Fiktive Modellfirma im AI-PA Bildungskontext — keine echte Marke
Yellow Bee Energy YellowBee Energy
Über uns / Personas / Eva Lindström
Data Analyst · Yellow Bee Energy

Eva Lindström

Die Data Analyst, die Racing-Präzision in Marketing-Reports bringt — und montags um acht die Wahrheit im Slack-Channel will.

Eva Lindström
Alter31 Jahre
BackgroundM.Sc. Wirtschaftsinformatik
Seit2021 bei Yellow Bee
Direktreports0
TeamCross-funktional mit BI, Marketing & Operations
Hintergrund

Wer ist Eva Lindström?

Eva Lindström kommt aus Stockholm, wo sie an der KTH Wirtschaftsinformatik studierte. Schon während des Studiums interessierte sie sich mehr für die Geschichte hinter den Zahlen als für die Zahlen selbst: Warum steigt der Umsatz? Welche Variable erklärt den Effekt? Welche Annahme ist eigentlich falsch? Diese Neugier brachte sie zunächst zu einem Sport-Apparel-Startup, wo sie drei Jahre lang Marketing Analytics aufbaute und lernte, wie schnell kanalübergreifende Daten zu inkonsistenten Bildern führen können.

Danach wechselte sie für zwei Jahre zu einem Motorsport-Dienstleister. Dort baute sie Performance- und Event-Reporting für Rennteams und lernte, was Racing-Daten von Marketing-Daten unterscheidet: Telemetrie lügt nicht, solange die Sensoren kalibriert sind. Diese Präzision prägt sie bis heute. Wenn ein Marketing-Report eine Zahl liefert, will Eva wissen, woher sie kommt, welche Filter greifen und wer sie zuletzt angefasst hat.

2021 kam sie zu Yellow Bee Energy. Das Timing war typisch für das Unternehmen: Das Wachstum beschleunigte sich, die vier Säulen Beverage, Racing, Events und Lifestyle entwickelten sich unterschiedlich schnell — und niemand hatte eine zentrale Sicht auf die Daten. Eva übernahm den Aufbau des Reportings und wurde schnell zur Anlaufstelle für alle Fragen, die mit Kennzahlen, Dashboards und Datenquellen zu tun hatten.

Ihr Arbeitsstil ist pragmatisch und kommunikativ. Sie hasst Copy-Paste-Arbeit, liebt saubere Datenpipelines und investiert Zeit in Erklärungen, damit andere ihre Reports nicht nur lesen, sondern verstehen. Kollegen schätzen, dass Eva nicht einfach Tabellen schickt, sondern Insights liefert — auch wenn diese Insights manchmal bedeuten, dass eine Kampagne schlechter läuft als gedacht.

Was sie antreibt, ist der Wunsch nach einer Single Source of Truth. Sie glaubt, dass gute Entscheidungen erst möglich sind, wenn alle vom gleichen, verlässlichen Datenbild ausgehen. Für sie sind Daten kein Selbstzweck, sondern das Fundament, auf dem Marketing, Sponsoring und Expansion stehen.

Zu den vier Säulen von Yellow Bee hat Eva eine klare Beziehung: Beverage liefert Shopify- und Retail-Daten, Racing liefert CRM- und Event-Daten, Events liefern Vendor- und Teilnehmer-Listen, Lifestyle liefert Creator-Tracking und Social-Performance. Ihre zentrale Aufgabe ist es, diese vier Welten so zu verbinden, dass sie gemeinsam ein Bild ergeben — statt vier unterschiedliche Geschichten zu erzählen.

Pain Points

Herausforderungen

Das sind die sechs größten Reibungspunkte, die Eva Lindström täglich ausbremsen — und die im Workshop direkt adressiert werden können.

01 · Montags-Excel-Marathon

Jeden Montag verbringt Eva drei bis vier Stunden damit, den Weekly KPI-Report manuell zusammenzubauen. Die Daten kommen aus Shopify, Meta Ads, Google Analytics, HubSpot und verschiedenen Event-Tools. Sie muss sie exportieren, formatieren, zusammenführen und auf Plausibilität prüfen. Das Problem ist nicht nur der Zeitverlust, sondern auch die Fehleranfälligkeit: Wer viermal kopiert und einfügt, übersieht irgendwann eine Zeile. Montagmorgen ist die wichtigste Zeit für Entscheidungen — und Eva sitzt in einem Copy-Paste-Tunnel statt zu analysieren.

02 · Daten-Silos

Jede der vier Säulen nutzt ihre eigenen Tools und Datenstrukturen. Beverage arbeitet mit dem Shopify-Shop, Racing mit einem Team-CRM, Events mit Vendor-Listen und Lifestyle mit einem Creator-Tracking-Tool. Diese Silos machen es nahezu unmöglich, übergreifende Fragen zu beantworten: Welche Event-Region treibt tatsächlich Online-Verkäufe? Welcher Athlet-Content korreliert mit Merch-Absatz? Ohne zentrale Sicht bleiben solche Zusammenhänge Spekulation.

03 · Unklare KPI-Definitionen

Begriffe wie „Engagement", „Lead" und „ROI" werden in Marketing, Sales und Events unterschiedlich gerechnet. Für das Marketing-Team ist ein Lead ein HubSpot-Kontakt, für Events ist es ein Event-Teilnehmer, und Sales zählt nur qualifizierte Opportunities. Wenn Eva Kennzahlen aus verschiedenen Abteilungen zusammenführt, entstehen Apples-to-Oranges-Vergleiche. Das Ergebnis: Meetings, in denen zehn Minuten damit verbrungen werden, zu klären, welche Definition jetzt gemeint ist — bevor überhaupt diskutiert werden kann.

