Medien und Unterhaltung

Die Cloud in der Medienbranche: Jetzt ist der beste Zeitpunkt für die Umstellung

Mon, 20 Jun 2022 04:00:00 +0000

Die Rundfunk- und Fernsehbranche hat seit ihren Anfängen viele Veränderungen erfahren: Vom linearen terrestrischen Sendebetrieb über digitale und personalisierte Sendungen bis hin zu Ultra-High-Definition-Programmen wurden diese Entwicklungen durch die zunehmende Nachfrage der Zuschauer*innen vorangetrieben. Jetzt folgt der nächste Entwicklungsschritt, angetrieben von den Möglichkeiten des Cloud Computings in einer global vernetzten Welt. Rundfunkanstalten haben verstanden, dass agiler Umgang mit Technologie der Schlüssel zum langfristigen Erfolg neuer Geschäftsmodelle ist. Google Cloud-Technologien können den Weg für kontinuierliche Transformation bereiten und eröffnen den Sendern eine Reihe von Wachstumschancen.

Um die besten Ergebnisse bei der Weiterentwicklung von Geschäftsmodellen und -abläufen für eine digitale Zukunft zu erzielen, sollten sowohl finanzielle als auch operative Vorteile betrachtet werden. Veraltete Lieferketten und isolierte Content-Silos beschränken die Möglichkeiten, mediale Inhalte schnell über mehrere Kanäle und Plattformen an das Publikum zu bringen. Wenn Rundfunksender erkennen, wie Cloud-Funktionen für mehr Effizienz und Skalierbarkeit sorgen und neue Einnahmequellen erschließen, können sie durch den Einsatz flexibler Cloud-Technologien nicht nur Kosten reduzieren, sondern gleichzeitig auch den Umsatz steigern.

Medien-Workflows in der Cloud

Medienunternehmen, die ihre Lieferketten in die Cloud verlagert haben, konnten in den vergangenen Jahren ein enormes Wachstum verbuchen. Heute gibt es ein ganzes Ökosystem von Medientechnologien, die darauf ausgelegt sind, die Vorteile der Cloud auszuschöpfen. Die Frage ist nicht mehr: „Funktioniert das in der Cloud?“ Medienunternehmen wollen vielmehr wissen, wie sie die Cloud in ihren gesamten Geschäftsbetrieb integrieren und damit bessere Geschäftsergebnisse erzielen können.

In den vergangenen Jahren haben wir mit führenden Unternehmen der Branche wie etwa Grupo Globo oder TelevisaUnivision zusammengearbeitet, um nicht nur ihre Content-Lieferkette in die Cloud zu migrieren, sondern Cloud-Funktionen auch bei der Innovation ihrer Dienste einzusetzen, um ...

die Produktion von Inhalten zu steigern und zu optimieren,
personalisierte Inhalte weltweit zu verbreiten,
die Wünsche ihres Publikums besser zu verstehen und zu bedienen, und
neue Möglichkeiten zur Monetarisierung zu identifizieren.

Auswirkungen der Cloud auf Performance und Geschäftserträge

Medien- und Unterhaltungsunternehmen müssen in der Lage sein, den Zuschauer*innen in schnellerem Tempo mehr und nahtlos aufeinander folgende Inhalte anzubieten. So sichern sie sich die Aufmerksamkeit des Publikums – und damit ihre Einkünfte. Die Verlagerung von Legacy-Systemen und -Prozessen in die Cloud ist ein unternehmensweites Vorhaben, das Kosten reduzieren und Kapazitäten freisetzen kann. Mit dem Business Value Engagement Framework von Google Cloud untersuchen wir gemeinsam mit ihnen, welche Vorteile die IT in Bezug auf Kosten, Leistung und Wirkung haben kann.

Im Folgenden finden Sie Beispiele dafür, wie wir gemeinsam mit unseren Kunden Geschäftstreiber identifizieren und organisatorische Verbesserungen vornehmen.

