Data- und Web-Analytics Strategie

Analytics-Strategie: Erst verstehen, dann umsetzen

Bevor du dein nächstes Tool kaufst oder das nächste Dashboard baust, lohnt sich eine andere Frage: Welche Insights brauchen deine Stakeholder, um wirklich gute Entscheidungen zu treffen? Ich helfe B2B-Mittelstand, genau diese Frage zu beantworten.

Mein Kunde Michael von Wasserfilter Oase
Meine Kundinnen Anna und Melanie von Hasenbrot
Mein Kunde Pierre von Brezel Taxi
30+ Teams die nicht mehr raten.
Unternehmen, die mit uns arbeiten:
Logo des Kunden Volksbank Raiffeisenbank Logo des Kunden Brabender Logo des Kunden Cognizant Mobility Logo des Kunden GVB Logo des Kunden Wasserfilter Oase Logo des Kunden Bauwerk

Warum die meisten Analytics-Projekte mit der falschen Frage starten

Es gibt einen Satz, den ich in fast jedem Erstgespräch höre: "Wir wollen unsere Daten besser nutzen."

Der Satz klingt vernünftig. Er ist auch nicht falsch. Aber er ist die Wurzel des Problems, dass die meisten KMU-Daten-Initiativen versanden.

Denn er beschreibt eine Mittel, kein Ziel. Daten besser zu nutzen ist kein Geschäftsziel. Mehr Umsatz aus bestehenden Marketing-Budgets ist eines. Eine kürzere Sales-Cycle-Länge ist eines. Bessere Vorhersagen über die nächsten Monats-Umsätze sind eines. Daten sind nur dann wertvoll, wenn sie zu einem deiner Unternehmenszielen beitragen.

Diese Verschiebung von "Daten besser nutzen" zu "welche Geschäftsfrage beantworten wir wirklich", ist der zentrale Schritt einer Analytics-Strategie. Sie klingt banal. In der Praxis verändert sie alles. Plötzlich werden nicht mehr alle Daten erfasst, die theoretisch möglich sind, sondern nur die, die zu konkreten Entscheidungen führen. Plötzlich wird nicht mehr in das Tool investiert, das die meisten Features hat, sondern in das, das die definierten Fragen am besten beantwortet. Plötzlich werden nicht mehr Reports erstellt, die niemand liest, sondern Insights generiert, die in Meetings tatsächlich weiterhelfen.

Der Effekt ist messbar. In meinen Projekten reduziert sich nach einer sauberen Strategie-Phase typischerweise die Anzahl der berichteten KPIs um 50 bis 70 Prozent, während gleichzeitig die Nutzung der verbleibenden Kennzahlen deutlich steigt. Weniger ist mehr, wenn es das Richtige ist.

Warum die meisten Daten-Initiativen im Sand verlaufen

Ich habe es in über 30 KMU-Projekten gesehen: Unternehmen investieren in Tools, Dashboards und Tracking-Setups und stehen zwei Jahre später wieder am Anfang.

Nicht, weil die Tools schlecht waren. Sondern, weil die strategische Klammer fehlte.

👎 Das Problem kennst du:

  • Lösung vor Frage: Ein Tool wird eingeführt, weil ein anderer es auch nutzt. Welche Geschäftsfragen es beantworten soll, wird erst danach geklärt, wenn überhaupt.

  • Reports ohne Bezug: Die Geschäftsführung bekommt einen 18-seitigen Monatsbericht. Mit Zahlen, die für ihre Entscheidungen meist irrelevant sind.

  • Tools statt Insights: Du hast Google Analytics, ein CRM, ein ERP, vielleicht ein Marketing-Automation-Tool. Die Daten existieren, aber niemand führt sie zusammen.

👍 So arbeiten wir zusammen:

  • Stakeholder-zentriert: Jede strategische Definition startet damit, dass ich die Menschen verstehe, die mit den Daten arbeiten. Was hilft ihnen, einen guten Job zu machen?

  • Geschäftsfragen statt Datenpunkte: Die Strategie definiert Fragen, die das Unternehmen beantwortet haben muss, nicht Datenpunkte, die gesammelt werden sollen.

