Warum Unternehmen eine Datenstrategie brauchen

Anleitung für einen Data-Thinking-Prozess

Daten gehören zu den wichtigsten Treibern einer erfolgreichen Unternehmensentwicklung. Allerdings nur, wenn sie wertgeschätzt und entsprechend behandelt sowie strategisch genutzt werden. Es gibt keinen größeren Fehler, als Daten einfach nur zu sammeln und darauf zu vertrauen, dass sich schon irgendeine Erkenntnis daraus ergeben wird. Denn im Spannungsfeld aus Digitalisierung und Datennutzung ergibt sich nichts einfach von selbst. Wir zeigen, warum die eigene Datenstrategie der letzte und wichtigste Baustein einer Digitalisierung ist.

Die Digitalisierung beeinflusst und strukturiert alle Bereiche unserer Gesellschaft. Das stellt Unternehmen vor die Herausforderung, sich an die verändernde Umwelt anzupassen und den Kunden entlang dieser Digitalisierung neue Lösungen anzubieten. Intern sind Prozesse, Produkte und Dienstleistungen zunehmend digitalisiert. Die dabei anfallenden Daten und der darin enthaltene Erkenntnisgewinn aber werden halbherzig wahrgenommen. Nur wenige Unternehmen schaffen es, die intern erfolgte Digitalisierung auch wirklich zu nutzen und daraus solide, zukunftsweisende Entscheidungen abzuleiten.

Datenanalyse und ihr enormes Erfolgspotenzial

Das ist nicht verwunderlich, wenn überall nur verwaltet wird und es beim Stichwort „Digitalisierung“ für die meisten Menschen in führenden Positionen darum geht, mögliche Bedrohungsszenarien abzumildern und reaktiv zu managen. Konzerne wie Apple, Amazon oder Microsoft haben sich nicht allein wegen ihrer Produkte zu den reichsten Konzernen der Welt entwickelt. Sie haben verstanden, den extrem hohen Informationsgehalt ihrer Daten durch strategische Nutzung in neue Services und Lösungen umzuwandeln. Sie besitzen eine Datenstrategie.

Das Gute an dieser Herausforderung: Die Transformation lässt sich schrittweise planen und enthält unterschiedliche Entwicklungsplateaus, die sich gut analysieren lassen. Konsequente Datenanalyse erlaubt es Unternehmen, neue Informationen und Zusammenhänge zu entdecken und letztendlich neues Wissen zu generieren. Richtig eingesetzt können Daten also neue Einblicke in Geschäftsprozesse liefern. Dadurch lässt sich das Verständnis für Kunden und das eigene Unternehmen signifikant verbessern. Die Erkenntnisse aus der Datenanalyse können in jeden Entscheidungsprozess mit einbezogen werden. Damit bilden sie den Kern eines datengetriebenen Unternehmens. Aber wie können Daten optimal genutzt werden? Wie verläuft die datenanalytische Entwicklung einer Organisation von Data Ready bis Data Driven?

Datenstrategie: Data Thinking als Ansatz

Unternehmen müssen sich an die sich schnell ändernde Umgebung aus neuen Technologien, Disruptionen durch neue Geschäftsmodelle und Marktbedingungen anpassen, um langfristig erfolgreich zu sein. Im Zuge dieser Entwicklung sind auch auf unternehmerischer Seite neue Strategien, Denkweisen und Methodiken entstanden. Data Thinking ist eine sehr erfolgreiche davon. Daher spielt sie bei der Formulierung einer eigenen Datenstrategie eine tragende Rolle.

Die Idee von Data Thinking ist es, die Verwertung der eigenen Daten basierend auf einer neuen Unternehmenskultur zu etablieren. In einem datengetriebenen Unternehmen stehen entlang dieses Denkens Daten und deren gewinnbringende Nutzung strategisch im Mittelpunkt. Marketingmaßnahmen oder Unternehmensentscheidungen treffen CEOs dann beispielsweise immer auf der Basis einer detaillierten Datenanalyse. Auch bei der Optimierung von Geschäftsprozessen oder anderen internen Unternehmensstrukturen fallen Entscheidungen nach genauer Betrachtung aller analytischen Befunde. Data Thinking minimiert den Spielraum für intuitive Bauchentscheidungen oder spontane Experimente. Dafür maximiert sie die Einbeziehung statistischer und datenbasierter Analysen.

Die Herausforderung besteht darin, die verschiedenen Fachabteilungen in einem Unternehmen aufeinander abzustimmen. Analysten und Marketer müssen beispielsweise näher zusammenrücken und auf einer gemeinsamen Datenbasis Entscheidungen treffen. Es gibt bereits einige Tools, die auch für Mitarbeitende ohne IT-Kenntnisse und mit geringerem technischen Verständnis anwendbar sind.