Zusammenarbeit – so kann Google helfen

Wir konzentrieren uns darauf, mit unseren Kunden aus der Medien- und Entertainmentbranche die Herausforderungen zu identifizieren, denen sie bei der Umstellung auf die Cloud gegenüberstehen. Gemeinsam erarbeiten wir einen Plan, wie Google dazu beitragen kann, das Unternehmen zu verstehen – sowohl in Bezug auf den derzeitigen Stand der IT-Fähigkeiten als auch auf die Fortschritte, die sie bei ihren digitalen Initiativen mit Blick auf Kund*innen und Mitarbeiter*innen erzielen wollen.

Je mehr die Medienanbieter ihre Prozesse und Anwendungen in die Cloud verlagern, desto stärker wird die Nutzung von Daten und KI-Leistung in allen Geschäftsbereichen zu Verbesserungen führen. Sie steigern ihre operative Effizienz, senken Kosten und können dabei ihr Angebot auf neue Publikumsschichten und Regionen in aller Welt ausweiten.

Wir sind uns bewusst, dass jedes Medienunternehmen andere Ziele anstrebt und jede Reise anders verläuft. Google Cloud arbeitet deshalb eng mit seinen Kunden zusammen, um bei jedem Schritt die technologischen Möglichkeiten auf die Besonderheiten der Branche und die gewünschten Geschäftsergebnisse abzustimmen.

Globale Multiplayer-Spiele entwickeln – mit Cloud Spanner

Mon, 13 Jun 2022 04:00:00 +0000

Die Entwicklung moderner Videospiele dauert oft einige Jahre und erfordert viel Kapital. Beeinflusst wird die Entwicklungszeit von der unterliegenden Plattform sowie der Größe, der Art und dem Umfang des Spiels. Gamer erwarten oftmals vom ersten Tag an eine globale Multiplayer-Erfahrung. Deshalb hängt der Erfolg eines Spiels davon ab, wie gut es sich innerhalb der ersten Wochen für eine Community von Millionen Nutzer*innen skalieren lässt. Stabilität und eine hohe Verfügbarkeit sind hierbei die Grundvoraussetzungen, um auf die Nachfrage und das Wachstum zu reagieren. Treten in den ersten Tagen nach der Veröffentlichung Probleme auf, kann das fatale Folgen haben, denn Gamer verzeihen eine schlechte Spielerfahrung generell nur selten und die anfängliche Vorfreude kann schnell verfliegen. Mit anderen Worten: Das Momentum ist entscheidend.

Ist Cloud Spanner komplexen Architekturen gewachsen?

Online-Spiele benötigen viel Speicherplatz: Spielerfolge, Statistiken, Ranglisten und viele weitere Daten müssen in großem Maßstab gesichert werden. Je mehr Spieler*innen einsteigen, desto schneller nimmt das Datenvolumen zu. Die wichtigsten Voraussetzungen für eine unterliegende Datenbank sind deshalb Skalierbarkeit und eine hohe Verfügbarkeit.

Gaming-Backends benötigen meist sowohl eine NoSQL als auch relationale Datenbank, um adäquat skalieren zu können und die Datenkonsistenz aufrechtzuerhalten. Die in Google Cloud zur Verfügung stehenden Firestore- und Bigtable-Optionen können je nach Anforderung, sei es „Mobile First“ oder eine plattformübergreifende Unterstützung, für NoSQL genutzt werden. Im Bereich der relationalen Datenbanken führt kein Weg an Cloud Spanner vorbei – ein Produkt, das sowohl im Hinblick auf die Skalierbarkeit als auch auf die globale Konsistenz der SQL-Schnittstellen entscheidende Stärken besitzt.

Spanner ist unsere verteilte, global skalierbare SQL-Datenbank, die auf dem Prinzip der Entkopplung von Rechen- und Speicherleistung basiert. So können Ressourcen zur Berechnung unabhängig von den Speicherressourcen skaliert werden. Der Vorteil: horizontale Skalierbarkeit und somit bessere Leistung (in Operationen pro Sekunde) bei Schreib- und Lesevorgängen ohne Ausfälle. Das macht Spanner zur idealen Lösung für unkalkulierbare Workloads, auch aus dem Online-Gaming-Sektor.

