Afleveringen
-
Data-Inhalte in einem ganz innovativen Format? Kann man Data mit Musik verbinden? Was hat Musik mit Inklusion zu tun?
Darum geht es in der neuen Folge von Datendurst, in der Host Tim Ebner diesmal mit Tiankai Feng spricht. Wenn man in der Data-Branche unterwegs ist, dann kennt man ihn â denn er macht Musik ĂŒber Data!
Tiankai ist begeisterter Musiker und frĂŒher sogar Barpianist. Mittlerweile arbeitet er als Data Strategy und Data Governance Lead bei Thought Works und hat gerade sein erstes Buch rausgebracht: Humanizing Data Strategy. Privat ist er Familienvater von zwei Jungs.
Auch Tim ist ĂŒber die Songs auf Tiankai aufmerksam geworden und hat sich gefragt: Warum verbindet man Data mit Musik?
Der erste Song von Tiankai ist aus der Frustration entstanden, dass Data in Tiankaiâs Augen missverstanden wurde. Daraufhin schrieb er den Digital Analytics Anthem, den er erst in das Intranet seines damaligen Unternehmens hochgeladen hat und schlieĂlich auch auf LinkedIn geteilt hat.
Sowohl im Unternehmen als auch bei LinkedIn ist dadurch ein starker Awareness-Faktor entstanden, sodass dieser fast als Icebreaker fĂŒr einen kulturellen Wandel gesehen werden kann.
Danach schrieb Tiankai weitere Songs, auch ĂŒber das Home Office und das Arbeiten in Data.
Sogar auf der TEDx hat er einen Song gespielt â der von ChatGPT geschrieben wurde!
Der erfolgreichste Song ist âGovernance of Dataâ, den Menschen immer wieder nutzen, um zu beweisen, wie cool der eigene Job ist.
Tiankai ist sich sicher: Jeder Mensch kann kreativ sein. Das ist wie ein Muskel, den man trainieren kann (auch die Data-Nerds!). Man hat in jeder Disziplin analytische und kreative Seiten, sowohl bei der Musik als auch bei Data. HierfĂŒr bringt er einige Beispiele.
Diese Kombination von Dingen, die eigentlich nicht so viel miteinander zu tun haben, gibt es auch im Innovationsmanagement, beispielsweise bei der Blue Ocean Strategy.
FĂŒr Tiankai ist eine Motivation fĂŒr die Songs auch die Inklusion. Denn er selbst wurde in Deutschland immer als AuslĂ€nder gesehen, wenn er seine Familie in China besuchte allerdings auch. FĂŒr ihn ist es wichtig, inklusiv in seinem Verhalten zu sein, damit Menschen nicht das erleben mĂŒssen, was er erlebt hat.
Musik bleibt dabei ein Vehikel, um Emotionen und nicht nur Inhalte rĂŒberzubringen. Die beiden kommen im GesprĂ€ch auf Hans Zimmer, der selbst von sich sagt, dass er die Sprache der Musik besser beherrscht als das gesprochene Wort.
Tiankai gibt am Ende noch den Tipp: Entdecke deine einzigartige Seite und verbinde damit deine Passion mit der Arbeit, statt beides getrennt voneinander zu sehen.
Zum LinkedIn-Profil von Tiankai: https://www.linkedin.com/in/tiankaifeng/
Zum Buch von Tiankai: https://technicspub.com/humanizing-data-strategy/
Zum YouTube-Channel von Tiankai: https://www.youtube.com/kaifeng
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Was heiĂt eigentlich Skalierung? Was hat Standardisierung damit zu tun? Welche Vorteile haben Unternehmen von skalierenden Dashboards?
DarĂŒber diskutiert Host Tim Ebner in der neuen Folge von Datendurst mit Oliver Ulbrich, auch ein Nordlicht, genau wie Tim.
Tims Ziel: Ihn zur WeiĂglut zu bringen! Oliver regt sich nĂ€mlich gerne auf...
Eigentlich kommt Oliver aus der Sport- und Modebranche, ist dann als Quereinsteiger zu Data gekommen und nun als Dashboard und Business Development Lead bei den Datenpionieren.
Der Ăbergang von privat zu beruflich ist flieĂend â die beiden diskutieren nĂ€mlich erstmal ĂŒber Dashboards bei Katzenfutter!
Aber kommen wir wieder zur Skalierung: Was bedeutet ĂŒberhaupt Skalierung im Kontext von Dashboards?
FĂŒr Oliver ist es, möglichst viele Menschen in die Lage zu versetzen, Zahlen zu sehen und diese dann weiterverarbeiten zu können. Dazu gehört auch, schnell, einfach und effizient Dashboards aufbereiten zu können, die dann möglichst viele Fragestellungen im Unternehmen beantworten.
Die Vorteile davon liegen auf der Hand, es spart vor allem Zeit!
Oliver erzĂ€hlt davon, dass man wĂ€hrend des Monatsabschlusses selten einen Termin mit dem Controlling erhĂ€lt, weil die viel zu viel beschĂ€ftigt sind. Mit Dashboards haben diese Menschen plötzlich Zeit fĂŒr andere Dinge!
Bevor man jedoch skalieren kann, muss erst ein Standard kreiert werden. Von vorne herein sollte klar sein, wie Dashboards aufgebaut werden.
Oliver zieht dabei einen Vergleich zu einem FĂŒhrerschein: Wenn man den machen möchte, hat man vor allem ein Ziel: Auto fahren! Die Verkehrsregeln dafĂŒr sind der Standard. Den haben wir Alle gelernt, ob er uns gefallen hat oder nicht.
Genauso sollten auch Standards fĂŒr Dashboards in Unternehmen erstellt werden.
Hierbei stellt Oliver die Fragen:
Welche Werkzeuge nutzen wir?
Welche Diagramme nutzen wir?
Welche Farben nutzen wir?
Oliver geht auf die einzelnen Elemente ein und erklĂ€rt sie. Dazu gehört natĂŒrlich auch das Storytelling.
Der Dashboard-Experte beginnt dabei gerne auf âechtemâ Papier und fokussiert sich auf das Shneiderman Mantra, das Ă€hnlich wie Bestellautomaten beim Fast Food aufgebaut ist: ZunĂ€chst der Overview, dann tiefergehende Antworten (Filter) und dann Details on demand.
Zum Schluss geht es noch darum, ob die KI bei diesen Themen unterstĂŒtzen kann. FĂŒr Oliver ist klar: Menschen können schon an andere Menschen ihre Fragen nicht prĂ€zise formulieren. Wie sollte KI dann bessere Antworten liefern können?
AuĂerdem gibt er noch den Rat, Dashboards als Teil eines Transformationsprozesses zu sehen.
Zum LinkedIn-Profil von Oliver: https://www.linkedin.com/in/oliverulbrich/
Zur Website von Oliver: www.oliverulbrich.de
Zum Podcast von Oliver und Christian: https://open.spotify.com/show/6Mp8t0sGOYvLPCGUUu1XZL
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
Disney-Animationen, die mehrfach genutzt wurden: https://youtu.be/y3hK8ATlbw0?si=xyv9h1RAnhkw03_m
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Zijn er afleveringen die ontbreken?
-
Was mĂŒssen Unternehmen in Zukunft beachten beim EU AI Act? Ein Thema, das vielen Unternehmen gerade unter den NĂ€geln brennt und deswegen verdient es auch eine ganze Podcastfolge von Datendurst. Host Tim Ebner hat diesmal Sirke Reimann von VIER zu Gast, einer Kundenservice Software aus Deutschland, die Lösung mit KĂŒnstlicher Intelligenz verbindet. Anwendungsbeispiele sind die ZĂ€hlerstandablesung bei Energieunternehmen, wobei dr Prozess dann vollautomatisch am Telefon durchgefĂŒhrt wird oder auch das Briefing von Service-Agenten durch die KĂŒnstliche Intelligenz.
Sirke ist Chief Information Security Officer und damit bei VIER zustĂ€ndig fĂŒr Informationssicherheit, Datenschutz und Compliance.
