Revenue Intelligence & Executive BI
Die Single Source of Truth aus Marketing, CRM und Backend. Schluss mit den CPA-Märchen der Ad-Netzwerke. Wahre Customer Acquisition Costs, echter LTV, AI-ready für 2026.
- BigQuery
- dbt
- Fivetran
- Airbyte
- Looker Studio
- Power BI
Was wir bauen
Meta meldet 3,50 € CAC. HubSpot sagt 47 €. Stripe weist 89 € echte Akquisitionskosten aus. Drei Zahlen, drei Systeme, ein Bankkonto. Das ist kein Reporting-Problem. Das ist ein Architektur-Problem.
Revenue Intelligence & Executive BI ist die Datenarchitektur, die diese drei Zahlen in eine konsolidiert. Marketing-Spend aus den Ad-Plattformen, Lead-Stufen aus dem CRM, Umsatz aus dem Payment-Backend. Alles in BigQuery, transformiert in dbt, ausgespielt nach Looker Studio oder Power BI. Eine Quelle, eine Berechnungslogik, ein Dashboard pro Zielgruppe.
Voraussetzung: Saubere serverseitige Datenerfassung. Wer Marketing-Daten in ein DWH lädt, das mit kaputtem Tracking befüllt wird, automatisiert nur den Fehler. Siehe Measurement & Privacy Engineering.
Die Architektur
Vier Phasen, jede mit einem klaren Verantwortungsbereich. Kein One-Tool-Schweizer-Messer. Jede Phase nutzt das Tool, das für ihre Aufgabe das richtige ist.
Daten aus den Quellsystemen ziehen
Tools: Fivetran, Airbyte
Pre-built Konnektoren für Stripe, HubSpot, Meta Ads, Google Ads, Salesforce, Shopify. Inkrementelle Loads, Schema-Drift-Handling, Backfill-Mechanik. Was als Custom-Python früher pro Quelle zwei Wochen gekostet hat, ist heute Konfiguration.
Zentrales Warehouse in EU-Region
Tool: Google BigQuery (EU-multi-region)
Storage und Compute getrennt, Pay-per-Query. Keine Infrastruktur zu warten, keine Cluster zu sizen. EU-multi-region erfüllt die Daten-Lokalisierungs-Anforderungen für DSGVO. SCCs und DPA mit Google Cloud abgeschlossen.
Geschäftslogik als Code
Tool: dbt (data build tool)
Aus Raw-Tables werden konsolidierte Modelle: dim_customers, fct_orders, mart_marketing_attribution. Versioniert in Git, automatisiert getestet, dokumentiert. Wenn das Sales-Team die CAC-Definition ändert, ändert sie sich an einer Stelle, nicht in zwölf Dashboard-Filtern.
Dashboards, Modelle, Alerts
Tools: Looker Studio (vormals Data Studio), Power BI, Slack
Executive-View für die Geschäftsführung, eine Seite, PDF-tauglich. Operative Views für Marketing und Sales. Predictive LTV pro Akquisitions-Kohorte. Anomalie-Alerts in Slack, wenn ROAS oder Lead-Volumen vom Forecast abweichen.
Wir bauen keine isolierten Dashboards. Wir bauen robuste ELT-Pipelines, auf denen Dashboards das Endprodukt sind, nicht das Projekt.
Für wen?
CMO / VP Marketing
Verteidigen Marketing-Budget gegenüber dem CFO. Brauchen einen Report, der CAC und LTV aus Stripe-Daten zeigt, nicht aus Meta-Attribution. Auf einer Seite, ohne Erklärungsslide davor.
Founder / Geschäftsführung
Wollen wissen, welcher Kanal echte Kunden bringt, nicht welcher Kanal sich die Conversion zuschreibt. Brauchen die Brücke zwischen Marketing-Spend und Bankkontostand.
Head of Data / BI
Haben BigQuery, brauchen die Marketing- und CRM-Quellen sauber angebunden und in dbt modelliert. Ohne Custom-Python-Konnektoren, die mit jedem Meta-API-Update brechen.
Performance-Teams (E-Commerce)
Wollen ROAS, POAS und echte Marge in einer Ansicht. Nicht in drei verschiedenen Tools mit drei verschiedenen Attribution-Modellen.
