Der Leitfaden für eine data driven Nutzung von Airbnb

Seit 2008 ist Airbnb mit über 6 Millionen Angeboten und 4 Millionen Gastgebern weltweit enorm gewachsen und hat sich zu einer echten Alternative zu Hotels entwickelt.

Durch die Sammlung umfangreicher Informationen über Gastgeber, Gäste, Aufenthaltsdauer, Reiseziele usw. produziert Airbnb jeden Tag riesige Datenmengen! Um all diese Daten bereinigen, verarbeiten, verwalten und analysieren zu können, musste der führende Anbieter von Unterkünften eine solide und strenge Datenkultur in seiner Organisation einführen.

In diesem Artikel erfahren Sie, welche Best Practices bei Airbnb implementiert wurden, um ein data-driven Unternehmen zu werden - basierend auf den Ausführungen von Claire Lebarz, Head of Data Science, auf der Big Data & AI Paris 2022.

Die 3 Stufen der Reife einer Datenorganisation nach Airbnb

Der Begriff data-driven ist sehr bekannt und wird häufig verwendet, um ein Unternehmen zu beschreiben, das strategische Entscheidungen auf der Grundlage der Analyse und Interpretation von Daten trifft. In einem wirklich data-driven Unternehmen nutzen alle Mitarbeiter und Führungskräfte die Daten auf natürliche Weise und integrieren sie in ihre täglichen Aufgaben.

Nach Ansicht von Claire Lebarz wird der Begriff "data-driven" jedoch oft überstrapaziert: "Ich ziehe es vor, in drei Reifegraden zu denken, die eine Datenorganisation charakterisieren: Data Busy, Data Informed, Data Powered."

Bei der "Data Busy" hat ein Unternehmen datenorientierte Mitarbeiter wie Datenanalysten, Datenwissenschaftler oder Dateningenieure in der Organisation eingesetzt. Die Analysezeit ist jedoch nicht schnell genug, oder es gibt keinen Return on Investment für die Data Scientists.

"Auf dieser Ebene gibt es keine Regeln für die Qualität der Daten, den Daten wird nicht vertraut. Oder sie stellen einen Engpass für die Organisation dar", erklärt Claire.

Auf der "DateninformierteAuf der Ebene " Data Governance " hat das Unternehmen Data Governance eingeführt, und strategische Entscheidungen basieren zunehmend auf den KPIs und Metriken des Unternehmens und nicht mehr auf dem Instinkt des Top-Managements.

Schließlich, auf der "Datengestützte", der höchsten Stufe der Reifegradmatrix, stehen die Daten im Mittelpunkt des Unternehmens und werden zu einem entscheidenden Faktor für das Unternehmenswachstum.

"Vor allem sind Daten nicht mehr für eine Gruppe von Datenexperten reserviert, sondern für die gesamte Organisation - alle Mitarbeiter beschäftigen sich feinabstimmen mit Daten", erklärt der Head of Data Science.

Die 6 Schritte zum data driven Arbeiten laut Airbnb

Schritt 1: Die wissenschaftliche Methode

Bei 'Data Science' geht es vor allem um 'Wissenschaft', erklärt Claire. Der erste Schritt besteht also darin, sich den wissenschaftlichen Ansatz in der Organisation zu eigen zu machen. "Die Idee ist nicht, ein großes Forschungs- und Entwicklungsteam aufzubauen, sondern vielmehr alle Hypothesen, mit denen wir arbeiten, zu Papier zu bringen und Wege zu finden, sie zu validieren oder nicht.

Dieser Ansatz beinhaltet Testen, Testen und... noch mehr Testen! Und einer dieser Hebel ist das A/B-Testing. Der Head of Data Science erklärt, dass es für Airbnb während der COVID-19-Krise entscheidend war, über verschiedene Annahmen über die Welt von heute und die von morgen nachzudenken, um die richtigen strategischen Weichen für das Unternehmen zu stellen.

Ein Beispiel, das die Bedeutung von A/B-Tests bei Airbnb verdeutlicht, ist die Einführung eines Filterungssystems für Höchst- und Mindestpreise auf der Buchungsseite. Claire erklärt, dass das Feedback Nutzer besser ausfiel, wenn Reisende ihr maximales Budget für die Buchung eines Aufenthalts angeben konnten. Ohne diese kleine Ergänzung verbrachten Reisende im Durchschnitt viel Zeit auf den Inseraten und entschieden sich schließlich gegen eine Buchung.

Schritt 2: Strategische Teamausrichtung

Für Claire L. ist die Festlegung von OKRs (Objectives & Key Results) unerlässlich, um die verschiedenen Teams intern aufeinander abzustimmen. In der Tat neigen die Datenteams eines Unternehmens oft dazu, sich nur auf ihre eigenen Datenmetriken zu konzentrieren. Es ist jedoch unerlässlich, gemeinsame Unternehmensziele festzulegen, um eine echte Datenkultur im Unternehmen zu schaffen: "Strategie muss vor Metriken kommen".

