Folge 5: Nicht getrieben, sondern informiert! – Product Analytics bei JobRad®

00:00:05:

00:00:12: Hallo, liebes Internet und liebe Kolleginnen und Kollegen.

00:00:18: Hier ist die neue Folge von Increase Cycle Time, der Jobrad Development Podcast.

00:00:23: Ich bin Urs, ich bin Team Lead Developer Experience bei Jobrad in der Produkt- und Tech-Organisation, der PTO.

00:00:30: Und mit mir sitzt hier der Holger.

00:00:32: Hallo Holger.

00:00:33: Hallo Urs.

00:00:35: Und hallo anonyma anderer Gast hier noch im Raum, zu dem wir gleich kommen.

00:00:40: Ja, ich bin Holger, ich bin Entwickler hier bei Jobrad und bin Entwickler in einem Product Team und komme in meiner Arbeit mit dem Produkt, als Produkt-Engineer mit ganz vielen Leuten in Berührung, unter anderem auch mit unserem Gast heute.

00:00:57: Und ja, zusammen machen wir diesen schönen Podcast und ich freue mich auf die heutige Folge und unser Gast heute.

00:01:04: Ist der Louis?

00:01:05: Hallo, Louis.

00:01:06: Hallo, Olga.

00:01:07: Hallo, Urs.

00:01:08: Hallo.

00:01:08: Freut mich, dass es sein.

00:01:09: Louis, deine... Oh, wir hätten davor drüber sprechen müssen.

00:01:12: Ich weiß gar nicht genau, deine Titelbezeichnung.

00:01:15: Wir haben, ich glaube, Data Engineer.

00:01:17: Passt das mal, ist das?

00:01:20: Fast, fast.

00:01:21: Aber meine genaue Bezeichnung heißt Product Analyst.

00:01:25: Product Analyst, okay, okay.

00:01:27: Aber wir haben viel mit Daten zu tun.

00:01:30: Wir haben schon in einer Folge, haben wir schon mit der Lisa gesprochen.

00:01:35: Da ging es um UX, da ging es um, naja, ich habe ein Produkt, aber ich möchte herausfinden, wie komme ich denn jetzt zu meinem Produkt?

00:01:42: Wie baue ich denn das Richtige?

00:01:45: Oder wie baue ich etwas Sinnvolles?

00:01:46: Also wie kann ich da wissenschaftlich dran?

00:01:48: Lisa hat da in der Folge schon gesagt, hört doch vielleicht mal rein.

00:01:51: Der US verlinkt euch das hier oben.

00:01:54: Und ein wissenschaftlicher Ansatz, wie komme ich denn dann von nichts oder von einem Kennen, was über diverse Methoden hin zum Produkt.

00:02:04: Dann haben wir in einer Folge, haben wir schon mit dem Urs Langen, haben wir schon gesprochen.

00:02:12: Den kenn ich.

00:02:13: Und da ging es darum, wie kann ich denn während des Entwicklungs, also während des Entwicklungs, wie kann ich denn da effizient sein?

00:02:20: Also wie, wo habe ich denn da gewisse Stellschrauben?

00:02:23: Wie, ich glaube, das Kern-Zitat war, wie mache ich denn, dass es bei der Entwicklung flutscht?

00:02:28: Das kann man sich.

00:02:30: Und was jetzt vielleicht noch offen ist in unseren Betrachtungen, ist, wie gehe ich denn, wenn ich das Produkt einmal auf dem Markt habe?

00:02:37: Wie kann ich denn da besser werden?

00:02:39: Wie kann ich denn gucken, funktioniert das?

00:02:42: Und an der Stelle hat uns Urs, unserem Team, sehr geholfen.

00:02:48: Der hat ja nicht die Uhr.

00:02:49: Ich bin ganz aufgeregt.

00:02:50: Der Uhr ist auch geholfen.

00:02:52: Das ist der Louis sehr stark geholfen.

00:02:56: Wir sind da gerade noch in so einem schönen Projekt drin.

00:02:58: Und da möchten wir darüber reden.

00:03:00: Super, super gerne.

00:03:02: Und ich möchte auch sagen, hallo Internet auch erstmals.

00:03:08: Genau, wie Holger gesagt hat, haben wir schon in einigen Projekten gearbeitet, auch mit Lisa in der folgenden Folge auch.

00:03:18: Das ist eine spannende Frage auf jeden Fall, wie kann man sicherstellen, dass was man entwickelt, was man produziert, auch ein Impact

00:03:26: hat

00:03:27: mit unseren Users.

00:03:28: Und vielleicht das erste, zuerst ein bisschen über mich, warum bin ich überhaupt in dieser Rolle.

00:03:38: Ich habe Data Science Business Analytics gemacht schon seit einigen Jahren.

