Kommentar von Dr. Jens Linden, Inform Datenwertschöpfung leicht gemacht

Von Dr. Jens Linden

Anbieter zum Thema

Viele Unternehmen wollen ihre Daten sinnvoll nutzen, gehen das Thema aber nur halbherzig an, weil sie aufwendige Projekte oder schmerzhafte Veränderungsprozesse fürchten. Dabei lässt sich eine erste Datenstrategie mit überschaubarem Aufwand erarbeiten und ermöglicht dann ein zielgerichtetes Vorgehen – auch in kleinen Schritten.

Der Autor: Dr. Jens Linden ist Data Strategy Lead im Inform DataLab
Der Autor: Dr. Jens Linden ist Data Strategy Lead im Inform DataLab
(Bild: Inform)

Dass in Daten ein enormes Potenzial steckt, um operative Prozesse zu optimieren, Chancen im Markt frühzeitig zu erkennen oder die Auswirkungen disruptiver Ereignisse gering zu halten, haben die meisten Unternehmen erkannt. Geht es allerdings um die konkrete Nutzung ihrer Datenbestände zur Adressierung von Geschäftsproblemen, tun sie sich häufig schwer. Die Projekte und Initiativen kommen nicht recht in Schwung oder laufen unkoordiniert ab, weil Unternehmen ausufernde Projekte fürchten und einzelne Fachbereiche lieber eigenständig experimentieren lassen. So entstehen schließlich Lösungen, die nicht zueinander passen und nur für wenige Anwendungsfälle taugen – die bereits geleistete Arbeit lässt sich in Folgeprojekten kaum nutzen. Daten und Wissen verweilen in Silos, Unternehmenspotenziale und Wettbewerbsvorteile bleiben ungenutzt.

Dazu kommt, dass Mitarbeitern oft die Zeit fehlt, die neuen Initiativen neben ihren normalen Aufgaben voranzutreiben. Das ist üblicherweise dann der Fall, wenn das Top-Management nicht ausreichend involviert ist, um Freiräume zu schaffen, Rückendeckung zu geben und Budgets bereitzustellen. Gerne verlassen sich Mitarbeiter bei Entscheidungen zudem lieber auf ihr Bauchgefühl oder Erfahrungswerte statt auf die Empfehlungen, die durch faktenbasierte Analysen generiert werden. Sie müssen erst lernen und verstehen, wie ihnen Daten und Datenauswertungen helfen, Prozesse und damit ihren Arbeitsalltag zu verbessern. Der Klassiker in dieser Hinsicht sind die schon weit verbreiteten BI-Lösungen (Business Intelligence), die eigentlich ein erster Schritt zur Wertschöpfung aus Daten sein könnten. Vielerorts werden sie allerdings nur genutzt, um den Wunsch nach regelmäßigen Reports zu befriedigen, ohne die gewonnenen Erkenntnisse anschließend konsequent zur Optimierung von Abläufen und Entscheidungen einzusetzen.

Ohne Datenstrategie geht’s nicht

Damit ein Unternehmen ein datengetriebenes Unternehmen wird, muss es letztlich einen transformativen Prozess durchlaufen, der Zeit braucht und mit einigen, manchmal intensiven Veränderungen verbunden ist. Aus diesem Grund kann es sinnvoll sein, externe Spezialisten hinzuzuziehen, die Erfahrung mit solchen Veränderungsprozessen haben und einen unbefangenen Blick auf das Unternehmen werfen. Das müssen keine großen Beratungshäuser sein, die langwierige und teure Projekte anstoßen – meist sind kleinere Datenspezialisten besser geeignet, weil sie pragmatisch vorgehen und sehr vielfältige Anwendungsfälle kennen. Dadurch wissen sie, was funktioniert und was nicht. Sie können helfen, typische Stolperfallen zu vermeiden, halten sich in der Regel nicht lange mit bunten Präsentationen auf, sondern begleiten Unternehmen schnell bei der Ausarbeitung und Umsetzung der Strategien und Projekte.

Ob ein Unternehmen die Transformation nun allein angeht oder nicht: Den Grundstein dafür bildet eine Datenstrategie, deren Entwicklung gar nicht so viel Aufwand bedeutet, wie oft befürchtet. Je nach Unternehmen dauert es nur wenige Tage, bis der Fahrplan für die Datenwertschöpfung steht und sich die nächsten Schritte angehen lassen. Das können dann durchaus auch viele kleine Schritte sein, denn eine ganzheitlich ausgerichtete Datenstrategie stellt sicher, dass die Richtung stimmt und das große Ganze nicht aus dem Blick gerät. Sie deckt neben Technologiefragen auch organisatorische Aspekte wie Zuständigkeiten und die Unternehmenskultur ab, definiert Prozesse für die kontinuierliche Generierung und Umsetzung von Anwendungsfällen und klärt, wie die benötigten Datenquellen angezapft werden können und wie sich die Datenqualität verbessern lässt.