Das Tier-Modell
Zwei Reifegrade. Tier 1 ist die Foundation, ohne die Tier 2 nicht funktioniert. Wer Predictive-Modelle auf inkonsistenten Daten baut, automatisiert Halluzinationen.
Foundation
Sauberes Marketing-zu-CRM-Mapping. BigQuery als zentrale Datenbasis. dbt-Modelle für die Kern-Metriken (CAC, ROAS, Conversion-Funnel). Ein Attribution-Grundgerüst, auf dem alles weitere aufbaut.
- Fivetran-Setup für die relevanten Quellen (Meta, Google Ads, HubSpot, GA4)
- BigQuery-Projekt in EU-Region, IAM, Cost-Controls
- dbt-Projekt mit
staging,intermediate,martLayern - Looker Studio Dashboards für Marketing und Geschäftsführung
Lieferzeit: 4 bis 8 Wochen. Festpreis nach Audit.
Executive BI & Predictive
Stripe- und Backend-Integration. LTV-Kohortenanalyse. Anomaly-Detection (statistisch und ML-basiert). Forecasting auf Channel- und Kohorten-Ebene.
- Stripe-API und Payment-Backend in BigQuery
- LTV-Modelle pro Akquisitions-Kohorte (Channel, Kampagne, Zeitraum)
- Anomaly-Alerts: ROAS-Drift, Conversion-Anomalien, Datenqualitäts-Brüche
- Forecasting-Layer (Prophet oder ML-basiert je nach Datenmenge)
Voraussetzung: Tier 1 ist live, oder eine vergleichbare Foundation existiert.
Scope im Detail
Quellsysteme, die wir typisch anbinden
- Paid Advertising: Google Ads, Meta Ads, LinkedIn Ads, TikTok Ads
- CRM: HubSpot, Salesforce, Pipedrive
- Payment / Backend: Stripe, Adyen, Mollie, Custom Postgres
- E-Commerce: Shopify, WooCommerce, Magento
- Analytics: GA4 (BigQuery Export), Plausible CE
- Marketing Automation: Klaviyo, HubSpot Marketing
Was als dbt-Modell entsteht
dim_customers,dim_campaigns,dim_productsfct_orders,fct_sessions,fct_marketing_spendmart_cac_by_channel,mart_ltv_cohorts,mart_executive_summary- Datenqualitäts-Tests pro Modell (dbt tests, freshness checks)
- Dokumentation mit dbt docs (was wird wie berechnet, wer ist Owner)
Engagement-Tiefen
Drei Tiefen. Klare Scopes.
Kein Retainer ohne Bedarf.
Audit Sprint
Wir prüfen was falsch läuft. Report + priorisierter Handlungsplan.
zzgl. gesetzlicher MwSt. · Festpreis für klar begrenzten Scope
Eingeschlossen im Festpreis
- 1 Domain
- 1 Analytics Property
- 1 Tag Manager / Tracking Setup
- 1 CMP
- bis zu 5 Kern-Conversions
- 10 Arbeitstage
- PDF-Report + 90-Min Walkthrough
Lieferumfang
- Vollständige Analyse des bestehenden Setups
- Priorisierter Report mit konkreten Handlungsempfehlungen
- Walkthrough-Call mit dem Team (90 Min)
- Kein Folgevertrag, keine Retainer-Verpflichtung
Wann sinnvoll
Wenn das Setup läuft, aber die Zahlen intern angezweifelt werden. Oder wenn nach einer UA→GA4-Migration unklar ist, was davon belastbar geblieben ist.
Für E-Commerce, mehrere Domains oder App + Web: Audit Sprint Plus, 3.900 € netto Festpreis. Bonus: 50 % des Audit Sprint werden auf einen Build Sprint angerechnet, wenn innerhalb von 30 Tagen beauftragt.
Audit Sprint anfragenBuild Sprint
Neuaufbau oder Restrukturierung eines Tracking-Setups.
zzgl. gesetzlicher MwSt. · finaler Festpreis nach Scope-Definition
Typischer Scope
- 1 Domain (Multi-Domain auf Anfrage)
- 1 Analytics-Property (GA4 oder Piwik PRO)
- Server-Side Container (Stape oder eigene Cloud)
- 1 CMP mit Consent Mode V2
- bis zu 15 Events / Conversions
- 4–8 Wochen Umsetzung
- Blueprint, QA-Sign-off, Handover-Doku
Lieferumfang
- Measurement Blueprint für das Dev-Team
- GTM + Server-Side Setup inkl. CMP-Integration
- Vollständige QA gegen Blueprint mit Sign-off
- Handover-Dokumentation + 30 Tage Post-Launch Support
Wann sinnvoll
Wenn Analytics strukturell falsch aufgebaut ist und Reparieren im laufenden Betrieb mehr kostet als ein sauberer Neuaufbau.