00:03:45: Und immer in Software as a Service Company, immer in Startups.

00:03:48: Und da ist immer die Frage gewesen, wie stellen wir sicher, dass das überhaupt genutzt wird?

00:03:56: Wie stellen wir sicher, dass die Personen, unsere Users das überhaupt mögen?

00:04:02: Und das meiner persönlichen Meinung nach geht es am besten mit realen Daten, mit hard faxed.

00:04:10: und nicht nur mit Bauchgefühle oder was nur einen kleinen Trend sagt, sondern was die richtige und wichtige Fakten uns sagen.

00:04:19: Da hilft Data Science, auch Data Engineering, die auch genannt wurde, auch sehr viel.

00:04:26: Und das zusammen zu machen oder zusammen zu ringen mit dem Business Knowledge, was wir ein Day-to-day machen.

00:04:32: Das, da ist die Magie.

00:04:34: Und da können wir gerne auch ein bisschen tiefer gehen, wenn ihr

00:04:37: wollt.

00:04:38: Wenn du sagst, Hard Facts, Daten, reden wir dann von Daten, die wir ohne Weiteres erheben können, weil wir sie aus dem Produkt kriegen, oder reden wir dann von Marktforschung, Interviews, etc.

00:04:50: Das ist eine sehr gute Frage, weil aus meiner persönlichen Perspektive die beste Kombination ist tatsächlich eine Kombination von beiden.

00:04:59: Sowohl qualitativ als auch quantitative.

00:05:02: Es gibt Daten, wie Urs gesagt hat, die direkt Das sind in unserem Plattform, weil die einfach bedient wird und wir das tracken können.

00:05:11: Aber es gibt Daten, die direkt mit den Personen, mit den Users auch zu verfügen sind und wir auch die abfallen können.

00:05:19: In dem Fall von einem Survey, in dem Fall von Shadowing oder auch Backdoor-Tests und so forth.

00:05:27: Und ich glaube, wenn wir beide Seiten haben, dann bekommen BIA die richtige Insights.

00:05:33: Weil einer kann sagen, er hat ein Behavior von den Customers, ist sowas.

00:05:37: Die andere kann aber auch eine komplett andere Geschichte erzählen.

00:05:40: Und wenn BIA die Weile zusammenbringen, da ist es.

00:05:44: Und machst du beides?

00:05:46: Sehr gute Frage.

00:05:47: Also, unser Team jetzt in unserer Product and Tech Organisation macht vor allem die Product Analytics, wie der Name das sagt.

00:05:55: Das heißt, alle die Daten die entstehen aus der Interaktion mit unserem Produkt.

00:06:01: Das ist die simple Definition.

00:06:04: Und das heißt, das ist hauptsächlich die eine Seite der Geschichte.

00:06:08: Nämlich, wenn der User mit unserer Website interagiert, mit unseren Komponenten interagiert, das ist, was wir hauptsächlich machen.

00:06:18: Wo alles, was externe Daten sozusagen sind, haben wir andere Teams in unserer Organisation.

00:06:24: Okay, und dann... ... ergibt sich aus beiden Teams ein Gesamtbild, was ... ... ein

00:06:29: kompleter Bild hat.

00:06:30: Ja.

00:06:30: Und wer ist dafür verantwortlich, das dann ... ... zusammenzufügeln?

00:06:34: Mhm.

00:06:34: Mhm.

00:06:36: Der Status quo ist folgendes.

00:06:37: Also ... ... jedes Produktteam in unserer Organisation ... ... arbeiten wir mit Produktteams.

00:06:42: Ähm ... hat ... ... ja, die Verantwortlichkeit von ... ... ihre eigenen Implementationen, ... ... ihre eigenen Verwässungen, ... ... Entwicklungen.

00:06:51: Und dadurch bekommen ... die Produktmanagers oder die Engineers oder die UX Personen auch diese Insights von mehreren Quellen, also die Produktdaten, die externen Daten.

00:07:06: Und es ist eine Entscheidung von dem Team selbst, welche von den Daten wir nutzen wollen und welche von den Insights helfen, an welchen Moment und diese Marrying von den Daten auch zu kreieren.

00:07:24: Wie sieht das in der Praxis aus?

00:07:26: Genau.

00:07:27: Also du hast gerade berichtet, ihr habt in einem Projekt zusammengearbeitet.

00:07:30: Kannst du so ein bisschen...

00:07:31: Ja gut, wir sind natürlich mit unserem Produkt noch relativ frisch, würde ich sagen.

00:07:35: Also wir sind, das erzähle ich jetzt einfach mal, wir sind mit der Tracking Journey auch noch nicht so weit.

00:07:47: Wir haben die relativ frisch, haben wir die jetzt reingebaut und Das für da jetzt den zweiten Teil, also den nachgelagert, ist das dann der nachgelagert qualitative Teil.

