/ Case Study /

Research-Data-Hub-Plattform

Eine Plattform, alle Daten: der Aufbau eines Research Data Hub als Motor globaler Marktforschung

  • 80 Mio. $

    Jahresumsatz, den die von der Plattform verwalteten Forschungsmetadaten unterstützen

  • 45 Mio. $

    Zusätzlicher Jahresumsatz, den die von ihr gespeiste Cloud-Analyseplattform unterstützt

  • 1

    Single Source of Truth für alle Forschungsmetadaten – Programme, Marken, Produktlisten und Erhebungswellen in Dutzenden Ländern

/ 01 / Zusammenfassung

Case Study auf einen Blick

Primotly arbeitet mit einem weltweit führenden Marktforschungsunternehmen an der kontinuierlichen Weiterentwicklung und Performance-Optimierung seines zentralen Hubs für Forschungsdaten (Research Data Hub) – einer internen operativen Plattform, die das Fundament des gesamten Forschungszyklus der Organisation bildet. Die Plattform dient als Single Source of Truth (einzige verbindliche Datenquelle) für alle Forschungsmetadaten: Programme, Marken, Produktlisten und Erhebungswellen (Survey Waves) über Dutzende Länder und Sprachen hinweg. Die Forschungsmitarbeitenden erfassen und verwalten die Daten über strukturierte, Excel-basierte Prozesse; die Plattform übernimmt, standardisiert und stellt sie den Analyseteams in den nachgelagerten Arbeitsschritten bereit. Eine zentrale laufende Initiative ist das Projekt FLOW – ein systematisches Refactoring und der Umbau des Plattform-Backends, um angehäufte Performance-Engpässe und Probleme mit der Codequalität zu beseitigen. Die Plattform trägt zu rund 80 Millionen US-Dollar Jahresumsatz bei.

/ 02 / Über den Kunden

Über den Kunden

Der Kunde ist ein globales Unternehmen, das auf fortgeschrittene Marktforschung, Analysen des Verbraucherverhaltens und das Tracking der Markengesundheit (Brand Tracking) spezialisiert ist. Das Unternehmen ist in Dutzenden Ländern tätig und führt gleichzeitig Hunderte Forschungsprogramme für seine Unternehmenskunden aus den Bereichen FMCG, Technologie, Gesundheitswesen und anderen durch. Die internen operativen Teams – Programmmanager, Markenspezialisten und Datenkoordinatoren – sind auf den zentralen Data Hub angewiesen, um die Metadaten zu verwalten, die die gesamte Forschungstätigkeit antreiben. (Alle Angaben wurden aufgrund einer Geheimhaltungsvereinbarung (NDA) anonymisiert.)

Leistungen
  • Team Extension
  • Entwicklung von Webanwendungen
  • Performance Engineering
  • Refactoring von Legacy-Code
Branche

Marktforschung

Kooperationsmodell

Team Extension – langfristige, dedizierte Partnerschaft

Teamgröße

2 Personen (1 Frontend Developer, 1 Backend Developer)

/ 03 / Die Herausforderung

Die Herausforderung: eine wachsende Organisation trifft auf eine veraltete Plattform

Der Hub für Forschungsdaten ist ein ausgereiftes, geschäftskritisches System. In Jahren intensiver Entwicklung hat er jedoch technische Schulden angehäuft, wie sie für große, lange laufende Unternehmensplattformen typisch sind: nachlassende Performance, Probleme mit der Codequalität und eine Architektur, die neue Funktionen langsamer und riskanter machte, als nötig gewesen wäre. Die Folgen waren deutlich spürbar: langsamere interne Abläufe, ein höheres Fehlerrisiko in der Entwicklung und eine Plattform, die äußerst vorsichtig behandelt werden musste, statt Innovationen selbstbewusst und zügig voranzutreiben.

  • 01/

    Performance-Engpässe

    Zentrale Vorgänge auf der Plattform waren mit der Zeit deutlich langsamer geworden. Die Antwortzeiten bei datenintensiven Prozessen beeinträchtigten die Produktivität der internen Forschungsteams, die täglich mit der Plattform arbeiten.

  • 02/

    Qualität des Altcodes (Legacy Code)

    Jahre der Weiterentwicklung hatten zu Codeabschnitten mit schwacher Struktur, geringer Testabdeckung und starker Kopplung der Komponenten (High Coupling) geführt. Das erschwerte Änderungen und erhöhte das Risiko von Regressionsfehlern.

  • 03/

    Excel als Fundament

    Die Erfassung der Forschungsdaten basiert auf Excel-Dateien: Die Mitarbeitenden laden Tabellen hoch, die die Plattform übernimmt, validiert und standardisiert. Dieser Prozess ist tief in den Abläufen der Organisation verankert und bleibt bestehen. Die Herausforderung bestand nicht darin, ihn zu ersetzen, sondern sicherzustellen, dass die Plattform ihn zuverlässig, performant und in großem Maßstab abbildet.