  • Datenquellen-übergreifend: Web-Analytics, CRM, ERP, Marketing-Plattformen werden gemeinsam betrachtet. Nicht in Tool-Silos.

Mein Vorgehen: Drei Fragen, mit denen jedes Projekt beginnt

Wenn ich einen neuen Kunden kennenlerne, stelle ich nicht als erstes Fragen zum bestehenden Setup. Ich frage nach den Menschen, die mit den Daten arbeiten sollen und nach ihrer Realität.

Diese drei Fragen sind übrigens kein Framework, das ich mir ausgedacht habe. Sie sind das Ergebnis aus über zehn Jahren Arbeit mit B2B-Unternehmen, und der Erkenntnis, dass die meisten Analytics-Probleme keine Daten-Probleme sind, sondern Übersetzungs-Probleme zwischen Mensch und System.

01

Was sind die Insights, die du 1:1 verwenden kannst, um einen guten Job zu machen?

Nicht: Welche KPIs liefert das Tool. Sondern: Welche Erkenntnis hilft dir tatsächlich, bessere Entscheidungen zu treffen? Diese Frage führt fast immer in völlig andere Richtungen als die üblichen KPI-Listen.

02

Welche Dinge musst du berichten, und woran wirst du gemessen?

Auch das wird zu selten gefragt. Wenn der Marketing-Lead jedes Quartal vor der Geschäftsführung präsentiert, brauchen wir eine Analytics-Strategie, die genau diese Präsentation einfach macht. Wenn jemand an Lead-Volumen gemessen wird, hilft ein Funnel-Dashboard mehr als ein Traffic-Report.

03

Was hält dich davon ab, deine Zeit sinnvoll zu nutzen?

Das ist meine wichtigste Frage, und die mit den überraschendsten Antworten. "Ich verbringe vier Stunden pro Woche damit, Zahlen aus verschiedenen Tools in eine PowerPoint zu kopieren."
Genau hier liegen die größten Hebel. Nicht in der hundertsten neuen Kennzahl, sondern in den Routinen, die täglich Zeit fressen.

04

Stakeholder-übergreifender Abgleich

Die Antworten aus Schritt 1-3 sammele ich von allen relevanten Rollen: Marketing-Lead, Sales-Verantwortliche, Geschäftsführung. Häufig wird hier sichtbar, dass dieselbe Zahl von verschiedenen Stakeholdern völlig unterschiedlich interpretiert wird –> das ist der erste Klärungs-Hebel.

05

Datenquellen-Inventar

Welche Daten sind bereits vorhanden? Wo liegen sie? Wer hat Zugriff? Welche Daten sind nachweißlich korrekt, welche tendenziell fragwürdig? Das beantwortet die Frage, welche Daten sofort nutzbar sind und welche zuerst aufgeräumt werden müssen.

06

Strategie-Dokument & Umsetzungs-Roadmap

Das Ergebnis ist ein knappes, lesbares FigJam (Model-Driven); keine 80-seitige Berater-Tapete. Es enthält: definierte Geschäftsfragen, klare Datenquellen-Architektur, priorisierte Maßnahmen, erste Prototypen der Dashbaords und Reports. Vorbereitet für eine kollaborative Zusammenarbeit!

07

Begleitete Umsetzung

Wenn gewünscht, begleite ich die Umsetzung – als externer Sparringspartner für dein internes Team oder als operativer Umsetzer für konkrete Bausteine wie Tracking-Setups, Web-Analytics oder bei der Entwicklung von Dashboards.

Stakeholder verstehen: Die unterschätzte Disziplin

In meinen Projekten beginne ich nicht mit Daten-Audits. Ich beginne mit Menschen. Konkret: mit den Stakeholdern, die mit den Daten arbeiten oder arbeiten sollen.

Das hat einen Grund. Daten existieren nicht abstrakt. Sie werden von Menschen interpretiert, in Entscheidungen übersetzt, in Maßnahmen umgewandelt. Wenn die strategische Definition von Analytics-Bedarf ohne die Menschen erfolgt, die sie nutzen sollen, baust du eine technisch korrekte Lösung, die in der Praxis ignoriert wird.