00:08:02: Den haben wir bei uns noch nicht drin.

00:08:05: Da müssen wir wahrscheinlich noch mal noch mal dran gehen, aber das ist zumindest für unseren Teil, für unser Teilprodukt, ist das noch recht frisch.

00:08:15: Aber das sieht jetzt bei uns so aus, dass wir Tracking-Daten erheben.

00:08:21: Das heißt, wir überlegen uns, welche Interaktion mit unserem Produkt interessiert uns denn.

00:08:25: Da rede ich ganz viel mit Luis, da rede ich ganz viel mit unseren Product-Managern.

00:08:32: Und dann schauen wir uns da die Daten an.

00:08:36: Ich sag zwei erhobene Hände gerade.

00:08:40: Ich wollte vielleicht auch eine kleine Anekdote erzielen, weil seit, ich glaube, es war ... ... habe ich ein externer ... ... Projekt, ich war als externer Consultant ... ... auch bei Jobrad.

00:08:53: Und damals habe ich ... ... gesehen, wie ... ... diese Datenwelt ... ... bei der Organisation war.

00:09:00: Und ich glaube, ein ... ... sehr interessantes und zum wichtigen Punkt ... ... auch in dieser Konversation ist, ... ... zu sehen, wie wir uns als Unternehmen ... ... und als Organisation auch weiterentwickeln.

00:09:09: Weil ... ... ich glaube, wenn wir über ... ... Data und Insights reden ... ... müssen wir auch ... raus aus der normalen, wir arbeiten nur mit Excel und wir kriegen die Daten irgendwie und irgendwo und dann alles zusammen und pumm, existiert etwas.

00:09:27: Zudem mehr so data-based Entscheidungen, data-based Insights, data-based automatische Erkennung von Potenzial.

00:09:36: Und damals in zwanzig war es sehr, sehr interessant, weil es einfach keine Daten gab.

00:09:43: Wenn ich mit dem Prog Manager geredet habe, Weil so, well, wir wissen es nicht.

00:09:48: Wir müssen es erst mal erheben.

00:09:51: Und heutzutage, wenn ich mit Holger arbeite, mit anderen Produktteams, habe ich das Gefühl, dass unsere Organisation auch einen richtig guten Investment gemacht hat in den letzten Jahren.

00:10:01: Auch diese Datenlandschaft, diese Data Mindset auch zu entwickeln.

00:10:06: Und ich glaube, wir sind auf jeden Fall auf einem guten Weg.

00:10:09: Wenn ich diese Jahren auch betrachte, es ist auf jeden Fall eine komplette andere Welt, wo wir jetzt leben.

00:10:18: Ich wollte gar nichts dazu sagen.

00:10:20: Ich glaube, du hast meine Bewegung interessiert, als ich hebe meine Hand.

00:10:24: Nein, meine Frage war, du hast die Fragen gestellt gerade und beantwortet hast die Frage.

00:10:29: Ach so.

00:10:29: Wie sieht das

00:10:30: in der Praxis aus?

00:10:31: Ja, zum Teil, meine Frage ging auch noch in die Richtung, wie sieht eure Zusammenarbeit aus?

00:10:36: Also was macht das Produktteam?

00:10:37: Was macht das PIA-Team?

00:10:40: Ist das eine Beratungsleistung?

00:10:41: Ist das eine Engineering-Leistung auch von euch?

00:10:45: Also in dem, also jetzt in unserer Interaktion, ich würde es als Beratung, also wenn du das so Trennschaft machen, würde ich jetzt den Luister als Konsultant sehen.

00:10:55: In der aktuellen Situation ist, wir reden vorher über gewisse Events.

00:11:01: Welche Interaktionen interessieren uns da?

00:11:05: Und die bauen wir von der Engineering Seite halt eben ein.

00:11:10: In dem konkreten Fall ist es ein Klicklistener und schicke dieses, auf diesem Klick schicke dieses Event mit diesem Namen und diesen Properties dahin.

00:11:20: Und auf Lewis Seite, zumindest aktuell ist das so, das ist der Status quo, da hat es auf dem Status quo gefragt.

00:11:28: Lewis sammelt die oder Pia sammelt die, also Pia als die, als der Unternehmensteil, wo Lewis ist.

00:11:39: Sammelt diese Events, bereitet die auf, der Sport oder irgendwelche Visualisierung oder aggregierend dieser Daten?

00:11:48: Auf jeden Fall.

00:11:50: Ich glaube, aus meiner Perspektive ist es eins zu eins, was Holger gesagt hat, um das ein bisschen zu erweitern.

00:11:56: Wir haben geredet über dieses Change in diesen fünf Jahren, die auch passiert sind.

