• 46:23
  Speaker 1: Das trage ich und das versuche auch zu optimieren, wobei ich merke dass ich sie ja wenig mache.
• 46:30
  Speaker 1: Was ich auch gemacht habe als meine Tochter ganz klein war, habe ich ihre Trink-und Schlafphasen getrackt Einfach um auch für mich selber so ein bisschen das Gefühl zu haben, ich dreh nicht durch sondern hab das irgendwo auch wirklich sozusagen mal schwarz auf weiß wie viel die eigentlich schläft und trinkt.
• 46:46
  Speaker 1: Genau aber das ist so.
• 46:48
  Speaker 1: das einzige Ich habe keine Variables, ich hab nicht einmal eine Smart Watch.
• 46:52
  Speaker 1: also genau noch ganz altmodisch Mein Filmtitel Speed würde ich sagen Man sitzt in einem fahrenen Bus man darf nicht stehen bleiben Was vielleicht auch so den Jetzt die Brücke zurück zu Marius bringt, der gesagt hat man darf nicht im Basecamp stehen bleiben von vor vier Jahren.
• 47:10
  Speaker 1: Genau und er meinte dann noch, man kriegt immer Eisregen von vorne ab und man muss immer weitergehen.
• 47:15
  Speaker 1: und genau so fühlt sich das ein bisschen an.
• 47:17
  Speaker 1: deswegen der Film Titel Speed.
• 47:20
  Speaker 0: Ja in der Analogie von Marius wechselt ihr aber auch gerade ja euer Zubehör oder Kleidung um auf das nächste Level zu
• 47:30
  Speaker 1: kommen.
• 47:31
  Speaker 1: Und besser gewappnet zu sein für alles.
• 47:34
  Speaker 0: Vielen, vielen Dank für die Folge.
• 47:36
  Speaker 1: Vielen Dank dir!
• 47:36
  Speaker 1: Das war sehr angenehm.