Die Macher von On Running versprechen ihren Kunden ein Laufgefühl «wie auf Wolken». Offenbar ist das keine reine Werbepropaganda, gibt der kommerzielle Erfolg doch den Zürcher Schuhmachern recht. Was 2010 als Dreimann-Start-up gegründet wurde, ist heute ein global tätiger Sportartikelhersteller.

On Running fokussierte sich anfangs auf Laufschuhe, die bald ein breites Spektrum von Konsumenten anzogen. Von solchen, die bequeme Alltagsschuhe suchten, bis hin zu jenen, die sich für zweckmässige Wanderbekleidung interessierten. Mit dem Erschliessen neuer Kundengruppen, dem verbreiterten Portfolio und der Expansion in Märkte wie Deutschland, Grossbritannien und die USA erkannte On, dass ein detailliertes Verständnis der Kundenbedürfnisse für das Wachstum ebenso wichtig ist wie das Design der Laufschuhe und der Sportbekleidung.

In den Jahren des grossen Wachstums hatten die Teams bei On teilweise Schwierigkeiten, eine klare Vorstellung davon zu haben, wer ihre Kunden sind, was sie tatsächlich wollen und wie man sie am besten bedient. Denn die verschiedenen Teams arbeiteten jeweils mit unterschiedlichen Reporting-Plattformen. On war nicht in der Lage, die Daten auf einfache Weise zu vergleichen. Den Schuhmachern wurde klar, welchen Stellenwert eine einheitliche Business-Intelligence-Lösung hat, in der alle Datenquellen vereint sind, um Transparenz und Effizienz für das Unternehmen zu schaffen. Denn die Marketing- und Vertriebsspezialisten wollten verstehen, wie alles im Unternehmen mit allem zusammenhängt. Um mit dem Wachstum des Herstellers wortwörtlich Schritt halten zu können, musste die Lösung zudem schnell skalieren können.

Eine flexible und leistungsfähige Cloud-Lösung mit einer grossen Zahl an Schnittstellen bot sich an, um den Bedürfnissen von On zu genügen. Nach einem gründlichen Assessment fiel der Entscheid zugunsten von Google, weil der Implementierungs- und Verwaltungsaufwand am geringsten war, es sich in die übrigen Tools integrieren liess und sich die Mitarbeitenden ganz auf die Nutzung der Daten konzentrieren konnten.

Die Verantwortlichen bei On stellten eine passende Architektur zusammen, die auf Google BigQuery als skalierbarem Data Warehouse aufbaut. In BigQuery fliesst eine breite Palette von Datenquellen aus dem gesamten Unternehmen ein, darunter der Kampagnenmanager «Display & Video 360», Google Ads, mehrere Social-Media-Quellen und Google Analytics 360. «Google BigQuery ist ein Eckpfeiler unserer Datenstrategie. Es ist sicher, einfach zu bedienen und kostengünstig. Das grosse Partner-Ökosystem und die nahtlose Integration mit anderen Google-Diensten haben es uns erlaubt, schnell zu handeln und uns auf die Nutzung der Daten zu konzentrieren und alle Teile des Unternehmens zu unterstützen», sagt Andrej Blaha, Head of Business Intelligence bei On.

On nutzt zudem die prädiktive Modellierung und Segmentierung, die mit Apache Airflow auf Google Cloud Composer erstellt wurde. Sobald die Daten in BigQuery eingelagert sind, werden sie mit dem «Data Build Tool» transformiert und via Business-Intelligence-Plattform Looker verfügbar gemacht. «Das Einrichten einer Architektur ist dank der Verbindungen zwischen den GoogleTools sehr einfach», sagt Sofia Cubillos, Head of Data Analytics bei On. «Ich habe noch nie mit einem so kohärenten und robusten System gearbeitet, um die Business-Intelligence-Daten zu analysieren und zu visualisieren.»

Mithilfe der Google-Workspace-Kollaborations-Tools können die Teams von On ihre Datensätze manuell in Google Sheets eingeben, die direkt mit BigQuery verbunden sind. «Wenn wir eine Kampagne in der Offline-Welt lancieren, zum Beispiel ein Direktmailing, müssen wir in der Lage sein, die Kosten dieser Kampagnen mit den Einnahmen im Webshop zu vergleichen», erklärt Cubillos. «Das digitale Marketingteam kann die Kosten dieser Kampagne in ein Google Sheet hochladen, das sich über BigQuery mit allen anderen Plattformen verbinden lässt, sodass wir ein vollständiges Bild erhalten. Und da die Konten über Google Workspace verwaltet werden, ist es sehr einfach, neue Mitarbeiterkonten hinzuzufügen, was für eine schnell wachsende Firma ein echter Bonus ist.»

On nutzt seine einheitliche Datenarchitektur als Grundlage für diverse Projekte, zum Beispiel das Erstellen von Kunden-Clustern in Echtzeit mit Cloud AutoML. Mithilfe der Zielgruppen-Cluster in Google Analytics 360 ist On in der Lage, Budgets so zuzuweisen, dass sie die beste Investitionsrendite erzielen.

«Wir haben alle unsere Datenquellen konsolidiert, einschliesslich CRM-Daten von Salesforce und Verhaltens­daten von Google Analytics 360, und daraus 65 Dimensionen für jeden Kunden erstellt», sagt Cubillos, und führt aus: «Beispiele sind Wohnort, Transaktionsverlauf, Datum des letzten Kontakts und so weiter. Mit Cloud AutoML haben wir ­einen Algorithmus entwickelt, der sieben Cluster generiert hat, zum Beispiel ‹Fans der Marke› oder ‹Black Fridayers›, die besonders gut auf Werbeaktionen reagieren.» Das Team sendet die Cluster zurück an Google BigQuery und identifiziert die Kunden dann in Google Analytics 360. Das Aufteilen der Zielgruppen in Display & Video 360 resultierte schliesslich darin, dass die Verantwortlichen bei On automatisch ähnliche Zielgruppen erstellen und potenzielle Kunden identifizieren konnten.

Die einheitliche Datenplattform von On, die auf einer Cloud-Infrastruktur basiert, skaliert mit dem Unternehmen, sodass On die Wünsche seiner Kunden verstehen kann, auch wenn das Unternehmen schnell wächst. «Da wir diese Architektur mit Google-Cloud-Tools aufgebaut haben, müssen wir nicht alles migrieren, um ein schnelles Wachstum zu unterstützen», sagt Cubillos. «Google Cloud skaliert unsere Infrastruktur für uns.»

Jetzt möchte On neue Vorhersage-Algorithmen entwickeln, die Daten von Fremdanbietern und Tools für maschinelles Lernen nutzen. «Wir müssen das richtige Gleichgewicht zwischen dem Schutz der Privatsphäre und dem Angebot des besten Services finden. Um das zu erreichen, müssen wir Daten nutzen», sagt Cubillos. Dank der Architektur, die On auf Google Cloud aufgebaut hat, stehen die Daten zur Verfügung und helfen On, weiterzuwachsen. «Google BigQuery entsprach unseren Anforderungen, als wir eine kleine Firma waren. Und es entspricht unseren heutigen Anforderungen», sagt Cubillos. «Die Infrastruktur wächst mit uns, sodass wir die Systeme nicht ändern oder Daten migrieren müssen. Wir können uns einfach darauf verlassen, dass es funktioniert. Es ist ein grossartiger Ausgangspunkt für alle unsere Datenprojekte.»