Typische Stakeholder-Konstellation im B2B-Mittelstand

Geschäftsführung

Braucht 3 bis 5 strategische Kennzahlen, die zeigen, ob das Unternehmen im Plan ist. Detail interessiert sie selten. Die Frage lautet: "Müssen wir gegensteuern oder nicht?"

Marketing-Lead

Braucht operative Daten zur Kanal-Performance, Kampagnen-Wirkung, Lead-Qualität. Wird typischerweise an Lead-Volumen und Lead-Qualität gemessen.

Sales-Verantwortliche

Brauchen Aussagen zu Lead-Quelle, Sales-Cycle-Länge, Abschlussquoten. Werden an Umsatz und Pipeline-Größe gemessen.

Operatives Marketing-Team

Braucht tagesaktuelle Daten zu Kampagnen, Pixel-Funktion, A/B-Test-Ergebnissen.

Jede dieser Rollen hat andere Fragen, andere KPIs, andere Zeit-Horizonte. Eine Analytics-Strategie, die diese Unterschiede nicht abbildet, scheitert, weil sie für niemanden wirklich passt.

In meinen Stakeholder-Interviews arbeite ich mit den drei Fragen aus der Methodik-Section: Was hilft dir, einen guten Job zu machen? Was musst du berichten und woran wirst du gemessen? Was hält dich davon ab, Zeit sinnvoll zu nutzen? Die Antworten sind oft überraschend und ein deutlich besserer Ausgangspunkt als ein generischer KPI-Katalog oder eine Reporting-Vorlage von LinkedIn ;)

Web-Analytics und Business-Daten sind der Hebel

Eine der größten Verwunderungen in meinen Projekten entsteht, wenn Kunden erkennen, was technisch heute möglich ist. "Du kannst nicht nur unsere Webseiten-Daten auswerten, sondern auch unsere CRM-Daten, unsere ERP-Daten, unsere Telefonie-Daten. Und das alles in einem Dashboard, tagesaktuell, ohne dass jemand etwas manuell zusammenkopiert?" -> Ja!

Und genau hier liegt der eigentliche Hebel der Analytics-Strategie. Webseiten-Daten allein sagen dir, wer kommt und was angeschaut wird. Das ist wertvoll, aber begrenzt. Erst die Verknüpfung mit Business-Daten erlaubt Aussagen wie:

  • "LinkedIn bringt 18 Prozent der Leads, aber 42 Prozent des Umsatzes."

  • "Anfragen aus organischer Suche haben einen Sales-Cycle von 47 Tagen, Anfragen aus Webinaren von 81 Tagen, aber einen 2,3-fachem Auftragswert."

  • "Kunden, die vor der Anfrage drei oder mehr Blog-Artikel gelesen haben, haben eine 38 Prozent höhere Abschlussquote."

Solche Aussagen verändern Marketing-Entscheidungen fundamental. Sie sind aber nicht möglich, wenn Web-Analytics, CRM und ERP in getrennten Silos leben – wie es bei den meisten KMU heute noch der Fall ist.

Technisch wird die Verknüpfung typischerweise über drei Wege gelöst

Google BigQuery als zentrales Datenlager. Daten aus verschiedenen Quellen werden hier zusammengeführt und können gemeinsam ausgewertet werden. Für die meisten KMU ist BigQuery wartungsarm und kostenmäßig überschaubar, typisch sind ca. 50 bis 200 € pro Monat bei mittlerem Datenvolumen.

n8n als Workflow-Engine zwischen Systemen, die keine nativen Konnektoren haben. Über REST-APIs werden CRM-, ERP- oder Branchen-Daten regelmäßig abgerufen und in BigQuery oder eine andere Zieldatenbank geschrieben.

Eindeutige IDs durch den ganzen Funnel. Damit eine Anfrage aus dem Web-Analytics mit dem zugehörigen Auftrag im ERP verknüpft werden kann, braucht es eine technische Brücke – meist eine eindeutige Lead-, Anfrage. oder Kampagnen-ID, die durch alle Systeme mitläuft.

Diese Architektur klingt nach Enterprise-Aufwand. Für ein gut definiertes B2B-KMU-Projekt ist sie in 6 bis 12 Wochen umsetzbar. Die Folgekosten sind überschaubar. Der Erkenntnis-Gewinn dafür riesig.

