Data- und AI-Kompetenzen für Tech, Medien und Plattformen

Tech-Unternehmen, Online-Plattformen und moderne Verlage sind datengetrieben von Haus aus. Die Tools sind ausgereift, das Datenteam ist stark, und niemand muss davon überzeugt werden, dass Zahlen zählen. Genau deshalb kommt der übliche Literacy-Pitch hier schlecht an.

Der eigentliche Engpass liegt rund um das Datenteam. Product Manager, Growth Marketer, Redaktionen und Vertriebsverantwortliche lesen den ganzen Tag Dashboards und Testergebnisse, und die Qualität ihrer Entscheidungen hängt daran, ob sie ein Ergebnis richtig lesen können. Zu wissen, wann ein Test nicht signifikant ist, wann ein Funnel-Einbruch Saisonalität ist, wann ein Uplift Kannibalisierung ist. Das im Plattformmaßstab falsch zu machen, kostet mehr als anderswo.

Das Zweite ist das Tempo. Was ein KI-Tool kann, verschiebt sich jedes Quartal, ein festes Curriculum ist also veraltet, bevor die zweite Kohorte startet. Und die Belegschaft verteilt sich über Märkte und Zeitzonen, remote-first, was alles ausschließt, was um einen Schulungsraum herum gebaut ist.

In einem datengetriebenen Unternehmen zählt ein unspektakuläres Verhalten: ein Ergebnis ehrlich lesen, auch das, bei dem nichts passiert ist. Zu wissen, wann ein Test nicht signifikant ist, wann ein Funnel-Einbruch Saisonalität ist, wann ein Uplift in Wahrheit Kannibalisierung ist. Im Plattformmaßstab ist dieses Urteilsvermögen mehr wert als jedes Tool.

Dafür braucht es Wissen darüber, was ein Experiment zeigen kann und was nicht, Können in den Tools, in denen Ihre Teams ohnehin leben (bei Skyscanner waren das Tableau und Amplitude mit echten Skyscanner-Daten), und für Engineering und Produkt echte Routine in der Arbeit mit KI statt einer Demo. Das reicht von Prompting und Context Engineering bis zu agentischen Mustern und Evaluation, und es wird neu gebaut, wenn sich die Tools bewegen, statt aus einem Katalog wiederverwendet.

Weil die Belegschaft remote-first und über Märkte verteilt ist, ist die Verankerung dafür gemacht: Kohorten über Zeitzonen hinweg, Champions in jedem Markt und eine Übergabe, damit es weiterläuft. Den Zuwachs messen wir gegen eine Ausgangsmessung vor dem Start und vergleichen ihn mit anderen Organisationen.

Skyscanner hat weltweit mehr als 1.400 Mitarbeitende durch ein maßgeschneidertes Programm auf Basis eigener Daten geschickt, mit 77 % Abschlussquote und einem sichtbaren Anstieg der täglichen Nutzung der eigenen Datenprodukte.

Just Eat Takeaway hat eine schnell wachsende globale Belegschaft in sechs Trainings weitergebildet, mit 60-90 % Abschlussquote und 22 % gemessenem Zuwachs an Datenkompetenz. Beide Programme wurden bei den DataIQ Awards ausgezeichnet.

Beide Gründer haben vor Data Booster in dieser Branche gearbeitet: Nanne Veldman bei Ultimaker und Wouter Neef bei Uber. Daher kommt die Vorliebe für Experimente und messbare Verhaltensänderung statt für Trainingskataloge.