  • 04/

    Konsistente Daten aus verschiedenen Quellen

    Forschungsdaten gelangen aus vielen internen Quellen und von verschiedenen Teams in den Hub, die jeweils eigene Formate und Konventionen verwenden. Sicherzustellen, dass die nachgelagerten Analyseteams stets konsistente, verlässliche Daten erhalten, war eine ständige Herausforderung.

/ 04 / Die Lösung von Primotly

Die Lösung von Primotly: Performance Engineering und systematisches Refactoring

Die Arbeit von Primotly an der Plattform verläuft zweigleisig: Sie umfasst die laufende Entwicklung neuer Funktionen für sich wandelnde Geschäftsanforderungen sowie eine systematische Initiative zur Verbesserung von Performance und Codequalität, intern als Projekt FLOW bezeichnet.

Gepflegte und weiterentwickelte Kernbereiche

  • Programmverwaltung (Program Management)

    Die Forschungsmitarbeitenden legen Forschungsprogramme an und konfigurieren sie – mit geografischer Reichweite (Länder und Sprachen), Verantwortlichkeiten und Lebenszyklus. Die Plattform erzwingt eine strukturierte Hierarchie, die die bisherige Organisation in losen Tabellen ersetzt.

  • Verwaltung von Marken und Listen (Wave List Manager)

    Ein zentrales Register für Marken, Produktlisten und SKUs, die in allen Forschungsprogrammen verwendet werden. Hier werden die Markenkonfigurationen gepflegt – einschließlich Marktaktivierung, Lokalisierungseinstellungen und Klassifizierungs-Tags. Änderungen, die externe Unternehmenskunden über das Self-Service-Portal einreichen, werden vom Personal der Agentur geprüft und freigegeben, bevor sie in dieses Modul gelangen.

  • Verwaltung von Erhebungswellen (Wave Management)

    Konfiguration und zentrales Tracking der Erhebungswellen (festgelegter Zeiträume der Datenerhebung). Die Teams verwalten Zeitpläne, Umfang und Parameter der Wellen für mehrere Programme gleichzeitig.

  • Excel-basierte Datenübernahme (Excel-Based Data Ingestion)

    Die Mitarbeitenden liefern Forschungsdaten über strukturierte Excel-Dateien – den etablierten Standard der Datenerfassung in der Organisation. Die Plattform übernimmt, parst und standardisiert diese Dateien und stellt die Daten den Analysesystemen in einer einheitlichen Struktur bereit.

  • Werkzeug zur Datenqualitätskontrolle (Data Quality Harness – in Entwicklung)

    Eine große Initiative mit dem Ziel, ein universelles Metadatenschema zu definieren, dem alle in die Plattform gelangenden Daten entsprechen müssen. So soll jedes Analyseteam – unabhängig von der Herkunft der Daten – mit konsistenten, vertrauenswürdigen Strukturen arbeiten.

  • Integration mit nachgelagerten Systemen (Downstream Integration)

    Die standardisierten Daten werden in die externe Analyseinfrastruktur exportiert, darunter in die Cloud-Analyseplattform, die eigenständig zu rund 45 Mio. $ zusätzlichem Jahresumsatz beiträgt.


/ 05 / Technische Details

Technische Details

  • 01/

    Projekt FLOW: Performance und Codequalität systematisch wiederherstellen

    • Problem: Die Plattform hatte erhebliche Performance-Schulden angehäuft. Backend-Vorgänge, auf die die internen Teams täglich angewiesen waren, waren inakzeptabel langsam geworden. Die Ursachenanalyse ergab eine Kombination aus ineffizienten Abfragemustern, stark gekoppelten Codestrukturen (High Coupling) und veralteten Bereichen der Codebasis, die nie sauber refaktoriert worden waren.

    • Lösung: Primotly startete das Projekt FLOW – eine eigene Initiative für Refactoring und Performance Engineering, die parallel zur Entwicklung neuer Funktionen läuft. Das Vorgehen ist systematisch: die kritischsten Engpässe identifizieren, Codestrukturen refaktorieren, um Kopplungen aufzulösen und die Testbarkeit zu verbessern, und anschließend Abfragemuster und Datenverarbeitung optimieren. Jeder FLOW-Sprint bringt eine messbare Beschleunigung des Backends.

    • Ergebnis: messbar und spürbar kürzere Antwortzeiten des Backends bei den kritischsten Vorgängen der Plattform, schrittweise mit jedem weiteren Sprint geliefert.

