Warum im Team die belastbare Baseline noch fehlt – mit Eva S., auxmoney

In der heutigen Folge spreche ich mit der Lieben-Efer von Augsmani. Es geht über das Thema, was stand eigentlich schon vor vier Jahren und warum machen Sie jetzt eine neue Migration und Mächen mehr wert entsteht eigentlich dadurch? Seid gespannt. Neue Folgen jeden Freitag. In dieser digitalen Welt gibt es einen speziellen Faktor der Übererfolg und Misserfolg entscheidet. Daten. Doch nur die wenigsten wissen Sie für sich zu nutzen. Wer seine Kunden verstehen will, um Ihnen das Bieten zu können, was Sie brauchen, kommt um ein professionelles Datenmanagement nicht herum. Jonas Rasché, die Interviewt andere Experten aus den Data-Bereichen und zeigt Schritt für Schritt, wie genau das funktioniert. Mein heutiger Gast bringt mich auf eine kleine Zeitreise. Die Liebe-Efer ist nämlich von Augsmani. Ich habe vor einigen Jahren, ich glaub schon über vier Jahren, dann sieht man, wie lange der Podcast schon existiert, mit dem Marius aufgenommen. Da haben wir, glaube ich, damals aus seiner Sicht. Ich weiß nicht, ob er da noch Teamlied war, aber so ein bisschen seine Migration besprochen und die Tool-Impplementierung, wie er damals hat. Heute spreche ich mit den Lieben-Efer, die mir gegenübersitzt. Nämlich genau zu dem Thema, sie migriert wieder das, was wir damals besprochen haben, Richtung Snowflake, also ein anderen Anbieter. Und das Spannende ist, Efer kennt man schon ein bisschen aus der LinkedIn-Babel, Event-Babel, über 17 Jahre Erfahrung im Analythics-Bereich. Es ist jetzt Teamlied und zwar für Analythics-Themen und Process-Themen bei Augsmani und kommt so ein bisschen mit dem Blickwinkel-Customer-Management-Customer-Service. Hi, Efer. - Hallo Jonas, schön, dass ich da bin. Aber ich was vergessen bei der Vorstellung oder bei der Entro? Nein, ich glaub, sehr gut zusammengefasst, ja. Um dich gleich am Anfang so ein bisschen aus der Reserve zu kitzeln, bist du ja so die Persönlichkeit, über die man so ein bisschen spricht, wo du auch plakativ außen sagst, es macht keinen Sinn, über 40 Dashboards zu haben, weil die Klarheit fehlt, weil die Anforderungen nicht hinter jeder Anforderung sollen, Business-Case stehen. Das ist natürlich diese harte Gauernens-Rücke. - Ja. Jetzt frech ich mir aber über das Thema. Und du bist operativ in dem Team tätig, wo man Reports braucht, wo man Entscheidungen da vielleicht auch drüber trifft. Ersten Report braucht dann eine Scheidung trifft. Nimm uns mal mit, worum sich das jetzt vielleicht geändert hat oder worum sich vielleicht nicht geändert hat. Ich glaub, meine Ansicht hat sich nicht geändert. Ich glaub, immer noch, dass viele Firmen zu viele Dashboards haben. Ich glaub, man muss Dashboards als das sehen, was sie sind. Das sind super für Hygien-Faktoren. Die sind super, um einfach zu sagen, alles läuft gut. Wir gucken auf ein paar KPIs und so lang die Stabillaufen funktioniert. Ich glaub, das ganz oft, aber Dashboards dann dafür verwendet werden, um Sachen zu begründen. Und ich glaub, das ist einfach zu kurz gegriffen. Ich glaub, gerade in die, wenn man das Wien hinter den Kennzahlen anguckt oder was das ist, warum, muss man eigentlich dann in die Tiefenanalyse gehen und die dauert deutlich länger als in Dashboard zu bauen. Normalerweise. - Mhm. Ich glaub, davor scheuen Firmen oft zurück. Deswegen werden Dashboards gebaut. - Die Tiefenanalyse. Ja. - Ja. Hast du mal einen konkreten Beispiel? Na ja, zum Beispiel ist es relativ einfach zu sagen, wie viele Kunden haben. Jetzt z.B. bei Oxbanni. Wir beschäftigen uns ja mit Privatkrediten für Kunden. Grundintern, wenn wir jetzt sagen, wir gucken uns die Entwicklung an, wie viele Kunden ihre Lastschriften zurückrufen oder zurückgerufen werden, aus verschiedenen Gründen, dann kann man das in den Dashboard, kann man die Entwicklung nach oben oder nach unten sehen. Aber wir wissen immer noch nicht, warum das so ist. Und ich glaub, daran müsste man einfach in die Analyse gehen, in die Tiefenanalyse und das ist dann, wenn man nur mit Dashboards arbeitet, da war es unglaublich lang, dann in die Tiefenanalyse zu gehen. Und so sagen, warum passiert das eigentlich? Brauchen wir ganz andere Tools, brauchen wir gegebenenfalls auch. Irgendwie den direkten Kontakt mit den Kunden, um überhaupt herauszufinden, was da passiert, nicht alles kann man über Daten, über Kandidative Daten erheben. Und genau, deswegen glaube ich, dass der reine Fokus auf Dashboard schon nicht ausreichend ist. Ja, lasst uns da mal ein bisschen weiter reinhauen. Jetzt komme ich aus den Management, dafür Management sein. Da ist doch immer das Thema Ressourcenknappheit und überlegen, wo wir investieren, wir jetzt die Ressourcen. Jetzt haben wir die EFA, die sich mit den Thema Analytics sehr gut auskennen. Die würde ich ja nicht mit dem Thema Lasstriften behälligen, wenn mir nicht klar ist, auf Dashboard eben, dass da eine Herausforderung sein könnte. Also ich brauche Hennerei, ja eigentlich immer eine Temperaturanzeige, um zu entscheiden, ob ich da ans Detail gehe. Genau, das meint ich vorher mit den Hygienifaktoren. Man braucht natürlich sozusagen Grafen, man braucht natürlich die Kennzahlen, die man sich monatlich oder wöchentlich oder täglich anguckt. Ich glaube, was oft fehlt, zumindest aus meiner Erfahrung, ist, dass man dann aber auch so Ober- und Untergrenzen hat, die man sich einmal definiert. Also oft guckt man, sagt auch, ja, das geht jetzt von 35 Prozent auf 30 Prozent, nächsten Monat auf 25 Prozent. Trotzdem ist überhaupt noch nicht klar, ab wann müssen wir den reagieren. Es ist viel schwieriger zu sagen, was ist die Untergrenze, wo dann unser Geschäft vielleicht wirklich gefährdet ist, oder wo wir eigentlich davon ausgehen müssen, dass es ein tatsächliches Problem gibt und was sind normale, seesonale Schwankungen. Also das wird aus meiner Sicht zu wenig gemacht, dass man wirklich sagt, was sind so eben Ranges innerhalb dessen des Geschäfts noch gesund ist. Und dann muss man tatsächlich auch sagen, ja, jetzt, wenn wir wissen, dass diese KPI wichtige ist und wenn wir wissen, dass diese KPI uns etwas sagt, was das Geschäft betrifft, dann müssen wir dann die Analyse gehen, genau. Gibt es so ein Learning aus der letzten Zeit, aus den über 17 Jahren, wo du den Hörenhören mitgeben könntest? Ich glaube, die meisten, also aus meiner Erfahrung, viele Firmen haben zu viele KPI's, weil es super schwierig ist, sich so auf fünf KPI's oder drei oder vielleicht sogar eine wirklich zu fokussieren, weil