Erreichen der digitalen Reife mit soliden Datengrundlagen

Im Rahmen von Googles "Learn With GMP"-Reihe haben Jackie Saplicki, Senior Director of Tech Consulting & Architecture, und Kosta Demopoulos, Senior Director of Enterprise Data Transformation, ein Webinar veranstaltet, in dem es darum ging, realistische und effektive Lösungen zu finden, die die Privatsphäre der Verbraucher respektieren und Ihre Marke zur digitalen Reife führen. Gemeinsam mit Lisa Tanzosh, Ads Privacy Specialist bei Google, erörterten sie die Schritte, die erforderlich sind, um Vertrauen in die Qualität von Daten zu schaffen - einschließlich wichtiger Überlegungen zur Bedeutung der Taxonomie bei der Entwicklung eines funktionalen Ansatzes. Falls Sie es verpasst haben, können Sie sich die vollständige Sitzung unten ansehen oder lesen Sie weiter, um die wichtigsten Erkenntnisse zu erfahren.

Eine starke Datengrundlage beginnt mit der Kontrolle.

In jedem Unternehmen gehen zuverlässige Datensysteme und eine gute Entscheidungsfindung Hand in Hand. Genau darum geht es beim Aufbau einer soliden Datengrundlage: sicherzustellen, dass die uns zur Verfügung stehenden Informationen zugänglich, zeitnah, vertrauenswürdig und zweckmäßig sind, damit wir die richtigen Schritte zur Erreichung unserer Geschäftsziele unternehmen können. Aber das geschieht nicht von selbst. Stattdessen hängt es von unserer Fähigkeit ab, die Kontrolle über die Daten auszuüben, die wir besitzen.

Ein guter erster Schritt, um diese Kontrolle zu erlangen, ist die Erstellung einer Liste aller bekannten Datenquellen, wie Anzeigenserver, Einkaufsplattformen und Analysetools. Daten befinden sich an vielen verschiedenen Orten, und wir müssen diese Kluft überbrücken, um einen vollständigen Überblick zu erhalten.

Sobald Sie diesen Rationalisierungsprozess durchgeführt haben, besteht die nächste Phase in der Einführung von Datenstandards und strengen Governance-Verfahren, um die Qualität der Daten zu bewerten. "Wir können dies tun, indem wir Medieneinkaufsplattformen und die Cloud-Infrastruktur nutzen, um zu verstehen, wie die Daten gemeldet werden, wie wir die Aufnahme in die Pipeline automatisieren können und dergleichen mehr", sagt Saplicki. "Identifizieren Sie anfällige oder fehleranfällige Bereiche und stellen Sie sicher, dass sie geschützt sind und die richtige Standardisierung um sie herum haben."

Die Datenqualität ist entscheidend.

Ordnungsgemäße Datenstandardisierung bedeutet, dass wir uns die Regeln ansehen, die wir verwenden, um sicherzustellen, dass wir einen guten Start hinbekommen. Dazu gehört auch die Benennung von Dingen. "Die Lösung des Problems der Taxonomie ist ein wichtiger erster Schritt", sagt Demopoulos. "Ein einziger Fehler in einem Objekttaxonomieeintrag oder im Glossarpflegesystem führt zu Berichtsproblemen und erfordert manuellen Aufwand, um den Fehler zu untersuchen und zu korrigieren."

Auch wenn es nicht immer einfach ist, die Bedeutung der Taxonomie vollständig zu erfassen, so ist sie doch das Fundament, auf dem alles andere aufbaut - einschließlich aller Schritte, die zu effektiveren kreativen und kosteneffizienten Kampagnen führen. In Zusammenarbeit mit Bayer haben wir eine hochkomplexe, aber einheitliche Taxonomie entwickelt, die bei der Analyse hilft und einen konsistenten Daten-Feedback-Kreislauf bietet. Auf diese Weise war das Team in der Lage, mehrere Datenquellen in einem einzigen Dashboard zusammenzufassen, das es ihm ermöglichte, Optimierungsentscheidungen zu treffen, die sich positiv auswirken.

Um ebenso leistungsfähige Taxonomiestrings zu erstellen, sollten Sie die verschiedenen Datenquellen und ihre spezifischen Begriffe und Anforderungen berücksichtigen. Berücksichtigen Sie dabei auch zukünftige Veränderungen auf dem Markt oder sogar innerhalb des Unternehmens. Wenn Sie es richtig anstellen, werden Sie die Früchte dieser Bemühungen über Jahre hinweg ernten; und wenn Sie jemals mit der Notwendigkeit konfrontiert werden, Änderungen vorzunehmen, minimieren Sie das Risiko, indem Sie dies während der Ausfallzeit tun.

Verdienen Sie sich das Vertrauen Ihrer Organisation.

Eine solide Datengrundlage mit tadelloser Taxonomie führt nicht nur zu einer guten Berichterstattung, sondern bietet auch eine gemeinsame Sprache, auf die sich alle verlassen können. Vor allem bei der Zusammenarbeit mit externen Partnern oder wenn neue Mitarbeiter zum Team stoßen, werden beschriftete und strukturierte Daten für das gesamte Unternehmen zugänglich.

Schließlich ist kein einzelnes Team vollständig für das Datenumwandlungsprogramm verantwortlich, das den Aufbau einer soliden Datengrundlage erfordert. Es umfasst Daten, Technik, Mitarbeiter, Marketing, Prozesse und mehr. Zu Beginn kann die Zusammenstellung einer Reihe von Anwendungsfällen sehr hilfreich sein, um die Zustimmung der verschiedenen Interessengruppen zu erhalten. Im Laufe der Zeit werden sie durch vertrauenswürdige und transparente Daten an Bord gehalten.

Insgesamt liefern Datengrundlagen einheitliche Datensätze in einer organisierten, sicheren Umgebung. Wenn Sie die Leistung Ihrer Content-Kampagnen verbessern und auf fortschrittliche Lösungen wie maschinelles Lernen zugreifen möchten, benötigen Sie vollständige, standardisierte Daten. Vor allem jetzt, wo sich die Datenschutzlandschaft verändert, gibt es keinen besseren Zeitpunkt, um den Weg zur digitalen Reife zu beschreiten und zu unterstützen.