Ungeplante Systemausfälle sind die größte Gefahr für den langfristigen Erfolg von Online-Spielen. Deshalb wünschen sich Gaming-Unternehmen hochverfügbare Dienste, um unvorhergesehene Ausfälle zu vermeiden. Spanner bietet eine Verfügbarkeit von 99,999 % für multiregionale Anwendungsfälle sowie eine transparente, synchrone Replikation für regionale und multiregionale Konfigurationen. Global verteilte Replikat-Shards sorgen für eine verkürzte Latenz, da sie von einer lokalen Kopie aus arbeiten.

Spanner unterstützt ANSI SQL und Schemata, die nicht denormalisiert werden müssen, und ermöglicht dementsprechend online DML (Data Manipulation Language) Operationen auf Ihrer Spieledatenbank. ANSI SQL kann zudem die Lernkurve von Entwickler*innen und Datenbankadministrator*innen verkürzen. Auch die Objektrelationale Abbildung (OMR) wird unterstützt und die Entwicklungszeit reduziert.

Damit Gaming-Unternehmen leichter Ihre Compliance-Vorgaben erfüllen können, ist Spanner gemäß PCI, SoC und FedRAMP zertifiziert. Über VPC Service Controls generierte Audit-Logs registrieren nicht nur die Aktivitäten der Administrator*innen, sondern auch die der Nutzer*innen (DML, DDL und sogar Queries).

Einführung von Spanner

Die Einführung von Spanner folgt einem klar vorgegebenen Ablauf. Mit den in der Grafik gezeigten Schritten gelingt Ihnen diese möglichst reibungslos. Im Unterschied zu herkömmlichen relationalen Datenbanken ist Spanner ist eine verteilte Datenbank, die relationale Sprachen unterstützt. Um Fehler und zusätzliche Optimierungsschleifen zu vermeiden, sollten Ihre Entwicklungs- und Administratorteams im Entwicklungszyklus so früh wie möglich mit der Evaluierung von Spanner beginnen.

Haben sie sich einmal damit vertraut gemacht, können bestehende relationale Datenbankschemata und relevante Abfragen dank der Unterstützung von ANSI SQL und Schemata in nur wenigen Schritten konvertiert werden. Einige unserer Gaming-Kunden haben die Umrüstung innerhalb von nur zwei bis drei Wochen absolviert. Zahlreiche Tools wie Harbourbridge, ein Open-Source-Evaluierungs- und Migrationstool, sorgen für eine zuverlässige und einfache heterogene Migration.

Wie auch bei anderen Datenbanken müssen bei Spanner Performance-Optimierungen und Belastungstests vorgenommen werden, um die Anforderungen hinsichtlich Datenrate und Latenz zu erfüllen. Die von Spanner bereitgestellten Tools zur Introspektion liefern wertvolle Erkenntnisse, die die Optimierung erleichtern. Dank der intuitiven, visualisierten Ausführungspläne gelingt es auch Entwickler*innen ohne umfassende Datenbankkenntnisse, lang laufende Abfragen zu optimieren. Das Vorwärmen der Datenbank vor dem Spielstart sorgt für eine optimale Verteilung und Datenrate.

Niantic Labs hat auf Google Cloud ein global skalierbares Spiel für Millionen von Nutzer*innen entwickelt: Pokémon Go. Ihre Erfahrungen bei der Skalierung mit Google Kubernetes Engine (GKE) und Spanner haben sie mit uns geteilt und beschrieben, wie BigQuery, Dataflow und Pub/Sub zur Datenanalyse genutzt werden können.

Mit mehr als 200 Millionen Nutzer*innen in über 190 Ländern weltweit ist Vimeo ein wichtiger Akteur auf dem wachsenden Video-/Saas-Markt. In nachfolgenden Video zeigen sie, wie sie Cloud Spanner für ihre Plattform nutzen und weshalb sie sich für Google Cloud entschieden haben:

Sie möchten mehr über unser global skalierbares Gaming-Backend in Google Cloud, die Vorteile von Spanner und die Unterschiede zu herkömmlichen relationalen Datenbanken erfahren? Dann lesen Sie unser Whitepaper „Develop Global Multiplayer Games using Cloud Spanner“.