natürlich alle Angst haben, dass sie was verpassen. In einer meiner früheren Firmen hatten wir dieses Konstrukt von dem Morstah, und dann sozusagen, okay, die heißt, die darauf einzahlen, so wie so ein Treiberbaum. Können wir auch oft aus dem UKR konzentrieren? Genau, genau, genau. Das fand ich super gut, es war total schwierig umzusetzen, weil, natürlich, meistens, du kannst KPI's nicht miteinander adieren oder sumieren, oder sozusagen, um dann wirklich diesen Norst dazu erreichen. Und meistens ist es komplexer. Aber die Idee dahinter ist sehr gut, dass nicht alle KPI's auf einer Stufe gleichwärtig sind, sondern dass man eigentlich eine KPI hat und andere KPI's auf diese einzahlen. Aber das machen finde ich wenige Firmen aus meiner Erfahrung. Ja, ich werde immer bei einem Treiberbaum herlöre ich, weil, also wenn du KPI dir anschaust, die Performance Indikator, und ich glaube, viele Firmen sind das mit Metrik, kannst du ja einfach auf Basis einen Treiberbaum schon klar sagen. Ich brauche mal Umsatz, ich möchte die Marge optimieren und co. Und hast dann vielleicht wirklich immer nur die Top 3, Top 4, KPI's, die jedes Unternehmen hat. Und dann kannst du ja theoretisch, was unterschiedliche es pro Geschäftsmodell in so Treiber eingehen und die Kennzahlen angucken. Und da müsste man ja eigentlich entscheiden, ist zu welcher Ebene stellst du die Metriken im Dashboard da? Und ab welcher Ebene gehst du ins tiefer Analytics? Und ich merke das jetzt gerade auch bei uns, die Analytics-Themen, die Datenmodelle sind dafür ja gar nicht vorbereitet. Du akrigierst maximal hoch, um die Performance gut zu haben, um die Dashboard schnell darstellen zu können, um eine gewisse Historien und darzustellen. Und wenn du dann, aber wie du sagst, eigentlich in die Details, warum ist das so oder im Vorkastingbaus, dann zerlegst du dein ganzes Datenmodell wieder komplett. Ja, in dem schlimmsten Fall hat man dann arbeitet, dann mit unterschiedlichen Datenquellen, die Stimmen aus welchen Gründen auf immer gegebenenfalls nicht überein. Genau, da kommt man dann in 100 Probleme. Ja. Ich war jetzt haben wir, oder habe ich vor vier Jahren mit Marius zum Thema Migration gesprochen, welches Tool war das damals? Die sind auf Exa-Sol, es damals migriert worden. Genau, und auf Science, als das Visualisierungstuhl. Jetzt gehst du weg, oder geht ihr weg zu Snowflake? Und. - Tablo. Wobei Tablo wurde schon implementiert. Ja. - Statt Science, genau. Und auf Snowflake migrieren wir gerade. Ja. - Genau. Jetzt wissen wir beide, dass das Projekt und Migrationsprojekt nicht schnell erledigt ist und große Schmerzen hat. Jetzt habt ihr das vor vier Jahren schon mal gemacht. Wart für es wahrscheinlich vor X-Jahren dann fertig. Warum macht man das jetzt mit Snowflake? - Ja. Also, ich bin ja noch gar nicht so lang bei Oxmani. Deswegen habe ich mir jetzt von Marius sehr viel Intel geholt. Ja. - Für unser Gespräch. Genau, ich glaube, damals war auch schon die Überlegung auf Snowflake zu gehen. Damals war es Snowflake, allerdings noch nicht so user-friendly, noch nicht so zas- oder software-Service. Und man hat sich damals für Exa-Sol entschieden. Ich glaube, inzwischen, wir sehen einfach die Skalierung und auch was wir mit den Daten machen wollen, dass wir auch eine bessere Governance haben, dass wir schneller skalieren können, dass wir schneller Daten dreid stellen können und flexibel sind. Das hat uns dann schlussendlich, ich glaube, 2024 dann dazu bewegt, dann doch noch mal alles aufzubröseln und die Entscheidung zu treffen, noch mal zu mikrieren. - Genau. Mhm. Und warum seid ihr nicht beim gleichen Anbieter gewesen? Also, lass mich die, was ich verstanden habe, warum ich es gemacht habe, ist ihr seid im Reifegrad, um es zu vergemeinern, in der Organisation, wie man mit Datenarbeit gestiegen, dadurch habt ihr neue Anforderungen bekommen, die nicht nur auf einen Datenmodell, sondern auf weitere Themen. Einhergeht und ihr habt euch entschieden, das neu zu machen. - Genau. Jetzt ist es ein größeres Projekt, wofür man von der Geschäftsleitung und Co. ist wahrscheinlich große BG-Sbrauch. Wie begrüßt man so was? Da ist Mario, ist wahrscheinlich der bessere Ansprechpartner, aber ich glaube, schlussendlich geht's darum, wir müssen stabile Daten liefern für die Fachbereiche. Ich bin ja einer der Fachbereiche sozusagen. Also, ich bin das an der Lütigsteam in einem der Fachbereiche. Man muss deutlich flexibler sein, man braucht bessere SLAs und wir sehen, dass wir die mit Snowflake besser bedienen. können. Tatsächlich ist das Naufleck bietet ja. sehr viel, was viele reine SQL-Datenwanken gar nicht können, zum Beispiel allein die Integration von den Notbox, das man auch peifen verarbeiten kann, dass wir am Data sein, auch direkt ins No-Flex verarbeiten können. Das ist für unsere Modellierung von den ganzen Modellen, die wir haben, bei Oxmani, super spannend. Dass wir das so eine Plattform jetzt haben, die uns wirklich alles eigentlich anbietet. Also wir wechseln ja nicht nur von Extra-Sol-Weg, wir wechseln ja auch von einem Statistik-Tool-Weg von SAS, auch zu Snowflag, also wir mikrieren gerade mehrere Tools, auch ein Einscanon. Und das da ist der Vorteil von Snowflag riesig. Ja, wenn viele Hörernhörerinnen fragen mich immer wieder, was ist so die Blaupause? Ihr verkannt so uns mal ein bisschen Schritt für Schritt durchführen, wie ich mir so eine Migration vorstellen kann oder die Hörer sich vorstellen können. Ich weiß nicht, ob was auf Wochenbasis, Monatsbasis, was so eine Anleitung. Ja, es war es jetzt vielleicht. Ich glaube, also, ich glaube es gibt bei Migrationen immer, es gibt den Idealzustand, den man am Anfang, den man sich überlegt, den man plant und dann gibt es die halte Realität und sozusagen das idealerweise weicht's nicht zu sehr voneinander ab. Ich glaube, idealerweise sollte man, also wenn ich jetzt vor allem an meinen Team denke, nicht an die gesamte Snowflag Migration, weil alle Teams mikrieren gerade parallel, aber meinen Team, wir haben uns am Anfang, haben wir uns überlegt, was muss überhaupt migriert werden. Das ist besonders für ein junges Team, wie meinens eine Herausforderung, weil viele der Dinge, die jetzt produktiv laufen bei uns, viele der Prozesse im Kastenmaßövers, die haben wir gar nicht selber geschrieben. Das heißt, die laufen schön, die sind schön, stabil und dann müssen wir die anfassen und müssen die mikrieren. Das ist eine Herausforderung für Analysten und Analystern. Aber das heißt, erstmal einfach mal eine Bestandsaufnahme