Und der weltweit führende Anbieter von Kurzzeitvermietungen musste eine mangelnde Anpassung hinnehmen. Im folgenden Beispiel sehen wir die negativen Folgen für die Sucherfahrung auf der Airbnb-Website im Jahr 2017. In dieser Abbildung lieferte die abfragen "los angeles" Ergebnisse in mehreren Kategorien, ohne dass sie für den Nutzer wirklich Sinn machten.

Hier war jedes Team für einen bestimmten KPI zuständig. Das "Erlebnis"-Team war für die Unternehmensziele zuständig, um Vorschläge für Unternehmungen in der Stadt zu machen, während ein anderes Team für die Städte zuständig war, die der Suche am nächsten lagen, usw. Alle Teams gaben mehrere Informationen weiter, um ihre eigene Leistung zu steigern und die Besucherzahlen in ihrem Bereich der Website zu erhöhen.

Die Nutzer würden sich verirren und am Ende nichts buchen, weil die Teams nicht am selben Strang ziehen.

Schritt 3: Messung der Ungewissheit

Für Claire L. ist "Ungewissheit ein fester Bestandteil der Unternehmensführung und der Entscheidungsfindung". Manchmal ist die beste Analyse nicht gleich die beste Entscheidung. Wir müssen organisatorische Diskussionen führen, wie zum Beispiel: Welchen Grad an Vertrauen brauchen wir, um Entscheidungen zu treffen? Welche Signale müssen wir berücksichtigen, um Entscheidungen zu ändern?

Im Zusammenhang mit den OKRs besteht oft die Versuchung, Initiativen zu vermeiden, deren ROI schwer zu messen ist. Doch nur weil eine Kennzahl schwer zu messen ist, bedeutet das nicht, dass die Initiative, die davon abhängt, nicht die beste ist. Ein Beispiel, das uns der Head of Data Science nennt, sind die Branding-Kampagnen, die Airbnb während des Super Bowls zwischen 2017 und 2021 durchgeführt hat.

„Branding-Kampagnen lassen sich am schwersten messen; man kann ihren ROI selten genau bestimmen. Angesichts unserer indirekten Ergebnisse war es jedoch vielleicht die beste Marketingstrategie, eine starke Branding-Strategie zu entwickeln und uns von der Abhängigkeit von bezahlten Kanälen wie SEM zu lösen, um den organischen und direkten Traffic zu steigern.“

Schritt 4: Zentralisierte Verwaltung

Nach Ansicht von Claire L. muss die Governance zentralisiert sein. In der Tat hat sie bei Airbnb festgestellt, dass die Objektivität der Daten im Unternehmen schnell verloren geht, sobald man die Datenteams dezentralisiert und sie an das Unternehmen berichten. Sie erklärt: "Daten müssen als gemeinsamer Vermögenswert im Unternehmen betrachtet werden, und es ist wichtig, Investitionen zentral und auf höchster Ebene des Unternehmens zu tätigen. Daten sollten wie ein Produkt verwaltet werden, bei dem die Mitarbeiter die Kunden sind.

Das Conway'sche Gesetz gilt auch für Daten: "Organisationen, die Systeme entwerfen, neigen unweigerlich dazu, Entwürfe zu produzieren, die Kopien der Kommunikationsstruktur ihrer Organisation sind." Übertragen auf Daten bedeutet dies, dass die verschiedenen Abteilungen des Unternehmens ihre eigenen Tabellen, Analysen und Funktionen erstellen, die auf ihren eigenen Definitionen basieren und nicht immer mit denen anderer Abteilungen übereinstimmen.

Schritt 5: Die richtige Kommunikation

Claire L. berichtet über eine der besten Entscheidungen, die Airbnb getroffen hat - die Einstellung von Data Scientists, die nicht nur technisch sehr gut sind, sondern auch gut kommunizieren können. In der Tat ist das Unternehmen 2017-2018 sehr schnell gewachsen. Und um sich mit der Funktionsweise von Airbnb vertraut zu machen, musste man manchmal zwischen 15 und 20 Analysen für Wissenschaftler lesen oder sich viel Zeit nehmen, um sich über die Positionierung des Unternehmens für Designteams zu informieren - was alles schnell teuer werden konnte.

Also änderte Airbnb seinen Ansatz in der Datenanalyse. Anstatt herkömmliche Memos zu erstellen, die mit der Zeit veralten und ständig aktualisiert werden müssen, begann das Unternehmen, „lebende Dokumente“ zu erstellen. „Wir haben ‚Wissensstände‘ eingerichtet, also Zusammenfassungen des gesamten Wissens eines Teams zu einem Thema – die entsprechend der Häufigkeit der Recherchen zu einer Frage aktualisiert werden“, erklärt Claire.