Projektreferenzen:

Logo des Kunden Bauwerk

228 Stunden gesparte Arbeitszeit jährlich

Durch automatisiertes Reporting relevanter Insights.

10% mehr erfasste Conversions

Durch Server-Side-Tracking und datenschutzkonforme Verknüpfung der Marketing-Pixel.

3x schnellere Ladezeit

Des Tracking-Setups mit positiven Effekten auf SEO und Core Web Vitals.

Tracking-Optimierung für Bauwerk

Für den Kunden Bauwerk übernahm ich die komplette Neuausrichtung und Optimierung des Tracking-Setups. Das Projekt umfasste die Optimierung der Reports, die Überarbeitung des bestehenden Systems sowie die Erweiterung um serverseitiges Tracking.

Die enge Zusammenarbeit führte zu einem deutlich effizienteren Setup und erheblichen Kosteneinsparungen. Das Ergebnis: 19 Stunden weniger manuelle Arbeit pro Monat und 10% mehr messbare Conversions.

Was eine gute Analytics-Strategie konkret enthält

Wenn ich nach meinen Strategieprojekten ein Dokument übergebe, hat das nicht 80 Seiten. Vielmehr ist es ein modellbasiertes Artefakt, das wir gemeinsam betrachten und kollaborativ weiterentwickeln können:

Stakeholder-Profile

Pro Rolle eine Seite: Welche Fragen hat diese Person? Woran wird sie gemessen? Welche Insights helfen ihr konkret? Das ist die Grundlage, an der alle weiteren Entscheidungen ausgerichtet werden.

Definierte Geschäftsfragen und -ziele

5 bis 10 zentrale Fragen, die das Unternehmen mit Daten beantworten soll. Jede Frage ist konkret formuliert, mit definiertem Adressaten und definiertem Zeit-Horizont. Beispiel: "Welche drei Marketing-Kanäle haben den höchsten Beitrag zum profitablen Umsatz: Bezogen auf das letzte Quartal und für die Geschäftsführungs-Runde?"...

Dashboard-Prototypen

Es klingt zunächst merkwürdig, dies gleich an dieser Stelle aufzuführen, es verfolgt jedoch einen konkreten Schritt: Klären, ob die Darstellung und die gewählten Insights den Stakeholdern wirklich weiterhelfen oder ob doch etwas anderes benötigt wird. Und das, bevor man mit der Implementierung startet.

Daten-Architektur

Welche Quell-Systeme werden angebunden? Wo werden Daten konsolidiert? Welche Tools werden für Erfassung, Speicherung und Visualisierung eingesetzt? Inklusive Datenflussdiagramm.

Tracking- und Compliance-Setup

Welche Daten werden mit welcher Rechtsgrundlage erhoben? Was sind die Anforderungen aus DSGVO und TDDDG? Wie wird Datenqualität sichergestellt?

Umsetzungs-Roadmap

Konkreter Zeitplan mit Verantwortlichkeiten. Welche Schritte werden intern umgesetzt, welche extern beauftragt? Welche Quick Wins lassen sich in 30 Tagen erreichen, welche Strukturmaßnahmen brauchen 90 Tage?

Diese sechs Bereiche sind das Minimum. Mehr ist möglich, weniger nicht. Eine Analytics-Strategie, die einen dieser Bereiche auslässt, ist unvollständig.

Wann eine Analytics-Strategie sich lohnt und wann nicht

Nicht jedes Unternehmen braucht eine formale Analytics-Strategie. Es gibt klare Indikatoren, wann der Aufwand sich lohnt, und wann er übertrieben wäre:

Eine Analytics-Strategie lohnt sich, wenn:

  • Mehrere Stakeholder mit unterschiedlichen Daten-Bedürfnissen arbeiten (typisch ab 30 bis 50 Mitarbeitenden).

  • Mindestens zwei Datenquellen verknüpft werden sollen (z. B. Web-Analytics + CRM).

  • Das Marketing-Budget signifikant ist (typischerweise ab 50.000 € pro Jahr) und Entscheidungen zur Budget-Verteilung anstehen.