Wer mehr ĂŒber das Thema KI und EU AI Act erfahren möchte, kann jeden Freitag bei VIER TV reinschauen.
Die beiden Experten tauchen gleich tief ins Thema ein:
Schon 2019 hat die EU damit begonnen, eine KI-Verordnung zu erstellen, das Ergebnis ist der EU AI Act, der im MĂ€rz 2024 verabschiedet wurde und bis 2026 von allen Unternehmen umgesetzt sein soll.
Das Ziel des EU AI Acts ist es, die Bevölkerung vor unethischen Entscheidungen der KI zu schĂŒtzen, beispielsweise vor Schaden oder der Verletzung der MenschenwĂŒrde.
So gut das klingt â es bringt jede Menge BĂŒrokratie mit sich!
Den EU AI Act erfĂŒllen mĂŒssen einige Parteien: Anbieter, die KI-Systeme unter ihrem Namen auf den Markt bringen (dabei ist noch unklar, ob es Dienstleister oder Kunden sind), Importeure von KI-Systemen, HĂ€ndler und teilweise auch die User der Systeme.
Dabei gibt es 4 Risikogruppen, denen verschiedene Anforderungen gestellt werden:
- Keine oder minimale Risiken
Das sind Systeme, die keinen Einfluss auf das Leben haben, beispielsweise KI in Spamfiltern oder Spielen. Hier gibt es freiwillige, aber nicht verpflichtende Anforderungen.
- Begrenzte Risiken
Hierzu gehören LLMs und generierende Systeme, das Ziel ist hierbei, eine Transparenz herzustellen, sodass User erkennen, welche Elemente mit KI generiert wurden.
- Hohe Risiken
Diese Systeme haben das Potential, Menschen einen Schaden zuzufĂŒgen, beispielsweise im Personalwesen, in Bildungseinrichtungen, bei finanziellen Leistungen und auch im Strafvollzug. Hier gehen die Anforderungen ĂŒber Risikomanagement und QualitĂ€tsmanagement hinaus, eine RĂŒckverfolgbarkeit der Entscheidungen muss möglich sein sowie eine Resistenz gegen Manipulation.
- Inakzeptable Risiken
Hierzu gehören KI-Systeme, die gegen die MenschenwĂŒrde verstoĂen, beispielsweise durch Social Scoring oder Identifizierungssysteme.
Der Wert des EU AI Acts liegt darin, dass niemand durch KI-Systeme nachteilig behandelt werden soll und somit auch das Vertrauen in KI steigen kann. Als Bevölkerung werden wir geschĂŒtzt. Gleichzeitig gibt es zurzeit noch viele Unsicherheiten in der Formulierung, der Definition von KI-Systemen und es werden sich GeschĂ€ftsfelder aus der EU wegentwickeln mĂŒssen. DafĂŒr mĂŒssen Prozesse und Strukturen geschaffen werden, der Aufwand ist noch nicht abschĂ€tzbar.
Zum Schluss geht es in der Folge noch darum, wie der EU AI Act den Technologiemarkt verÀndern wird.
Zur Website von VIER: https://www.vier.ai
Zum Blog ĂŒber den EU AI Act von VIER:
https://www.vier.ai/unternehmen/blog/eu-ai-act-teil1/
https://www.vier.ai/unternehmen/blog/eu-ai-act-teil2/
VIER TV zum EU AI Act:
-
Ist Datenschutz ein QualitÀtsmerkmal? Kann ich haftbar gemacht werden, wenn ich eine Datenpanne in einem Unternehmen verursache? Haben Daten wirklich so viel mit Macht zu tun?
Darum geht es in der neuen Folge von Datendurst. Host Tim Ebner interviewt Mona Wrobel, AnwĂ€ltin im Bereich Datenschutz und IT-Recht und zusĂ€tzlich Legal Counsel bei TeamViewer. Ăbrigens ist auch sie Podcasterin beim eigenen Podcast âData Dateâ.
Doch wie kann man so fasziniert von Datenschutz sein? Mona findet das Thema nicht so komplett festgefahren wie andere Rechtsgebiete. Es ist sehr vielfĂ€ltig und besonders die aktuelle KI-Entwicklung sorgt fĂŒr spannende Neuerungen.
In der Folge liegt der Fokus darauf, warum Datenschutz ein QualitĂ€tsmerkmal ist. Eigentlich schon, denn das Ziel von Unternehmen ist es, dass User uns auch morgen noch Daten geben, die wir analysieren können. HierfĂŒr muss Vertrauen aufgebaut und gehalten werden.
In Europa wird dies von Verbrauchern erwartet und ist gleichzeitig ein Wettbewerbsvorteil. Doch wie sieht das Ganze eigentlich international aus?
In Europa gibt es seit 6 Jahren die DSGVO, aber schon seit 30 Jahren werden in Europa flÀchendeckende Entscheidungen zum Datenschutz getroffen.
Nach der EinfĂŒhrung der DSGVO haben auch andere LĂ€nder ânachgezogenâ und orientieren sich an den europĂ€ischen Regeln. Allerdings ist die Erwartungshaltung und das VerstĂ€ndnis der Bevölkerung in anderen LĂ€ndern oft viel freier.
Die DSGVO sieht ĂŒbrigens auch vor, dass Unternehmen Zertifikate fĂŒr ihren Datenschutz bekommen können, allerdings ist dies auf dem Markt noch nicht umgesetzt.
Datenschutz ist ganz klar kein Sprint, sondern ein Marathon, der Zeit, Geld und auch menschliche Ressourcen benötigt. Zum Start kann man sich auf den Seiten der Datenschutzbehörden umschauen und findet dort viele Vorlagen und Beispiele, die eine gute Guidance geben. Sobald die Datenverarbeitungsprozesse ĂŒber den Standard hinaus gehen, benötigt man allerdings weitere UnterstĂŒtzung.
Und was passiert, wenn man die Datenschutzanforderungen nicht erfĂŒllt? Wie sieht es mit der privaten Haftung einzelner Mitarbeitenden aus? Wie kann das Unternehmen seine Mitarbeiter davor schĂŒtzen?
Es hilft, wenn man sich organisatorisch so aufstellt, dass die Mitarbeitenden wissen, wie sie sich zu verhalten haben. Wenn dann doch ein Datenschutzvorfall geschieht, muss klargestellt werden können, dass alles bis ins Detail geregelt wurde und ein menschlicher Fehler passiert ist. Das kann das Unternehmen zunÀchst von der Haftung befreien. Mitarbeitende werden eigentlich nur belangt, wenn sie mit bösen Absichten gehandelt haben. Hier reichen die Strafen vom Verlust des Arbeitsplatzes bis hin zu strafrechtlichen Konsequenzen.
FĂŒr Unternehmen ist eine PrĂŒfung sehr langwierig und anstrengend. ZunĂ€chst wird ein PrĂŒfungs-Verfahren eingeleitet, dann werden Auflagen erteilt und dann gegebenenfalls BuĂgelder verhĂ€ngt. Die schlechte Presse folgt zuletzt. Ziel solch eines Verfahrens ist es jedoch immer, eine Lösung zu finden, damit Datenpannen nicht mehr vorkommen.
Mona und Tim geben zum Schluss noch folgende Tipps mit:
- So frĂŒh wie möglich versuchen, ein gemeinsames VerstĂ€ndnis ĂŒber die Datenverarbeitungen zu schaffen
- DatenschĂŒtzer frĂŒh mit einzubeziehen
- Geduld haben: Guten Datenschutz erreicht man nicht ĂŒber Nacht!
- BerĂŒhrungsĂ€ngste auf beiden Seiten abbauen: Sowohl im Datenschutz als auch im Business
Zum LinkedIn-Profil von Mona: https://www.linkedin.com/in/mona-wrobel-8a5587177/
Mona als AnwÀltin: https://eastkap.de/
Monaâs Podcast Data Date: https://datadate.podigee.io/
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Warum ist DatenqualitĂ€t so wichtig? In welchen Abteilungen ist sie gut und wo ist sie schlecht? Was bedeutet DatenqualitĂ€t ĂŒberhaupt?
