3 Erkenntnisse aus dieser Folge
- 01
Dashboards sind Produkte, keine Einmal-Lieferungen. Wer sie nach dem Launch sich selbst überlässt, verliert sie — Fachleute nutzen sie dann weniger und weniger.
- 02
Retail-Daten sind selten das Problem. Die Herausforderung ist, aus vielen Quellen (Kassen, Online, Lager, CRM) eine konsistente Kunden- und Produktsicht zu bauen.
- 03
Data Governance in Retailern funktioniert am besten über Dashboards: Wer definiert eine Metrik? In welchem Dashboard? Ab wann gilt sie als abgestimmt? Das ist operativer Pragmatismus, nicht Theorie.
Worum es in dieser Folge geht
Philip führt den Analytics- und Data-Bereich bei Tchibo — einer Traditionsmarke mit Kaffeegeschäft, Retail, E-Commerce und Gastronomie unter einem Dach. Die Daten-Landschaft ist entsprechend divers, und die Frage, wie man daraus eine kohärente datengetriebene Organisation macht, steht im Mittelpunkt.
Die Storyline
Die typische Retail-Ausgangslage
Wir haben jede Menge Daten. Das ist nicht das Problem. Das Problem ist, dass unterschiedliche Bereiche dieselben Fragen mit unterschiedlichen Zahlen beantworten. Das macht Entscheidungen schwer.
Das ist der Retail-Klassiker. Kassensystem, E-Commerce-Plattform, Lager-System, CRM — alle haben eigene Wahrheiten. Die Aufgabe der zentralen Data-Einheit ist nicht, noch eine Wahrheit zu bauen, sondern die vorhandenen zu harmonisieren.
Dashboards als Kultur-Werkzeug
Philip beschreibt einen Ansatz, den ich clever finde: Dashboards sind für ihn keine Endprodukte, sondern Diskussions-Anker. Wenn zwei Bereiche über "den richtigen Wert" streiten, verhandelt man am Dashboard. Das zwingt beide Seiten, Definitionen zu formulieren, und schafft Governance durch operative Praxis.
Governance durch Dashboards
Statt ein riesiges Data-Governance-Projekt aufzusetzen, hat Tchibo eine pragmatische Lösung: - Jede zentrale Metrik hat ein Owner-Team. - Jede Metrik-Definition ist im Dashboard sichtbar. - Wenn sich die Definition ändert, wird das dokumentiert und kommuniziert.
Das ist kein Lehrbuch-Governance-Ansatz, aber er funktioniert — weil er an der Stelle ansetzt, an der die Leute arbeiten.
Data-Culture als Nebeneffekt
Philip sagt etwas, das mir gefällt: "Datenkultur entsteht nicht durch Plakate, sondern durch gute Werkzeuge." Wenn ein Einkäufer-Team ein Dashboard hat, das ihm morgens in 30 Sekunden die wichtigsten Zahlen liefert, arbeitet dieses Team automatisch datengetrieben. Ohne Schulung, ohne Predigt.
Was andere Retailer davon lernen können
- Investiert in wenige, sehr gute Dashboards. Nicht 50 mittelmäßige, sondern 10 ausgezeichnete.
- Behandelt sie als Produkte. Owner, Roadmap, Weiterentwicklung.
- Macht Metrik-Definitionen sichtbar. Das ist praktikable Governance.
Warum mich das besonders umtreibt
Ich erlebe in Data-Diskussionen oft eine Überformalisierung von Governance — Komitees, Frameworks, Dokumentationen. Philip zeigt den einfacheren Weg: Mach die Werkzeuge so gut, dass Definition und Nutzung zusammenfallen. Das ist pragmatisch und funktioniert — gerade in gewachsenen Retail-Strukturen.
Jetzt reinhören
Jetzt reinhören
Diese Folgen könnten dich auch interessieren
Folge 323
Solo gegen alle: Wie 15 Jahre Datenhandwerk eine D2C-Brand allein tragen
Carlos Yniguez · 60Kollektiv
Folge 322
KI in NRW: Warum 90 % des Mittelstands noch nicht wirklich anfängt
Christian Temat · KI.NRW (Fraunhofer IAIS)
Folge 319
Warum Data Mesh ohne Data Citizens scheitert
Jonas Kell · Siemens Energy