Schnellere Time-to-Value durch Referenzmuster für intelligente Analysen

Tue, 19 Apr 2022 06:00:00 +0000

Unternehmen werden heutzutage mit riesigen Datenmengen aus einer Vielzahl von Quellen überflutet. Dieses Meer von Daten soll dem Unternehmen eigentlich nutzen, führt aber oft zur Überforderung der Datenteams, was Datenstaus verursacht und die Time-to-Value verzögert. Tatsächlich sind laut Accenture nur 27 Prozent der Unternehmen der Ansicht, dass Daten- und Analyseprojekte ihnen Informationen und Empfehlungen von hohem Nutzwert liefern. Das bedeutet, dass nahezu drei von vier Unternehmen den wahren Wert ihrer Daten nicht ausschöpfen.

Bei Google Cloud sehen wir in dieser Herausforderung eine Chance. Deshalb haben wir unsere Data Analytics Design Patterns oder Referenzmuster für intelligente Analysen entwickelt: produktübergreifende Technologielösungen, die den Weg des Kunden zur Wertschöpfung aus seinen Daten verkürzen. Diese Branchenlösungen vereinen Produktfunktionen mit Designmethoden, direkt einsetzbarem Open-Source-Code, Datenmodellen und Referenzarchitekturen, um Ihren Geschäftsergebnissen auf die Sprünge zu helfen.

Mit unseren Referenzmustern für intelligente Analysen erhalten Sie Zugang zu mehr als 30 einsatzfertigen Datenanalyse-Lösungen. Die Designmuster nutzen das Beste von Google und unserem umfangreichen Partnernetzwerk, darunter Technologiepartner und Systemintegratoren. In diesem Blog stellen wir anhand von drei Beispielen vor, wie Sie mit einem Designmuster den Mehrwert Ihrer Daten steigern:

Verbessertes Mobile App-Erlebnis durch einheitliche App-Analysen
Umsatzmaximierung im Digital Shop durch Preisoptimierung
Schutz interner Systeme vor Sicherheits- und Malware-Bedrohungen durch Anomalieerkennung

Einheitliche App-Analysen

Wenn Mobile Apps Teil Ihrer Go-to-Market-Strategie sind, stehen Ihnen etliche Datenquellen zur Verfügung, die wertvolle Kundeninformationen liefern können. Neben Tools für CRM (z. B. Salesforce) und Kundenbetreuung (z. B. Zendesk) verwenden Sie möglicherweise Google Analytics, um App-Ereignisse zu protokollieren, und Firebase Crashlytics, um Daten über App-Fehler zu sammeln. Wie aber können Sie die Backend-Serverdaten mühelos mit den Frontend-App-Daten abgleichen, um aussagekräftige Kundeninformationen zu gewinnen?

Das Designmuster für einheitliche App-Analysen macht es Ihnen leicht, verschiedene Datenquellen in ein einziges Warehouse (BigQuery) einzubinden und mit einem Business Intelligence-Tool (Looker) zu analysieren. Und sobald Sie in Echtzeit einen vollständigen Überblick über die Nutzungserfahrung der Kund*innen mit Ihrer App haben, können Sie handeln: Stellen Sie etwa einen Anstieg der App-Fehler fest, können Sie Ihre Crashlytics-Daten umgehend mit Ihren CRM-Daten abgleichen, um die Fehler mit den gravierendsten Umsatzauswirkungen einzugrenzen und deren Lösung zu priorisieren. Außerdem können Sie Ihren Workflow für die Fehlerbehebung automatisieren, indem Sie eine Regel für jeden künftigen Fehler erstellen, der sich auf bestimmte VIP-Kund*innen auswirkt.

Einheitliche App-Analysen verwandeln Ihr Data Warehouse in ein Werkzeug zur Gewinnung verwertbarer Kundeninformationen

Mit dem Designmuster für einheitliche App-Analysen gewinnen Sie wertvolle Erkenntnisse über das Nutzungserlebnis mit Ihrer App und können Ihre künftige App-Strategie entsprechend gestalten. NPR, ein amerikanisches Medienunternehmen, konnte beispielsweise sein Engagement seiner Nutzer*innen steigern und vermehrt Inhalte anbieten, die den Interessen und dem Verhalten der Hörer*innen entsprachen.