Darum geht es in der neuen Folge von Datendurst. Host Tim Ebner hat diesmal Christian Krug vom Podcast Unf*ck Your Data zu Gast. Auch wenn man mit dem Namen oft im Spam-Filter hĂ€ngenbleibt, ist es Christian wichtig, Dinge zu âunf*ckenâ.
Neben seinem Podcast arbeitet er bei Frauscher Sensortechnik als Global Data Architect und baut dort eine zentrale Datenplattform und damit einhergehend auch ein Data Team auf. Dazu gehört auch, digitale Produkte aufzubauen und dabei interne und externe Daten zusammenzubringen. Frauscher stellt Radsensoren her, die - ganz einfach erklĂ€rt â dafĂŒr sorgen, dass ZĂŒge nicht ineinander fahren.
Christianâs Credo: Unternehmen mĂŒssen sich mehr mit DatenqualitĂ€t beschĂ€ftigen!
Denn DatenqualitĂ€t ist wichtig, wenn Du Entscheidungen auf Basis von Daten treffen möchtest. DafĂŒr macht Christian auch eine einfache Analogie zum Kauf eines Autos. Möchte man verschiedene Autos vergleichen, braucht man Daten, zum Beispiel Kaufpreise. Aber auch beim Hype-Thema KI ist DatenqualitĂ€t wichtig, denn wenn die KI mit schlechten oder fehlerhaften Daten gefĂŒttert wird, dann sind die Ergebnisse davon schlecht.
Christian und Tim sind sich einig: Manchmal sind schlechte Daten aber auch besser als gar keine Daten. Denn wenn Du nicht mit schlechten Daten anfÀngst, wirst Du nie gute Daten haben.
Doch was ist eigentlich DatenqualitÀt?
In Christianâs Augen bedeutet es, dass Daten, die fĂŒr eine Entscheidung benötigt werden, in der richtigen AktualitĂ€t auswertbar vorliegen. MĂ€ngel können dabei UnvollstĂ€ndigkeit, das Format, falsche Daten, nicht integrierte oder veraltete Daten sein.
Dabei ist die DatenqualitĂ€t oft dann gut, wenn viel Aufmerksamkeit auf dem zugrundeliegenden Thema liegt und Druck von auĂen da ist. Beispiele dafĂŒr sind Finance- und bald auch ESG (Environmental, social, governance), also Nachhaltigkeit. Auch in bestimmten Branchen, wie z.B. dem Pharma- oder dem Versicherungs- und Banken-Bereich, in denen viele Kontrollen stattfinden, sind die Daten oft auch sehr gut.
Schlecht wird die DatenqualitÀt dann, wenn eben nicht darauf geguckt wird, es keine Reportings gibt und nicht kontrolliert wird. Christian erklÀrt, dass das vor allem im HR oft ein Problem ist. Dabei können wir es uns eigentlich nicht mehr erlauben, in der HR-Abteilung mit schlechten Daten zu arbeiten.
Die QualitĂ€t in den Abteilungen kann man durch Incentives und die UntersĂŒtzung vom Top-Management verbessern. Hier hilft es, einfach mal einen Tag âmitzugehenâ und dabei herauszufinden, welche Daten und Reportings nötig sind, um den Mitarbeitenden das Leben zu vereinfachen.
Christianâs Tipp: Der erste Schritt fĂŒr die Erhöhung der DatenqualitĂ€t ist, herauszufinden, wo es klemmt.
Zum LinkedIn-Profil von Christian: https://www.linkedin.com/in/christian-krug/
Zum Podcast von Christian: https://linktr.ee/christian_krug
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Was ist eigentlich ein GPT? Was unterscheidet eine KI von einem GPT? Wie baut man ein GPT auf und welche Technologien gibt es dafĂŒr? Was hat das Ganze mit DatenqualitĂ€t zu tun? Und was kann man mit einem UnternehmensGPT machen?
DarĂŒber spricht Host Tim Ebner in der neuen Folge von Datendurst mit Sarah Stemmler. Die kennen wir schon aus der letzten Folge Datendurst, in der es umâs GrĂŒnden ging. Denn Sarah hat sich gemeinsam mit ihrem Partner Sebastian selbststĂ€ndig gemacht und das KI-Start up Synsugar gegrĂŒndet, mit dem sie Unternehmen helfen, betriebliche AblĂ€ufe mit KI zu optimieren und die ProduktivitĂ€t zu steigern. Und dazu gehört mittlerweile auch, UnternehmensGPTs zu entwickeln.
Doch was ist ein GPT ĂŒberhaupt? Seit der Veröffentlichung von ChatGPT wurde der KI-Hype losgetreten. Dabei gibt es das Thema schon seit den 50ern und viele Unternehmen setzen es schon jahrelang ein.
GPT steht dabei fĂŒr eine spezielle Technologie, die das Unternehmen OpenAI (die GrĂŒnder von ChatGPT) entwickelt hat. Die AbkĂŒrzung steht fĂŒr Generative Pretrained Transformers.
Ein GPT ist somit eine spezielle Art von KI, wozu ja auch Predictive Maintenance und Ă€hnliche Dinge gehören. Der Klassiker ist: Text-Input und Text-Output. Die gleiche Architektur funktioniert auch bei Bildern: Text-Input und Bild-Output. AuĂerdem kann ein GPT auch Code generieren und mittlerweile gibt es Forschungen zum Einsatz in Wettermodellen.
Doch was unterscheidet nun ein GPT von einem UnternehmensGPT?
Im Grunde heiĂt das, dass Unternehmen fĂŒr ihre eigenen AnwendungsfĂ€lle ein GPT entwickeln. Dieses ist dann verknĂŒpft mit den eigenen Daten bzw. der internen Wissensdatenbank. Sarah erzĂ€hlt zum Beispiel von dm, wo dies mit der Tochter dm Tech umgesetzt wurde.
Doch warum nicht einfach ChatGPT mit den eigenen Daten fĂŒttern?
Hier kommen der Datenschutz und IT-Security dazwischen. Denn hochsensible Daten möchte man nicht mit ChatGPT in Verbindung bringen, zudem kann man bei dieser Lösung Daten nur sehr gezielt hochladen.
Eine eigene GPT-Variante löst diese Probleme. Dabei bedient man sich an den Sprachmodellen vom Markt und verbindet sie mit eigenen Daten.
Das ist zudem auch eine viel kostengĂŒnstigere Lösung, denn das Training eines komplett neu entwickelten Systems kostet mehrere 100 Millionen.
Sarah gibt noch ein paar Tipps zum Start mit einem eigenen GPT. Wichtig ist hierbei, sich zuerst Gedanken ĂŒber die eigenen Use Cases zu machen. Dazu gehört auch die Datenvorbereitung, denn viele Unternehmen haben keine Single Source of Truth, die man hierfĂŒr benötigt.
AuĂerdem wichtig: Informiert Euch ĂŒber den EU AI-Act, wenn Ihr ein eigenes GPT umsetzen wollt!
Zum LinkedIn-Profil von Sarah: https://www.linkedin.com/in/sarah-stemmler/
Zur Website von Synsugar: https://synsugar.com
Ăber das BayernGPT: https://synsugar.com/blog/freistaat-bayern-plant-bayerngpt
Ăber das Unternehmens-GPT von dm: https://open.spotify.com/episode/2fSn7aAwykXafucpwRAlNR?si=f46a586d1c1d45ce
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
[Anzeige] Datendurst-Stellenmarkt
Offene Stelle: Team Lead Social Media Analytics
Unternehmen: We Are Era
Aufgaben: Leitung und Entwicklung eines Teams, das Social Media Daten ĂŒberwacht, analysiert und interpretiert; Markt- und Wettbewerbsanalysen, Trackinganalysen und Dashboards erstellen, Influencer Markt im Auge behalten, Analysetools einfĂŒhren und nutzen
Ăber das Unternehmen: Studio- und Talent-Agency mit Standorten in Amsterdam, Berin, Köln, Kopenhagen, Paris, Madrid, Mailand und Stockholm
Arbeitsort: Hybrid
[Anzeige] Link zur Stellenanzeige: https://jobsearch.createyourowncareer.com/weareera/job/Berlin-Team-Lead-Social-Media-Analytics-BE-10777/1104577901/?utm_medium=podcast&utm_source=datendurst
This podcast uses the following third-party services for analysis:
OP3 -... -
Wie verĂ€ndert sich der Alltag durch die SelbststĂ€ndigkeit? Welche Sorgen macht man sich (begrĂŒndet oder unbegrĂŒndet) vorher? Welche Vorteile hat die SelbststĂ€ndigkeit und wie kommt man mit den Gedanken dazu klar, dass man damit vielleicht nicht den KĂŒhlschrank fĂŒllen kann? Wieso ist Positionierung eine never-ending Story?