zu machen, was muss migriert werden? Idealerweise überlegt man da auch schon mal, was muss alles nicht mikriert werden, weil normalerweise eine Migration ist. Ja, genau. Es bietet wunderbar die wunderbare Gelegenheit einfach auch mal aufzuräumen. Dann versucht man rauszufinden, okay, womit fängt man an. Ich bin immer ein Fan davon, dass man nicht mit dem dringendsten und komplexesten anfängt, sondern mit was leichtem, damit man so ein bisschen Learnings schon hat. Das haben wir gemacht. Wir haben so ein paar Monitoring-Prozesse, die wir schon mikriert haben. Und jetzt gerade starten wir oder haben gestartet mit den drei großen operativen Prozesse, Prozesse, die wir im Team haben und mikrieren die. Genau. Und dann wird ganz viel getestet, das heißt, altprozesse und neue Prozesse und dann. Umsogleichen, dass sie da sind. Aber ihr werdet kranolara, habe ich verstanden in den Datenmodellen. Das heißt, kann man da überhaupt eine Vergleichbarkeit herstellen? Ein Prozess ist zum Beispiel, dass wir Kunden, die aus welchen Gründen auch immer die Lastschrift zurückgezogen haben, dass wir die ermitteln und dann möglichst schnell an unsere Telefonie übergeben. Das heißt, dann können die angerufen werden, dann können wir Sprachen werden. Wie macht ihr da. Was willst du machen? Genau, was ist passiert? Willst du eine Ratenplanänderung machen? Brauchst du eine Pause, wie auch immer? Einfach um den Kunden möglichst schnell auch zu heilen. Damit der Kunde dann. Wir wissen, je höher die Mahnstufe, desto höher natürlich auch das Risiko, dass der Kunde ausfällt. Das heißt, wir wollen relativ schnell zu versuchen mit dem Kunden gemeinsam in der Lösung. Also eher proaktiv als reactiv zu handeln. Ja, genau, genau. Ist auch ein guter Service für den Kunden. Ja, auf jeden Fall. Und wir haben da auch wirklich auch eine hohe Effizienz, wenn wir uns diese Prozesse angucken. Teilweise haben wir eine Effizienz von über 30 Prozent, dass wir die Kunden heilen können. Es ist in dem Markt bei Privatkrediten, ist das richtig gut, weil die Kunden. Das sind normalerweise Kunden, die nicht zu viel Geld haben sozusagen. Deswegen, dazu sagen wir, können wir uns gemeinsam mit die um eine Lösung und dafür müssen wir aber schnell sein. Das sind die Prozesse, die wir betreuen in meinem Team. Und deswegen sollte da natürlich. Also ja, wir werden ein Kranolaure auf der Daten Ebene, aber das Ergebnis, welche Kunden übermittelt werden sollte, natürlich das Gleiche sein. Ja. Das heißt, sie spricht aber wenig bei euch über harte Zahlen, sondern eher Prozesse, die beim Customer-Management eben auch wieder Prozesse auslösen. Ja, genau. Also Breitstellung von wirklich am Ende, Kundeninformation. Genau, genau. Und sowohl also Kundeninformationen für Telefonie, für E-Mail-Kampagnen, auch für andere Marketing-Kampagnen, wo wir sozusagen glauben, wir könnten zum Beispiel bei Kunden noch andere Angebote machen. Auch das wird von uns heraus ermittelt. Und wir haben eine Partnerbank, das heißt, wir arbeiten auch mit denen ganz stark zusammen, dass aufgrund der Buchungsdaten von denen wir dann unsere Prozesse optimieren. Als wir so ein bisschen vorgespräch gesprochen haben, habe ich mir nur tiert gehabt, dass du gesagt hast, dass das Schöne am operativen arbeiten, ist so ein bisschen, dass du eins zu eins ausrechnen kannst, wie viel Geld verdient Augsmanie durch euch oder Behälz oder gibt es ja unterschiedliche Konstellationen. Und sehr, wenn man das sich nochmal ein bisschen angucken, ein bisschen zurückgeht, eins der spannendsten Punkte aus dem Management. Glaube ich, dass ich viele Manager-Schwer-Tun zu entscheiden, warum sollte ich jetzt in Sonnen, sind ja meistens hohe Sexstellige oder siebenstellige Projekte investieren und das, was eigentlich funktioniert, noch mal neu bauen. Und die zweite Frage, die man sich dann auch schnell Management vielleicht gefallen lässt, gefallen lassen muss, oder eher aus Management, welchen Mehrwertstiftet überhaupt. Das ist bei Bankunfeld, glaube ich, noch ein bisschen einfacher. Mein anderen Bereich kommt, glaube ich, schon öfters die Frage, weil noch weniger auf der Sports geschaut werden, dann weniger Kennzahlen hinterfragt werden und damit wenigativen Analyse passieren. Macht es mal konkret jetzt nach meinem langen Monolog. Jetzt heißt das einmal den Beispiel genannt, dass du Daten exportierst, die eben du hast es heilen genannt für Lassschriften. Was sind noch Themen, wo ihr quantifizieren könnt? Andere Themen sind zum Beispiel, also gerade wenn du, wenn wir jetzt drüber reden, weswegen wir migrieren, also vielleicht auch um da so ein bisschen Optimierungspotenziale auch zu sagen, wir haben momentan Prozesse, die, wir nennen sie Monitoring Prozesse, die verwachen, das alles gut läuft, dass die Kunden gut bedient werden, dass die Kunden richtig bedient werden, Kunden, also es gibt ganz klare Richtlinien, wann in Kunde zum Beispiel in eine andere Mannstufe rutscht, den nächsten Mann schnüpferutscht und das kann natürlich starke Konsequenzen für die Kunden haben. Das heißt wir müssen uns sehr sicher sein, dass wir da wirklich dem Prozess 1 zu 1 folgen, das heißt wir haben Prozesse, die nur unsere Prozesse überwachen. Und ein so ein Prozess dauert halt momentan in unserem Altsystem an die 4 Stunden und wir haben dann jetzt migrieren aus Norfolk und er dauert 10 Minuten und das ist einfach einfach diese Flexibilität, die Datenmengen ist genau die gleiche, klar wir haben ein bisschen optimiert, aber hätten wir irgendwann, also sozusagen trotzdem die Datenmengen ist die gleiche, aber einfach diese Schnelligkeit, dass wir jetzt sagen können, wir können das jederzeit ausführen und nicht nur wenn einer gerade 4 Stunden mehr oder weniger des Programm nebenher laufen lassen kann und nebenher ein Kaffee trinken kann, sondern das läuft rein aus der operativen Arbeit, dass wir schnell die richtigen Daten zur Verfügung haben ist ein Traum. Wenn wir da jetzt mal ein bisschen tiefer reinbohren, Finger in die Wunde legen, hast du dann eine Baseline vorher nachher, wo das belegen kannst, das heißt jetzt 4 Stunden versus 10 Minuten, okay, es ist schneller geworden, aber dadurch speicherts Unternehmen ja jetzt nicht zwangsweise Geld. Ne. Was sind denn noch kein Zahlen, die oder wo ja, ich das anscheinend? Also noch ist es bei uns zumindest im Team schwierig zu sagen, weil wir einfach jetzt gerade die großen Prozesse, die uns wirklich dann Zeit und Geld sparen oder vor einem Zeit sparen werden, weil wir die erst migrieren, wir