00:12:03: Heutzutage haben wir die Produkt- und Tech-Organisation, die ist relativ jung.

00:12:08: Die Jobrat GmbH hat auch viel investiert, für so eine Struktur zu haben.

00:12:16: Und als wir angefangen haben, so in Product Teams basiert zu arbeiten, haben wir gemerkt, es braucht eine gewisse Enablement, eine gewisse Beratung, damit die Product Teams selbst auch diese Möglichkeiten dieses Potenziell auch nutzen können.

00:12:39: Es gibt eine höhere Differenz oder große Differenz, inzwischen okay, ich entwickle etwas und weil jemand vom Vertrieb mich gefragt hat und das set und ich habe jetzt entwickelt und nächster Ticket und fertig zu was wir heutzutage machen und probieren auch zu bringen von Team Product Insetsion Analytics auch mit, ist das okay.

00:13:02: Ich weiß, dass es einen need gibt, weil ich schon das Behaviour von den Kunden verstehen kann anhand von was in unsere Plattform passiert.

00:13:11: Dann entwickel ich meine Lösung, teste ich für hier eine Version von meiner Lösung und welche davon generiert mehr diesen Behaviour, was ich expekte.

00:13:20: Und dann nach dem Deployment teste ich auch, okay, war das der erwartete Ergebnis oder nicht.

00:13:28: Und das alles anhand von Daten.

00:13:30: Und diese Mentalität von diesem Database Product Development ist, was Team PIA probiert, auch in allen unseren Produktteams zu enablen und zu bringen.

00:13:42: Das sind wir als Team jetzt noch nicht, weil, wie gesagt, wir sind da noch an der Stelle relativ frisch.

00:13:49: Aber genau das, was du gesagt hast, Louis, dieses Datengetriebene Entscheidungen treffen, AB-Test, ist da ein Stichwort.

00:13:57: Ich habe einen Feature und ich möchte, ich weiß nicht, welche Ausprägung baue ich denn.

00:14:06: Und ich habe schon in Umgebungen gearbeitet, ich weiß nicht, habe ich das, habe ich das, habe ich das glaube ich schon erzählt?

00:14:11: Wo wir genau solche Entscheidungen, ich glaube in dem, in dem Umfeld war es ein Paper-Knopf.

00:14:19: Und die Entscheidung war, bauen wir ein Paper-Knopf ein, ja oder nein, und das war bei meinem Andersweitz nicht bei Jobrat, das war voran das.

00:14:25: Aber so stelle ich mir die Arbeit hier perspektivisch auch vor, bauen wir den Paper-Knopf ein.

00:14:31: Ja oder nein?

00:14:31: Du willst aus dem Bauch sagen, ja klar, baue ich denn ein Paperknopf.

00:14:36: Mehr Geld ist doch mehr besser.

00:14:39: Also mehr Möglichkeiten den Leuten zu geben, um zu bezahlen.

00:14:42: Das ist doch besser.

00:14:44: Die Zahlen haben nur gezeigt, wir machen weniger Umsatz.

00:14:47: Also es gab einmal die Variante mit und es gab einmal die Variante ohne.

00:14:52: Und die Variante mit PayPal hatte signifikant weniger Umsatz.

00:14:56: Ja,

00:14:57: spannend.

00:14:57: Und da gab es eine lange Geschichte zu.

00:15:00: Aber genau, und das ist auch ein extremes Beispiel, genau so stelle ich mir das vor, dass ich vielleicht auch in meinen Tickets auch ein Ziel... Also damals war das so, dass wir in unseren Tickets oder Experimente dann auch ein Ziel hatten.

00:15:12: Ich erwarte mit diesem Change möchte ich die Conversion so und so viel ändern.

00:15:16: oder hat es irgendeine Metrik, die ich mir ausgedacht habe.

00:15:19: Und die Arbeit damit hat wahnsinnig viel Spaß gemacht.

00:15:22: Also jetzt mal unabhängig davon, wie weit wir auf dem Weg sind, finde ich auf jeden Fall konzeptuell die Idee sehr gut, die Erhebung dieser Daten in die Verantwortung der Produktteams zu legen.

00:15:34: Und das ist auch ein Konzept, glaube ich, das lässt sich auch übertragen auf andere Themen, also zum Beispiel Testing oder weitere Dinge.

00:15:43: In erster Linie ist das Produktteam für sein Produkt die Daten etc.

00:15:46: verantwortlich, aber dann durch ein Team wie Pia diese Daten zusammenzuführen und in einem Topf sozusagen analysierbar zu machen, das hilft dann der gesamten Organisation und das finde ich das Beste beider Welten.

00:16:01: Das ist ein ganz schönes Konzept.

