Montagmorgen. Ein Kampagnenreporting steht an – und das Dashboard hat schon wieder nicht aktualisiert. Die Zahlen passen nicht zum Ads Manager, eine KPI ist anders gerechnet, Impressionen fehlen. Unser Marketing-BI-Setup war zum 50-GB-Monstrum geworden, das Anpassungen verweigert und für Aktualisierungen über eine Stunde braucht. Ich erzähle aus der Praxis, wie wir das im laufenden Betrieb zu einem klaren Sternschema umgebaut haben. Heute arbeiten wir mit 4x mehr Daten bei 96% weniger Speicherbedarf und 57% performanteren Reports.

Zielpublikum: (Marketing) Data/Analytics Engineers, BI-Entwickler*innen, Verantwortliche, Head ofs, Team Leads mit Interesse am strategischen Impact der Analytics-Infrastruktur
Voraussetzungen: Grundverständnis von BI/Analytics und Marketing-Kennzahlenlogik, Basiswissen Datenmodellierung (Dimension/Fakt, Star Schema) und ELT-Grundlagen
Level: Basic

Extended Abstract:
Unsere Marketing-Daten-Infrastruktur ist über die Jahre gewachsen. Nach einem agilen „hands-on“ Import weniger Quellen kamen immer mehr Plattformen hinzu, die in großen flachen Tabellen mit ein paar Hilfskonstrukten landeten. Irgendwann haben wir jede Woche neue Bugs gefixt und Anforderungen hintenangestellt, statt Kolleginnen und Kollegen im Business zu unterstützen und Analysen mit Mehrwert zu liefern.

Das Setup ächzte unter hohem Speicherbedarf, Performance-Problemen im Plattform-/BI-Layer und immer höherem Maintenance-Aufwand. Gleichzeitig stieg der Bedarf: Nach mehr Quellen, längeren Analysezeiträumen, schnelleren Iterationen, besserem Benchmarking – und einer robusten Basis für Self-Service oder KI.

Eine Lösung musste her, und die klang zunächst theoretisch: ein Sternschema mit klaren Dimensionen und Fakten, standardisierten Transformationslogiken und inkrementeller Aktualisierung. Doch wie kommt man von hier nach dort – ohne das Tagesgeschäft zu stoppen?

2025 haben wir genau das getan: Unsere Marketing-Datenlogik im laufenden Betrieb neu aufgesetzt, konsistente Kennzahlen über Plattformen definiert, den ELT-Prozess stabilisiert und optimiert sowie die Reporting-Landschaft neu gebaut. 2026 arbeiten wir seit fast einem Jahr mit unserem „Master-Datenmodell“: Es ist deutlich wartungsärmer, transparenter und messbar effizienter (u.a. 4x mehr Daten bei 96% weniger Speicherbedarf und 57% schnelleren Reports).