Preisoptimierung

In einem wettbewerbsintensiven und turbulenten globalen Markt ist die strategische Preisgestaltung wichtiger denn je. Doch viele Projekte fallen der mühsamen Standardisierung, Bereinigung und Aufbereitung der Daten aus Transaktionen, Beständen, Nachfrage und anderen Quellen zum Opfer.

Mit der Lösung zur Preisoptimierung können Einzelhändler ein datengesteuertes Preismodell etablieren. Die Lösung besteht aus drei Hauptkomponenten:

Dataprep von Trifacta: Integriert verschiedene Datenquellen in ein einziges Common Data Model (CDM). Dataprep ist ein intelligenter Datenservice zur visuellen Untersuchung, Bereinigung und Aufbereitung strukturierter und unstrukturierter Daten für Analysen, Berichte und Machine Learning.
BigQuery: Ermöglicht die konsistente und skalierbare Erstellung und Speicherung von Preismodellen in Form eines serverlosen Cloud Data Warehouse-Service.
Looker Dashboards: Liefern Erkenntnisse und machen Business-Teams handlungsfähig mit einer BI-Plattform auf Enterprise-Niveau.

Mit dem Designmuster zur Preisoptimierung von Google Cloud und unserem Partner Trifacta können Sie in kürzester Zeit mehrere Datenquellen zusammenführen und eine ML-gestützte Echtzeitanalyse anstellen, die Prognosemodelle zur Schätzung künftiger Umsätze nutzt. PDPAOLA, ein Online-Juwelier, verdoppelte seinen Umsatz durch dynamische Preisanpassungen, die ihm dank einer zentralen Datenübersicht möglich waren.

Anomalieerkennung

Um in der digitalen Transformation wettbewerbsfähig zu bleiben, sollten Unternehmen Risiken und Chancen antizipieren und entsprechend handeln. Die Anomalieerkennung hilft Unternehmen beim Identifizieren von Datenpunkten und Datentrends in hochfrequenten und hochvolumigen Datensätzen, die von historischen Standards oder erwarteten Verhaltensweisen abweichen. So können sie auf veränderte Nutzungsanforderungen reagieren, böswillige Aktionen abwehren und unnötige Kosten oder finanzielle Verluste verhindern.

Das Designmuster zur Anomalieerkennung verwendet Google Pub/Sub, BigQuery, Dataflow und Looker für folgende Funktionen:

Streaming von Ereignissen in Echtzeit
Verarbeitung der Ereignisse, Extraktion nützlicher Datenpunkte, Training des bevorzugten Erkennungsalgorithmus
Echtzeitnahe Anwendung des Erkennungsalgorithmus auf Ereignisse, um Anomalien zu erkennen
Aktualisierung von Dashboards und/oder Übermittlung von Warnmeldungen

Die Herausforderung, wichtige Informationen oder Anomalien in riesigen Datenmengen zu erkennen, ist vor allem für den Schutz und die Sicherheit eines Unternehmens wichtig und betrifft Unternehmen aller Branchen und Sparten. TELUS etwa, ein staatliches Kommunikationsunternehmen, modernisierte seine Sicherheitsanalyse-Plattform unter Verwendung dieses Musters. Jetzt werden Anomalien nahezu in Echtzeit erkannt und verdächtige Aktivitäten abgewehrt.

Steigen Sie ein

Nutzen Sie die Designmuster zur Datenanalyse in Ihrem Unternehmen und verwandeln Sie Ihre Daten in greifbare Geschäftsergebnisse – mit Google Cloud und unserem breiten Partnernetzwerk. Mehr als 30 Designmuster zur Datenanalyse warten auf Sie. Und wir haben mehr als 200 weitere Ideen in der Pipeline. Schauen Sie also regelmäßig vorbei, da in Kürze sicher neue Muster hinzukommen.