00:16:03: Das

00:16:03: ist, da wirst du jetzt wahrscheinlich zustimmen, das ist, ja man könnte natürlich sich auch überlegen in dem kompletten... Wenn ich jetzt Produktteams als verteilte Start-up sehe, würde ich sagen, jedes Team hat selber PIA, also hat, sammelt die Daten auch oder hat selber einen Datentopf.

00:16:22: Aber dieses, dieses spezialisierte Wissen, wie gehe ich denn mit diesen Daten um und wie bewertigt die denn?

00:16:29: Wie sieht das denn mit meiner Datenqualität aus?

00:16:31: Ja.

00:16:31: Das, ja.

00:16:33: Und auch einfach nur so ein Sparing-Partner zu haben.

00:16:35: ... von, hey, kann es stimmen, dass das, was ich aus dem Daten lese ... ... auch ... ... auch ... ... es stimmt, ne?

00:16:43: Ist das ein Insight, oder ist das einfach nur ... ... reine Zufall, dass wir sowas sehen?

00:16:49: Und ... ... ich glaube, das ist auch ein ... ... schönen Mehrwert, was wir ... ... von Team PIA für die Produktteams auch ... ... haben können.

00:16:55: Auf jeden Fall.

00:16:56: Ja, auf jeden Fall.

00:16:57: Und gleichzeitig ... ... wäre es ja ... ... unglaublich teuer, wenn man jetzt einen ... ... Daten oder ... Produktanalyse Experten in jedes Produktteam stecken müsste.

00:17:07: Und so skaliert es dann besser.

00:17:09: Aber man hat halt auch diese dieses Zusammenführen direkt mit erschlagen.

00:17:16: Also mit dem Punkt auf jeden Fall.

00:17:17: Ja.

00:17:20: Du hast gerade das Stichwort Daten getrieben erwähnt.

00:17:23: Dazu habe ich so eine kleine Anekdote aus meinem Bewerbungsverfahren bei Jobrad.

00:17:28: Das habe ich mit dem Markus Reppert gesprochen, den wir auch in einer Folge schon interviewt haben.

00:17:34: Und das ist auch mir ein wichtiges Anliegen, zwar aus einer unterschiedlichen Perspektive, haben wir vorhin schon, hat der Holger drüber gesprochen, glaube ich, dass wir in Developer Experience auch viel mit Daten zu tun haben, im Entwicklungs-Engineering-Daten.

00:17:50: Und ich hatte dann eben auch dieses Stichwort genannt, meinte, wir müssen hinkommen zu einer, zu datengetriebenen Entscheidung in der Entwicklung.

00:17:56: Und dann hat er so gezuckt, der Markus.

00:17:58: und meinte, er will nicht Daten getrieben sein, er will Daten informiert sein.

00:18:03: Ah, ja, das verstehe ich, ich verstehe den Unterschied, ja.

00:18:05: Das fand ich eigentlich sehr einleuchtend und hat auch bei mir zu einem Umdenken geführt.

00:18:11: Also Daten sind auf jeden Fall wichtig und ohne Daten können wir unsere Arbeit nicht gut machen.

00:18:17: Aber gleichzeitig müssen wir natürlich auch vernunftbasierte Entscheidungen treffen und es gibt andere Faktoren als nur die reinen Daten.

00:18:26: Und ja, das fand ich ... Ganz erhellende Moment eigentlich in diesem Gespräch.

00:18:33: Ja, das finde ich... Ja, ja.

00:18:38: Ich stimme unangestrengt zu.

00:18:42: Weise Worte hier.

00:18:43: Jetzt zog ich immer, wenn ich Daten getrieben

00:18:46: habe.

00:18:46: Hat sich

00:18:47: direkt übertragen.

00:18:48: Du,

00:18:48: ich habe so das gemerkt, dass er gezuckt hat?

00:18:53: Ja.

00:18:57: Was wäre... Louis, ein Erfolg jetzt in deiner Entwicklung hier bei Toprad von.

00:19:08: Du hast geschrieben, Du bist hier hingekommen, hast Pia diese Organisation oder dieses Team mit aufgebaut.

00:19:15: Was ist so dein Single-Most-Success?

00:19:18: Kannst du da was nennen?

00:19:20: Ich glaube, es gibt viele, tatsächlich viele Successes.

00:19:22: Aber ich glaube, wie in allen in seiner Natur als Menschen wie Erinnern uns an den Letzten, was passiert ist.

00:19:30: Und ich glaube, bei uns, jetzt auch in der Zusammenarbeit mit Holger, tatsächlich, habe ich meinen größten Erfolg vor ein paar Wochen auch gehabt, dass die Produktteams selber auch diese Daten erzeugen können.

00:19:47: festlegen können und auch an unserem Single Source of Truth, unsere Platform for Product Analytics auch selbstständig schicken können.

