REWE trennt sich von Payback-Treuepunkten

REWE trennt sich von Payback-Treuepunkten

Avatar von Björn Schotte

Landauf, landab hat es die Presse-Runde (tagesschau, DER SPIEGEL, t-online und andere) gemacht: REWE trennt sich von Payback-Treuepunkten und damit einem scheinbaren Couponing-System.

Denn der wahre Grund heißt: Daten. Viele Daten.

Warum Payback?

Payback hatte seine Zeit. Es war die Zeit, in der der Aufbau von vielen, vielen (Kunden-)Daten sehr teuer war. Denn Speicher kostete vor vielen Jahren sehr viel Geld.

Das Auswerten von Daten war noch teurer: Teure Datawarehouse-Systeme gab es nur von SAP und Konsorten. Nicht nur im Retail-Bereich war an solche Systeme nicht zu denken.

So ist es also nicht weiter verwunderlich, dass Services wie Payback florierten. Schließlich versprachen sie einen tollen Deal: Der Kunde bekommt beim Einkaufen kleine Gutschriften, die er später in Prämien umtauschen konnte – eben bei allen Händlern, die im Payback-System mitmachten.

Die Händler wiederum bekamen auf einfache Art und Weise Wissen darüber, was und wie die Kunden einkauften. Das war der Preis, den viele Kunden gerne zu zahlen bereit waren.

Aufbau von Daten wurde billiger: Beginnende Vertikalisierung

Mit der Zeit wurde der Aufbau von Daten billiger. Ich überspringe gedanklich mal viele, viele Jahre und sage: Mit dem Vorhandensein von public cloud Systemen sind die Kosten für Speicherplatz irre gegen 0 gelaufen.

Es kostet halt einfach nicht mehr viel, diese Unmengen von Kunden-Transaktions-Daten (also den eigenen Kunden) selbst aufzubauen.

Mit den Jahren wurden also nicht nur die Terminal-Kassen modernisiert, sondern eben auch die internen IT-Systeme.

Vom Data Warehouse zum Data Lake

Der Enterprise-Ansatz war, in einem dicken Data Warehouse mit ordentlich schwergewichtigen Ansätzen zu wuchern. Daten mussten strukturiert abgelegt und systematisiert geordnet werden.

Mit der steigenden Datenflut hat sich das einfach nicht mehr gelohnt.

So sind eben Data Lakes entstanden. Unsortierte, unstrukturierte Seen an Daten aus den unterschiedlichsten Datenquellen. Die Datenquellen können ruhig an unterschiedlichen Stellen sitzen und müssen nicht in ein einziges Data Warehouse reingeschoben werden.

Stattdessen hat ein Paradigmen-Wechsel stattgefunden. Das Halten von Daten wandert von zentral zu dezentral.

Die Daten werden also stärker insource gehalten. Auf GDPR / DSGVO kann besser Rücksicht genommen werden.

Auswertungen am Data Lake: Data Mesh

Damit der/die Data Lake(s) gut ausgewertet werden können, benötigt es ein Data Mesh.

Daten sind jetzt überall zu finden. Sie sind das Ergebnis, ein Fingerprint dessen, was wir als Konsumenten bei jeder digitalen Aktion vollziehen.

Um also die Daten besser auswerten zu können, gibt es Data Mesh. Damit einher geht eine andere Art der Architektur in der Datenanalyse.

Aber auch das Operating Model verändert sich.

Data Mesh kennt vier Prinzipien:

  1. Domain Ownership: Der Abstand zwischen den Datenquellen und den Analyse-Systemen (Data Consumer) wird deutlich kleiner
  2. Data as a Product: Auf die Data Assets wird Design Thinking angewandt. Es entsteht ein Produkt: Nicht nur die Daten, sondern auch der dazugehörige Code, die Policies und die Infrastruktur bilden eine eigene Einheit, eben das Daten-Produkt
  3. Self-serve data platforms: Es benötigt eine eigene Plattform-Struktur, da ein Daten-Produkt gebaut, deployt, ausgeführt, gemonitort und natürlich darauf zugegriffen werden muss. Die Plattform muss für „Generalisten-Developern“ leicht zugänglich sein.
  4. Governance: Automatische Data Governance Policies sorgen für Ordnung, ohne dass es dafür zentralisierte Autoritäten benötigt

Data Mesh ist also deine Antwort darauf, wenn du deine Datenhoheit zurückgewinnen willst und diese Daten modern (Stichwort Data Lakes versus Old Data Warehouse) bearbeiten möchtest.

Doch Achtung: Data Lakes + Data Mesh haben auch Auswirkungen auf die Organisations-Struktur. Hier bedarf es einer Veränderung, damit insbesondere auch „Data as a Product“ entstehen und von den einzelnen Teams leicht konsumiert werden kann.

Gewinne deine Datenhoheit zurück

Erinnern wir uns zurück: Sicherlich gibt es noch Use Cases für das erwähnte Payback-System. Doch mit dem Voranschreiten der Technologie-Entwicklung der letzten 15 Jahre, der Verfügbarkeit von Cloud Providern, den abnehmenden Kosten für Datenspeicher, der Hinwendung von mehr Dezentralität als Folge des Ziels kürzerer TimeToMarket-Zeiten, werden solche 3rd Party Services immer obsoleter. Mit der Modernisierung zum Beispiel im Lebensmitteleinzelhandel entsteht natürlich auch ein Review der eingesetzten Systeme, hin zu mehr eigener Datenhoheit.

Unsere Cloud-, Data- und Software Consultants von MAYFLOWER helfen dir dabei, deine Datenhoheit zurückzugewinnen. Wir unterstützen dich beim Aufbau von Data Lakes, dem Einsatz von Data Mesh und dem Aufbau von Data as a Product Plattformen.

Melde dich bei uns und lass uns deinen Anwendungsfall unverbindlich besprechen.

Avatar von Björn Schotte

Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert


Für das Handling unseres Newsletters nutzen wir den Dienst HubSpot. Mehr Informationen, insbesondere auch zu Deinem Widerrufsrecht, kannst Du jederzeit unserer Datenschutzerklärung entnehmen.