wissen wirklich noch nicht. Okay, ich stelle die Frage zu früh. Ja, genau, genau, fairer Punkt. In einem Jahr vielleicht. Also noch schnell den Fall schon gezogen, um der Frage auszuwerchen. Jetzt wird es ein bisschen für mich spannend und persönlich, wir hatten ja die Situation Marius war da, wir haben über das Thema Exa-Solge gesprochen, war die damals um Pram? Nee, war auch schon eine Cloud, ne? Ja, eine Cloud. Allerdings auch in der europäischen Cloud, ja, genau. Ja, ja. Da ging es ja um als die zentrale Analytics-Badenbank und dann haben wir uns ein bisschen über Kreditentscheidungen gesprochen. Du bist ja schon sehr bei, versteh ich, er ist Kunde, also die Entscheidungen schon getroffen und da war schon die Aussage 80 bis 90 Prozent aller Kreditentscheidungen laufen, ohne man neue Prozesse laufen, komplett digital. Jetzt mikrierte auf Snowflake, du hast gerade über die Kundenmanagementprozesse gesprochen. Wie muss ich mir da vorstellen? Schaf ich jetzt 100 Prozent, so sehr wunsch denken, aber was krieg ich da hin? Also 100 Prozent sicher nicht, ich glaube, das ist wie du sagst, das ist unrealistisch. Ich glaube schon, dass wir immer versuchen, da auch zu automatisieren. Also deshalb ist gar nicht nur direkt, was mit Snowflake zu tun, aber wir arbeiten auch sehr stark mit KI, wir machen zum Beispiel, wenn reinkommenden E-Mails und das sind auch mehrere Tausende teilweise im Monat, 10.000, machen wir Intentrackognition momentan auf KI. Das heißt, dass einfach schon die richtigen Leute, die richtigen E-Mails sofort in die Kube bekommen. Ja. Weil den großes Team hat, was ist aber weit? Ja, genau. Aber wir haben ein großes Customer-Service-Team in Haus, was wirklich sozusagen mit den Kunden live redert und sowohl E-Mails als auch Telefonie und je effizienter wir denen, die richtigen Sachen zuschicken können, dass du besser. Genau. Und ich glaube da ist schon, also und wir versuchen natürlich auch, wir haben ja auch eine App für unsere Kunden, wir versuchen natürlich auch den Self-Service-Gedanken in der App zu verbessern. Also kein Kunde muss heutzutage noch anrufen, um sich in Dokuments sozusagen irgendwie ein Konto-Auzug sozusagen zu bestellen. Das könnte alles in der App und da versuchen wir dann natürlich auch den Kunden das Schmackhaft zu machen, weil es einfach schneller geht. Das heißt, ich würde euch jetzt nie mehr schreiben, mit ich hätte gerne ein Konto-Auzug und ihr würde jetzt automatisch Antworten mit Hosten mal in der App probieren. Das ist das Ziel. Ja, genau, genau. Ja. Aber seid ihr noch nicht so? Wir fangen gerade an, das sind so genau die Sachen, wo wir sagen, sollen wir die Kunden jetzt zwingen, die Diab zu gehen? Abenteil, was wir haben, wir auch Kunden, die aus berechtigten Gründen die App gar nicht nutzen. Das heißt, wir können auch sich sagen, wir zwingen jetzt alle Kunden, aber wir versuchen schon zu sagen, in der App geht's deutlich schneller, macht es doch mal da. Ja, es ist eine spannende Punkt, Eva, weil das, also im 100% meiner Arbeitszeit verbringe ich aber Falke, und nicht ganz 100% eines Arbeitsalltags im Sinne von, weil ich auch bisschen mehr arbeite, aber in der Zeit, wo bei Falker haben wir jetzt das Thema Customer Service optimiert, da will ich hin. Und das ist ein ganz spannender Punkt, und da haben wir genau das gleiche gemacht, was du gesagt hast. Wir sind nicht an die großen Kernprozesse am Anfang, sondern wir haben uns erstmal angeguckt, wie viele Anfragen kriegen wir? Wie viele Anfragen sind Anfragen, die mit einer E-Mail beantwortet werden von uns als Antwort? Wie viel sind die länger dauern? Und wir haben schon hohen Anspruch an unseren Customer Service und an unsere Antworten, sehr premium-like, wir beantworten viele Sachen, wo man noch sagen könnte, vielleicht bin ich nicht, muss ich beantworten. Und da haben wir auch schnell festgestellt, dass so was wie, wo es mal rücksendet, Etiquette, einfachere Glimmationen, die konnten wir darüber beantworten. Dadurch haben wir auf der einen Seite, glaube ich, auch das Projekt team motiviert und bei auf der anderen Seite auch getestet, ob es technisch möglich ist und jetzt fangen wir auch da an tiefer zu werden. Und ich glaube, das gibt dann einmal Sicherheit, funktioniert oder funktioniert nicht? Ja, genau. Und ich glaube, also gerade bei Kreditdingern, bei Gelddingern, glaube ich, sind natürlich Kunden, wenn irgendwas schief geht, rufen Kunden an. Also das haben wir jetzt auch, wir hatten jetzt vor ein oder zwei Monaten hatten wir einen Customer Day, wo wir wirklich Kunden im Office hatten und mit denen gesprochen haben, das war super, ja. Und da war auch wirklich so die eine einhellige Meinung, wenn irgendwas mit meiner Zahlung nicht funktioniert, natürlich ruf ich euch an. Also Kunden wollen auch Zahlen, Kunden wollen, dass es funktioniert und dann so einen guten Mittelweg zu finden zwischen, was können wir gegebenenfalls automatisieren, auch vielleicht auch automatische Antworten, weil die KI schon so gut ist, dass die KI antworten kann und wo braucht es diesen persönlichen Touch, damit der Kunde sich einfach aufgehoben fühlt und wertgeschätzt fühlt und einfach das Problem dann nicht gegebenenfalls in so einem Ping-Pong aus Kunde und KI im schlimmsten Fall ändert. So, genau. Ja, schon ein paar mal erlebt jetzt. Ich möchte gerne ein Service widersprechen. Wie kann ich ihre Frage anwohnen? Stellen Sie Ihre Frage an das? Nein, ich möchte Sie nicht an der Stelle hin. Ich habe es Sie leider nicht gestatten. Ja, genau, genau. Ich glaube, da geht die Reise hin, was ich hier gerade ein bisschen problematisch finde und war mal die Situation. Ich weiß nicht, ob es schon mal ein Podcast erzählt hat, vor mir sind meine Reisezeiten, versuchen immer ganz abends hinzulegen. Also ich fahr gerne in die Nacht rein und weißt dann meistens nicht, wie weit ich komme und versucht dann irgendwo dort zu schlafen und will dann natürlich im Auto über Bucking irgendwie einen Hotelbuchen. Weißt dann schon in der Stadt, könnte ich hier schlafen und so weiter und so fort. Und abends so einer Uhrzeit, 22, 23 Uhr sind die natürlich auch gering besetzt und meistens die Hotels haben kein mehr an der Rezeption, sondern irgendwie so ein Mix aus Rezeptionen bar und diese natürlich dann ja mit den Gästen beschäftigt. Und die haben glaube ich jetzt an vielen Stellen diesen Customer Service auch automatisiert. Okay. Und du schaffst natürlich um 22, 23 Uhr jetzt nicht nochmal zu fragen, ist ein Zimmer frei und kannst mir das Buchen, sondern ich