04 · Ad-hoc-Overhead

Sobald jemand eine Detailfrage stellt, muss Eva eine neue Auswertung bauen. Die vorhandenen Dashboards sind statisch und nicht selbst erklärend. Ein Head will wissen, warum die TikTok-Engagement-Rate letzte Woche gesunken ist? Ein anderer will die Conversion-Rate der Campus-Tour nach Stadt aufschlüsselt? Jede dieser Fragen unterbricht Evas geplante Arbeit. Ohne Self-Service-Reporting ist sie der Flaschenhals für jede datenbasierte Entscheidung im Unternehmen.

05 · Fehlende Single Source of Truth

Niemand bei Yellow Bee weiß sicher, welche Quelle für welche Kennzahl gilt. In Meetings tauchen plötzlich zwei unterschiedliche Umsatzzahlen auf, weil eine aus Shopify und die andere aus dem ERP kommt. Eva verbringt viel Zeit damit, solche Widersprüche aufzulösen und Vertrauen in die Daten wiederherzustellen. Solange es keine eindeutige Dokumentation der Quellen und Definitionen gibt, wiederholt sich dieses Problem in jeder Planungsrunde.

06 · Sponsoring-ROI blind

Event-Daten und Sales-Daten lassen sich kaum verknüpfen. Wenn Yellow Bee bei einem Formel-E-Rennen oder einer Campus-Tour präsent ist, weiß das Team zwar, wie viele Besucher vor Ort waren und wie viele Posts online gelaufen sind. Aber ob diese Aktivitäten tatsächlich zu Getränkekäufen oder Merch-Verkäufen geführt haben, bleibt oft unbewiesen. Das macht es schwer, Sponsoring-Deals zu rechtfertigen und Budgets sinnvoll zu allozieren. Eva möchte diese Lücke schließen — braucht dafür aber bessere Datenintegration.

Zielsetzung

Ziele 2025 / 2026

Automatisiertes Weekly KPI-Dashboard

Evas oberstes Ziel ist es, den Montags-Excel-Marathon zu beenden. Sie will ein automatisiertes Dashboard, das montags um 8 Uhr die wichtigsten Kennzahlen in den relevanten Slack-Channel postet — sauber, konsistent und ohne manuelles Zusammenkopieren.

Einheitliche KPI-Definitionen

Sie will für Marketing, Racing, Events und Lifestyle klare, abgestimmte Definitionen für Begriffe wie Engagement, Lead und ROI etablieren. Das Ziel: Vergleiche, die tatsächlich vergleichbar sind.

Zentraler, abfragbarer Data Layer

CRM-, Shop- und Social-Daten sollen in einem zentralen Data Layer zusammenlaufen. Damit lassen sich Fragen beantworten, die heute noch in den Silos verschwinden — etwa die Verknüpfung von Event-Präsenz und Online-Verkäufen.

Self-Service-Reporting

Marketing- und Event-Teams sollen Standardfragen selbst beantworten können, ohne jedes Mal auf Eva warten zu müssen. Das entlastet sie und beschleunigt Entscheidungen in den Fachabteilungen.

Aufgaben

Verantwortungsbereich

  • Marketing-, Sales- und Event-ReportingVerantwortet die regelmäßigen Reports für alle vier Säulen und sorgt dafür, dass Entscheider ein konsistentes Datenbild erhalten.
  • KPI-MonitoringÜberwacht Sponsoring-Performance, Athleten-Content-Reichweite und Campaign-Performance über alle Kanäle hinweg.
  • Datenqualität und -integrationSorgt für saubere Daten, verlässliche Schnittstellen und eine nachvollziehbare Dokumentation der Datenquellen.
  • Ad-hoc-AnalysenBaut individuelle Auswertungen und Dashboards für C-Level und Heads, wenn Standardreports nicht ausreichen.
  • Reporting-StandardsDefiniert und kommuniziert Standards für Kennzahlen, Filter und Datenquellen im gesamten Unternehmen.
Workshop

Workshop-Connection

Wenn du im Workshop an Evas Problemen arbeitest, konzentriere dich auf Übungen, die Repetition eliminieren, Daten zusammenführen und Reports verständlich machen. Sie interessiert sich nicht für Theorie, sondern für Lösungen, die montagmorgens funktionieren.

  • Marketing-Reporting: Hier ist Eva primärer Ansprechpartner. Ein automatisierter KPI-Report, der montags um 8 Uhr im Slack-Channel landet, löst ihren größten Schmerzpunkt direkt.
  • Sponsoring-Akquise: Sie braucht belastbare ROI-Daten, um Sponsoring-Deals zu rechtfertigen. Jede Übung, die Event- und Sales-Daten verknüpft, ist für sie hochrelevant.
  • Content-Pipeline: Eva will Content-Performance pro Athlet, Kanal und Campaign messen. Transparente Metriken helfen ihr, das Marketing-Team datenbasiert zu beraten.
  • CRM / Nurturing: Saubere Lead-Daten sind die Basis für Funnel-Analysen. Ohne klare Definitionen kann Eva keine verlässliche Conversion-Berechnung liefern.
  • Eigene Agenten-Skills: Eva ist interessiert an Agenten, die repetitive Reportingschritte übernehmen und Alerts bei Anomalien senden. Das schafft Zeit für echte Analyse statt manueller Datenarbeit.
← Stefan Wolf Alle Personas Mia Schneider →