Kommentar von Harald Trautsch, Dolphin Technologies Warum im Top-Management nichts mehr ohne Daten-Know-how geht

Von Harald Trautsch

Bauchgefühl und Instinkt waren gestern, was heute zählt, ist Big Data: Daten sind die neue harte Währung der Zukunft, die über Erfolg im Business entscheidet – und an denen sich so manche Unternehmenslenker die Zähne ausbeißen werden. Warum aber sollten nicht nur CIOs/CTOs und CEOs ihre Daten im Griff haben, sondern auch CFOs, COOs, CMOs und HR-Chefs? Und warum geht es bei Big Data vor allem darum geht, die richtigen Fragen zu stellen? Eine Kurz-Analyse.

Anbieter zum Thema

Der Autor: Harald Trautsch ist CEO und Gründer von Dolphin Technologies und Absolvent des Global Executive MBA der WU Executive Academy.
Der Autor: Harald Trautsch ist CEO und Gründer von Dolphin Technologies und Absolvent des Global Executive MBA der WU Executive Academy.
(Bild: Jakob Polacsek)

Der neue Goldrausch sind die Daten, denn kaum ein Business wird künftig ohne Digitalisierung überleben. Und wo Digitalisierung ist, da gibt es auch digitale Daten. Wie man sie richtig nutzt und jene identifiziert, die wirklich den Vorsprung bedeuten – darüber ist das Know-how in vielen Unternehmen noch immer recht überschaubar gesät.

Interdisziplinäres Daten-Know-how als roter Faden im Unternehmen

Längst sind es nicht mehr „nur“ die Datenexperten und Data Scientists in den IT-Abteilungen, auch und gerade die Top-Führungskräfte müssen einordnen können, wie Daten gewonnen und ausgewertet werden, und wann welche Datenerhebungen überhaupt Sinn machen. Data Science ist ein gutes Instrument, um wissenstechnische Breite zu schaffen und nicht nur im eigenen Scheuklappen-Silo zu bleiben. Daten zu sammeln und auswerten zu können, reicht aber nicht. Denn: Datenauswertungen sind nur so gut wie die Fragen, die gestellt werden. Deshalb erhalten verschiedene Menschen auch unterschiedliche Informationen aus den erhobenen Datensets, weil sie eben andere Fragen stellen.

Kurzum, jede Führungskraft und jeder Entscheider in einem Unternehmen – vor allem aber as Top-Management – benötigt ein umfangreiches Datenverständnis – mit unterschiedlichen Implikationen und Schwerpunkten:

Chief Executive Officer (CEO): Datenwissen als Entscheidungshilfe

Bei Data Science sei die Erwartungshaltung an der Unternehmensspitze oft groß: Hier geht es darum, wie ich Algorithmen und Künstliche Intelligenz anwenden kann, um das Maximum aus den Daten herauszuholen. Manchmal sind gar nicht genug Daten vorhanden, um Analysen zu machen. Oft müssten Unternehmen die Daten systematischer und vollständiger erheben, um überhaupt ihre Fragen beantworten zu können. Oder es werden zu viele unnütze Daten gesammelt, die für das Business keinen Wert haben. CEOs sollten sich das berühmte Bauchgefühl und den Entrepreneurial Spirit für Dinge aufheben, zu denen Datenerhebungen nicht möglich sind. In allen anderen Situationen brauchen sie die richtigen Informationen aus vorhandenen Datenquellen, um gute Entscheidungen zu treffen. Die richtigen Kennzahlen und KPIs können mit entsprechender Analyse und Auswertung unternehmerische Entscheidungen deutlich verbessern.

Chief Information Officer (CIO)/Chief Technology Officer (CTO): Datensicherheit erhöhen

Dieser Rolle ist ausgeprägtes Wissen um Big Data, Datenerhebungen und -analysen immanent. Der CIO/CTO sitzt an der Quelle und kann entscheidend dazu beitragen, dass Daten aus verschiedenen Systemen sinnvoll zusammengeführt werden. Entscheidungen über Architektur und Struktur der Services setzen sich ebenfalls aus unternehmensinternen Daten, Informationen Dritter und der grundlegenden Strategie in Bezug auf den Umgang mit Daten zusammen, wobei das Feld der Data Governance eine fast noch größere Rolle als Data Science selbst spielt: Der CIO/CTO muss für ein gelebtes Grundverständnis zum Thema Datensicherheit im gesamten Unternehmen sorgen – und das über alle Ebenen hinweg.

Chief Finance Officer (CFO): Finanzplanung verbessern

Der CFO wiederum ist dafür verantwortlich, die richtigen Finanzdaten erheben und auswerten zu lassen. Er schaut sehr stark retrospektiv auf seine Daten – auf Umsätze, Kosten und Erträge. Sein Fokus sollte aber viel mehr sein: Wie kann ich mit den Erkenntnissen über die bisher gewonnenen Daten in die strategische Finanzplanung gehen? Dazu gehört auch, die Daten genauer zu prüfen und zu hinterfragen: Bei jeder Entscheidung, in jedem Businessplan geht es darum, die dahinterliegenden Daten zu verstehen. Warum sollten wir X Millionen Euro in das Projekt B investieren? Sind die Informationen und die dahinterliegenden Daten überhaupt valide?

