HelloBetter: Die Erfolgsgeschichte eines Kunden
Jedes Tech-Startup steht irgendwann vor der gleichen Herausforderung: Sie stellen fest, dass Tabellenkalkulationen nicht die Erkenntnisse liefern, die sie für ihr Wachstum benötigen.
Um also datenorientiert zu arbeiten, müssen Startups ihre Datenverarbeitung ausbauen. HelloBetter hat sich dazu entschieden mit Gemma Analytics uns das Thema anzugehen. Dieser Artikel geht näher darauf ein wie Gemma Analytics das Projekt durchgeführt hat und welche Auswirkungen es hatte.
HelloBetter: Führend im HealthTech-Sektor Berlins
HelloBetter ist eines der aussichtsreichsten HealthTech-Startups in Berlin. Sie bieten wissenschaftlich geprüftes psychologisches Online-Training mit persönlicher Betreuung an.
HelloBetter wurde 2015 als GET.ON von renommierten Forschungspsychologen gegründet. Das Unternehmen ist ein Pionier im Bereich der Online-Kurse für psychische Gesundheit, die seither von mehr als 25.000 Menschen absolviert wurden. HelloBetter beschäftigt derzeit über 70 Mitarbeiter.
Das Unternehmen bietet sein Produkt sowohl direkt (B2C) als auch indirekt über Unternehmen (B2B2C) an. Zu den großen Versicherungsunternehmen, mit denen HelloBetter zusammenarbeitet, gehören die Barmer und die Allianz, aber auch das betriebliche Gesundheitsmanagement für Kunden wie Viessmann und Lufthansa.
GDPR-konform und maßgeschneidert: Warum sich HelloBetter für Gemma entschied
Da HelloBetter datenschutzsensible Informationen verarbeitet, konnten sie keine SaaS-Lösung für ihren Datenbedarf einsetzen. Diese SaaS-Unternehmen sind hauptsächlich in den USA ansässig, weshalb diese Option nicht GDPR-konform gewesen wäre. Stattdessen brauchten sie eine eigens entwickelte Lösung.
Gemma Analytics ist Spezialist für den Aufbau moderner Dateninfrastrukturen. Das Know-how von Gemma Analytics im Bereich Data Engineering ermöglicht es, alle erforderlichen Tools in einer separaten Umgebung zu hosten. Beispiele für solche Tools sind dbt, Apache Airflow und Metabase.
Der Aufbau einer Dateninfrastruktur bedeutete, dass HelloBetter einen Dateningenieur oder ein spezialisiertes Unternehmen wie Gemma Analytics einstellen musste.
Warum also Gemma Analytics und kein eigener Dateningenieur? Es ist nicht ganz einfach, einen erfahrenen Experten in diesem Feld zu finden. Für Startups ist es noch schwieriger, da ihnen oft eine Arbeitgebermarke fehlt. Für weniger als die Kosten für die Einstellung eines Dateningenieurs erhält man oft ein ganzes Team von Spezialisten.
Die Einstellung und Einarbeitung eines Dateningenieurs braucht Zeit. Gemma konnte sehr schnell starten und innerhalb von Wochen handfeste Ergebnisse liefern.
"HelloBetter brauchte einen Partner, der eine skalierbare, hochleistungsfähige und GDPR-konforme Dateninfrastruktur entwickelt, aufbaut und wartet."
Aufgrund der sensiblen Daten benötigten wir eine maßgeschneiderte, GDPR-konforme Lösung. Gemma war in der Lage, uns mit Projektmanagement, Datentechnik und Analysetechnik zu versorgen, um die Aufgabe zu bewältigen. Gemma hat schnell und effektiv geliefert. Dank ihres Fachwissens übernehmen sie auch heute noch die Wartung unserer Datenpipelines.
HelloBetter verfügt jetzt über eine skalierbare Dateninfrastruktur, die eine datengesteuerte Produktentwicklung ermöglicht. Es gibt viel mehr Transparenz in unserer organisatorischen Entwicklung, mit kürzeren Iterationszyklen als Ergebnis.
Von manuellen Abfragen zur kompletten Automatisierung: Die Datenrevolution
Um das Endergebnis besser zu erfassen, wird dargestellt, wie HelloBetter vor der Zusammenarbeit mit Gemma Analytics die Datenanalyse durchführte.
- Es gab keine spezielle Analyseinfrastruktur für die Datenanalyse. Der VP of Engineering schrieb MongoDB-Abfragen für Ad-hoc-Anfragen. Anschließend ordnete und analysierte er sie in Excel. Für jede Aktualisierung musste ein neuer Bericht erstellt werden.
- Da die gesamte Arbeit von einer einzigen Person erledigt wurde, fehlte es an Kapazitäten, um neue Analysen zu erstellen oder neue Daten zu extrahieren.
- Darüber hinaus war es oft gar nicht möglich, Daten zu kombinieren.
Was wurde jetzt aber umgesetzt und optimiert?
- Das bedeutendste Resultat ist, dass die Entwicklung ihres Produkts beschleunigt werden konnte.
- Wie? Indem sie ihre Annahmen schnell und gezielt validieren.
- Jetzt sind keine Abfragen und manuellen Analysen mehr erforderlich. Die Daten werden nun alle zwei Stunden aktualisiert.
- Die Dashboards sind anpassbar, und alle Mitarbeiter können ihre eigenen Abfragen erstellen.
- Es wurden verschiedene Dashboards für unterschiedliche Benutzertypen erstellt. Es gibt High-Level-Dashboards für das Management (z. B. Umsatz, Kundenbindung und NPS-Zahlen)
- Detaillierte – z. B. auf Kundenebene – für die Produktentwicklung und andere Beteiligte.
Projektablauf
- Kick-off-Sitzung im November 2020
- Nach 3 Wochen: Datentechnik abgeschlossen
- Nach 4 Wochen: erster Bericht fertiggestellt
Data Stack
3 different MongoDB instances
Marketing sources to come
Airflow with Python Dags using our own Python library EWAH
PostgreSQL
Metabase
Telekom Cloud
Bitbucket
Aufgaben von Gemma Analytics
- Projektleitung
- Daten-Engineering
- Datenmodellierung
- Datenvisualisierung
- Wartung der Infrastruktur