Wenn Sie tiefer eintauchen und mehr darüber erfahren möchten, wie Ihr Unternehmen mit Hilfe von Designmustern zur Datenanalyse Anwendungsfälle beschleunigen und eine schnellere Time-to-Value erzielen kann, schauen Sie sich dieses Video an.

Wie Medienunternehmen mit Daten und KI besser personalisieren können und worauf sie achten müssen

Mon, 28 Mar 2022 05:00:00 +0000

Medienunternehmen haben heute Zugang zu einem ständig wachsenden Datenpool von digital vernetzten Verbraucherinnen und Verbrauchern. Durch die pandemiebedingten Veränderungen bei der Mediennutzung und im Verhalten von Zielgruppen hat in den vergangenen zwei Jahren auch die direkt an Verbraucher*innen gerichtete Werbung rasant zugenommen.

Die Umstellung von Third Party Data auf First Party Data bringt für Medienunternehmen angesichts der Menge, Geschwindigkeit und Fragmentierung ihrer Daten Herausforderungen mit sich. Sie bietet aber auch die Gelegenheit, in einem konkurrenzbetonten Segment agiler zu operieren und genauer zu verstehen, wie Zielgruppen akquiriert, angesprochen und gebunden werden können.

Wie sollten Medienunternehmen mit ihren Daten umgehen und deren Wert betrachten, um diese Chance zu nutzen?

Darüber sprachen wir mit Gloria Lee, Executive Account Director im Bereich Media & Entertainment, und John Abel, Technical Director des CTO-Büros bei Google Cloud.

Daten und die wachsende Bedeutung von Personalisierung

Bedürfnisse und Erwartungen der Kundinnen und Kunden sind stetigem Wandel unterworfen. In der gesamten Medienbranche erwartet das Publikum zunehmend personalisierte Inhalte. So gab laut einer PWC-Studie aus dem Jahr 2020 fast ein Drittel (31 %) der Befragten an, dass einfache, personalisierte Empfehlungen für Inhalte ein Grund dafür wären, bei einem Streaming-Dienst zu bleiben.

Publikumsbindung ist das Ziel im umkämpften Markt um die Aufmerksamkeit der Nutzer*innen. Für Medienunternehmen ist es deshalb wichtig, ihr Publikum so gut wie möglich zu verstehen. Mit der Erfassung und Nutzung von First Party Data bietet sich die Möglichkeit, die Vorlieben des ihres Publikums besser zu bedienen. Dabei geht es nicht nur darum, was die Nutzer*innen konsumieren, sondern auch wann, wo und auf welcher (zunehmend digitalen) Plattform. Diese Daten sind der Schlüssel zu einem tieferen Verständnis des Publikums um diesem die gewünschten, individuell personalisierten Angebote zu liefern.

„Wenn wir uns die heutige Welt ansehen, steht für uns fest, dass Hyper-Personalisierung aufgrund der Digitalisierung erforderlich ist“, erklärt John Abel. „Für die Hyper-Personalisierung sind das Datenvolumen und der Wert der Daten in allen Branchen von entscheidender Bedeutung. So auch im Bereich Medien und Unterhaltung.“

Besseres Storytelling durch KI und ML

Mit besserer Datenanalyse lässt sich herausfinden, wie, wo und wann die Verbraucher*innen Medieninhalte konsumieren. KI und ML werden entscheidend dazu beitragen, das volle Potenzial dieser Daten zu erschließen. „Die wertvollsten Daten sind durch Nachbearbeitung generierte Daten, in der Regel durch Machine Learning oder KI. Sie erschließen neue Einblicke, die neue Möglichkeiten eröffnen“, erklärt Gloria Lee.

Neue Technologien liefern – häufig in Echtzeit – Erkenntnisse über das Publikumsverhalten, was die Personalisierung erleichtert. Ein typischer Anwendungsfall dazu ist die Empfehlung eines neuen Songs auf der Grundlage der Hörhistorie eines Nutzers oder einer Nutzerin. Doch diese Art der Personalisierung ist erst der Anfang, denn KI und ML eröffnen völlig neue Möglichkeiten. Sie können zum Beispiel auch das Sehverhalten der Nutzer*innen analysieren, um zum passendsten Moment eine Markenbotschaft zu platzieren. „Mit künstlicher Intelligenz und Machine Learning lassen sich Inhalte schnell durchsuchen, um die entscheidenden Momente für Marketingzwecke zu finden“, so Lee.

