Wolfgang Kobek

Wolfgang Kobek ist Geschäftsführer für die DACH-Region bei dem BI-Spezialisten Qlik und schreibt im silicon.de-Blog über Chancen durch Analyse und Visualisierung von Daten.

Business IntelligenceData & Storage

Datenbasierte Wertschöpfung : Daten-Enthusiasten gesucht

Um künftig wettbewerbsfähig zu bleiben, brauchen Unternehmen klare Strategien, ihre digitalen Informationen effektiv zu nutzen. Gefragt sind dabei alle – vom Selfservice-Anwender bis zum Data Scientist.

Wenn Daten das „Öl des 21. Jahrhunderts“ sind, wie man es immer wieder lesen kann – dann ist Datenkompetenz die Schlüsselqualifikation schlechthin, um von den digitalen „Ölquellen“ auch wirklich zu profitieren. Denn so imposant riesige Data Lakes sich in vielen Unternehmen auch ausdehnen: Ohne passende Tools und ein echtes Verständnis der immer heterogeneren Datenbasis bleibt der digitale Ozean ein schwarzes Loch. Mehr noch: Werden die Tera- und Petabytes strukturierter und unstrukturierter Daten einfach nur gehortet und nicht professionell analysiert, verschwinden unternehmensrelevante Einsichten unter Umständen immer tiefer im Dickicht.

Big Data: Business Intelligence (Bild: Shutterstock)

Das ist nicht nur schade, da viele gute Ideen und datenbasierte Entscheidungsgrundlagen auf diese Weise brach liegen. Es kann auch zunehmend geschäftskritisch werden, so zu verfahren. Spätestens nämlich, wenn die Konkurrenz ihre Daten bereits strategisch nutzt und aufgrund neuer Datenkombinationen – oder durch die Integration von externen Daten in die eigenen Analysen – neue, bislang unbekannte Einsichten erzielt. Und die so besseres Ressourcen-Management betreibt, optimierte Kundenerlebnisse schafft, neue Geschäftsfelder erschließt – kurz: die Nase vorn hat.

Riskanter Mix aus überholten Prozessen und Bauchgefühl

Wer sich diesem Risiko nicht aussetzen möchte, ist gut beraten, seine Organisation konsequent datengetrieben aufzustellen. Denn digitale Informationen fallen so gut wie überall an: In sämtlichen Geschäftsbereichen werden Prozesse digitalisiert und findet eine umfassende Automation statt. Werden wichtige Geschäftsentscheidungen trotzdem aufgrund tradierter Ausschnitt-Betrachtungen, Bauchgefühl und manuell erstellten Reportings getroffen, erhöht sich das Risiko zunehmend, an der Unternehmenswirklichkeit vorbei zu „navigieren“.

Der erste, vielleicht wichtigste Schritt hin zur datenbasierten Unternehmenssteuerung ist es, eine Kultur der Daten-Kompetenz, also echte „Data Literacy“, in der eigenen Organisation zu etablieren. Zahlen beweisen, dass das in den meisten Unternehmen längst überfällig ist. Die aktuelle Data-Equality-Forschung hat sich intensiv mit dem Thema Daten-Souveränität auseinandergesetzt und Bemerkenswertes ans Licht gebracht: So scheint es zwar durchaus eine gewisse Ahnung davon zu geben, dass das Lernen von, mit und über Daten große Relevanz hat und die Arbeitswelt grundlegend transformieren kann. Doch konkrete Schritte zum kompetenten Leben und Arbeiten mit Daten bleiben häufig (noch) aus.

So geben nur rund 17 Prozent der Befragten in der Data-Equality-Studie an, tatsächlich mit den Daten, Tools und Kompetenzen ausgestattet zu sein, um mit digitalen Informationen zu arbeiten, sie professionell nach ihren Bedürfnissen zu analysieren und zu visualisieren – und so datengetrieben besser zu performen. Und das, obwohl rund 90 Prozent aller Umfrage-Teilnehmer davon überzeugt sind, dass passgenaue datenbasierte Einsichten ihnen dabei helfen würden, im Job noch bessere Leistungen zu erbringen.

Zentral gemanagte Governance gibt Sicherheit

Muss nun also jeder zum Data Scientist werden? Keineswegs, denn nicht jeder in einer Organisation muss in der gleichen Abfragetiefe in jede Art von Datenquelle eintauchen, um in seinem Bereich datenbasiert neue Einsichten zu gewinnen – und schneller zu besseren Entscheidungen zu gelangen. Sicher: Data Scientists sind gefragt und werden in Zukunft zweifellos noch wichtiger, je mehr Künstliche Intelligenz, handelnde Algorithmen und M2M-Kommunikation in Unternehmen Einzug halten. Doch auch auf allen anderen Ebenen eines Unternehmens kann Data Analytics Geschäftsprozesse optimieren: im Sales, in der Lagerhaltung, im Frontoffice, im Kundenkontakt und so weiter. Ein Außendienst-Mitarbeiter, der mit Hilfe einer Analytics-App Fahrtstrecken optimal einteilen kann, in Echtzeit Kunden-Informationen zur Verfügung hat, Upselling-Chancen identifizieren oder Wartungs-Intervalle planen kann, spart schnell Ressourcen, bares Geld und hat mehr Raum für den persönlichen Kundenkontakt. Das fördert Zufriedenheit, Kundenbindung und ist gut investierte Zeit.

Fazit: Ob Standard-Anwender mit wenigen, personalisierten Analytics-Apps, Power-User oder tiefblickender Data Scientist: Die Analyse und Visualisierung von Daten geht alle an, wenn eine zeitgemäße Data-Analytics-Strategie konsequent zu Ende gedacht wird. Da nicht jeder die gleichen Daten braucht (und es allein aus Compliance-Gründen schon nicht möglich ist, jedem im Unternehmen alle Daten zugänglich zu machen), geben rollenbasierte Abfragerahmen sowie zentral gemanagte Governance Orientierung und Rechtssicherheit. Kurz: Die Möglichkeiten, die Fähigkeiten, die passenden Tools sowie die bestmögliche Datenbasis, um optimal zu performen, sollten niemandem vorenthalten werden, der als „Daten-Enthusiast“ in die Arbeit mit digitalen Informationen einsteigen möchte.