Viele Unternehmen treffen heute immer noch wesentliche Entscheidungen aus dem Bauch heraus oder auf der Basis klassischer Business Intelligence, also aufgrund von Erfahrungen, die sich mithilfe historischer Daten begründen lassen. In Zeiten der Digitalisierung reicht dies allein nicht mehr aus, um als Unternehmen erfolgreich zu sein. In den ersten zwei Teilen dieser Blogpostserie (Teil 1 / Teil 2) haben wir uns damit beschäftigt was es bedeutet „datengetrieben“ zu sein und welche Themenfelder dabei wichtig sind. Im Einzelnen sind dies „Data Management“ (Wie kann ich mehr Daten nutzen?), „Data Analytics“ (Wie kann ich die Daten besser nutzen?) und „Data Democratization“ (Wie können Daten von mehr Personen genutzt werden?).

Transformation in eine datengetriebene Organisation

Eine Datenstrategie als Leitlinie auf dem Weg zum datengetriebenen Unternehmen
Abb. 1: Eine Datenstrategie als Leitlinie auf dem Weg zum datengetriebenen Unternehmen

Unternehmen sind meist nicht in allen drei genannten Themenfeldern gleich stark entwickelt. Es empfiehlt sich, zuerst den aktuellen Entwicklungsstand in jedem Themenfeld zu analysieren und diesen dann schrittweise zu verbessern.

Dabei hilft eine Datenstrategie (siehe Abbildung 1), welche erforderliche Maßnahmen nach fachlichen, organisatorischen und technischen Aspekten ordnet und so ein geeignetes Programm für die Transformation definiert. Dieses Programm wird beispielsweise von der Rolle des Chief Data Officers (CDO) verantwortet. Unter fachlichen Aspekten werden hierbei die möglichen Analysebedarfe und konkreten Anwendungsfälle verstanden, die verschiedenen Nutzern helfen. Diese treiben die organisatorischen und technischen Aspekte, wie z.B. benötigte (neue) Rollen und Prozesse und Tools und Technologien, um eine moderne analytische Architektur umzusetzen.

Handlungsfelder auf dem Weg zum datengetriebenen Unternehmen
Abb. 2: Handlungsfelder auf dem Weg zum datengetriebenen Unternehmen

Abbildung 2 zeigt beispielhaft, welche Schritte in den drei einzelnen Aspekten berücksichtigt werden können. Durch eine Fokussierung auf den Nutzen konkreter Anwendungsfälle treiben die fachlichen Aspekte die organisatorischen und technischen.

Was Unternehmen dabei beachten sollten:

  • Die Vision steht am Anfang. Die Transformation in ein datengetriebenes Unternehmen ist eine wichtige und strategische Aktivität, welche die Unterstützung der Geschäftsführung erfordert. Es empfiehlt sich, sich zu Beginn mit der Vision zu befassen (Warum machen wir das?) und diese entsprechend zu kommunizieren. Datengetriebenes Arbeiten wird idealerweise in der Kultur verankert.
  • Betrachtung/Würdigung/Nutzung des Vorhandenen. Neues und Bestehendes (meist DWH/BI-System und Data Lake/Data Science) ergänzen sich oft sehr gut in gemeinsamer Koexistenz, und stützt dabei jeweils unterschiedliche Anwendungsfälle. Bestehende Anwendungsfälle sind nach wie vor relevant und auch für neue können vorhandene Praktiken noch gut funktionieren. Klassische BI verliert nicht plötzlich ihren Wert. Hier gibt es keinen Widerspruch zur notwendigen technologischen und methodischen Modernisierung.
  • Nutzengetrieben arbeiten. Wie schon mehrfach erwähnt sind weder Technologien noch Daten reiner Selbstzweck. Das stetige Umsetzen von nutzbringenden Anwendungsfällen steht im Vordergrund und bestimmt die einzusetzenden Daten, Tools, Skills und Techniken. Für jeden Anwendungsfall müssen die Voraussetzungen geschaffen werden: Daten sind vorhanden und zugänglich (Data Management), die notwendigen Methoden und Analysetools sind vorhanden (Data Analytics) und die richtigen Mitarbeiter wissen wie sie Daten und Tools nutzen (Data Democratization).
  • Agilität und Priorisierung. Ein agiles Vorgehen hilft flexibel zu sein. Je nach Entwicklungsstand in den einzelnen Themenbereichen ergibt sich die Priorisierung der Aktivitäten (zum Beispiel Datenmanagement-Verbesserungen vor Data Analytics vor Aktivitäten zur Data Democratization oder umgekehrt).
  • Change Facilitation. Ein Kulturwandel sollte professionell begleitet werden. Auf dem Weg zu einem datengetriebenen Arbeiten werden auf diese Art alle Mitarbeiter mitgenommen.

Für den Erfolg der Transformation in ein datengetriebenes Unternehmen sind also technologische Fragestellungen genauso wichtig wie die Fokussierung auf den Nutzen mit den entsprechenden Anwendungsfällen und die Verankerung in der Organisation (Kulturwandel).

Fazit

Anwendungsfälle, die mit Mitteln der klassischen BI (z.B. in die Vergangenheit gerichtetes Reporting und Dashboarding) gelöst werden, existieren nach wie vor. Damit hat klassische BI weiterhin ihre Existenzberechtigung. Sie ist heutzutage allerdings nicht mehr ausreichend, um erfolgreich zu sein. Neue Anwendungsfälle müssen auch mit neuen Konzepten zur Speicherung, Verarbeitung und Nutzung von Daten einhergehen. Die dabei vorhandenen Herausforderungen liegen in den Bereichen Data Management (wie nutze ich mehr Daten), Data Analytics (wie nutze ich Daten besser) und Data Democratization (wie werden Daten mehr genutzt). Mit jeder erfolgreich gemeisterten Herausforderung auf diesen Gebieten entsteht Stück für Stück etwas Größeres: Aus klassischer BI wird Analytics, Analysemöglichkeiten werden vielfältiger und komplexer, der Umgang mit und das Bewusstsein für Daten wandelt sich; und schlussendlich werden Unternehmen zunehmend datengetriebener.

Alle Beiträge von Jens Bleiholder

Dr. Jens Bleiholder beschäftigt sich seit über 15 Jahren mit verschiedenen Themen aus den Bereichen Informationsintegration und Datenqualität. Er hat mehrere Jahre Erfahrung im Projektgeschäft bei Konzeption und Aufbau von Data Warehouses und Analytics-Lösungen gesammelt und arbeitet nun im Bereich Business & IT Innovation der OPITZ CONSULTING Deutschland GmbH. Dort kümmert er sich schwerpunktmäßig um alle Themen, die etwas mit Daten zu tun haben.

Schreibe einen Kommentar