Managed Evolution
Laufende Partnerschaft. Analytics als Produkt, nicht als Einmal-Projekt.
zzgl. gesetzlicher MwSt. · monatlich kündbar nach Mindestlaufzeit
Im Monatspreis enthalten
- bis zu 3 Domains in laufender Betreuung
- Wartung von GA4 + Server-Side Stack
- monatliche Roadmap + Sprint-Planung
- QA bei jedem Release-Deploy
- Slack-Kanal, < 4 h Response (Mo–Fr)
- monatlicher Report + Executive-Summary
- 3 Monate Mindestlaufzeit, dann monatlich
Lieferumfang
- Monatliche Entwicklung + Feature-Rollouts
- Laufende QA bei jedem Deploy
- Executive-Reports + Dashboard-Evolution
- Slack-Support mit garantierten Response-Zeiten
Wann sinnvoll
Wenn Analytics laufend mitwachsen muss. Neue Kampagnen, neue Produkte, neue Datenquellen, und der Aufbau eines internen Teams kommt nicht in Frage.
Alle Preise netto, zzgl. gesetzlicher MwSt. Für Unternehmen in Deutschland, Österreich und der Schweiz.
-
Warum dbt statt reiner SQL-Views in BigQuery?
dbt erzwingt drei Dinge, die rohe Views nicht leisten: Versionierung in Git, automatisierte Tests pro Modell, und eine klare Layer-Trennung zwischen Quelldaten und Geschäftslogik. Bei sieben Quellen mit zehn nachgelagerten Metriken bricht der View-Ansatz spätestens beim ersten Schema-Change. Eine View, die niemand testet, ist eine Bombe mit Lunte. dbt löst das in Tagen statt in Wochen Incident-Response.
-
Wie binden Sie HubSpot-Daten DSGVO-konform an?
Über die offizielle HubSpot-API via Fivetran. Fivetran ist [EU-multi-region-fähig](https://www.fivetran.com/docs/getting-started/data-residency), der Sync läuft in EU-Frankfurt, die Daten verlassen die EU nicht. Personenbezogene Felder (E-Mail, Telefon) lassen sich pro Pipeline ausschließen oder pseudonymisieren. Mit SCCs und DPA bleibt die Anbindung audit-fest. Eine On-Prem-Alternative über Airbyte Self-Hosted ist möglich, wenn der Cloud-Vendor vertraglich ausgeschlossen ist.
-
Was kostet die Architektur monatlich im Betrieb?
Eine typische Mittelstands-Konfiguration (5 Quellen, ~100M Rows/Monat, 4 dbt-Modelle täglich, 2 produktive Dashboards) liegt bei 300 bis 800 € BigQuery, 200 bis 500 € Fivetran je nach Connector-Mix, plus 50 € dbt Cloud falls verwendet. Looker Studio ist kostenlos, Power BI Pro 10 € pro User. Die Betriebskosten skalieren mit den Datenmengen, nicht mit der Anzahl an Reports. Custom-ETL-Maintenance entfällt.
-
Warum BigQuery und nicht Snowflake oder Redshift?
Für DACH-Mittelstands-Setups ist BigQuery in den meisten Fällen das pragmatischere Tool: kein Cluster-Sizing, EU-multi-region out of the box, native GA4-Integration über den Export, transparente Pay-per-Query-Kosten. Snowflake ist überlegen bei Multi-Cloud-Szenarien und sehr großen Concurrency-Anforderungen. Redshift sitzt natürlicher in AWS-zentrierten Setups. Wir empfehlen das Warehouse zur Situation, nicht zur Vorliebe.
Nächster Schritt
Welcher CAC stimmt: Meta, HubSpot oder Stripe?
Ein Audit Sprint klärt in 10 Arbeitstagen, welche Zahl in welchem System falsch ist und wie eine konsolidierte Datenbasis aussieht. Priorisierter Report. 60-Minuten Walkthrough-Call. Kein Folge-Vertrag, kein Retainer-Zwang.