Seminar Frictionless Data, Analytics & Experimentation

Inhaltsverzeichnis

• Abstract
• Lernziele
• Zielgruppe und Voraussetzungen
• Agenda
• Übungen und Artefakte
• Ergebnisse und Vorlagen

Abstract

Dieses Seminar macht Frictionless messbar und experimentierbar. Es behandelt Event-Design, Funnel-Analytik, Segmentierung, Kausaldenken, A/B-Testing-Grundlagen, Guardrail Metrics sowie Datenqualität und Governance light. Ergebnis ist ein Analytics- und Experiment-Setup für mindestens einen kritischen Flow inklusive Hypothesen, KPI-Definitionen und Implementierungsplan.

Lernziele

• Event Taxonomy und Messpunkte für Reibung definieren
• KPI-Set mit Guardrails (z. B. Fraud, Support, Latenz)
• Experimentdesign und Auswertung grundlegend beherrschen
• Datenqualität sichern (Definitionen, Naming, Validierung)

Zielgruppe und Voraussetzungen

• Zielgruppe: Produkt, Data/BI, Engineering, Growth, UX Research, Operations
• Voraussetzungen: Frictionless Grundlagen: Prinzipien, KPI, Systemdenken empfohlen

Agenda

• Tag 1
  • Measurement Strategy: Ziele → KPIs → Events → Dashboards
  • Event Taxonomy: Naming, Properties, Versionierung, Consent-Kontext
  • Funnel- und Cohort-Analysen: Drop-off, Time-to-Value, Wiederkehr
  • Datenqualität: Checks, Anomalien, Definitionen, Single Source of Truth light
• Tag 2
  • Experimentdesign: Hypothesen, Varianten, Randomisierung, Guardrails
  • Power/Sample grob planen (praktisch, ohne Statistik-Overkill)
  • Auswertung: Effekte, Segment-Fallen, Fehlinterpretationen
  • Operationalisierung: Experiment-Backlog, Review-Rhythmus, Ownership

Übungen und Artefakte

• KPI → Event Mapping Workshop
• Funnel-Aufbau anhand eines realen Flows
• Experiment-Canvas pro Hypothese
• Transfer-Artefakt: Measurement Spec + 3–5 Experimente mit Guardrails

Ergebnisse und Vorlagen

• Measurement Strategy Canvas
• Event Taxonomy Template
• Experiment Canvas (Hypothese, KPI, Guardrails, Segment, Risiko)
• Datenqualitäts-Checkliste