muss dann versuchen immer an einen, kann jetzt schon öfters vor, immer an jemanden zu bekommen, der halt da ist und das klappt nicht, weil du kommst aus diesem Loop nicht mehr raus. Und das ist dann, wo ich echt schlechte Kunden erfahre. Ja, ja, ich hatte ein neulichen ähnliches Problem mit meinem Handy und wieder. Und das ist dann irgendwie nicht ganz so ziv. Und da müsste man sich schon überlegen, sind wir wieder bei dem, wie wir es bei Falker angegangen sind, zerlegt erst mal deine Prozesse und überlege welche Prozesse du den abnehmen kannst. Abnehmen gewissen Anspruch an Service, glaube ich, brauchst du schon noch jemanden, der das beantwortet, weil viele können ja den Service agent wie beim Thema prompten, gar nicht so gut nutzen und die Frage methodisch so stellen, dass man auch die Antwort bekommt. Ja, genau. Also ich glaube da ist auch grad bei so unseren Kunden sehen wer das, dass natürlich die KI, wie sagt man, den Serviness, einfach auch noch nicht so hoch ist. Also mit KI, wir fangen alle erst an. Und so sind gerade, wenn man dann nicht im technischen Bereich arbeitet und das jeden Tag macht, dann kann man auch nicht erwarten, das Kunden perfekt, wie du sagst, perfekte Promz stellen, es geht einfach nicht. Da muss man dann immer gucken, dass man das noch überwacht. Ja, ich verwas ich gerne mache und komme nun mal zum Thema nachfassen, zum beim Snuffleg Migration. Oftmals gibt es ja den Punkt, dass man es anders verargumentieren kann, gar nicht über was passiert, wenn ich es mache, sondern lass uns die Frage anstellen, was wäre heute nicht so, wie es ist, hättet ihr nicht die Snuffleg Migration gemacht. Also nach dem Punkt eher, was wäre passiert, wenn ich, ich habe ja gerade vorhin die Frage gestellt, was ist jetzt der Mehrwert, aber vielleicht trimme das Spiel nochmal oben, was wäre nicht möglich. Ja, ich glaube, also eine Migration ist super viel Arbeit und es ist echt ein riesen Projekt, aber ich glaube, es ist so diese eine Chance, um wirklich auch noch mal zurück zu treten und zu sagen, was brauchen wir wirklich und wir wollen wir es aufbauen, weil dadurch das auch nicht nur wir Fachteams, alle unsere Prozesse und Skripte und Analysen mikrieren müssen, sondern natürlich auch die zentralen Teams, die ja oder Marius hängen, also von vor vier Jahren, die, die Tabellen zur Verfügung stellen, durch Snuffleg ein anderes, also wir arbeiten jetzt ganz, ganz strikt im Starskamer, d.h. sozusagen es gibt auch noch mal diese Möglichkeit, alles noch mal wirklich besser zu machen und ich glaube, das hilft uns dann halt einfach wirklich auf die Anforderungen, hoffentlich für die Zukunft, auch einzugehen, dass wir sagen, wir durch das Starskamer haben wir keine Datenredden danzen, wir haben keine Daten, die in einer Tabelle das sagen und in einer anderen Tabelle das, weil das ist einfach eine totale Schwierigkeit und ich glaube, das ist wirklich das, wo wir sagen, wir haben nach dem Snuffleg nach dem Migration, wir haben die besseren Daten, sie sind schneller zur Verfügung und sie stehen schneller zur Verfügung und wir haben eine bessere Garvernance. Ich glaube, das ist ganz wichtig. Ja, aus Zielevel Sicht. Noch nicht überzeugt. Ohne, die ich jetzt ärgern zu wollen, aber ich glaube, dass ist dieser, dieser Punkt, den wir meistens generell nicht gut, dann zähle ich mich mit dazu, wie wir zu argumentieren, warum du dieses Investment gehen willst. Mit vielen Leuten sind ja gar nicht an dem Punkt der Migration, sondern viele sind ja gerade noch beim Thema, also siehst du auf den Markt, sehr hälscherisch, aber AI kommen meistens nicht auf den POC raus, weil du hast teilweise Daten, die du da reinläht, die funktionieren, wenn du versuchst dir noch einen gesamten Prozess, stellst du fest, du hast die Daten nicht für den gesamten Prozess. Also musst eigentlich Data Management aufbau und Data Warehouse-Konstrukte, Garvernance, das, was ihr gerade beschreibt, was jetzt im Zweiten mal macht, jetzt du einmal machen müssen, oder muss man ein Mindestins einmal machen. Und da tun Sie ja schon welche. Ja. Und ich frage mich, wann es zur Selbstverständlichkeit wird, dass du investierst ja auch ein Minimum in IT Security, du investierst ein Minimum in Infrastruktur oder IT Service, das so ein Laptop bekommst. Irgendwann müssen wir dahin kommen, dass auch Data Warehouse so als ein Minimum dargesehen wird und man nicht darüber spricht, möchte ich jetzt rein, müsst ihr nur mich. Ja, also auf jeden Fall. Und ich glaube auch, ich mein Snowflag ist eine der großen Player, die machen auch wirklich gerade viel. Also wir merken es auch in der Zusammenarbeit mit Snowflag, wie flexibel die auch auf unsere Anforderungen noch eingehen, gerade wenn wir irgendwie beschwerden haben, was noch nicht so gut funktioniert. Und ich glaube, das zieht ja natürlich auch ein neues gegebenenfalls neue Personen an, die lieber für ein Unternehmen arbeiten, was mit Snowflag arbeitet, als vielleicht für ein, was mit Exorsol arbeitet, weil es einfach total spannend ist, auf so einer modernen Datennandschaft zu arbeiten. Und ich glaube, das ist schon auch was, was man sozusagen, also was ich im Team total merkt, dass alle sich super freuen, jetzt endlich sozusagen diese Datenbank zu haben, weil man so viel machen kann. Das ist cool. Also es ist super viel Arbeit, aber es ist cool. Aber du gliss haben wir auch Snowflag eingeführt, das ist ein lustiges Beispiel und ich habe das Projekt und da war meine Tochter halt noch in dem Alter "Bellebart" genannt, weil ich mir so vorgestellt habe, dass die Ingenie ist und die Analysten, genau mit dem gleichen Elan und der Freude in dieses "Bellebart" springen, so wie es meine Tochter eben macht. Oder macht er jetzt, ist er natürlich zu groß, um diesen Spaß zu haben, sondern auch Spaß. Wenn ich gerade noch mal so ein bisschen an meinen Arbeitsalltag denke, gibt es oft die Situation, dass vielleicht Sachen auch nicht funktionieren. Jetzt prädigst du, man braucht weniger Desports, man muss jede Anfrage bepreisen, man muss Aktion daraus ableiten. Jetzt weiß ich auch, dass im klassischen operativen Betrieb oft Zeitdruck ist. Und man was nicht funktioniert und man was kaputt ist. Und kann sich dann Eva hinstellen und sagen, ne, jetzt lass uns das erst mal zerlegen, 5 W-Fragen stellen und überlegen, wo es hingeht oder Gewinnte halt am Ende, dann doch wirklich dieser schmutzige Report, den du irgendwie zusammen gedengelt hast. Also wo besteht deine Tese dann noch? Ja, die Tese ist schon im harten Realitätscheck