Vielen Unternehmen ist auch der monetäre Wert von Daten nicht bewusst. Daten können Kosten verursachen oder zum hohen finanziellen Risiko werden – wenn etwa sensitive Kundendaten in die falschen Hände geraten, oder wenn die schlechte Datenqualität in Analyseprozessen falsche Ergebnisse produziert.

Chief Operation Officer (COO): Prozesse optimieren

Gerade, wenn es um operational Tasks geht, sind Daten unverzichtbar. Der COO darf hier durchaus ein bisschen Kreativität an den Tag legen, um sich zu überlegen, was man aus Daten herausholen kann. Deshalb ist es auch so wichtig, dass er in die Data Governance eingebunden ist. Data Science ist per Definition immer ein interdisziplinäres Feld. Das sollte sich idealerweise auch in der Praxis widerspiegeln: Während das technische Know-how eher beim CTO angesiedelt ist, liegt das Prozess- und Strukturwissen beim COO. Auch für den COO sind Kenntnisse in Data Governance daher von zentraler Bedeutung. Man muss als COO Prozess- und Produktionsdaten verstehen, um Entscheidungen treffen und Abläufe und KPIs, beispielsweise im Quality Management, der Unternehmensstrategie anpassen zu können. Bessere Qualität bedeutet beispielsweise nicht notwendigerweise eine geringere, sondern eine optimale Fehlerquote. Nur so kann man sichergehen, nicht am Markt vorbeizuproduzieren und durch höhere Preise Marktanteile zu verlieren.

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

Chief Marketing Officer (CMO): Teure Kampagnen verhindern

Gerade im Marketing gibt es sehr viel Potenzial, wenn es darum geht, wertvolle Daten zu nutzen, um die eigenen Zielgruppen besser zu erreichen. Hier kann man Daten zum Pricing, zu Seasonality-Effekten und Customer-Journey-Analysen nutzen, um das Kundenverhalten besser zu verstehen, die richtigen Kunden anzuziehen und sie langfristig zu halten. Für Marketingkampagnen helfen Algorithmen und Methoden wie etwa das Clustering, um die Zielgruppenerreichung zu verfeinern und sie via Kundensegmentierung individueller anzusprechen. Wer im Marketing auf die falschen Daten achtet oder sie falsch interpretiert, kann viel Geld verlieren. Einer meiner Kunden wollte beispielsweise mit einer digitalen Werbekampagne neue Kunden für eine Smartphone App gewinnen. Seine Agentur achtete ausschließlich auf die Downloadzahlen und nicht auf Registrierungen oder tatsächliche Käufe. Das Ergebnis war, dass die Kampagne immer mehr auf die falsche Zielgruppe optimiert wurde und sich der Geschäftserfolg erst einstellte, als man die richtigen Metrics aus Erfolgsindikatoren identifiziert hatte.

Chief People Officer (CPO)/ Chief Human Resources Officer (CHRO): Daten sind kein Allheilmittel

Im Recruiting und Human Resources Management werden viele sensible personenbezogene Daten erhoben und gespeichert. Hier ist Datensicherheit wieder ein Thema. Darüber hinaus sollten sich gerade Recruiter nicht zu sehr auf Algorithmen und daraus ermittelte Daten verlassen. Standardisierte Auswahlverfahren sind von Menschen gemacht und nur vermeintlich objektiv. Sie laufen Gefahr, gewisse Biases fortzuführen. Bei einer Vorauswahl der CVs kann das dazu führen, dass der Algorithmus bunte interessante Lebensläufe, die von den Vorgaben abweichen, ausselektiert. Über Machine Learning können auch Biases gelernt werden. Dann gibt es keine Verantwortlichen für die Entscheidung – weil ja ein Algorithmus entschieden hat. Man muss daher bei allen Benefits der Künstlichen Intelligenz transparent festhalten, wer die Verantwortung für die Letztentscheidungen trägt. Gerade bei der Umsetzung von HR-Maßnahmen werden wertvolle Daten gewonnen, etwa bei Mitarbeiterbefragungen, beim 360-Grad-Feedback. Auch hier muss man die Ergebnisse aber genauer hinterfragen: Wenn ich weiß, dass X Prozent der Mitarbeiter unzufrieden im Job sind, heißt das noch lange nicht, dass sie ihn wechseln wollen. Oft würden geringfügige Änderungen der Rahmenbedingungen ausreichen, um die Zufriedenheit zu steigern. Auch hier gilt es wieder, die richtigen Fragen zu stellen, um brauchbare Antworten zu erhalten.

Artikelfiles und Artikellinks

(ID:48256677)