Datengetriebenes Arbeiten erfordert das Zusammenspiel vieler Komponenten. foryouandyourcustomers möchte hier zwei Ansätze vorstellen, die wir häufig mit unseren Kunden umsetzen.
Das Original dieses Artikels wurde veröffentlicht von Dr. Kilian Semmelmann.
Ein datengesteuertes Unternehmen zu sein wird immer mehr zum Ziel vieler Unternehmen. Doch welche Aspekte müssen auf dem Weg zum datenbasierten Arbeiten berücksichtigt werden?
Die Zukunft gehört den Daten.
Deshalb werden nur die Unternehmen langfristig erfolgreich sein, die strategische Daten sammeln, verarbeiten, speichern und analysieren. Daten sind die Grundlage für Optimierung, Innovation und Entscheidungen in jeder Organisation mit modernen und nachhaltigen Arbeitsweisen. Nur die Unternehmen, die ihre Arbeit auf Daten stützen - "datengetriebene Unternehmen" - werden in der volatilen, umkämpften Unternehmenswelt der Zukunft erfolgreich sein.
Doch was genau bedeutet es, mit Daten zu arbeiten? Welche Komponenten braucht eine Organisation, um Daten effizient und nachhaltig zu nutzen? Und wie wird man zu einem datengetriebenen Unternehmen? Diese Fragen wollen wir in diesem Artikel beantworten und aufzeigen, wie Unternehmen handeln sollten, um den Erfolg auch in Zukunft zu sichern.
Die datengesteuerte Bedürfnispyramide wurde von foryouandyourcustomers als visuelle Hilfe zur Veranschaulichung der Interdependenz der einzelnen Themen entwickelt.
Die datengesteuerte Bedürfnispyramide
Viele Unternehmen setzen "datengesteuert" mit dem Einsatz künstlicher Intelligenz gleich. Dieser Logik folgend, kann ein Unternehmen außerordentlich viel Geld für Data Scientists ausgeben, um das Unternehmen fit für die Zukunft zu machen. Doch schon bald treten die ersten Probleme auf: Die Data Scientists wissen entweder nicht, welche Anwendungsfälle im Unternehmen sinnvoll sind, oder sie stoßen bei der Umsetzung schnell an ihre Grenzen, was Datenverfügbarkeit, Infrastruktur oder Qualität angeht.
Diese Probleme sind die Folge eines unstrukturierten Umgangs mit Daten. Anstatt ein klares strategisches Ziel zu definieren, drückt das Unternehmen einfach die Daumen und hofft, dass eine Software oder ein Mensch aus dem Nichts Wunder vollbringt. Aber so wie dieser Ansatz in anderen Geschäftsbereichen nicht funktioniert, funktioniert er auch nicht in der Datenwissenschaft. Der praktische, zielgerichtete Einsatz von Daten erfordert Kompetenz in einer Vielzahl von Themen.
Um diesen Ansatz zu strukturieren, haben wir eine Bedürfnispyramide für das datengetriebene Unternehmen entwickelt, die die Interdependenz der einzelnen Themen deutlich macht. In den folgenden Abschnitten wollen wir alle Komponenten eines datengetriebenen Unternehmens vorstellen, angefangen bei den Grundlagen - einem soliden, strategischen Blick auf das Thema und einer datenbasierten Kultur - über die Kompetenz durch Datenerfassung, Infrastruktur und umfassende Governance bis hin zur effektiven, innovativen Anwendung durch moderne Ansätze wie maschinelles Lernen.
Datengestützte Arbeit ist eine Frage der Kultur.
Im Großen und Ganzen ist die Entscheidung für datengestützte Arbeit eine kulturelle Entscheidung. Organisches Wachstum durch kleine Einzelinitiativen ist möglich, führt aber in vielen Fällen zu sehr geringer Effizienz und Frustration, weil die Instrumente selten ausreichend zur Verfügung stehen und die Ergebnisse daher nicht sehr überzeugend sind.
