henning merkel
EN Kontakt Kontakt aufnehmen →
Verfügbar

Ich mache deinen Data Stack AI-ready.

Damit dein Team den eigenen Daten eine Frage stellen und der Antwort vertrauen kann.

Für SaaS- und DTC-Teams, die ihr Budget europaweit skalieren.

Kennenlern-Call buchen → Case Studies ansehen →
Mein Angebot

Worauf AI-ready aufbaut.

Es kommt auf eine Sache an: Daten, denen das Unternehmen vertraut. Sauber erfasst, einmal definiert, geprüft an dem, was Wachstum gebracht hat.

  1. 01 Erfassen

    Tracking, das korrekt bleibt

    Während Produkt und Marketing ausliefern und iterieren, meldet dein Tracking weiter, was wirklich passiert. Ein kaputtes Event fällt am selben Tag auf.

    Dein Tracking-Plan wird zum Data Contract. Automatisierte Tests prüfen jedes Live-Event dagegen, im Data Layer und in jedem Analytics- und Marketing-Request.

    tracking tests · web runs in CI · every release
    • page_view dataLayer · Google Analytics 2/2
    • add_to_cart dataLayer · Google Analytics 2/2
    • begin_checkout dataLayer · Google Analytics 2/2
    • purchase dataLayer · Google Analytics · Google Ads · Facebook 4/4

    10/10 checks passed · no drift against the contract

    • page_view dataLayer · Google Analytics 2/2
    • add_to_cart dataLayer · Google Analytics 2/2
    • begin_checkout dataLayer · Google Analytics 2/2
    • purchase dataLayer · Google Analytics · Google Ads · Facebook 3/4

    └ purchase: revenue missing from the Google Ads conversion

    9/10 · break caught at build, blocked before release

    Every event checked in the dataLayer and each tool it fires to
    saubere Events
  2. 02 Modellieren

    Eine Kennzahl, der alle vertrauen

    Marketing, Finance und Produkt bringen nicht länger drei verschiedene Zahlen für dieselbe Kennzahl. Jedes Dashboard gibt dieselbe Antwort, jedes Mal.

    dbt-Modelle machen aus Rohdaten saubere, getestete Tabellen; ein Metrics Layer definiert jeden KPI einmal, im Code, sodass „aktiver Kunde“ unternehmensweit dasselbe bedeutet.

    dbt build · metrics layer runs on every merge
    • staging 14 models · 31 tests
    • marts 9 models · 42 tests
    • metrics layer active_customer · net_revenue · cac

    active_customer· one metric, every surface

    dashboard
    12,480
    finance report
    Active customers 12,480
    board deck
    12,480 Active customers

    1 definition · 3 surfaces · 0 mismatches

    Models and tests run on every merge, like the rest of the codebase
    getestete Metriken
  3. 03 Wirkung belegen

    Was dein Budget wirklich bewirkt hat

    Du erfährst, welche Kanäle neuen Umsatz gebracht haben und welche sich nur Nachfrage gutschreiben, die ohnehin da war, als ehrliche Bandbreiten.

    Geo-Holdouts messen den Lift direkt und kalibrieren ein bayessches Marketing-Mix-Modell, sodass jede Schätzung Glaubwürdigkeitsintervalle trägt. Dazu Kohorten-LTV und echter CAC.

    incrementality · geo holdout 6-week experiment
    paid search ✓ confirmed
    claimed
    980
    measured
    +540 ±90
    paid social ✗ overstated 16×
    claimed
    1,150
    measured
    +70 ±60

    decision: rebalance toward search

    claimed = platform attribution · measured = lift vs holdout regions
    AI-ready

Die konkreten Projekte.

Die meisten kombinieren zwei oder drei. Unklar, wo die Lücke ist? Starte mit dem Assessment.

Hier starten Festpreis

AI-Readiness-Assessment

Deine Daten auf AI-Readiness geprüft. Du bekommst einen Score, konkrete Empfehlungen und eine Roadmap, die du behältst.

Readiness · 5 Dimensionen

  • Signal
  • Qualität
  • Konsistenz
  • Zugang
  • Governance
  • Erfassen CI · 3–6 Wo.

    Tracking & Datenqualität

    Deine Datenerfassung und Tracking-Integration auf einen Standard gebracht, der Release für Release hält, geprüft durch automatisierte Tests statt manueller QA.

  • Modellieren dbt · 4–6 Wo.

    Analytics Engineering

    Jede Marketing- und Produktquelle, sauber und geprüft in deinem eigenen Warehouse, ob BigQuery, Snowflake oder Redshift. Modelliert mit Tests, Doku und Datenqualitäts-Monitoring.

  • Wirkung belegen Experimente · 4–8 Wo.

    Inkrementalität & Marketing-Mix

    Eine klare Antwort, welcher Kanal sein Budget verdient. Geo-Holdouts, Marketing-Mix-Modelle und kausale Inferenz, die die Budgetdebatten beenden.

Ausgewählte Projekte

Visable

B2B-Commerce-Plattform

Tracking, entwickelt wie Software

Mehrere Teams ändern Tracking parallel, mitten in der Migration auf ein neues System, mit verlässlichen Daten ab Tag eins.