unter beofen worden, sondern letzten Monaten, weil wir haben, wie du sagst, wir sind ein sehr operatives Analytics-Team und wenn Dinge im Customer Service passieren müssen, wir normalerweise schnell reagieren, das kann sein, dass Doppelbuchungen entstanden sind. Also einfach nur im so ein paar Beispiele zu nennen, dass oder das bestimmte Kunden wirklich innerhalb von einigen Stunden per E-Mail oder per Telefon über Dinge informiert werden müssen und da muss er schnell gehen. Ich glaube, also ja, das kann man nicht alles bepreisen, manche Sachen muss man einfach machen und ich habe Das gemerkt, dass es am Anfang war, das für mich eine ziemliche Herausforderung. wenn ich meine Analysten angucke und denke "Ahh, die müssten jetzt eigentlich alle Migrationen machen". Und dann kommt wieder so was und ich weiß, das dauert jetzt mindestens ein Tag oder zwei und die werden wir da rausgerissen. Und können dann nicht mal die Zeit bei der Migration gerade quasi alles gerade zu dokumentieren, was gemacht wird. Sondern in zwei Tagen müssen die da wieder einsteigen und es kostt noch mehr Zeit. Ich glaube, man muss da, also ich bin da deutlich pragmatischer geworden. Ich glaube, was mir hilft, ist, dass wir auch im Team einfach auch so diesen Konsens haben. Dann machen wir das jetzt schnell und es wurden MVP. Und wenn hinterher oder wenn danach dann diese Anforderungen ist, dass das jetzt in die Produktion mit aufgenommen wird oder dessen regelmäßiger Report wird, dann müssen wir dann noch mal drüber gucken. Und ich glaube, das hilft mir gerade. - Aber dafür die Inselten. Ja, dann schon, wenn der, wenn so zu sagen, wenn diese Dringlichkeit vorbei ist, wenn wir das gelöst haben, dann haben wir die Zeit wieder. Und dann ist es auch okay, wenn wir dann erst mal in zwei Wochen oder so wieder drauf gucken und sagen, okay, und jetzt dokumentieren wir richtig. Jetzt gucken wir uns noch die Edge-Cases an, die wir vorher nicht beachtet haben, weil es ist egal. Aber sozusagen, sobald diese Dringlichkeit gelöst ist, kann man dann das Ganze auch wieder besser machen. Und das so versuchen wir es zumindest. Klappt nicht immer, aber das ist so der Plan. Ja, ein spannender Punkt. Du hast ja jetzt Frischer oder Frisch bei Augsmani angefangen. Stellt ihr vor, dir würde jetzt mit mir jemanden gegenüber sitzen, der auch Frisch irgendwie als Teamlied angefangen hat. Und auch den operativen Bereich mit verantwortet. Ich bestimmt mal das eine oder andere Legacy-System irgendwie beim Weg läuft und auch eine größere Migration vor der Brust hat oder das vielleicht aufsetzt. Was sind so die ersten drei Dinge, die du deiner Kolleginnen, deiner Freundin auch mitgeben würdest, die sie in den ersten 90 Tagen machen sollte? Ich glaube, wirklich die Prozesse verstehen, ich glaube, das ist wirklich das A und O in diesen operativen Bereichen. Ich glaube, gerade als Analyse oder zumindest war ich so, vielleicht, ich glaube, ich bin auch kein Einzelfall. Als Analyse springt man oft durch die Branchen, so im Laufe einer Karriere. Und Customer Management bei einer Kreditvermittlung ist das in sehr eigene Prozesse, über die ich am Anfang nicht im Detail informiert war und ich glaube. Weil du sie auch vorher nicht kanntest. - Nee, genau. Als ich meine, ich kannte sie quasi gegebenenfalls als Kunde, aber sie zog eigentlich kannte natürlich nicht die Details. Und das ist, glaube ich, was das sollte man nicht unterschätzen, wie wichtig das ist, auch als Analyse. Auch wenn man vielleicht aus einer anderen Branchen kommt. Und ich glaube, manchmal das Analyse oder Analyste hat man so den Anspruch, ja, es sind alles Daten, ich kann es alles analysieren. Aber ich glaube, man sollte die Prozesse wirklich im Detail kennen. Das ist, glaube ich, aus meiner Sicht das Wichtigste. Und ich glaube dann, was mir geholfen hat ist, zu gucken, was bringt die Arbeit, die wir machen, was bringen die Prozesse, die wir gerade warten und maintainen, was bringen die an Geld. Weil das ist dann für mich auch einfacher zu entscheiden als Teamled. Auch wenn ich noch nicht alle Entscheidungen vielleicht auch nachvollziehen kann, die in der Firma passieren. Aber dann kann ich entscheiden, was ist für mich jetzt wichtiger und was nicht. Weil das bringt vielleicht eine Million und das bringt vielleicht nur 200.000. Und ich glaube, also das hat mir geholfen. Wirklich sehr schnell zu sehen, wie monetarisieren wir unsere Arbeit und was machen die Prozesse genau? Ja. Das heißt eigentlich, das sagen ja auch viele. Ich hab mal einen Buch gelesen, so über die ersten 100 Tage gibt es ja dieser Klassiker. Ich weiß gar nicht mehr, ob sie ersten 100 Tage sind, aber der Spanzenpunkt und da muss ich mir hier auch mal selber zügeln, ist nicht zu schnell Sachen zu entscheiden. Und sich mal die Sachen anhören und verstehen. Und als Analyst ist man, kann ich mir gut vorstellen, auch mal in die Situation, dass man sich es eher noch mal länger anschauen will, vielleicht. Weil du es ja komplett verstehen willst. Und mir reicht eine 80/20 Gefühl, um zu entscheiden. Ich glaube, weil diese letzten 20% sind meistens zu Zeit intensiv für den Vorteil, den man dann doch ausschlägt. Aber mal daneben zu sitzen, zu verstehen, wie die Prozesse laufen, vielleicht auch mal im Customer Service mitzugehen. Ja. Wir hatten die R, habe ich gar nicht so viel darüber nachgedacht, also bei Funke Medien war, hat man irgendeinen Scherz gemacht und hat einer gesagt, geht doch mal mit raus und fangen mal um 3 Uhr 4 Uhr morgens an Zeitung zu verteilen. Das habe ich damit gemacht. Krasser Job, wirklich krasser Job. Bei Falke durften wir jetzt, vor allem in der heißen Zeit, auch mal in der Logistik aushelfen. Wir haben Autostor, war mal spannend, unterschiedliche Pakete zu packen. Und dann kriegt man plötzlich ein Gefühl, was sind denn so ein Paketen drin? Du kannst es dir natürlich analytisch angucken, aber wenn du es dann mal wirklich siehst und ich habe dann wirklich oft darüber nachgedacht, okay, es ist jetzt eine Familie, sind es jetzt die Weihnachtsgeschenke. Das ist schon ein spannender Punkt. Und ich glaube, das macht man oft vielleicht auch zu spät, um den Gesamtprozess für Themen zu verstehen. Und da ist natürlich die Frage, wie kann man das gut machen, aber dieser Tipp, den du mitgibst, den ersten 90 bis 100 Tagen eigentlich nichts anderes zu machen, wie mal zuzuhören, was anstrengend ist. Das ist aber glaube ich der richtige entscheidend. Also anstrengend nicht im Sinne von zuhören, aber man darf noch nichts machen. Ich