Damit verhindert eine Datenstrategie, dass Unternehmen ihren Fokus zu früh und zu sehr auf bestimmte Technologien ausrichten. Denn zum einen fällt es schwer, Anforderungen an eine neue Datenplattform festzulegen und Technologien sowie Anwendungen bedarfsgerecht auszuwählen, wenn es an strategischen Zielen und strategischen Daten-Anwendungsfällen fehlt. Zum anderen sollen die neuen Analytics- und KI-Lösungen die spezifischen Probleme und Herausforderungen von Fachbereichen lösen, müssen also in erster Linie deren Business-Anforderungen berücksichtigen.

Ein dualer Ansatz hilft

Als Transformationsthema, das alle Bereiche eines Unternehmens betrifft, ist die Datenwertschöpfung zunächst eine Angelegenheit für das Management. Die IT-Abteilung oder ein Fachbereich sollte hier nicht im Alleingang die Federführung übernehmen. Das Management muss den Wandel unbedingt wollen und unterstützen, unter anderem durch finanzielle Mittel und kommunikative Maßnahmen. Ideal ist die Benennung eines Datenverantwortlichen. In größeren Unternehmen ist dies oft der Chief Data Officer (CDO). Dieser Manager ist mit weitreichenden Kompetenzen und Ressourcen ausgestattet und formuliert gemeinsam mit dem Management und den Fachbereichen die Visionen und Ziele der Datennutzung, gleicht sie mit dem Ist-Zustand ab und erarbeitet federführend die Datenstrategie sowie Maßnahmen zur Umsetzung.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Zusätzlich zu diesen Top-Down-Aktivitäten sind Bottom-Up-Ansätze notwendig, um erste Anwendungsfälle zu bewerten und zügig umzusetzen. Diese helfen dem Unternehmen nicht nur, wertvolle Erfahrungen für weitere Projekte zu sammeln und die Technologieauswahl voranzutreiben. Die Leuchtturmprojekte und schnellen Erfolge sind darüber hinaus immens wichtig, um den Mitarbeitern den Nutzen der Datenwertschöpfung aufzuzeigen und die Akzeptanz für den neuen Umgang mit Daten zu steigern, ja sogar Begeisterung für die Veränderungsprozesse zu wecken.

Parallel zu den ersten Datenprojekten sind Aufklärungs- und Schulungsmaßnahmen notwendig, um die datenbasierte Entscheidungskultur fest im Unternehmen zu verankern. Die Mitarbeiter und das Führungsteam müssen Datenkompetenz aufbauen und altes Entscheidungsverhalten ablegen, damit sie künftig möglichst alle wichtigen Entscheidungen auf Basis von Fakten treffen.

Es braucht Dolmetscher zwischen Business und Technologie

Die enge Einbindung der Fachbereiche in die Veränderungsprozesse liefert eine Fülle von Anwendungsfällen, denn erfahrungsgemäß mangelt es dort nicht an Ideen, wie man interne Abläufe optimieren, geschäftliche Herausforderungen lösen oder neue Geschäftschancen erschließen könnte. Gemeinsame Workshops der Fachspezialisten mit Innovationsmanagern, IT-Spezialisten und Datenexperten helfen bei der Verständigung zwischen allen Beteiligten und der Kommunikation zwischen Business und Technologie.

Als Ergebnis der Veränderungsprozesse wird das Generieren, Bewerten und Umsetzen von Anwendungsfällen im Unternehmen zu einer ganz selbstverständlichen, wiederkehrenden Tätigkeit. Mit einer wachsenden Zahl von Datenprojekten lohnt es dann, die Expertise etwa für BI-Projekte oder Data-Science-Projekte in einem Kompetenzzentrum zu bündeln. Dessen Mitarbeiter unterstützen Fachbereiche mit ihrer Erfahrung und ihren Ressourcen intensiv in den Projekten und setzen interne Standards für die Qualifizierung und Umsetzung von Anwendungsfällen, bis hin zum Betrieb und der Pflege der neuen Tools. Weitere Bestandteile einer typischen Transformations-Roadmap sind beispielweise der Aufbau und Betrieb eines Data Warehouse, Data Governance sowie Recruiting und Kommunikation.

Unabhängig davon ob mit BI oder Machine Learning Erkenntnisse generiert werden, die Potenziale sind mannigfaltig und finden sich entlang der gesamten Wertschöpfungskette von Unternehmen. Das weckt große Erwartungen – die sich aber meist nur erfüllen lassen, wenn eine Datenstrategie den passenden Rahmen dafür aufspannt.

(ID:48586707)