Datengetriebene Entscheidung

Eine datengetriebene Entscheidung ist keine Entscheidung, die durch Daten getroffen wird — Daten treffen keine Entscheidungen. Sie ist eine Entscheidung, deren Begründung und Risikoabschätzung auf reproduzierbaren Daten ruht, statt auf Erfahrung, Hoffnung oder Hierarchie.

Im Amazon-Alltag begegnet einem der Begriff inflationär. „Wir arbeiten datengetrieben" steht in jedem Agentur-Deck. Was den Anspruch hält, ist deutlich schmaler.

Vier Bedingungen, die eine Entscheidung wirklich datengetrieben machen

1. Klar formulierte Frage. „Sollen wir das Werbebudget für ASIN X im November erhöhen?" ist eine Frage. „Wie läuft ASIN X?" ist keine.
2. Definierte Datenquelle und Zeitraum. „Letzte 28 Tage SP-Klicks und -Verkäufe aus dem Werbe-Bericht, abgeglichen mit Gesamt-Verkäufen aus Brand Analytics." Eine Datenquelle ohne Zeitraum ist eine Stichprobe ohne Rahmen.
3. Schwellwert für Aktion. „Wenn der TACOS > 18 % und der Inkrementelle ACOS > 25 %, reduzieren wir das Budget um 30 %." Ohne Schwelle ist die Datenanalyse Theater.
4. Validierung nach der Entscheidung. Vier Wochen später wird geprüft, ob die Hypothese gestimmt hat — und das Schwellen-System gegebenenfalls nachgezogen.

Fehlt eine der vier Bedingungen, ist die Entscheidung „mit Daten begründet" — aber nicht datengetrieben.

Daten ≠ Datenmengen

Mehr Daten sind nicht automatisch bessere Entscheidungen. Im Gegenteil: Wer mit zu vielen Kennzahlen gleichzeitig argumentiert, hat oft Pattern-Matching, kein Modell. Ein nutzbares Daten-Set hat:

• Eine begrenzte Zahl relevanter Metriken (in der Regel 3–7 pro Frage).
• Eine einzige Quelle der Wahrheit pro Metrik (siehe Single Source of Truth).
• Aktualität, die zur Frequenz der Entscheidung passt (Tages-KPI für Tagesentscheidung, Quartals-KPI für Quartalsentscheidung).

Wo datengetriebenes Arbeiten auf Amazon scheitert

Drei Muster wiederholen sich:

• Zu kleine Stichproben. Eine Kampagne mit 47 Klicks und 2 Sales — keine statistische Signifikanz, trotzdem wird sie skaliert oder gekillt. Das Ergebnis ist Zufall, nicht Entscheidung.
• Falsche Vergleichszeiträume. „Letzte Woche vs. Vorwoche" ist zur Black-Friday-Zeit wertlos. Saisonale Vergleichszeiträume (Jahr-zu-Jahr, vergleichbare Kampagnenwoche) sind Pflicht.
• Daten ohne Kontext. Klickrate gestiegen, Konversion gefallen — ist das gut oder schlecht? Ohne Verständnis der zugrundeliegenden Veränderung (Werbe-Platzierungswechsel? Preisanpassung Wettbewerb? saisonale Käufer?) liefert die Zahl keine Antwort.

Datengetrieben ≠ datenausschließlich

Eine datengetriebene Entscheidung schließt qualitative Inputs nicht aus — sie ordnet sie ein. Erfahrung sagt: „Bei Q4-Lightning-Deals sehe ich oft 48 h verzögerte BSR-Wirkung." Die datengetriebene Variante fragt zurück: „Wie oft hat das in unseren letzten 12 Deals tatsächlich zugetroffen?"

Wenn die Erfahrung sich in den eigenen Daten bestätigt, wird sie Teil der Entscheidungsregel. Wenn nicht, war es Anekdote.

Werkzeuge auf Amazon

Brauchbare Quellen für datengetriebenes Arbeiten:

• Amazon Werbekonsole — granular für Ad-Performance, aber blind für organische Effekte.
• Amazon Brand Analytics und insbesondere Search Query Performance — die einzige offizielle Datenquelle, die zeigt, welche Suchanfragen zu Impressionen, Klicks und Käufen geführt haben.
• Seller-Central-Berichte — Verkäufe, Retouren, Lagerbestand.
• Suchbegriff-Bericht — was real gesucht wurde, wenn die Anzeige gezeigt wurde.
• Drittanbieter-Tools wie AMALYZE — vereinheitlichen, historisieren und korrelieren diese Quellen, sodass eine Entscheidung nicht in fünf Tabs parallel zusammengeklickt werden muss.

Common mistakes

• „Wir arbeiten datengetrieben" sagen, ohne die vier Bedingungen zu erfüllen. Behauptung ist keine Methode.
• Dashboard-Kult. Ein Dashboard ohne klare Entscheidungsfrage ist Tapete. Schöne Visualisierung ersetzt keine Schwelle und kein Validierungskonzept.
• Vanity-Metriken. Impressionen, Klicks, Reichweite — wirken groß, korrelieren aber nicht zwingend mit Umsatz oder Marge.
• Mathematik gegen Realität ausspielen. Wer „die Daten sagen das" als Diskussionsende benutzt, schließt operative Erfahrung aus — und macht sich blind für die Lücken im eigenen Datensatz.
• Keine Validierung. Eine Entscheidung ohne Folge-Check ist eine Wette; mit Folge-Check wird daraus ein Lernzyklus.

Datengetrieben zu arbeiten heißt nicht, sich hinter Zahlen zu verstecken. Es heißt, Entscheidungen so zu treffen, dass sie nachvollziehbar, kritisierbar und korrigierbar sind — und dass die nächste Entscheidung im gleichen Bereich auf einer breiteren Grundlage steht als die letzte.