Aus diesem Grund sehen wir die Basis eines datengetriebenen Unternehmens in der klaren Entscheidung, überhaupt ein datengetriebenes Unternehmen sein zu wollen und der Umsetzung dieser Entscheidung in eine konsequente Vorgehensweise innerhalb der Unternehmenskultur, Organisation und Kundenorientierung.
Erst wenn man den Nutzen von Daten, das, was Daten möglich machen, verstanden hat, hat man ein wirkliches Ziel, das man anstrebt. Das muss sich auch in der Organisation widerspiegeln: Klare Verantwortungszuweisungen und entsprechendes Know-how verbinden sich zu einer klaren Perspektive und verankern das Thema fest im Unternehmen.
Durch die Identifizierung klarer Anwendungsfälle können Sie den Mehrwert für das Unternehmen ermitteln und quantifizieren. Last but not least braucht man natürlich die Ressourcen: Nur mit direkter Unterstützung durch die Unternehmensleitung kommt ein Unternehmen bei der Datennutzung voran.
Diese Kombination aus Strategie, Anwendungsfällen und Organisation bildet die Grundlage für jede Initiative in einem datengesteuerten Unternehmen.
Womit Datenwissenschaftler die meiste Zeit verbringen (laut www.forbes.com, Download am 17. Juni 2020)
Kein Erfolg ohne Fundament: Datenerfassung, Infrastruktur und Data Governance.
"Datenwissenschaftler verbringen 80 % ihrer Zeit mit dem Sammeln und Bereinigen von Daten". Dieses oder ein ähnliches Zitat wird oft verwendet, um zu zeigen, wie Datenwissenschaftler ihre Arbeitszeit wirklich verbringen. Abgesehen von der humorvollen Konnotation zeigt dieses Zitat auch das grundsätzliche Problem, wenn man es hochrechnet: Es gibt kaum ein Unternehmen, in dem Datenwissenschaftler effizient arbeiten können.
Die Probleme liegen meist in der Verfügbarkeit von Daten, der notwendigen Infrastruktur und der Verwaltung der Daten - auch Data Governance genannt. Jeder dieser Aspekte trägt dazu bei, dass eine effiziente und nachhaltige Arbeit mit Daten möglich ist - oder eben nicht. Zusammen bilden sie eine Art Werkzeugkasten, ohne den jede Initiative exponentiell komplizierter oder von geringerer Qualität wird.
Die Kompetenz des Unternehmens in Bezug auf Systeme, Infrastruktur, Datenerfassung und Datenverwaltung ist von zentraler Bedeutung, um datengesteuert arbeiten zu können.
Das Ziel: Erkenntnisse gewinnen, Unternehmensprozesse verbessern und Innovationen fördern.
Die Nutzung von Daten lässt sich grob in drei Kategorien einteilen. Die Hauptziele sind die Gewinnung von Erkenntnissen, die Verbesserung von Prozessen und die Förderung von Innovationen.
Der erste Bereich umfasst alles, was Daten in Informationen oder idealerweise in Wissen und Erkenntnisse umwandelt, von einfachen repräsentativen Darstellungen wie grafischen Visualisierungen und Dashboards bis hin zu fortgeschrittenen Deep-Learning-Algorithmen. Ganz gleich in welcher Form diese Erkenntnisse vorliegen, das Ziel ist immer, Prozesse, Kunden und Produkte besser zu verstehen und idealerweise direkt zu verbessern.
Das Ziel der Prozessverbesserung ist die Steigerung der betrieblichen Effizienz durch Automatisierung und maschinelles Lernen. Das Anwendungsspektrum ist sehr breit gefächert: Es kann sowohl die Schaffung einer einfachen Infrastruktur für die Bereitstellung von Daten als auch die Einbettung von Machine-Learning-Modellen in die Kanallandschaft umfassen. Dieser Teil der Datennutzung bleibt nicht bei den Erkenntnissen stehen, sondern nutzt die Daten proaktiv im Unternehmen.
Der dritte Aspekt ist die datengestützte Innovation. Vorhandene Daten, Datenerfassung, schlanke Analysen und/oder der Einsatz von künstlicher Intelligenz können genutzt werden, um neue Produkte oder sogar Geschäftsmodelle zu entwickeln. So können sich Unternehmen schichtweise strukturieren und dem modernen Zeitgeist der personalisierten Produkte folgen.
