Wissen · MDIBTY · Data · AI · Mittelstand
Daten. Klartext. Aus Praxis.
Die Wissensdatenbank von Jonas Rashedi (Chief Digital Officer, Springer-Autor, Host von MY DATA IS BETTER THAN YOURS / MDIBTY) bündelt sechs Pillars: Customer Data Platform, Datengetriebenes Marketing, Customer Insights, Datengetriebene Transformation, KI im Marketing und Data Mesh — fundiert in acht Springer-Büchern und 317 Podcast-Folgen mit CDOs aus Mittelstand und DAX.
Sechs Pillars, die zeigen, wie datengetriebene Entscheidungen im Mittelstand tatsächlich funktionieren — verankert in acht Springer-Büchern und 317 Podcast-Folgen mit CDOs, Data-Leadern und KI-Praktikern.
Customer Data Platform (CDP)
Eine Customer Data Platform bündelt Kundendaten aus allen Systemen in einem persistenten, identitäts-aufgelösten Profil und macht sie für Marketing, Service und Analytics kanalübergreifend nutzbar. Das klingt technisch — ist aber fast immer eine Politik-Frage. Dieser Leitfaden macht Schluss mit den Buzzwords und zeigt, wann du eine CDP brauchst, wie du sie einführst und welche Fehler du vermeidest.
Datengetriebenes Marketing
Datengetriebenes Marketing ist kein Kampagnenstil, sondern eine Arbeitsweise in fünf Phasen — Daten einsammeln, verstehen, entscheiden, automatisieren, ausspielen. Der Leitfaden zeigt, wie du den Kreis schließt, wo die meisten scheitern (Hinweis: Attribution) und warum Tools nie das eigentliche Problem sind.
Customer Insights
Customer Insights ist der Unterschied zwischen Zahlen und Verstehen. Dieser Leitfaden zeigt, wie du mit dem Eisberg-Modell, ABC-Analyse, Customer Lifetime Value, Clustering und den Analytics-Stufen von Descriptive bis Prescriptive strukturierte Kundenerkenntnis aufbaust — statt in Dashboards zu ertrinken.
Datengetriebene Transformation
Datengetriebene Transformation ist kein Tool-Projekt, sondern Organisationsarbeit. Dieser Leitfaden zeigt, was Maturity-Modell, CDO-Rolle, Governance und Datenkultur in der Realität bedeuten — und welche Fehler dich Jahre kosten.
KI im Marketing
KI im Marketing ist 2026 kein Zukunftsthema mehr, sondern Betriebsrealität — mit allen Ambivalenzen. Dieser Leitfaden trennt Use Cases mit echtem ROI von Demo-Effekten, erklärt die Compliance-Lage unter dem EU AI Act und zeigt, wo Mittelständler tatsächlich starten sollten.
Data Mesh
Data Mesh ist kein Tool, sondern ein Organisationsmodell: vier Prinzipien, die Datenverantwortung von einer zentralen Plattform in domain-nahe Teams verlagern. Dieser Leitfaden zeigt, wann Data Mesh Sinn ergibt, wo die häufigsten Missverständnisse liegen und welche Reifegrade auf dem Weg dorthin gebraucht werden.