Was das Denken eines Unternehmens über den analytischen Reifegrad aussagt

Die Art und Weise, wie Unternehmen über Daten und den Umgang mit ihnen denken, sagt viel über deren Auffassung einer zeitgemäßen Unternehmensentwicklung aus. Dass Entscheidungen heutzutage am besten datenbasiert getroffen werden, haben die meisten schon gehört. Welche Weichen eine Organisation dafür aber stellen muss und für welche Herausforderungen welche Tools, Methodiken und Kompetenzen notwendig sind, haben die wenigsten verinnerlicht.

Das Thema ist sicher komplex. Mit einer klaren Struktur und einer eigenen Roadmap lässt sich die sukzessive Transformation von einem „datenunbewussten“ Unternehmen zu einem „datenbasierten“ Unternehmen aber verlässlich angehen.

Datenstrategie umsetzen: Schritt für Schritt

Eine ganzheitliche, abteilungsübergreifende Datenstrategie bildet die Basis für ein datengetriebenes Unternehmen, weil sie klar formulierte Ziele in einem bestimmten zeitlichen Horizont beinhaltet. Im Folgenden beschreiben wir eine kurze Anleitung von der ersten Idee hin zu einer effizienten Strategie. Die Abfolge der sechs Schritte lässt sich in drei Phasen unterteilen:

Data Thinking: Erst Fragen nach innen Stellen

1. Vision

Unternehmen müssen konkrete Ziele haben, die sie mit der Datenanalyse erreichen möchten.

• Wie ist das Geschäftsmodell definiert, wie sieht die Marktsituation aus?
• Welche Ziele werden mit der Strategie verfolgt und welcher konkrete Business Value soll optimiert werden

2. Identifizieren von relevanten Datenquellen

Unternehmen müssen verfügbare Daten, die täglich erzeugt werden, sammeln, bereinigen und nach logischen Kriterien aufbereiten. Nur so können  diese innerhalb der Datenstrategie nutzbar werden.

• Welche interne und externe Datenquellen sind bereits vorhanden und erschlossen? Welche sind vorhanden, aber noch nicht erschlossen?
• Sind die gespeicherten Daten für alle Abteilungen zugänglich?

Es ist wichtig, einen systemübergreifenden bzw. abteilungsübergreifenden Ansatz zu verfolgen, um das Entstehen von Datensilos zu vermeiden.

Data Thinking: Dann Fragen nach außen stellen

3. Konzept zur Informationsgewinnung

Die Analyse von Kennzahlen und Werten muss in enger Abstimmung mit den Fachabteilungen stehen. Deren Erkenntnisdrang ist für die richtigen Fragestellungen und Formulierung von Use Cases innerhalb der Datenstrategie essenziell.

• Wie können Unternehmen Daten verknüpfen, um neue Informationen zu generieren?
• Welche Tools können genutzt werden?
• Wie können Unternehmen die neue Informationen nutzen?

4. Konzept zur Wissensgenerierung

Entscheidend ist die Bewertung aller in der Analyse gesammelten, relevanten Informationen. Sie gilt es auf ihre Verwertbarkeit und ihren Nutzen hin zu untersuchen.

• Welche Wertangebote für die Kunden sollen aus den Daten erstellt werden?
• Wie können die Daten der Marketing-, Vertriebs- und Liefer-Kanäle verbessert werden?
• Wie helfen die Daten, Schlüsselaktivitäten, Ressourcennutzung und Kosten effizienter zu gestalten?

Datengetriebenes Unternehmen: Umsetzen und Etablieren

5. Planung der Umsetzung

Um die ersten Ergebnisse institutionalisieren zu können, ist der Aufbau von Prototypen einer Datenanalyse wichtig. Nur wenn der Ansatz auch allen Mitarbeitern die Datenanalyse ermöglicht, ist sie unternehmerisch erfolgreich.

• Welche Integrationslösungen benötigt das Unternehmen, um interne und externe Datenquellen anzubinden?
• Mit welchen Analysewerkzeugen entwickeln die Mitarbeitenden die Analyse?
• Welche Visualisierungswerkzeuge setzen Mitarbeitende zur Erstellung von Dashboards und Berichten ein?
• Oder gibt es Trainings und Workshops zur Befähigung der Mitarbeitenden?

6. Datenstrategie

Zuletzt müssen die Vorüberlegungen strukturiert werden, indem mögliche Verantwortungsbereiche auf Mitarbeitende und Teams übertragen werden.

• Wer konzipiert die Analyseprozesse und wer führt die Analysen durch?
• In welchen Formaten und Meetings werden die Ergebnisse interpretiert?
• Wie sieht der Workflow der Datenanalyse aus und wie sind die Verantwortlichkeiten verteilt?

Innerhalb der verschiedenen Aufbaustufen einer Datenstrategie gilt es, konkrete Fragen beantworten zu können, um eine ganzheitliche Unternehmenskultur aufzubauen. Allerdings sind die oben aufgeführten Überlegungen nur einige Beispiele, um das allgemeine Vorgehen zu erläutern. Mit Methoden des Data Thinking gelingt es Unternehmen, eine fundierte strategische Ausrichtung zu etablieren, die im gesamten Unternehmen einen Wandel des Bewusstseins für datengetriebenes Arbeiten zur Folge hat.

‍