  • Eine größere Veränderung ansteht: Relaunch, Tool-Wechsel, neues Marketing-Konzept, etc.

  • Es bestehende Daten-Initiativen gibt, die nicht den erwarteten Nutzen bringen.

Eine Analytics-Strategie ist verfrüht, wenn:

  • Das Unternehmen noch sehr klein ist und alle Stakeholder denselben Daten-Bedarf haben.

  • Es keine relevante Web-Präsenz gibt (z. B. reines Direkt-B2B mit Kalt-Akquise).

  • Die operativen Grundlagen fehlen, etwa kein CRM, kein strukturiertes Marketing, keine klare Kunden-Segmentierung. Hier sind erst diese Basis-Themen zu klären.

Mein Ansatz ist nicht, jedem Kunden ein Strategie-Projekt zu verkaufen. Wenn im Kennenlerntermin klar wird, dass die operativen Grundlagen fehlen, empfehle ich, zuerst diese zu schaffen, auch wenn das bedeutet, dass ich kein Projekt bekomme. Eine Analytics-Strategie ohne Grundlage ist ein Luxusgut. Eine Analytics-Strategie auf solider Grundlage ist ein Hebel mit hoher Wirkung. Den Unterschied zu erkennen ist Teil meiner Arbeit und Voraussetzung dafür, dass ich mit Kunden langfristig zusammenarbeiten kann.

Vielleicht hast du noch eine Frage bezüglich Data- und Web-Analytics Strategie?

Ja, und zwar bevor das nächste Tool gekauft wird. Eine Analytics-Strategie sorgt dafür, dass dein Daten-Setup an deinen Geschäftsfragen ausgerichtet ist, nicht umgekehrt. Ohne diese Strategie entstehen typischerweise drei Probleme: zu viele KPIs ohne Bezug zu Entscheidungen, mehrere Tools mit widersprüchlichen Zahlen und Reports, die niemand nutzt. Der Aufwand für eine saubere Strategie ist überschaubar. Die Folgekosten ohne sie hingegen nicht.

Ein Reporting-Konzept beschreibt, welche Zahlen wie aufbereitet werden. Eine Analytics-Strategie beschreibt, welche Geschäftsfragen mit welchen Daten beantwortet werden, und welche Entscheidungen daraus folgen. Reporting ist das Werkzeug, Strategie ist die Logik dahinter. Wer ohne Strategie reportet, produziert Datenfriedhöfe.

Für ein mittelständisches B2B-Unternehmen typischerweise 4 bis 8 Wochen, abhängig von Komplexität der Stakeholder-Landschaft und Reifegrad der bestehenden Datenquellen. Das beinhaltet Stakeholder-Interviews, Status-Audit der vorhandenen Daten, Definition der Kernfragen und Erstellung eines konkreten Umsetzungs-Plans.

Ja, das ist sogar einer der wichtigsten Hebel im B2B-Mittelstand. Web-Analytics zeigt, wer auf die Website kommt. CRM zeigt, welche Anfragen wirklich Kunden werden. ERP zeigt, welche Kunden profitabel sind. Erst die Verknüpfung dieser drei Ebenen erlaubt Aussagen wie >> Kanal X bringt 30% der Leads, aber 60% des Umsatzes <<. Die technische Umsetzung erfolgt über BigQuery, n8n-Workflows oder API-Anbindungen, je nach Quell-Systemen.

Für ein typisches B2B-KMU liegt der Aufwand zwischen 5.000 € und 15.000 € für die Strategie-Phase. Daran schließt sich meist eine Umsetzungs-Phase an, deren Kosten von der Komplexität abhängen. Diese wird aber transparent kalkuliert und ist optional, wenn ein internes Team die Umsetzung übernehmen kann.

Bereit, eine Strategie statt einer To-do-Liste zu haben?

In einem unverbindlichen Kennenlerntermin spreche ich mit dir nicht über Tools, sondern über das, was du wirklich beantwortet haben willst. Du bekommst eine ehrliche Einschätzung, ob eine Analytics-Strategie für dich gerade Sinn macht und welche Schritte als nächstes ergeben.

Fabian Schröder Freelancer Data Web Analytics Consultant München