DarĂŒber spricht Host Tim Ebner in der neuen Folge von Datendurst mit Sarah Stemmler.
Sarah hat 4 Jahre im Angestellten-VerhĂ€ltnis gearbeitet und sich dann selbststĂ€ndig gemacht â nun auch 4 Jahre. Doch wie ist sie ĂŒberhaupt zu der SelbststĂ€ndigkeit gekommen?
Sarah kommt aus einer GrĂŒnderfamilie und fand Unternehmertum immer schon spannend. Auch ihr Lebenspartner Sebastian ist selbststĂ€ndig und langsam aber sicher kam Sarah auf den Geschmack. Ihre GrĂŒndung kam allerdings zu einem schlechten Zeitpunkt: Kurz vor Covid und dem Lockdown. Das war fĂŒr Sarah ein holpriger Start, sie fĂŒhlte sich gefangen und zunĂ€chst mit Selbstmitleid erfĂŒllt, nahm dann aber die Möglichkeit wahr, sich intensiver mit der SelbststĂ€ndigkeit zu beschĂ€ftigen.
Dazu gehörte auch das digitale Vertriebsmarketing, was sie vorher nicht viel genutzt hatte. Doch Personal Branding ist viel wert und die Wirkung davon nicht zu unterschÀtzen.
Innerlich setzte sie sich die Grenze von einem Jahr und merkte dann: Das hat funktioniert! Sie wollte weitermachen, nicht wieder zurĂŒck in die Festanstellung. Und sie merkte, dass sie durch die SelbststĂ€ndigkeit auch viel spannendere Themen und Projekte um sich herum hatte.
Nach 2 Jahren grĂŒndete sie dann gemeinsam mit ihrem Lebenspartner â eine Sache, die viele Menschen nicht unbedingt tun wĂŒrden! Doch viele GesprĂ€che und auch der Wunsch danach, nicht mehr als EinzelkĂ€mpfer unterwegs zu sein, sorgten dann fĂŒr ein positives Bild.
Nun hat Sarah einen Sparringspartner und teilt sowohl die Freiheit als auch die Verantwortung gemeinsam mit Sebastian im Unternehmen synsugar, mit dem sie Unternehmen hilft, betriebliche AblÀufe mit KI zu optimieren und die ProduktivitÀt im Unternehmen zu steigern.
Doch wie positioniert man sich als Freelancer oder auch Unternehmen?
FĂŒr Sarah ist es wichtig, zunĂ€chst einmal herauszufinden, was man selbst möchte. Denn wenn es keine klare Positionierung gibt, dann erhĂ€lt man immer wieder Anfragen, die extrem divers sind und damit auch viel Zeit fressen.
Ihr Tipp ist es, optimistisch zu sein, denn wer sollte schon von einem Pessimisten kaufen wollen?
Zum LinkedIn-Profil von Sarah: https://www.linkedin.com/in/sarah-stemmler/
Zur Website von Synsugar: https://synsugar.com
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Was sind die Grundpfeiler fĂŒr GA4-Tracking? Und was ist eigentlich so besonders an Google Analytics 4, das Universal Analytics abgelöst hat?
Darum geht es in der neuen Folge von Datendurst! Tim Ebner, der Host der Show, spricht mit Vikash Sharma, einem strukturierten Digital Analyst mit dem Fokus auf GA4. Vikash hat frĂŒh Erfahrung in GroĂkonzernen, u.a. OTTO und T-Online gemacht. Jetzt ist er selbststĂ€ndig mit dem Konzept Collect, Understand, Visualize.
Vikash wollte immer schon mit Zahlen, Daten und Fakten verstehen, was fĂŒr Entscheidungen Menschen treffen. Aus dem Grund hat er Psychologie studiert, dann mehrere Stationen in Konzernen gemacht, wollte dann aber agiler werden und hat sich gleichzeitig mit seiner Auswanderung nach Asien selbststĂ€ndig gemacht. Spannenderweise hat Vikash eine estlĂ€ndische Firma, was fĂŒr ihn einige Vorteile bietet.
Durch die Betreuung groĂer Accounts in den Konzernen konnte er wertvolle Erfahrungswerte sammeln. Und deswegen erzĂ€hlt er auch, wofĂŒr sein Konzept steht:
Collect bedeutet, erstmal Daten zu erheben, zu sammeln und datenschutzkonform zu machen. Hierzu gehört auch, herauszufinden, an welche Tools Daten in welcher Form gesendet werden. Auf der Basis kann man dann die Implementierung und damit das Tracking aufbauen.
Understand bedeutet, Daten in einen Kontext zu setzen und zu verstehen. Die Aussage âwir haben am Montag 10.000 Produkte verkauftâ ist nĂ€mlich wertlos, wenn man nicht den Kontext dazu hat, wie viele Produkte normalerweise an einem Montag verkauft werden und wie viele User einen Checkout gestartet, aber abgebrochen haben.
Visualize bezieht sich dann auf die Datenvisualisierung â aber zielgruppengerecht! Bei der Vorstellung von Daten neigt man oft dazu, ins absolute Detail zu gehen, doch vielleicht möchte die Zielgruppe genau diese Informationen gar nicht haben. Deswegen muss man sich immer fragen, wer der aktuelle Stakeholder ist, welche Informationen dieser benötigt und welches InformationsbedĂŒrfnis sie oder er hat.
Als Visualisierungstool empfiehlt er Python zum Austausch mit anderen Analysten, ansonsten aber auch Tableau, PowerBI oder Looker Studio.
AuĂerdem geht es um die Besonderheit von GA4 im Vergleich zu UA und wie die Migration stattfinden kann. Vikash empfiehlt immer, ein ordentliches Tracking-Konzept zu erstellen, bevor die Umsetzung mit Events erfolgt. SchlieĂlich soll alles wartbar bleiben und die Fragen der Stakeholder sollen in vernĂŒnftige KPIs ĂŒbersetzt werden.
Der Fokus sollte immer auf der gesamten Data-Wertschöpfungskette liegen!
Zum LinkedIn-Profil von Vikash: www.linkedin.com/in/vikash-analytics
Zur Website von Vikash: https://www.vikash-analytics.com/
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Wie macht man interessante Dashboards, die auch wirklich genutzt werden? Und was wollen Dashboard-User wirklich sehen?
DarĂŒber diskutiert Host Tim Ebner in der neuen Folge von Datendurst. Zu Gast ist Evelyn MĂŒnster, die auf Data Visualisation und Storytelling spezialisiert ist.
Es geht um ein Thema, das eigentlich so einfach scheint und trotzdem so viele Probleme hervorruft: Gute Dashboards. Diese mĂŒssen nach Evelyn vor allem drei Dinge erfĂŒllen: Klarheit, Interpretierbarkeit und Relevanz.
FĂŒr Evelyn war es immer schon ein Anliegen, Dinge zu visualisieren, die sie nicht sehen kann und dadurch zu erkennen, was Dinge fĂŒr Auswirkungen haben. Das bezieht sie nicht nur auf ihren Körper, sondern auch auf Websites. Als sie anfing mit der Data Visualisation wurde das noch kaum gemacht. Sie startete also mit Dashboards im Onlinemarketing, erstellte ein Produkt â doch die Menschen nutzten dieses nicht. Denn Ăsthetik reicht fĂŒr ein gutes Dashboard nicht aus, ansonsten finden User die Dashboards zwar interessant â aber interessant ist die kleine Schwester von scheiĂe und bedeutet vor allem nicht relevant.