Beides zusammen, die Analyse und die Nutzung von Daten, sind zentral für die Optimierung von Prozessen, die innovative Weiterentwicklung des Unternehmens und auch für die Entscheidungsfindung in einer modernen, überstimulierten Welt.
Schlussfolgerung
Es ist klar, dass sich datengesteuerte Arbeit nicht auf einen einzigen Aspekt oder eine einzige Lösung reduzieren lässt. Sie erfordert ein tiefgreifendes, detailliertes Zusammenspiel vieler Komponenten, damit ein Unternehmen Daten effizient und nachhaltig nutzen kann.
Der erste und wichtigste Schritt in Richtung datengetriebenes Arbeiten ist mit der Lektüre dieses Artikels bereits getan: Sie sollten nun den Umfang des Themas verstehen und wissen, welche Bereiche es zu berücksichtigen gilt. Der nächste Schritt besteht nun darin, vom Wissen zum Handeln überzugehen, um den Wandel einzuleiten und auch in Zukunft wettbewerbsfähig zu sein.
Wo sollte man also anfangen? Praktische Empfehlungen.
Offensichtlich gibt es viel zu tun. Aber wo soll man anfangen? Wir wollen diese Informationen in ganz praktische Teile zerlegen und zwei Ansätze vorstellen, die wir häufig mit unseren Kunden anwenden.
Die Bedürfnispyramide ist grundlegend, um die Materie zu verstehen und zu wissen, wo das eigene Unternehmen derzeit steht. Um diese Punkte zu bewerten, verwenden wir unsere eigens entwickelte Methode, die wir Data Readiness Assessment nennen.
Data Readiness Assessment
Gemäß der Bedürfnispyramide halten wir es für grundlegend, die Materie zu verstehen und zu wissen, wo das eigene Unternehmen derzeit steht. Um diese Punkte zu bewerten, verwenden wir unsere eigens entwickelte Methode, die wir Data Readiness Assessment nennen. Diese sehr einfache Ist-Analyse erfordert nur wenig Aufwand und dient dazu, strategisch zu bewerten, wo ein Unternehmen steht und welche spezifischen Ansätze als nächste Schritte in Frage kommen. Anhand von über 30 Themenbereichen rund um das Konzept des datengetriebenen Unternehmens untersuchen wir den Status quo und den Reifegrad des Unternehmens, um die nächsten Schritte einzuleiten.
Im Gegensatz zu diesem ganzheitlichen, strategischen Ansatz stehen die so genannten Proofs of Concept (POCs). POCs ermöglichen es, Verständnis und Begeisterung für das datengetriebene Unternehmen zu wecken und gleichzeitig Machbarkeit und Erfolg zu bewerten. In vielen Organisationen ist es sinnvoll, diese Art von "Brandbeschleuniger" einzusetzen, um das Interesse des Unternehmens an dem Thema zu wecken und mehr Begeisterung für die Fortsetzung zu erzeugen. Proofs of Concept können viele Formen annehmen. Von einer Datenpipeline, die einen Prozess automatisiert, über klassische Analyse- und Tracking-Konzepte bis hin zu ausgefeilten Lösungen mit künstlicher Intelligenz gibt es viele verschiedene Ansätze.
Ganz gleich, ob Sie eine dieser Methoden oder einen anderen Ansatz bevorzugen, bei foryouandyourcustomers werden Daten in jedem Fall als grundlegend angesehen. Unserer Meinung nach können Sie nur dann erfolgreich sein, wenn Sie sich ein ganzheitliches, umfassendes Bild davon machen, wie Daten in Ihrem Unternehmen genutzt werden.
Wir freuen uns auf Ihr Feedback oder einen Dialog mit Ihnen darüber, was der richtige Ansatz für Ihr Unternehmen und Ihre Kunden ist.
Wenn Sie Interesse haben, dann senden Sie bitte ein eMail an Jens Plattfaut.