00:19:54: Das heißt, jetzt sind die Produktteams auch, oder werden die Produktteams auch in der Lage sein, selbstständig zu sagen, okay, ich ändere einen Button hier oder ich erde ein Image da, ein Link hier oder da und ich kann selbstständig sagen, okay, diese Information von diesem Verhältnis, von diesem Kunde will ich dann an unserem Track into schicken.

00:20:17: und dann hundert Prozent unaufhängig von irgendjemand anderem arbeiten zu können.

00:20:21: Das für mich ist, glaube ich, das große Ziel in der letzten Zeit, auf jeden Fall.

00:20:27: Danke, Holger.

00:20:28: Übrigens.

00:20:31: Ich habe nichts gemacht.

00:20:35: Ja, das hat Bock gemacht.

00:20:40: Dann stelle ich die Frage nochmal anders rum.

00:20:42: Oder du hast doch schon wieder gezogen, hat jemand Datengetrieben gesagt?

00:20:46: Nein, ich wollte fragen, was ist ... Was ist der nächste Schritt für dich oder die nächsten zwei, drei Schritte?

00:20:51: Die Vision?

00:20:51: Ja, ich glaube, die Vision ist eine Art von... Also, die Organisation per se auch zusammenzubringen, dass wir BNB etwas messen, was Kundensverhältnisse ist oder was ein Touchpoint von einem Kunde ist.

00:21:14: Dass wir das... sowohl bei den Produktteams, aber auch bei den anderen Teilen von der Organisation auch nutzen können.

00:21:22: Dass diese Insights, dass diese Mehrwert, was wir aus der PTO kreieren, auch in anderen Bereichen von der Organisation auch genutzt werden können.

00:21:33: Da entwickeln wir uns als Organisation.

00:21:36: Ich glaube, der erste, der wichtigste Schritt war, dass unsere Organisation selbst, also die PTO, mit Daten arbeiten konnte.

00:21:45: Und dann, dass diese Intelligence, das ist ein Know-House, auch mit anderen Teilen von die Joffratgruppe auch genutzt werden können.

00:21:54: Und jetzt mal unabhängig von der Nutzbarkeit.

00:21:57: Ist das auch eine Herausforderung im Sinne von Vertrauen?

00:22:01: Also wird den Daten, die wir liefern, vertraut?

00:22:05: Gibt es vielleicht so Effekte, wie ich sehe, aber im Markt was anderes als eure Daten sagen?

00:22:10: Ja, hundert Prozent.

00:22:10: Also einerseits hat es auch damit zu tun mit dem Konzept, was du erwähnt hast von Markus, von Daten informiert, weil es ist Daten getrieben.

00:22:18: Und ich glaube, auch ich dem auch dazu.

00:22:21: Es ist wichtig, auch von einem Bauchgefühl in Formen zu kommen, das hundert Prozent.

00:22:30: Ich glaube, das Thema von Vertrauen, ist für mich Nummer eins, wenn ich in einer neuen Organisation anfange zu arbeiten.

00:22:38: Weil die Daten müssen immer stimmen.

00:22:43: Wenn bei dem ersten Fall, wenn es nicht stimmt, verliert man den Vertrauen von den Stakeholders.

00:22:50: Und der Mensch sprechen, es ist einfacher, step by step zu gehen und zu zeigen, okay, ich vertraue diese Quelle, diese Quelle, diese Quelle, diese Quelle.

00:23:01: Und ich gebe diese Informationen, an unseren Stakeholders, wo wir schon ein bisschen diese Daten per se stimmen, auch aus unserer Perspektive.

00:23:12: Ab einem gewissen Punkt muss man auch informierte Entscheidungen treffen und sagen, wir haben eine Fifty-Fifty-Chance oder eine Seventy-Percent-Chance, dass die Daten stimmen und das ist das Beste, was wir machen können an diesem Moment.

00:23:26: Das ist auch eine andere Art von Arbeiten, aber meine persönliche Überzeugung ist, glaube ich, Vertrauen Nummer eins.

00:23:33: Und dadurch muss man auch die Daten auch stimmen

00:23:35: dafür.

00:23:37: Ja, meine Erfahrung ist, dass es dann schwierig wird, wenn man aus reinen Daten ... Interpretationen ableitet.

00:23:45: Ja.

00:23:46: Weil die sind halt oft nicht mehr ... zu tausend Prozent belastbar, weil sie natürlich in Interpretationen sind und bislweise subjektiv.

00:23:58: Und das ... So zu machen, dass dem gegenüberklar ist, hier bist du nicht mehr im Faktenraum, sondern im Interpretationsraum, das ist oft sehr schwierig.

00:24:09: Ich glaube, wenn ihr mich freien tut, was wäre mein Wunsch überhaupt, wenn ich alles entscheiden könnte.

00:24:22: Ich glaube, wie ein normales Leben auch, dass wir alle eine Sprache sprechen können.

