„Wie viele Leads hat diese Kampagne generiert?“ — „Äh, ich weiß nicht.“ Wie ich aus einer Bauchgefühl-Kultur eine datengetriebene Organisation gemacht habe: KPI-Framework + 4 Dashboards, Forecast-Genauigkeit von 40 % auf 82 %.
Die Herausforderung
Das Unternehmen hatte keine Metrik-Kultur. Entscheidungen waren Bauch-basiert, Marketing-Attribution fehlte komplett.
Rahmen: 6 Monate (Q1–Q2 2025) · <€3k (Power BI, Google Data Studio) · Team: 1 PM (ich), 1 BI-Analyst (Teilzeit).
Was ich gemacht habe
1. Metrik-Definitions-Workshop (Woche 1)
- North Star definiert: Revenue-Wachstum
- Outcome: Revenue, CAC, LTV, Churn
- Activity: Leads, Conversions, Sales-Cycle, Deal-Velocity
- Operational: Email-Open-Rates, Support-Response, Deployment-Frequency
- Owner pro Metrik zugewiesen
2. Data-Infrastruktur (Wochen 2–6)
Source-Systeme (HubSpot, Freshdesk, Salesforce, Google Ads, Email, internes DB) über täglichen ETL via N8N konsolidiert. Power BI (Sales) + Google Data Studio (Marketing).
3. Dashboard-Design & Rollout (Wochen 7–24)
- Sales: Pipeline, Velocity, Forecasting, Close-Rate by Rep
- Marketing: Lead-Source, Cost-per-Lead, Lead-Quality, ROI by Channel
- Support: Response-/Resolution-Time, Satisfaction-Trend
- Executive: MRR, Churn, CAC, LTV, Growth-Rate
Resultate
| Metrik | Vorher | Nachher | Impact |
|---|---|---|---|
| Datenverfügbarkeit | manuell/verstreut | Echtzeit (täglich) | Immer aktuell |
| Entscheidungszeit | Stunden | Sekunden | 10x schneller |
| Forecast-Genauigkeit | 40 % | 82 % | Vorhersagbar |
| Marketing-Attribution | keine | klar | Channels messbar |
| Daten-getriebene Meetings | <5 % | >70 % | Kulturwechsel |
Das ist Datenkultur: Metriken informieren jede Major-Entscheidung — nicht das Bauchgefühl.
Eingesetzte Tools
Power BI · Google Data Studio · N8N (ETL) · HubSpot · Salesforce · Freshdesk