bin super anstrengend. Besonders, wenn man natürlich auch das Gefühl hat, hoffentlich, dass man gebraucht wird, dass man eingestellt wurde, Sachen zu bewegen. Ja, genau. Und dann wirklich auch bewusst zu sagen, nee, erstmal, will ich das verstehen, ist eine Herausforderung. Im Customer Service gibt es da eigentlich auch viel Selbst-Service Analytics. Also was wäre jetzt natürlich wie groß ist dein Team? Mein Team, das sind insgesamt mit mir vier Personen. Ganz klein. Ja, natürlich die Frau, wie viele seid ihr gesamt im Marius? Also ich hänge ja gar nicht unter Marius. Du bist im Fachbereich. Aber in dem Fachbereich genau. Hab ins Buch, würde ich jetzt beim Bezeiten und zentrale Abteilung, wie wir sind insgesamt im Data? Also mit wirklich mit den Infrastrukturleuten und allen Analysten, also allen Abteilungen 50? Ja. Also schon eine gewisse Größe, die ihr aufgebaut habt. Ja. Jetzt müsst ihr darüber nachdenken und mir wahrscheinlich die Inzite der Folge da vor vier Jahren normalen gucken. Das ist ja schon immens gewachsen in der Zeit. Ja, ich glaube, also damals war es noch zentralisierter unter Marius. Also es hängt immer noch unter Marius, aber jetzt gibt es halt in den Fachbereich mehr. Aber die Spokes. Genau, die Spokes. Genau, die Spokes, die auch dann tatsächlich zunehmend die Anforderer der Daten werden, die dann zentralisiert gebaut werden. Ja, genau. Auch ein Zeichen dafür, dass ihr euch konventionisiert. Ja, auf jeden Fall. Also gerade, was wir jetzt mit den Zentralisier, also mit Data Infras und einen also Data Engineering Team und dann Bi, was eher, also was sehr viele Bi ist, aber auch in Richtung Analytics Engineering geht. Also die bauen, die ganzen Pipelines. Und wir sind eigentlich, oder wir Fachbereiche sind in der sehr komfortablenen Position, dass wir schöne Daten kriegen und mit denen dann eigentlich nur arbeiten müssen. Also die ganze Arbeit, die sozusagen die Pipelines zu bauen, die Datenreden und dann sind aus der gleichen Data Quality dreizustellen. Und so das ist alles in Marius Teams. Das heißt auch, selbstervice wäre da. Weil es ja fast ein bisschen Data Mesh Logik. Ja, ein zentrales Team, was aufgebaut ist, stellen die Daten zur Verfügung. Ihr habt dezentral weitere Daten und baut darauf auf, entwickelt Themen, baut Reports auf, die ihr dann der Fachabteilung zur Verfügung stellt. Aber irgendwann kommt ihr der Punkt, kann eine Kollegin oder ein Kollege sich selber Reports weiter ausbauen. Ich weiß, kein Freund von Reports, aber könnt ihr das dann schon machen, ist das Ziel? Weil Tableau nämlich als sehr userfreundlich war. Ja, es kommt also genau, es kommt so ein bisschen drauf an den Tableau schon sozusagen, wenn die Visualisierung sozusagen so gebaut ist, dass man das auch dann weiter, dass man reindrillen kann und dass die Daten auch alle da sind. In Snowflake selber, da sind wir gerade so an dem Punkt, dass wir das mit der Customer Serviceabteilung eigentlich gerade gemeinsam ein bisschen ausprobieren. Also alles sind super hungrig nach Daten. Also auch es ist mannies wirklich ein Unternehmen, was super hungrig ist nach Daten. Aber dadurch, dass Snowflake noch so neu ist, müssen wir jetzt teilweise den Kollegen und Kolleginnen, die halt nicht Analysen sind da schon noch so ein bisschen auch zu handgehen und zu sagen, okay, wie heißen die Tabellen? Wie schreibt man das in einem guten SQL? Also auch Snowflake bietet ja super viel Möglichkeiten auch durch die Gitintegration, aber auch durch Shared Workspace, nicht alle im Customer Service, die vielleicht alle zwei, drei Tage in Report laufen lassen, wollen eine Gitintegration, weil das einfach auch so ein gewisser Overkill ist. Das heißt, wie stellen wir als oder mein Team als Ansprechpartner, wie stellen wir auch so eine Infrastruktur zur Verfügung, wo haben die ihre Reports, wie können die draufzugreifen? Wir können die teilen. Es probieren wir als in Snowflake auch gerade so ein bisschen aus, weil Snowflake das sehr viel bietet, und man muss sich ja seinen Scheiden, wie man es macht. Was sind für euch die nächsten Schritte, die ja plant, außer die Migration, da geht der Kernprozesse? Was recht wenig natürlich über AI gesprochen ist, echt schlimm. Data Science ist ein Thema, was ja irgendwie Modelle bei euch natürlich ein spannender Punkt sein könnte. Wie kann ich vorhersehen, dass vielleicht jemanden Lassschrift zurückgebt, ausnahm zu definieren den Grund? Sind das so Themen, über die ich kümmern wollte? Also was in meinem, wenn die Migration zumindest zum Großteil irgendwann mal hinter uns liegt, was auf meiner To-Duleste steht, ist, dass wir tatsächlich mehr mit den Modellen, die wir ja schon haben, gerade was Kunden verhalten betrifft zum Beispiel. Also wir haben Behaviourless-Cores, dass wir da sagen, wie können wir Kunden besser segmentieren, um die dann auch gezielter anzusprechen im Customer Service. Also da machen wir gerade noch relativ wenig und ich glaube, da gibt es. das ist ein ihres Potenzial, dass man sagt, bestimmte Kunden müssen nicht angerufen werden, entweder weil sie sowieso zahlen oder weil sie sowieso nicht zahlen und seit wir könnten uns die Kosten sparen. Oder wir könnten ausprobieren, ob auf bestimmte E-Mails bestimmte Kunden besser reagieren als auf andere. Also wir könnten ganz viel experimentieren auch. Das möchte ich machen. Und ich glaube, das sind so die großen Themen, die ich angehen will in meinem Team, wenn wir mal Demikrationen in der uns haben. Was muss man so einplanen? Was glaubst du, wie lange dort so eine Migration? Also unser Plan ist bis Ende des Jahres, das wäre dann gut zwei Jahre, ja. Momentan habe ich das Gefühl, das könnten wir schaffen. Aber ich glaube, wir hatten auch das Ende des Jahres, ich glaube, wir hatten mit ein bisschen kurzer gerechnet, aber Migrationsthemen sind so. Es wäre glaube ich auch unerlich zu sagen, das ist eine Migration, immer dann endet, wenn man sie plant. Ja, genau. Und ich finde auch, also das sehen wir in meinem Team ganz stark. Wir hätten natürlich auch einfach die Entscheidung treffen können zu sagen, egal, wie der Prozess vorher ist. Wir nehmen den eins zu eins und Migrieren. Da kann die KI helfen. Wir schmeißen da Sachen rein. Wir haben Agenten für sowas gebaut und das wird dann nach Snowflag übertragen, easy-peasy. Aber wir wollen ja diese Chance auch wirklich nutzen und zu sagen, was macht der Prozess überhaupt? Und wie können wir ihn optimieren? Und das dauert natürlich. Also wir arbeiten auch ganz viel mit den Data Engineers tatsächlich