Wichtig ist zu erkennen, was hinter den Daten steht und wie der Kontext dazu aussieht â eigentlich wie Indizien in einem Kriminalroman.
Evelyn ist es wichtig, die persönlichen PrÀferenzen der User zu befriedigen. Deswegen mag sie es auch nicht, wenn generelle Aussagen getroffen werden, wie z.B. dass Pie Charts grundsÀtzlich schlecht sind. Sie bringt Beispiele, an welchen Stellen genau diese Charts eine gute Visualisierung sein können.
Der Kern eines guten Dashboards ist es, gute Datenfragen zu stellen. Evelyn bezeichnet das als Dark Art of Data Analytics. Die Kernaufgabe von Analytics Leaders ist es nicht, Dashboards zu bauen, sondern mit den Business Usern dazusitzen und herauszufinden, was ihre Fragen und Probleme sind. Dazu gibt sie den Vergleich zu Henry Ford, wenn dieser seine Kunden gefragt hĂ€tte, was sie gerne hĂ€tten, dann hĂ€tten sie sich schnellere Pferde gewĂŒnscht â das eigentliche Problem war aber, dass die Fortbewegung nicht schnell genug war.
Bei Data Visualisation geht es also darum, herauszufinden, wo die Probleme wirklich liegen â mit dem Ziel, Business Impact zu generieren. Evelyn gibt dazu auch ein paar Beispiele fĂŒr gute Datenfragen.
Erst danach sollten Dashboards designed werden. Der Game Changer liegt also im guten alten GesprÀch.
Zum Schluss hat Evelyn noch ein Geschenk fĂŒr die Hörenden, und zwar einen kostenlosen Crashkurs vom Chartdoktor.
Zum LinkedIn-Profil von Evelyn: https://www.linkedin.com/in/evelynmuenster/
Zum Chartdoktor-Crashkurs: https://www.chartdoktor.com/chart-doktor-test
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Was macht Analysen im Streamingumfeld denn so besonders? Wie kriegt man Daten im Streamingumfeld analysebereit? Welche Analyseprodukte kommen dabei raus?
Darum geht es in der neuen Folge von Datendurst. Der Host Tim Ebner spricht mit Sascha Leweling, Head of Customer Analytics bei RTL+, dem Streamingdienst von RTL unter dem Konzern Bertelsmann.
Sascha war vorher bei Obi und hat im Marketingbereich promoviert â und aus dem Studium kennen sich die beiden Data-Liebhaber auch!
Saschaâs Ziel ist es, RTL+ zu enablen, datengetrieben zu arbeiten. Dabei beschĂ€ftigt er sich natĂŒrlich auch viel mit der Weiterentwicklung seines eigenen Teams.
Doch was macht Analysen im Streaming-Umfeld ĂŒberhaupt so besonders?
Bei RTL+ gibt es verschiedenste Angebote, neben dem Reality-TV, fĂŒr das die App besonders bekannt ist. Doch eigentlich sind alle Mediengattungen vertreten, von HörbĂŒchern ĂŒber Podcasts, Musik und Magazine bis hin zu den bekannten Serien, aber auch Sport-Ăbertragungen.
Um die Frage zu beantworten, ist es fĂŒr Sascha allerdings wichtig, nochmal genau zu erklĂ€ren, was Analytics ĂŒberhaupt bedeutet, denn das ist ein Begriff, der viel genutzt wird, vor allem als Synonym zu Reportings. Das ist allerdings nur ein Teil von Analytics, denn im Vordergrund steht, datengetriebene Insights zu generieren und Menschen zu enablen, mit diesen datengetrieben zu arbeiten. Jeder im Produkt soll die Daten selbst verstehen und damit arbeiten können, damit sich die Analytics-Teams noch tiefer in die Daten eingraben und noch tiefere Insights kreieren können.
Die Herausforderung bei den Streaming-Analytics besteht unter anderem in der riesigen Datenmenge, die erstellt wird und darin, dass diese Rohdaten ja zunĂ€chst aggregiert werden mĂŒssen. Um das zu erklĂ€ren, tauchen Tim und Sascha tief in den âMaschinenraumâ ab und diskutieren die Messungen.
Die nÀchste Herausforderung ist dann die Zielgruppe. Diese sind bei RTL+ nÀmlich total unterschiedlich, was vor allem bei Accounts, die in einem Haushalt geshared werden, nochmal komplizierter wird.
Sascha listet dabei die Metriken und Dimensionen auf, die er am meisten betrachtet:
Wie viele Leute kommen rein und schlieĂen ein Abo ab?WofĂŒr sind diese Kunden reingekommen â was war der erste Stream?Wann gehen die Kunden raus und welche tun das? Was haben diese vorher getan?Wie kommt die Person zu RTL+ ?Wie sieht die Customer Discovery aus?Und natĂŒrlich der Customer Lifetime Value â da gehören aber viele andere Dinge zu, sodass dieser nicht so einfach zu berechnen ist.Sascha gibt den Tipp: Miss nicht alles, was du kannst, sondern alles, was du brauchst und achte dabei auch darauf, was deine Stakeholder brauchen. Hier benötigt man einen gesunden Pragmatismus, auch wenn das Analystenherz dabei blutet.
Ăbrigens:
Sascha sucht fĂŒr sein Team bei RTL+ gerade einen Senior Data Analyst. Wichtig ist ihm dabei vor allem ein offenes Mindset und die Motivation, auch mal selbst loszulaufen â das ist sogar noch wichtiger als die technischen Skills auf dem Papier! Wenn Ihr Interesse habt, dann schaut mal hier: https://jobsearch.createyourowncareer.com/RTL/job/K%C3%B6ln-Senior-Data-Analyst-%28mwd%29-NW-50981/1061609701/
Zum LinkedIn-Profil von Sascha: https://www.linkedin.com/in/dr-sascha-leweling-410b6b7a/
Zur Website von RTL+: https://plus.rtl.de/
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
âSocial verĂ€ndert sich jeden Tag, man muss aber am Ball bleiben.â â das sagt Florian Litterst in der neuen Folge von Datendurst, in der er von Tim Ebner interviewt wird.
Florian war 11 Jahre im Konzern und hat sich dann 2016 selbststĂ€ndig gemacht mit Social Ads. Mittlerweile fĂŒhrt er die Agentur Adsventure fĂŒr Social- und Performance-Ads, hat 11 Mitarbeitende und ĂŒber 30 Kunden. Dabei legt Florian den Fokus auf Social Ads und Neukundengewinnung, auf eCommerce und Direct-to-Consumer-Marken. Zu seinen Kunden gehören Digital Brands wie Everdrop, aber auch Established Brands.
Tim und Florian sprechen darĂŒber, dass es wichtiger ist, als Beratung Mehrwert zu liefern, als das Wissen bei sich zu behalten und Gate-Keeping zu betreiben.
Der Kern der Folge ist aber, wie sich Social Media Daten in den letzten 3 Jahren verÀndert haben, unter anderem durch das iOs-Update und den datenschutzfreundlicheren Umgang von Apple. Der Algorithmus ist Content-getriebener geworden.
Tim macht das an einem Beispiel fest, dass sich durch die ganze Folge zieht: Katzen-Yoga!
Wenn Du auf Video-Views, Reichweiten oder Impressionen gehst, dann macht es weiterhin Sinn, das Targeting granular zu definieren. Ansonsten ist es sinnvoll, auf die KI-getriebene Optimierung der Plattform zu gehen. Die beiden diskutieren auch ĂŒber Core-Audiences und darĂŒber, wie Reichweitenkampagnen gut funktionieren. Das Creative sucht sich seinen Weg und ist damit auch âthe new targetingâ. Florian erklĂ€rt das anhand vom TikTok-Algorithmus â auch hier wird das Video an eine Kohorte ausgespielt, ist diese interessiert und reagiert gut, dann kommt die nĂ€chste Kohorte dazu. Sein Mantra: Strategie ist wichtiger als die Botschaft, die ist wichtiger als die Anzeigengestaltung und das ist wichtiger als das technische Setup.