  • 02/

    Zuverlässige Standardisierung von Daten aus vielen verschiedenen Eingangsquellen

    • Problem: Forschungsdaten gelangen von vielen internen Teams und aus verschiedenen Quellen auf die Plattform, die jeweils eigene Excel-Formate, Namenskonventionen und Datenstrukturen verwenden. Die Plattform muss diese Heterogenität aufnehmen und daraus konsistente, gut strukturierte Daten für die Analyseteams erzeugen. Inkonsistenzen, die unbemerkt weitergereicht werden, führen in der Analyse zu Fehlern.

    • Lösung: Die Plattform wendet bereits in der Übernahmeschicht (Ingestion Layer) strenge Standardisierungs- und Validierungsregeln an. Hochgeladene Excel-Dateien werden analysiert, und jeder Datenpunkt wird vor dem Speichern in der Datenbank anhand programm- und wellenspezifischer Regeln geprüft. Die Initiative Data Quality Harness wird diesen Ansatz erweitern, indem sie einen universellen Metadatenvertrag definiert, den alle Eingangsdaten unabhängig von der Quelle erfüllen müssen.

    • Ergebnis: die Analyseteams erhalten Daten aus einer einzigen, konsistenten Quelle – egal, wie viele interne Abteilungen an ihrer Erstellung beteiligt waren. Das ist der zentrale Mehrwert der Plattform: vertrauenswürdige, standardisierte Daten als Fundament jeder Analyse.

  • 03/

    Wartung einer großen monolithischen Plattform in aktiver Weiterentwicklung

    • Problem: Die Plattform ist ein großer Monolith, der über viele Jahre gewachsen ist. Ohne die nötige Disziplin verkommen monolithische Architekturen dieser Größenordnung zu stark gekoppelten Codebasen, in denen jede Änderung ein enormes Risiko für Ausfälle und Regressionen birgt.

    • Lösung: Primotly wendet in der gesamten Codebasis einheitliche, strenge Architekturstandards an: klare Modulgrenzen, Trennung der Zuständigkeiten, hohe Testabdeckung in den refaktorierten Abschnitten und konsequente Code-Reviews. Die FLOW-Initiative nimmt gezielt stark gekoppelte Bereiche ins Visier und überführt sie in sauberere Muster, bevor sie zum Hindernis für die Entwicklung werden.

    • Ergebnis: eine leichter wartbare Codebasis mit drastisch reduziertem Ausfallrisiko. Jeder FLOW-Sprint verringert sowohl die Performance-Schulden als auch die Komplexitätskosten künftiger Entwicklungsarbeit.


/ 06 / Geschäftliche Auswirkungen und Ergebnisse

Geschäftlicher Impact und Ergebnisse

Die Plattform ist das Daten-Rückgrat der globalen Forschungsaktivitäten – jedes Analyseteam im Unternehmen ist auf die Konsistenz und Zuverlässigkeit der von ihr gelieferten Informationen angewiesen.

  • Basis für rund 80 Mio. $ Jahresumsatz

    Die Plattform verwaltet die Forschungsmetadaten für Programme, die rund 80 Millionen US-Dollar Jahresumsatz erwirtschaften. Ihre Performance und Zuverlässigkeit hängen damit direkt mit den zentralen Finanzergebnissen des Unternehmens zusammen.

  • Messbar bessere Performance dank FLOW

    Das Projekt FLOW bringt in jedem Sprint eine echte Beschleunigung des Backends und steigert direkt die tägliche Produktivität der internen Forschungsteams, deren Arbeit von der Plattform abhängt.

  • Einheitliche Daten für die Analyseteams

    Durch die Standardisierung der aus vielen internen Quellen übernommenen Daten stellt die Plattform sicher, dass Analysten im gesamten Unternehmen mit konsistenten, verlässlichen Informationen arbeiten – unabhängig von deren ursprünglicher Herkunft.

  • Fundament für weiterführende Analysen

    Die Plattform versorgt die Cloud-Analyseplattform wirksam mit Daten – eine Plattform, die eigenständig zu rund 45 Millionen US-Dollar Jahresumsatz beiträgt und dynamisch wächst.

  • Langfristige strategische Partnerschaft

    Der Kunde hat Primotly eine mehrjährige Produkt-Roadmap anvertraut. Allein die Einführung des Data Quality Harness ist als mehrjährige Initiative angelegt – ein klares Signal für das große strategische Vertrauen in die Engineering-Kompetenz des Teams.

Tech-Stack

Frontend
Angular, JavaScript
Backend
.NET (C#)
Datenbank
MongoDB (primär), PostgreSQL (teilweise)
Architektur
Monolith
Weitere Tools
Jira

/ Case Studies /

Unsere Case Studies

Wie können wir Ihnen helfen?

Gemeinsam finden wir die beste Lösung für Ihr Unternehmen

Kontakt aufnehmen