Der Leiter der Data Science erläutert Data Science , wie wichtig Kommunikation während der COVID-Krise war. Da die Airbnb-Teams in San Francisco nicht mehr persönlich zusammenarbeiten konnten, war es unerlässlich, neue Kommunikationsformen zu entwickeln: „Wir stellten fest, dass es allgemein zu einer starken E-Mail- und Bildschirmmüdigkeit kam. Deshalb suchten wir nach effektiveren Kommunikationswegen, beispielsweise über Podcasts oder Videos, damit unsere Mitarbeiter Informationen auch abseits ihrer Bildschirme erhalten konnten. Wir mussten die Informationen vereinfachen und auf einfache, visuelle Weise bereitstellen, damit alle Mitarbeiter auf die Daten zugreifen können.“

Schritt 6: Ein menschenähnlicheres Maschinelles Lernen

Seit seinen Anfängen verwendet Airbnb Suchalgorithmen, die Gäste und Gastgeber zusammenbringen. Es hat jedoch einige Zeit gedauert, bis das Unternehmen diese Algorithmen in großem Umfang eingesetzt hat - zum einen, um die Nutzer zu verbessern, und zum anderen, um funktionsübergreifende Teams bei der Diskussion von Modellierungsentscheidungen zu unterstützen.

Claire Lebarz erklärt, dass man das Problem rückwärts betrachten muss, wenn man Algorithmen desMaschinelles Lernen ohne Fehler haben will: "Anstatt zu sagen, dass wir ein Problem durch Automatisierung und Maschinelles Lernen lösen müssen, wollten wir uns auf das Gegenteil konzentrieren: Welche Art von Nutzer wollen wir schaffen? Und dann gehen wir hin und setzen Maschinelles Lernen dort ein, wo es Sinn macht, diese Prozesse zu verbessern."

Die Einführung der kategorienbasierten Suche auf der Airbnb-Plattform verdeutlicht dies. Tatsächlich ging es darum, eine alternative Möglichkeit zur Suche nach einer Unterkunft anzubieten: indem man den Reisenden fragt, was er gerne unternehmen möchte. „Hier weichen wir von unserem Grundmodell ab, bei dem wir vorschlagen, Reisedaten und den gewünschten Ort einzugeben. Jetzt können wir Sie fragen, was Sie unternehmen oder haben möchten, wie zum Beispiel Surfunterricht, einen schönen Blick auf den Strand oder sogar einen Pool.“

Diese Algorithmen sind sehr arbeitsintensiv, da sie auf die von den Gastgebern zur Verfügung gestellten Unterlagen angewiesen sind. Um zu vermeiden, dass die Gastgeber mehrere Fragen pro Woche stellen müssen, "sucht" das Maschinelles Lernen nach diesen Informationen und ordnet sie über Algorithmen in die richtigen Kategorien auf der Website ein.

Schlussfolgerung: Die 3 data driven Talente laut Airbnb

Um eine echte Datenkultur zu gewährleisten, ist es entscheidend, die richtigen Talente einzustellen. Laut Claire sind dies die drei wesentlichen Datenrollen eines data-driven Unternehmens:

• Analytik-Ingenieure: Sie sind die Garanten für Data Governance und Qualität. Sie positionieren sich zwischen Data Engineering und Analytics, um sich auf Erkenntnisse und Fragen zu konzentrieren.
• Maschinelles Lernen Ops: Dies ist ein neuer Beruf, der sich auf den Betrieb und die Entwicklung von Algorithmen des Maschinelles Lernen konzentriert.
• Datenprodukt-Manager: Sie sind diejenigen, die den Weg zur verwalten Daten als Produkt vorgeben und den Datenansatz im Unternehmen professionalisieren. Sie sorgen für Transparenz bei Roadmaps und neuen Datenfunktionen und dienen als Bindeglied zu anderen Funktionen.

"Es ist von entscheidender Bedeutung, diese drei aufstrebenden Berufe in die Organisation einzubinden, um wirklich Data Powered" zu werden.

Über den Autor

Über Actian Germany GmbH

Actian ermöglicht es Unternehmen, Daten in großem Umfang sicher zu verwalten und zu steuern. Unternehmen vertrauen auf die Datenmanagement- und Datenintelligenz-Lösungen von Actian, um komplexe Datenumgebungen zu optimieren und die Bereitstellung von KI-fähigen Daten zu beschleunigen. Die auf Flexibilität ausgelegten Lösungen von Actian lassen sich nahtlos integrieren und arbeiten zuverlässig in lokalen, Cloud- und Hybridumgebungen. Erfahren Sie mehr über Actian, den Daten- und KI-Geschäftsbereich von HCL Software, unter actian.com.