Dann geht es noch um die Daten, die Facebook sammelt und warum gerade so ein starker Push in Richtung Meta stattfindet. Dabei werden in die Algorithmen Daten zur Nutzung, der Verbindung zu Unternehmen und Freunden, Gruppen und dem Verhalten eingebunden. Das Datenprofil wird dadurch immer tiefer angereichert und es geht nicht nur um das Verhalten auf den Plattformen selbst, sondern auch die Inhalte von Websites, die man sich anschaut.
Zum Schluss gibt es noch eine moralisch-ethische Diskussion darum, wie wichtig es ist, die PrivatsphĂ€re der User zu schĂŒtzen und auch um das Erkennen von Anomalien der Kampagnen-Performance.
Zum LinkedIn-Profil von Florian: https://www.linkedin.com/in/florianlitterst/
Zur Website von adsventure: http://www.adsventure.de/
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Warum ist datengetriebene oder auch dateninspirierte Kreation so schwierig? DarĂŒber diskutiert Tim Ebner in dieser neuen Folge von Datendurst mit Stephanie Verch. Die hat schon 2013 das erste Mal Social Media und Daten verknĂŒpft, als das noch gar nicht so dominant und vertreten war. Das gemeinsame VerstĂ€ndnis fĂŒreinander fehlte schon damals â aber da kommen die beiden im weiteren Verlauf der Folge zu.
Stephanie ist mittlerweile selbststĂ€ndig als Unternehmensberaterin mit dem Fokus auf digitale Transformation und Kommunikation. Sie unterstĂŒtzt Unternehmen dabei, Strategien zu erstellen und diese operativ umzusetzen.
Eins ihrer Ziele ist es, den Kreativabteilungen dabei zu helfen, virale Themen datenbasiert aufzuspĂŒren. Und genau das, das Vorantreiben der datenbasierten Transformation, ist manchmal wie eine heiĂe Kartoffel, die keiner fangen will. Die Frage ist nur, wie man diese Kartoffel auf eine angenehme Temperatur bringt, sodass man sie nicht nur fangen, sondern auch essen will. Denn es gibt viele Teams, die mit Daten gerne wenig zu tun haben möchten, fĂŒr die Daten eine neue, fast unlösbare Aufgabe darstellen, oder die sogar schummeln. Das liegt laut Stephanie an drei Dingen: Am Ego, weil man von den eigenen Dingen so ĂŒberzeugt ist, obwohl die nicht datenvalidiert sind, an Angst, dass man mit der eigenen Inkompetenz konfrontiert wird und Kritik dafĂŒr erntet, dass man nicht so viel ĂŒber Daten weiĂ und an Unsicherheit beim Umgang mit Daten und Dashboards.
Doch oft liegen die Probleme noch tiefer: Stephanie mag es gerne, wenn es Hierarchien gibt, in denen Strategien klar vorgegeben werden. Zudem fehlt oft der politische Groundwork, die Daten sind unsauber und es besteht viel Ungeduld bei denen, die nicht so viel Expertise haben. Auch der ROI ist oft nicht direkt erkennbar, denn der Aufbau von einem Data-Team ist kostenintensiv und hat nicht direkt Impact auf den Umsatz.
Dann kommt noch der Ausdruck âInnovationstheaterâ in das GesprĂ€ch, das bedeutet, dass z.B. Data in der Kommunikation stark ausgeschlachtet wird und dahinter ist heiĂe Luft. Das ist Ă€hnlich wie hohe Fluktuationen, die resultieren auch manchmal daraus, dass Unternehmen behaupten, etwas zu sein, was sie nicht sind.
Doch wie kann man Kreativen nun mit Daten helfen?
Tolle Kampagnen werden durch Daten nur besser und auch abgesicherter und weniger umstöĂlich. Ein Tipp der beiden ist, die bestehenden Prozesse aufzumalen und dann zu schauen, wie man die einzelnen Schritte mit Daten besser und messbarer machen kann. Hierbei helfen auch fachĂŒbergreifenden Meetings, bei denen die Traum-Prozesse skizziert werden. So können alle an einem Tisch sitzen und Strukturen und Schnittstellen aufgebaut werden.
Stephanie gibt zudem noch ein paar Tipps zum Kampagnenprozess mithilfe von Daten, wobei sie betont, wie wichtig es ist, die bestehenden Thesen zu verifizieren und erst Routen aufzubauen, wenn Daten eingebunden wurden.
Zum LinkedIn-Profil von Stephanie: https://www.linkedin.com/in/stephanieverch/
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
00:00:00 Intro in die Folge
00:01:08 Stellenmarkt fĂŒr Data & Analytics
00:03:31 Vorstellung Steffi
00:07:00 Daten machen Angst und sind schlecht fassbar
00:10:21 Data ist ein Invest
00:12:33 Schummeln bei Data
00:17:48 Kommunikation und Kultur verbessern
00:20:49 Innovationstheater
00:22:24 Kreative fĂŒr Daten motivieren
00:29:01 Zeit fĂŒr Daten muss da sein
00:31:29 Strukturen aufbrechen
00:35:02 Prozesse fĂŒr Data
00:40:52 Die perfekten Data-People
00:45:53 Learnings sind am wichtigsten
00:47:39 Schritte von...
-
Endlich grĂŒnden und: Ist Datendurst gestorben? | Tipps zur GrĂŒndung von Tim Ebner
Es ist einige Zeit seit der letzten Folge von Datendurst vergangen. Tim Ebner ist aber nicht eingeschlafen und Datendurst ist auch nicht gestorben. Doch es ist viel passiert im Leben von Tim. In dieser neuen Episode von Datendurst erzÀhlt er, was.
Denn Tim hat leider seinen Job bei Territory im letzten Jahr verloren. Es gab viele NebenschauplÀtze und er konnte sich nicht mehr auf das konzentrieren, was er dort aufbauen wollte.
Schon lange spielte er mit dem Gedanken, sich selbststÀndig zu machen, doch irgendwie stand ihm immer im Weg, dass er sich nicht traute. Und es war auch irgendwie immer eine neue Festanstellung in greifbarer NÀhe.
Doch nun ist es soweit: Datendurst gibt es nun auch als Data-Beratung!
Die GrĂŒndung hat Tim allerdings viel Energie gekostet und er erzĂ€hlt, was zu einer GrĂŒndung alles dazu gehört. Das waren nicht nur Mindset-Themen wie die Frage: Bin ich eigentlich zu alt zum GrĂŒnden? Was passiert, wenn das Geld nicht direkt reinkommt und er die gemeinsame Wohnung mit seiner Freundin nicht halten kann?
Tim baute sich aber das Umfeld, das er zur GrĂŒndung brauchte, von Beratern bis hin zu guten Freunden, die ihn unterstĂŒtzten.
Er gibt Tipps zu BĂŒchern und Podcastfolgen, die ihm geholfen haben, seine Blockaden zur GrĂŒndung zu lösen. Sein Tipp: Du kannst nicht kontrollieren, was Du fĂŒhlst, aber Du kannst kontrollieren, was Du machst.
Los ging es also mit dem Portfolio-Aufbau, unter anderem mit Hilfe des GrĂŒndungscoachings der Agentur fĂŒr Arbeit. Auch ein GrĂŒnderzuschuss half ihm, die nötige Sicherheit zu fĂŒhlen. DafĂŒr schrieb Tim ĂŒbrigens einen 200 Seiten-langen Business Plan!
Und als er dann auf LinkedIn seinem Netzwerk offenbarte, dass er nun selbststĂ€ndig ist, kamen auch direkt die ersten Kunden rein. Auch der Podcast sorgte fĂŒr einen Kunden. Dazu hielt Tim Webinare, u.a. bei der OMR Education.