zusammen, die sagen, hey, jetzt ins Snowflag, ihr könnt Sachen modularisieren, ihr könnt besseren Coach schreiben, ihr könnt den Code auch besser testen. Und bei so Prozessen, die gegebenenfalls im 6 oder 7-stelligen Bereich auch Geld einbringen, macht es aus meiner Sicht auch Sinn, nicht zu sagen, wir nehmen das Tausendzahlen-Sass-Kript und schmeißen das einfach durch die KI, sondern versuchen das wirklich besser zu machen. Und das dauert dann dadurch halt ein bisschen länger, aber ich finde es wert, das was so machen. Und zum Glück haben wir da auch die Freiheit bekommen vom Management, dass wir es nicht nur so schnell wie möglich Migrieren, sondern wirklich auch gut Migrieren. Bevor ich die zwei Fragen stelle, die ich jedem Gast oder jeder Gesternstelle, würde ich versuchen, einmal das Fazit zu ziehen. Mein Chatty Betty oder Kloat hat gerade im Hintergrund schon versucht zu arbeiten, also mein eigenes Herdenmodell. Man sagt auch Chatty und bei Kloat hatte ich verstanden Klaudi, oder so. Das habe ich noch nicht gehört. Ich finde Koko für Kotex, Kote, das ist ja das Snowflag-Integrid der AI. Ich finde Koko ganz schlimm als Wort. Das verniedlicht dieses riesige Tour. Chatty ist auch verniedlich. Ja, das ist schon, aber ich verwende Koko mehr als Chatty. Ich glaube, ich glaube, es ist irgendwie Klaudi, also war. Klaudi ist auch ich weiß nicht, was man in der Marguillen ist. Es war eine komische Chatty schon. Ja, man guckt, wo die Reise hingeht. Okay, Fazit. Also was wir festgestellt haben, was total spannend ist und was mich total berührt ist zu emotionales Wort, aber zeigt, was man eigentlich alles mit dem Podcast jetzt schon erreicht hat, ist, man guckt sich das vor vier Jahren an. Und vor vier Jahren habt ihr selber vielleicht aus dem Geschäftsmodell selbst dazu entschieden, nach Exha-Sol zu mikrieren. Das heißt, ihr seid bereit gewesen, die Investitionen zu tätigen, um überhaupt Datenmanagement-Professionalisieren. Was ganz spannend ist, ihr habt zwei Themen aufgebaut. Einmal seid ihr Dezentraler geworden. Durch das Hab- und Spok-Modell ist mein Lieblingsmodell und glaube ich ein gutes Indizer für wie Reife eigentlich eine Organisation ist. Und dadurch ist die Expertise auch in die Fachabteilung gegangen, die Daten, die da waren, konnten besser genutzt werden, durch diese Prozessmanagement, was du jetzt gerade auch aufgezeichnet hast, deswegen heißt der Intimioch-Analytics- und Prozessmanagement, weil da eben beide Themen mit verankert sind. Auf der anderen Seite konnte man eben dann aber auch die Anforderungen professionell wieder an die zentrale Abteilung geben. Und man plötzlich festgestellt, dass das, wie es damals mal aufgebaut wurde, auf was der Erfahrung umgesetzt wurde, die damals existierten. Und jetzt durch Zusammenspiel war klar, wo wir eigentlich, wo ihr eigentlich hinwollt. Und das Time-To-Market ist ein wichtiger Punkt, wenn ihr weiter wachst, werden Prozesse natürlich schneller und wir alle wissen, dass an vielen Stellen vor allem im Legacy-System meistens die Sachknallen, wo zu viele Daten drin sind, wo die Prozesse zu lange laufen und dann die Beladung strecken morgens zu lange gehen, wo sich die Verabteilung drüber beschwert. Das ist sozusagen der Schritt, den ihr getätigt habt. Ich glaube, Prozess, also organisatorisch seid ihr jetzt gut aufgestellt, guckt natürlich, wie jetzt weiter die Logik da reinbekommt. Auf der anderen Seite habt ihr euch mit Snowfläcken-Partner gesucht, der jetzt auch viele in KI, jetzt haben das Wort nochmal ein paar mal gesagt, investieren, die dann auf Basis der Standardschemas, die ihr aufgesetzt habt, da Schema Data Governance sich mal anzugucken und hier Dashboard zu generieren, sauberer Datenmodelle wieder neu zu machen, kommt jetzt auch technisch wieder auf ein neuestes Level, wo ihr dann wieder vom profitiert, das eben existiert. Und dann soll perspektive, die Reise da zu hingehen, dass die Prozesse, die jetzt sauber funktionieren, vielleicht noch mal optimiert werden können und da gehst du eben das experimentieren rein, welche email schick ich, welchen Anruf mache ich, brauch ich die überhaupt machen, da kommen wir schnell in den Effizienz gewinnen. Bei dem Punkt hinten, glaube ich, ab dann wird die Investition klar, die im Gesamtprojekt Snowflake ist, aber die spannende Frage, die man sich vielleicht bei euch stellen sollte ist, ab wann muss ich eigentlich die Technik nachziehen, weil die Organisation sich verändert hat und was wäre passiert, hätte ich diese Investement nicht getätigt und Data Infrastruktur eher als Mast-Heft zu definieren, als nice to-heft. Ich glaube im Tiktokus Sven würde man bare minimum sagen, hab ich jetzt auch gelernt und dann geht das, glaube ich, die richtige Reise hin. Naja, was vergessen? Nee, ich finde das hast du gut zusammengefasst. Perfekt, danke schön. So, zwei Fragen, Privatmetaten, ich sehe keinen Variable, d.h. was machst du irgendwie noch Privatmetaten und wie würdest du filmt, hättet du mir sich dein Data genegeschreiben? Was ich Privatmetaten mache, ich laufe sehr viel und das track ich tatsächlich, mir ist Jogge, ja, genau, ich Jogge. Im Deutschen, ich komme ja aus Österreich, deswegen da ist laufen sehr eindeutig Joggen, und Deutschen ist laufen immer entweder gene, oder genau, also ich Jogge. Das track ich und das versuche ich auch zu optimieren, wobei ich merke, dass ich sehr wenig mache. Was ich auch gemacht habe als meine Tochter ganz klein war, habe ich ihre Trink- und Schlafphasen getrackt. Einfach um auch für mich selber so ein bisschen das Gefühl, so habe ich treinig durche, sondern habe das irgendwo auch wirklich so z.B. schwarz auf weiß, wie viel die eigentlich schleft und trinkt. Genau, aber das ist so das einzige. Ich habe keine Variables, ich habe nicht mal eine Smartwatch, also genau noch ganz altmodisch. Mein Filmtitel Speed, würde ich sagen, man sitzt in einem fernen Bus, man darf nicht stehen bleiben. Was vielleicht auch so den jetzt die Brücke zurück zu Marius bringt, der gesagt hat, man darf nicht im Basecamp stehen, bleiben vor vier Jahren. Genau, und er meinte dann noch, man kriegt immer Eisregen von vorne ab, und man muss immer weitergehen. Und genau, so fühlt sich das so ein bisschen an, deswegen der Filmtitel Speed. Ja, und in der Analogie von Marius wechselt ihr aber auch gerade ja eure Zubehör oder Kleidung, um auf das nächste Level zu kommen. Genau, und besser gewappnet zu sein für alles. Vielen, vielen Dank für die Folge. Vielen, vielen Dank dir. Was sehr angenehm.