00:24:27: Ja.

00:24:28: Und in der Produktentwicklung wäre es auch mein Wunsch, dass sei es, dass wir über Vertreterin oder People, Organisation, Produktentwicklung, dass wir alle eine gemeinsame Sprache sprechen und dass diese subjektive Ableitungen, die man aus dem Daten nimmt, die auch vor allem in einer selben Sprache auch sein können, dass alle verstehen können, was wir meinen, und dass diese Raumvollziehung zur Aktivität auch verringert wird.

00:24:59: Ich hoffe, das war nicht so abstrakt, aber das ist halt mein Wunsch.

00:25:02: Und in jeder Organisation, wo ich bisher gearbeitet habe, das ist, was ich am meisten versuche, dass, wenn ich eine Zahl habe, ein Insight generiere, dass es vor allem verständlich genug ist, damit es auch, wenn ich Raumvoll ... ... andere Interpretationen geben könnte.

00:25:20: Und der Weg dahin ist ...

00:25:23: Data Literacy.

00:25:24: Ja, ich glaube, das ist etwas, wo ... ... ich glaube, die West-Organisationen ... ... sehr viel investieren.

00:25:32: Ich glaube, auch Jobrat investiert auch sehr viel.

00:25:35: Dass man ... ... weiß, okay, wenn ich über datum.ex rede, dass alle wissen ... ... Bescheid, was es für alle bedeutet.

00:25:47: Genau, Data Literacy.

00:25:51: Ich muss zugeben den Begriff Data Literacy habe ich bisher noch nicht gehört.

00:25:55: Ich verstehe, was du damit meinst.

00:25:59: Du kennst den Begriff also auch.

00:26:00: Das heißt, wenn ich euch beide jetzt nach einem einstündigen Referat fragen würde, könntet ihr das tun und bitte?

00:26:07: Ne, aber wie kommt man denn dahin zu besserer Data Literacy?

00:26:12: Ich glaube... Also ich bin ein bisschen konsultant beierst, weil ich sehr viel in solchen Kontext gearbeitet habe.

00:26:21: Aber ich glaube, das Erste, was ich machen würde, ist, einen Status-Kur zu haben.

00:26:25: Von was sind überhaupt die wichtigste Merkmalen, die wichtigste Insights oder Sachen, die wir betrachten wollen?

00:26:36: von unseren Kunden?

00:26:38: Und wenn wir eine Liste von zehn, fünfzig Konzepten haben, damit anfangen.

00:26:43: Und was meine ich mir damit?

00:26:45: anfangen, die related oder alle die Personen, die mit diesem Begriff arbeiten werden, auch zusammenzubringen und auf eine sozusagen gemeinsame Sprache bringen zu können.

00:27:05: Ah, ich verstehe.

00:27:06: Es kann sein, dass es relativ viel Aufwand ist, weil dann hast du sehr viel overhead.

00:27:11: von verschiedenen Stakeholders, aber ich glaube aus der festen Überzeugung, dass es langfristig sich lönnt.

00:27:17: Ja, also Daten als, also jetzt den einen Datenpunkt um das ganz, was weiß ich, ich habe jetzt das, den Datenpunkt, wie viele Produkte habe ich in meinem Warenkorb, um irgendwas, um mal so ein ganz einfaches Event zu nehmen, wie viele Produkte wurden in den Warenkorb gepackt und alle Abteilungen oder das als Grund zu nehmen, um alle relevanten Menschen darüber in einen Raum zu kriegen und darüber eine Diskussion zu führen.

00:27:40: Was bedeutet das denn für mich und mein Team?

00:27:42: Ich sage dir ein Beispiel.

00:27:44: Was bedeutet für uns ein Kauf oder ein Lease?

00:27:49: Wann habe ich ein Lease erzeugt?

00:27:52: Ist das ab dem Moment, dass die Person das Fahrrad raus aus dem Bike dealer, aus dem Fachender rausnimmt, ist das Moment, dass die Person bezahlt das erste Mal, ist das der Moment, dass der Fachendler ein Invoice generiert.

00:28:08: Welcher von diesen drei Punkt ist eigentlich das Listmoment?

00:28:12: Und wenn wir das als Konzept betrachten wollen, weil unsere ganze KPI davon abhängig sind, dann ist es wichtig, dann die jeweiligen Personen auch alle auf eine gleiche Definition zu bringen.

00:28:27: Und so wurde ich mit so einem Beispiel auch zwei drei, zehn andere Begriffen auch in einer ersten Linie zusammenbringen und so step by step zu einer richtigen der Linie.

00:28:39: Dokumentation ist auch ganz wichtig, aber das ist ein anderes Thema.

00:28:43: Ja, echt gut.