Doch Tim spricht auch ĂŒber die âPapiertigerâ-Themen, wie z.B. die Wahl einer richtigen Versicherung. Als GrĂŒnder sollte man sich mit Arbeitslosenversicherung, Betriebshaftpflichtversicherung, Vermögensschadenhaftpflicht, Gewerberechtschutz und Forderungsausfallversicherung beschĂ€ftigen. Auch die Kontoeröffnung war ein schwieriges Thema. Und schlieĂlich entschied sich Tim auch dazu, die Marke Datendurst anzumelden und erklĂ€rt dabei den Unterschied zwischen einer Wort-Marke und einer Wort-Bild-Marke.
Sein administrativer Endgegner war schlieĂlich das Finden einer Steuerkanzlei â ja, Steuerberater sind zurzeit extrem ĂŒberladen und man muss hoffen, einen freien Platz zu bekommen!
Und auch der Podcast wird nun wieder belebt und Ihr könnt Euch monatlich auf neue Folgen freuen, fĂŒr die Tim nun auch mit einer Agentur zusammenarbeitet.
Disclaimer: Diese Folge ist keine Rechts- oder GrĂŒndungsberatung, Tim teilt einfach nur seine Erfahrungen!
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Moin Miteinander đ Philipp ist zu Gast. Wir sprechen ĂŒber das Knaller Datenschutz-Urteil gegen die Telekom zu Google Analytics (Achtung: Clickbait đ).
Darf man Google Analytics und Marketing Pixel jetzt in Deutschland noch nutzen? Welche Fragen solltet Ihr Eurem Datenschutz jetzt stellen?Worum ging es bei der Klage eigentlich im Detail?Mit welchen Klagepunkten hatte der Verbraucherschutz NRW Erfolg? Mit welchen nicht?Wie geht es mit dem Verfahren jetzt weiter, wo das Urteil noch nicht rechtskrÀftig ist?Hilft es, wenn wir Cookie Banner einfach nur anders zu designen?Welche Flanken sind bei der Telekom noch offen?Welche Lösungen können Google Analytics und Marketing Pixel ablösen?
Dabei besprechen wir die Fragen:Links:
Stellenmarkt - Security Data Analyst bei der Telekom: https://telekom.jobs/karriere/jobs/de/211403/Security-Data-Analyst-%28m%7Cw%7Cd%29/Bonn.html Philipp auf LinkedIn: https://www.linkedin.com/in/philipploringhoven/Peter Hense auf LinkedIn: https://www.linkedin.com/in/peter-hense-%F0%9F%87%BA%F0%9F%87%A6-19861318/Verbraucherzentrale NRW - Bericht zum Urteil: https://www.verbraucherzentrale.nrw/pressemeldungen/presse-nrw/telekom-darf-keine-personenbezogenen-daten-an-googleserver-in-die-usa-uebermitteln-83968Basic Thinking - Bericht zum Urteil: https://www.basicthinking.de/blog/2023/05/10/telekom-personen-daten-google-usa/LG Köln - Das Urteil im Volltext: https://www.verbraucherzentrale.nrw/sites/default/files/2023-05/lg_koln_vom_23-03-2023_33_o_376_22_geschwaerzt.pdfWikipedia - Gerichtsorganisation in Deutschland: https://de.wikipedia.org/wiki/Gerichtsorganisation_in_Deutschland#Haftungsfalle Datenschutz â Muss ich als Mitarbeiter fĂŒr DatenschutzverstöĂe haften? https://haerting.de/wissen/haftungsfalle-datenschutz-muss-ich-als-mitarbeiter-fuer-datenschutzverstoesse-haften/Matomo: https://matomo.org/Mapp: https://mapp.com/Piwik Pro Tag Manager: https://piwikpro.de/tag-manager/Daten und Sicherheit in Google Rechenzentren: https://www.google.com/about/datacenters/data-security/Zum Abschluss ein kleines Sorry und eine ErklĂ€rung zur lĂ€ngeren Funkstille: Ich bereite gerade etwas vor... Deshalb mache ich gerade ganz nicht so viele Folgen. Aber: Ich gelobe Besserung und sobald die Sache spruchreif ist, sage ich natĂŒrlich Bescheid. Ihr könnt natĂŒrlich in der Zwischenzeit raten... Woran glaubt Ihr arbeite ich im Hintergrund? đŹ
Support the showVorschlĂ€ge/Bewerbung fĂŒr neue GĂ€ste:
- Tim Ebner auf LinkedIn
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Sooo, Zack Zack! Ab gehts mit der nÀchsten Folge hier! Wird ja allerhöchste Eisenbahn, einen Monat Funkstille... Sorry!
Wie lĂ€uft das bei Zooplus? Was sind die Herausforderungen aus Data & Analytics Sicht? Wie macht man Influencer zu anderen Performance KanĂ€len vergleichbarWelche Daten sind in welchen Netzwerk verfĂŒgbar? Welche sind in bestimmten Netzwerken nicht verfĂŒgbar? Was ist das Problem mit Daten, die Influencer manuell teilen?
Sarah und ich sprechen darĂŒber, wie man Influencer Kampagnen mit Daten besser planen, durchfĂŒhren und optimieren kann.Ganz nebenbei sprechen wir noch ĂŒber viele kostenfreie und kostenpflichtige Influencer Analytics Tools und was sie können, nĂ€mlich: Sideqik, Iroin, Kolsquare, Woomio, Infludata, Storyclash, Nindo, Hypeauditor und das gute alte Talkwalker ;)
Links:
Stellenmarkt: Business Intelligence Consultant / Data Scientist (m/w/d) bei der Lufthansa in Frankfurt - https://www.linkedin.com/jobs/view/3497334162/?alternateChannel=search&refId=1NHaB5CdmIbMa1EfwJ3%2FMA%3D%3D&trackingId=2JnmFB6ppJCoY0WgZ8X4KQ%3D%3D&trk=d_flagship3_search_srp_jobs Zooplus: https://www.zooplus.de/Jobs bei Zooplus: https://careers.zooplus.com/?utm-source=utm_source_teaser&analytics-id=qp85kbzn8noe-1aQ5KaTeQzoLFRPkjP1emgSarah auf LinkedIn: https://www.linkedin.com/in/sarah-sunderbrink/Tools: Sideqik, Iroin, Kolsquare, Woomio, Infludata, Storyclash, Nindo, Hypeauditor, Talkwalker
Support the showVorschlĂ€ge/Bewerbung fĂŒr neue GĂ€ste:
- Tim Ebner auf LinkedIn
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Moiiiiiin aus Kiel und DĂŒsseldorf! Jakob und ich sprechen darĂŒber, was TikTok als Performance Kanal so speziell macht, und welche typischen Fehler bei Werbeanzeigen immer wieder passieren. Dazu gibt es noch Tipps vom Profi, wie man einen Account Audit auf TikTok macht, welche technischen Sachen die KPIs verhageln können und welche aktuelle organische Kampagne Jakob richtig gut fand. Kleiner Spoiler: Es ist eine Recruiting-Kampagne von einem Garten-Landschaftsbauunternehmens.
Stellenmarkt: Junior Analyst (m/w/d) Nintendo in Frankfurt - https://www.nintendo.de/jobportal/pages/de_DE/corporate/career/job_offers/_junior_analyst.jspJakobs Agentur: https://jakobstrehlow.de/Jakob auf LinkedIn: https://www.linkedin.com/in/jakobstrehlow/Jakobs Lieblingskampagne auf TikTok: https://www.tiktok.com/discover/7-vs-wild-gartenbauJakobs Lieblingskampagne auf YouTube: https://www.youtube.com/watch?v=3D5t9SPWP8o
Links:
Support the showVorschlĂ€ge/Bewerbung fĂŒr neue GĂ€ste:
- Tim Ebner auf LinkedIn
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Also wenn die Tagesschau darĂŒber spricht, dann machen wir das auch: Die Rede ist von ChatGPT. Matthias Göbel und ich quatschen darĂŒber, was ChatGPT eigentlich ist, wer dahinter steckt, was man damit machen kann, wie es unter der Haube funktioniert, was man machen muss um loszulegen und darĂŒber, was die Vor- und Nachteile sind. Denn insbesondere wenn man GeschĂ€ftsideen oder andere sensitive Daten teilt, ist die Lage bei aller Experimentierfreude noch etwas unsicher.