Was ich gebaut habe

  • 01 Tracking als Data Contracts, festgehalten als AI-lesbarer Semantic Layer.
  • 02 Datenqualitäts-Tests in der CI, so lässt ein kaputtes Event den Build scheitern, bevor es in einem Report landet.
  • 03 Eine Plattform, die Tracking-Daten und Testergebnisse der ganzen Organisation zugänglich macht.

Ergebnis

Tracking, mit dem das Team wie mit Code arbeitet: Probleme vor dem Release abgefangen, an einer Stelle sichtbar, was getrackt wird und ob es funktioniert.

signups · source reconciliation tested on every deploy
27% gap contracts + CI tests 151 agreed
↑ Illustrative. The shape of the work, not Visable's data.

Wo ich das Handwerk gelernt habe.

Zehn Jahre in-house, bevor ich selbstständig wurde. Die Erfahrung hinter der Arbeit oben, keine Liste von Freelance-Kunden.

Über mich
Porträt von Henning Merkel
Verfügbar Hamburg, DE

Wenn niemand den Daten vertraut, werden die Analysen bedeutungslos.

Ich bin Henning, Data Analyst. Seit über zehn Jahren baue ich die Daten und Analytics, auf die Teams ihre Entscheidungen stützen, bei Pipedrive, Immowelt und air up, jetzt selbstständig. Lang genug, um zu wissen, was mich ins Boot holt: ein Team, das seinen Zahlen nicht mehr vertraut und still zum Bauchgefühl zurückgekehrt ist. Meine Aufgabe ist es, ihm Daten zu geben, hinter denen es wieder stehen kann.

Ich arbeite die ganze Kette selbst, in deinem Repo und deinem Warehouse: das Tracking, die dbt-Modelle und die kausalen Experimente, die belegen, welches Budget etwas bewegt hat. Wenn das Projekt endet, bleibt die Arbeit: Code und Tests, mit Best Practices aus dem Software Engineering, die dein Tracking, deine Modelle und Experimente auf höchstem Standard halten.

Meine Stärke ist es, dein Geschäft zu verstehen und die Entscheidungen zu unterstützen, die für dich sinnvoll sind, gestützt auf Jahre praktischer technischer Arbeit.

Tracking

Google Analytics
Google Tag Manager server-side
Consent Mode v2
Tracking-Tests

Engineering

dbt
Semantic Layer
BigQuery · Snowflake
Redshift · Postgres

Kausal

Bayes-MMM
Geo-Experimente
LTV · CAC
Tableau · Power BI

Häufige Fragen

Was Leute fragen, bevor wir starten.

  • 01

    Was bleibt uns, wenn du gehst?

    Funktionierender Code, getestet und gut dokumentiert, in deinen eigenen Repos: dein Tracking, deine Modelle, deine Pipelines. Dein Team kann ihn ohne mich betreiben, ändern und erweitern. Keine Blackbox, kein Lock-in.

  • 02

    Woher weiß ich, dass das Projekt funktioniert?

    Ich nehme wenige Kunden gleichzeitig an und halte jedes Projekt eng fokussiert. Jeder Schritt hat ein klares Ziel, sodass du unterwegs funktionierende Ergebnisse siehst.

  • 03

    Warum du statt einer Agentur?

    Du bekommst einen Spezialisten, der dein Geschäft kennenlernt und eingebettet in deinem Team arbeitet, persönlich verantwortlich für das Ergebnis. Du weißt immer genau, wer die Arbeit macht. Agenturen passen besser, wenn du breite Umsetzung über viele Kanäle brauchst.

  • 04

    Können wir klein anfangen?

    Ja. Starte mit dem AI-Readiness-Assessment: zwei Wochen, Festpreis. Ich bewerte dein Datenfundament und gebe dir eine priorisierte Roadmap, die du behältst, ob wir weiter zusammenarbeiten oder nicht.

  • 05

    Besteht das Tracking, das du baust, unsere Datenschutzprüfung?

    Datenschutz ist Teil meiner Arbeitsweise: einwilligungskonform, datensparsam und darauf ausgelegt, deine Datenschutzprüfung inhaltlich zu bestehen. Der richtige Ansatz hängt von deinem Stack ab, und ich baue darauf hin.

  • 06

    Arbeitest du mit unserem Stack?

    Ja, jedes moderne Warehouse, von BigQuery über Snowflake bis Postgres. Die konkreten Tools zählen weniger als die Erfahrung, die ich mitbringe; ich werde in einem unbekannten Stack schnell produktiv und passe mich an deine Arbeitsweise an.

  • 07

    Wo sitzt du, und wie arbeitest du?

    Remote-first. Ich sitze in Hamburg und arbeite mit Teams in ganz Europa; für Kickoffs und wichtige Reviews bin ich EU-weit vor Ort verfügbar.

Termin buchen

Lass uns mit einem Gespräch starten.

Kein Pitch, kein Upsell. Wir sprechen darüber, woran du arbeitest, und ob ich der Richtige bin, um zu helfen.

Kennenlern-Call Direkt buchen

30 Minuten, Video-Call.

Wähl einen Slot, der dir passt; die Einladung kommt per E-Mail.

Sitz in Europe/Berlin · Slots in deiner Zeitzone

Lieber erst schreiben? Ich antworte innerhalb eines Werktags.