Gastbeitrag:

Das Erfolgsgeheimnis für Startups liegt in den Datensätzen

Jürgen Vollmer, Director Central & Eastern Europe Pindrop

Einen einzigartigen Algorithmus zu besitzen ist für ein Unternehmen zwar ein guter Ausgangspunkt, reicht aber noch keineswegs aus, um mit den Giganten des Internets zu konkurrieren, die die nötigen Ressourcen besitzen, um kleinere Mitbewerber zu erdrücken und Marktmonopole zu errichten. Deshalb ist es unerlässlich, den Aufbau großer Bestände an Daten zu ermöglichen und zu fördern, die in die Algorithmen einfließen und sie ergänzen können. Diese Daten müssen dann mit Machine-Learning-Technologien analysiert und verarbeitet werden, um wertvolle Ergebnisse zu liefern. Wird dies versäumt, werden das Wachstum und die Innovationsfähigkeit des Startups schnell ins Stocken geraten. Für ein modernes Startup-Unternehmen kann es praktisch unmöglich sein, sich durchzusetzen, wenn es nicht in der Lage ist, Datensätze mit maschinellen Lernverfahren zu analysieren. Dafür kann es mehrere Gründe geben.


Daten, Daten und noch mehr Daten


Wenn ein Unternehmen maschinelle Lernverfahren auf seine vorhandenen Datensätze anwendet, kann es wertvolle Resultate erhalten, die ihm insbesondere helfen, einzigartige und personalisierte Kundenerfahrungen zu bieten oder die Lieferkette durch Automatisierung oder Alarme zu optimieren, um potenziellen Problemen zuvorzukommen. Maschinelles Lernen in Kombination mit einem großen, soliden Datenbestand ist für junge Unternehmen heute eine entscheidende Erfolgsvoraussetzung.

So hat Pindrop beispielsweise allein im vergangenen Jahr 400 Millionen analysierte Anrufe erfasst. Dies eröffnet den Kunden Zugang zu einer immensen Fülle wertvoller Daten. Die patentierte Phoneprinting™-Technologie unterscheidet betrügerische Anrufe von legitimen und meldet die Ergebnisse an eine Datenbank, damit Wiederholungstäter verfolgt, Betrugsfälle kategorisiert und Betrügerprofile erzeugt werden können. Dies macht es möglich, Betrüger, die Konsumenten auf der ganzen Welt im Visier haben, zu entlarven und zur Verantwortung zu ziehen.

Dank des Zugriffs auf eine so große Datenmenge lassen sich verdächtige Verhaltensweisen schnell aufzeigen und selbst komplexe Muster identifizieren, um ein umfassendes Bild zu gewinnen. So können die Kunden in Echtzeit informiert werden, wenn betrügerische Aktionen erkannt werden. Zudem lassen sich die Daten neben der Betrugserkennung auch noch zu anderen Zwecken nutzen. Sie können den Kunden helfen, Sicherheitsverletzungen zu vermeiden, und in Gesprächen mit Interessenten als Proof-of-Concept dienen.


Daten sind überall


In unserer rund um die Uhr vernetzten Welt ist ein Unternehmen immer öfter nur so viel wert wie die Daten, die es sammelt oder auf die es Zugriff hat. Für ein kleines Unternehmen kann der Zugang zu großen Mengen wertvoller Daten heute über Erfolg oder Misserfolg entscheiden. Dabei geht es stets darum, diese Daten zu nutzen, um eine individuelle Kundenansprache und maßgeschneiderte Geschäftsziele zu entwickeln und in einem gesättigten Markt für Tech-Startups wettbewerbsfähig zu bleiben.

Im Besitz eines einzigartigen Lösungsansatzes oder Algorithmus zu sein ist eine Sache – doch wie will ein Unternehmen sein Produkt auf spezifische Kundenwünsche zuschneiden und sich auf veränderte Marktanforderungen einstellen, wenn es keine Daten zur Verfügung hat? Startups, die wachsen möchten, müssen eine Reihe von Fragen klären, wie etwa folgende:


• Wie können wir die Konsumenten laufend mit aktuellen Produkten und Innovationen versorgen?
• Wie können wir den Kontakt zu Kunden halten, die bereits gekauft oder interagiert haben?
• Wie können wir die Markenloyalität der Kunden bewahren?


Alle diese Fragen lassen sich auf dieselbe Weise beantworten: Indem das Unternehmen die Daten nützt, die die Kunden bei der Registrierung auf einer Website oder beim Produktkauf bewusst zur Verfügung stellen, und ihnen auf dieser Basis spezifische, individuelle Erfahrungen bietet. Ein Startup-Unternehmen, das fähig ist, Datenprofile für Bestandskunden oder Interessenten anzulegen und diese Erkenntnisse in seinen Algorithmus einfließen zu lassen, um maßgeschneiderte Dienstleistungen zu erbringen, hat mit Sicherheit gute Karten.

Die Daten können dann von Machine-Learning-Programmen durchforstet und optimiert werden, um nützliche Erkenntnisse zu liefern. Hier kann sich ein Startup-Unternehmen von seinen Konkurrenten abheben. Entscheidend sind weder der Basis-Algorithmus noch die Menge der gesammelten und gespeicherten Daten, sondern die Qualität der Daten sowie die Fähigkeit, sie effektiv zu verarbeiten und zu nutzen.


Datenschutz ist Pflicht


Wenn ein Startup-Unternehmen damit beginnt, große Mengen an Kundendaten zu erfassen, muss es natürlich unbedingt die kommende Datenschutz-Grundverordnung (DSGVO) mitbedenken. In wenigen Wochen wird die DSGVO verbindlich, und spätestens von da ab muss der Datenschutz in allen Kanälen von Grund auf in sämtliche Geschäftsprozesse, Produkte und Dienste integriert werden. Außerdem müssen sich alle Mitarbeiter stets bewusst sein, dass sie die Konsumentendaten über sämtliche Kanäle hinweg schützen müssen, einschließlich des Online- und Telefonkanals.

Aus diesem Grund müssen Unternehmen – und gerade auch kleinere Unternehmen und Startups – die DSGVO als einen Weg begreifen, um eine robuste Datenschutzstrategie zu implementieren, die auch Anruf- und Sprachdaten sowie alle anderen Daten in den digitalen Kanälen umfasst.

Je stärker die allgemeine Vernetzung fortschreitet und je größer und komplexer folglich die Datenbestände werden, desto notwendiger wird es für Startup-Firmen, über die Funktionalität eines Algorithmus hinaus auf die verfügbaren Daten und Erkenntnisse zu blicken. Nur so kann ein Startup seine Geschäftsideen für Investoren interessant machen und mit den unaufhörlich wachsenden Technologieriesen konkurrieren.