Stellenmarkt: Leiter:in AI Factory (w/m/d) bei der Deutschen Bahn in Berlin - https://db.jobs/de-de/Suche/Leiter-in-AI-Factory-w-m-d-OFK-2-10066236Stellenmarkt: Claudia Pohlink - https://www.linkedin.com/in/claudia-pohlink/Nagra: https://nagra.ch/AllSocial Marketing Conference: https://allsocialconference.de/Matthias auf LinkedIn: https://www.linkedin.com/in/matthiasg%C3%B6bel/Matthias Linkliste mit seinen Social Kontaktdaten, Hands On Anleitungen zu ChatGPT, dem empfohlenen Podcast Editing Tool Descript und Bildgenerierung mit AI: https://buttoned-calendula-ad7.notion.site/ChatGPT-Hands-on-b4588eb499074eeabf5ea90da1e50e54
Links:
Support the showVorschlĂ€ge/Bewerbung fĂŒr neue GĂ€ste:
- Tim Ebner auf LinkedIn
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Jetzt wirdâs komplex: Sarah Sunderbrink von Zooplus erzĂ€hlt uns etwas ĂŒber Social Media Reporting im internationalen Kontext. Wie lĂ€uft das bei Zooplus? Was wĂ€re ein ideales Reporting? Wie sieht die RealitĂ€t aus? Warum ist es manchmal so schwer? Wie kann man das lösen? All diese Fragen klĂ€ren wir - nach einem ganz schön persönlichen Einstieg - in einem sehr spaĂigen GesprĂ€ch. Hört rein :)
Links:
Stellenmarkt: (Senior) Marketing Manager "Marketing Data und Analytics" (m/w/d) bei Penguin Random House Verlagsgruppe - https://jobsearch.createyourowncareer.com/PRH_DEU/job/M%C3%BCnchen-%28Senior%29-Marketing-Manager-Marketing-Data-and-Analytics-%28mwd%29-BY-81673/884881201/Stellenmarkt: Sarah Söhlemann - https://www.linkedin.com/in/sarahsoehlemann/ Zooplus: https://www.zooplus.de/OMR: #OMR22 Masterclass: Krisenmonitoring und -management mit Talkwalker | Bsp.: Too Good To Go & Zooplus - https://www.youtube.com/watch?v=nS_8x5_8NjABlogpost: How to Survive Corporate Politics as a Data Scientist / Ben Rogojan - https://betterprogramming.pub/how-to-survive-corporate-politics-as-a-data-scientist-ba914fac2471Blogpost: The most difficult thing in data science: politics - Alan Marazzi: https://www.linkedin.com/pulse/most-difficult-thing-data-science-politics-alan-marazzi/Kleine Triggerwarnung: Am Anfang sprechen wir auch ĂŒber Sarahs Nebenjob als Freie Rednerin, der auch liebevolle Reden auf Beerdigungen umfasst.
Support the showVorschlĂ€ge/Bewerbung fĂŒr neue GĂ€ste:
- Tim Ebner auf LinkedIn
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy -
Noch keine guten VorsĂ€tze? Ich weiĂ, ich nerve. Aber: Starte doch einfach Deinen eigenen Podcast! In dieser Folge erzĂ€hle ich, wie ich zum podcasten gekommen bin, welche Learnings ich in Sachen QualitĂ€t und Vorbereitung ich frĂŒh machen musste, empfehle Dir tonnenweise nĂŒtzliche Blogartikel, Tutorials und Testberichte und stelle Dir mein "Podcast MVP" (minimum viable Product aka schlankes Produkt) im Sinne von AusrĂŒstung, Artwork, Software und Redaktionsplanung/GĂ€ste vor.
Stellenmarkt: Senior Data Analytics & Controlling Manager Social Commerce bei Douglas: https://www.behindbeauty.de/jobs/Senior_Data_Analytics_%26_Controlling_Manager_%E2%80%93_Social_Commerce_%28f%2Fm%2Fd%29/&utm_campaign=Datendurst_Podcast Yassin Hamdaoui von Douglas im New Commerce Podcast: https://new-commerce.podigee.io/41-douglas-yassin-hamdaoui Jason Modemann, Host des New Commerce PodcastsPodcasts: https://www.linkedin.com/in/social-media-experte/Podcast Folge mit Jonas Rashedi: Verlieren wir uns zu sehr in Web Analytics? https://mydata.podigee.io/17-tim-ebner-jonas-rashedi-web-analyticsPodcast Folge mit Philipp von Loringhoven: Was hat Datenschutz mit Nachhaltigkeit zu tun? https://dataengage.podigee.io/38-fingerprinting-personliche-daten-was-wird-uber-uns-gesammelt-mit-tim-ebner Podcast Folge mit Philipp von Loringhoven: Innovation mit Daten https://dataengage.podigee.io/53-innovation-wie-wird-man-mit-und-durch-daten-besser Mikrofon Test: Rode Podcaster: https://www.mikrofon-test-podcast.de/rode-podcaster-mikrofon-test/ [Anzeige] Riverside Podcast Aufzeichnungs-Software: https://riverside.fm/Buzzsprout Tutorial: How to start a Podcast: https://www.buzzsprout.com/blog/how-to-start-a-podcast##podcast-equipment Riverside Tutorial: How to Edit a Podcast: https://www.youtube.com/watch?v=pUwVGWWKcHc&list=PLiFNLuoG5DuXzOwpI4qCxM6eO5fnjXo-kJennifer Marie: How to Transcribe Audio to Text for Free https://www.youtube.com/watch?v=sLlI6WdUsXE&list=PLiFNLuoG5DuXzOwpI4qCxM6eO5fnjXo-k&index=2 [Anzeige] USB C auf USB B Kabel bei Amazon https://amzn.to/3vsj2UQLuis Binder vom Podcast "Marketing im Kopf": https://www.linkedin.com/in/luisbinder?miniProfileUrn=urn%3Ali%3Afs_miniProfile%3AACoAAC3NVmA
Links:
Support the showVorschlĂ€ge/Bewerbung fĂŒr neue GĂ€ste:
- -
Jonas Rashedi - aus meiner Sicht "der" Data & Analytics Podcaster der letzten zwei Jahre - gibt sich die Ehre mein erster Gast zu sein. Zuletzt hat er als Head of Data bei Douglas gearbeitet, jetzt ist er Chief Data Officer bei FUNKE und GrĂŒnder der Agentur The Data GmbH.
119 Folgen mit ĂŒber 100 verschiedenen GĂ€stenein Takeover durch die OMR unddie Marke âBETTER THAN YOURSâ.
Jonas hat seinen Podcast MY DATA IS BETTER THAN YOURS in den letzten zwei Jahren zu auĂerordentlichem Erfolg gefĂŒhrt.
Zu Buche schlagen:Jonas hat fĂŒr 2023 sogar zwei Spin Offs fĂŒr seinen Podcast geplant: My Marketing is better than yours und My AdTech is better than yours.
Hat Jonas eigentlich von Anfang an gedacht, dass er so erfolgreich sein könnte? Was war die beste Entscheidung zu seinem Podcast?Welche Fuckups hat es in der kurzen Zeit schon gegeben?
In dieser Folge geht Jonas darauf ein, was die Ziele seines Podcast sind, ob diese sich ĂŒber die Zeit verĂ€ndert haben und welche Rolle ein Podcast in einer Customer Journey haben könnte.
Besonders spannend:
Support the show
Hört Euch die Folge an und findet es heraus.
Links
Stellenmarkt:
- Sebastian Bierbaum auf LinkedIn
- Jonas Rashedi auf LinkedIn
Interview:
- MY DATA IS BETTER THAN YOURS
- OMR Report: Data Driven Marketing â Strategy GuideVorschlĂ€ge/Bewerbung fĂŒr neue GĂ€ste:
- Tim Ebner auf LinkedIn
This podcast uses the following third-party services for analysis:
OP3 - https://op3.dev/privacy - Laat meer zien