00:28:44: Das finde ich wahrscheinlich zu viel.

00:28:46: Ich finde, miteinander reden ist immer wichtiger als Dokumentation.

00:28:50: Aber das ist möglicherweise ein anderes Thema.

00:28:52: Interessanterweise ist es immer sehr wichtig, Dokumentation zu haben.

00:28:56: Auf jeden Fall.

00:28:57: Ob die dann auch gelesen wird.

00:28:59: Ja, das ist vielleicht ein anderes Thema.

00:29:02: Ja, ich gucke auf die Uhr.

00:29:05: Die Uhr sagt, wir könnten nach Hause gehen.

00:29:10: Jetzt schon?

00:29:11: Ich dachte, ich muss noch arbeiten.

00:29:12: Danke, Holger.

00:29:13: Ja, ja, ich geb dir frei.

00:29:15: Nein, habt ihr noch Punkte, die ihr vielleicht mit unseren Hörern und Hörerinnen teilen wollt, mit dem Internet teilen wollt, mit Kollegen, Kollegen teilen wollt?

00:29:26: Also ich kann nur sagen, dass ich das Thema wahnsinnig spannend finde und dass ich... Sehr viel Freude daran habe, in einer Organisation zu arbeiten, die verstanden hat, wie wichtig das Thema ist.

00:29:37: Und eben nicht nur die eine oder andere Seite, also die Seite Produkt oder die Seite Engineering Metriken, sondern insgesamt verstanden hat.

00:29:49: Wir brauchen Daten, um vernünftige Entscheidungen treffen zu können.

00:29:55: Olga, du hast es vorhin gesagt, wir sind auf einem Weg, wir sind noch längst nicht am Ziel.

00:29:58: Ja, ja.

00:29:59: Und nichtsdestotrotz sieht man jetzt schon die positiven Effekte.

00:30:04: Ich

00:30:04: muss sogar, auch das jetzt, um da anrufen, auch der Weg macht Spaß.

00:30:09: Also man sieht ja, wo sich das hinentwickeln, also man kann den Weg ja auch beeinflussen.

00:30:13: Wir reden ja jeden Tag miteinander und dadurch ja, er schafft man was.

00:30:18: Das ist cool, das macht Spaß.

00:30:20: Ich könnte es nicht besser gesagt haben als der Urs.

00:30:22: Auf jeden Fall, das ist auch mein... Main Takeaway.

00:30:25: Es macht mir auch wahnsinnig Spaß, in so einer Organisation zu arbeiten, die den Potenzial und auch der Wert von den Daten selbst sieht und realisiert.

00:30:39: Und dass ich mich freue auf jeden Fall auf weitere Gespräche mit euch, wenn ich das irgendwann machen darf.

00:30:46: Ich glaube, Data World Wir können stundenlang darüber reden.

00:30:50: Wir würden uns sehr freuen darüber.

00:30:52: Absolut.

00:30:53: Louis, vielen, vielen Dank.

00:30:55: Danke euch.

00:30:56: Wie gesagt, hat sehr viel Spaß gemacht.

00:30:58: Und bis ganz bald mal.

00:31:03: Auf Wiederhören.

00:31:03: Auf Wiederhören.

00:31:04: Wir legen jetzt auf.

00:31:06: Ja, Leute, wie hat das euch gefallen?

00:31:10: Interessieren euch noch weitere Datenthemen?

00:31:12: Sagt doch mal natürlich interessiert euch das.

00:31:13: Ich kenne euch doch.

00:31:15: Schreibt doch mal in die Kommentare.

00:31:18: was euch ganz besonders interessiert.

00:31:19: Vielleicht habt ihr direkt Fragen an Luis.

00:31:22: Fragen über das Thema.

00:31:25: Und wie gesagt, wir freuen uns über Kommentare, über Likes und ich würde damit sagen, wir schicken es hier mit nach Hause und sagen vielen Dank fürs Zuhören und bis zum nächsten Mal.

00:31:40: Tschüss.

00:31:40: Tschüss.

00:31:41: Tschüss.

00:32:06: So, hier Nontobare Circulos Meos.

00:32:09: Es geht los.

00:32:13: Bist du bereit?

00:32:14: Bist du wie so ein DJ da gerade noch?

00:32:16: Ich habe dir kurz eine Nachricht geschickt, um zu verifizieren, dass jetzt keine Geräusche

00:32:21: gibt.

00:32:24: Also, increase Cycle Time geht weiter.

00:32:27: Soll ich mal starten?

00:32:28: Dann starte du mal, dann starte du mal genau.

00:32:30: Sonst

00:32:30: ist ja langweilig.

00:32:31: Dann mach eine.

00:32:31: starte du mal genau.

00:32:34: Hallo, Liebesinn.

00:32:37: Holger!

00:32:43: Ja.