Personalisierung gut umzusetzen und dabei die Sicherheit und Vertraulichkeit der Daten der Verbraucher*innen zu wahren ist nicht nur für die Medienbranche, sondern für alle Konsumgüterunternehmen eine Herausforderung. Abel erklärt: „Die Technologie verschiebt sich in den Edge-Bereich und wird mit dem Datenschutz verknüpft.“ Anspruchsvolle Verfahren wie Datenföderation sorgen dafür, dass Medien- und Entertainment-Unternehmen ihre Daten sicher und vertraulich behandeln, indem keine auf Einzelpersonen bezogenen Daten ausgetauscht werden. Vielmehr werden die Daten zunächst in Kohorten zusammengefasst und anonymisiert. Auf diese Weise lassen sich nützliche Erkenntnisse gewinnen und gleichzeitig die Vertraulichkeit und Sicherheit der Daten wahren.

Wie Daten das Hörerlebnis verbessern

Spotify ist ein Paradebeispiel für ein Medienunternehmen, das datengestützte Erkenntnisse nutzt, um personalisierte Inhalte für seine Kund*innen anzubieten. Auf diese Weise entdecken Nutzerinnen und Nutzer leichter neue Songs und Podcasts ihrer Lieblingskünstler*innen.

„[Mit] Google Cloud ... kommen wir in Schlüsselbereichen wie Datenanalyse und Machine Learning schneller voran ... und können uns dann auf das konzentrieren, was unseren Spotify Nutzerinnen und Nutzern am wichtigsten ist: das Hörerlebnis, das sie von Spotify kennen und lieben.“ – Tyson Singer, VP of Technology and Platform bei Spotify

Sky, einer der führenden europäischen Fernsehsender, setzt ebenfalls auf Veränderungen seiner Datenstrategie, um Kund*innen besser zu bedienen. Mithilfe einer skalierbaren, cloudbasierten Architektur kann Sky mit der zunehmenden Menge an Diagnoseinformationen seiner TV-Boxen über Betriebszeit und Bereitstellung von Diensten Schritt halten. So gehen weniger Daten verloren und es bleibt mehr Zeit, sich auf die Verbesserung des Nutzungserlebnisses durch Personalisierung zu konzentrieren. „Daten sind das Herzstück der zukünftigen Strategie von Sky. Sie werden dazu beitragen, dass unsere Produkte intuitiv zu bedienen sind und dass unsere Kundinnen und Kunden nahtlos in den Genuss der von ihnen gewünschten Inhalte und Dienste kommen“, so Oliver Tweedie, Director of Data Engineering bei Sky.

Die Transformation zu einem datenorientierten Medienunternehmen

Mit neuen Technologietrends inner- und außerhalb der Branche Schritt zu halten, wird für das Überleben und den Erfolg von Medien- und Unterhaltungsunternehmen entscheidend sein. Ohne die Möglichkeit, Daten zu zentralisieren und schnell Erkenntnisse daraus zu ziehen, werden Medienunternehmen sich schwer tun, im Rennen zu bleiben.

Jede Veränderung ruft Widerstand hervor. Letztendlich kommt es aber auf die Menschen an. Bei der Frage, wie Menschen den digitalen Wandel bewältigen, spricht Lee von drei Personengruppen: Befürworter*innen, die sich über die Veränderung freuen, diejenigen, denen sie egal ist, und Gegner*innen, die sie ablehnen. „Es ist wichtig, die Leader dieser drei Gruppen innerhalb des Unternehmens zu erreichen, zu versuchen, sie mit ins Boot zu holen, und herauszufinden, was ihre Beweggründe sind“, erklärt Lee.

Was also raten John Abel und Gloria Lee Medienunternehmen für eine datengestützte Zukunft?