Eine Datenstrategie ist der Wegbereiter für eine datengetriebene Entscheidungsfindung in Unternehmen. Sie ist die Basis für intelligente Datenlösungen mittels Business Intelligence (BI) oder Künstlicher Intelligenz (KI) mit dem Ziel, Daten als wertvolles Gut im Unternehmen zu etablieren und deren Mehrwert freizulegen. Dabei stehen vor allem der Nachhaltigkeitsaspekt und eine effiziente sowie rechtskonforme Arbeitsweise im Umgang mit Daten im Vordergrund.
Viele Unternehmen setzen bereits BI-Lösungen ein, die schnelle Einblicke in die Unternehmensdaten und deren Entwicklung erlauben. Diese Einblicke helfen den Fachabteilungen, ein verlässliches Reporting und Controlling umzusetzen und Chancen und Risiken direkt zu erkennen. Hier geht es in erster Linie um die Visualisierung der Daten und tiefere Einblicke in diese. Entscheidungen beispielsweise im Bereich Marketing oder Vertrieb werden nicht mehr aus reinem Bauchgefühl heraus getroffen, sondern anhand von eindeutigen Kennzahlen verschiedener Kampagnen.
Künstliche Intelligenz oder Business Intelligence?
KI-Lösungen werten im Gegensatz zu reinen BI- oder Datenanalyse-Systemen neben strukturierten Daten aus Tabellen und Datenbanken auch unstrukturierte Daten wie Bild, Ton oder Texte aus. Es werden Insights mittels statistischer Modelle offengelegt, die nicht durch eine visuelle Betrachtung mit BI-Werkzeugen möglich ist. Dadurch bietet KI ein völlig neues Spektrum an mehrwertstiftenden Anwendungen wie zum Beispiel Ausschusserkennung in der Produktion oder autonomes Fahren. Es heißt jedoch nicht KI statt BI, sondern BI mit KI. Denn sowohl die KI- als auch Business Intelligence-Lösungen sind wichtige Instrumente, um Effizienzpotenziale zu identifizieren und umzusetzen sowie strategische Insights zur Unternehmenssteuerung zu generieren.
Ob BI oder KI von einem Unternehmen eingesetzt wird, hängt individuell von den jeweiligen Bedarfen, Herausforderungen und verfügbaren Daten des Unternehmens ab.
Datenstrategie als Fundament für nachhaltige Datenwertschöpfung
Häufig stehen Unternehmen bei der Identifizierung, Entwicklung oder Operationalisierung von Datenlösungen vor Herausforderungen. Statt einer sauber aufgeräumten unternehmensweiten Datenplattform, die qualitätsgesicherte und kurierte Daten für alle möglichen Anwendungsfälle konform zur Verfügung stellt, liegen Daten in verschiedenen Systemen (oder gar lokalen Dateien), sind teilweise inkonsistent und werden nicht zielführend organisiert. Teure Analytics-Ressourcen führen redundante Datenextraktionen und -Aufbereitungen durch und vernachlässigen dadurch die eigentliche analytische Arbeit. Der wirtschaftliche Effekt bleibt dadurch hinter den Erwartungen zurück. Analytische Teams sind nicht abgestimmt, Rollen und Verantwortungen für Datenqualität und -management sind nicht definiert. Es fehlt an Orchestrierung, einem Zielbild für Datenwertschöpfung.
Eine Datenstrategie kann man hier als eine Art Wegweiser betrachten, der technologische und organisatorische Rahmenbedingungen berücksichtigt, Prozesse für die Umsetzung von Anwendungsfällen definiert und wichtige Fragestellungen beantwortet. Denn Fragen wie „Welche Probleme kann und möchte ich mit der Analyse von Daten lösen?“, „Welche Daten benötige ich für die Beantwortung meiner Fragen?“ oder „Lohnen sich die Kosten für die Umsetzung überhaupt in Relation zu dem Nutzen?“ werden mit ihr vorab beantwortet.
Welche Anwendungsfälle letztlich sinnvoll für ein Unternehmen sind, hängt mit verschiedenen Faktoren wie Branche, Größe oder Wettbewerber zusammen. Innerhalb einer Datenstrategie wird ebenfalls erarbeitet, wie sinnvolle Anwendungen am besten priorisiert werden.
Welche Maßnahmen ein Unternehmen angehen sollte, ermitteln wir durch eine strukturierte Reifegradanalyse des Unternehmens. Dabei inspizieren wir im INFORM DataLab vier Dimensionen:
- Daten: Diese Dimension beschäftigt sich mit den vorhandenen datenspezifischen Aspekten und Tätigkeiten.
- Technologie: Identifikation der Technologie, die für eine reibungslose Umsetzung der Lösungen benötigt wird.
- Menschen und Organisation: Bestandsaufnahme vorhandener Mitarbeiterfähigkeiten im Bereich Daten und gegebenenfalls Bedarfsermittlung von Schulungen und Weiterbildungen, um ein Verständnis für die Arbeit mit Daten zu schaffen. Diese Dimension verlangt besondere Aufmerksamkeit, da die Integration von Management und Mitarbeiter in die Veränderungsprozesse für die erfolgreiche Entwicklung und Umsetzung einer Datenstrategie notwendig sind.
- Prozesse: Bestimmung und Entwicklung bestimmter Prozesse, die in Zusammenhang mit den Datenlösungen stehen
Fazit
Eine Datenstrategie ist die Grundlage für gezielte Datenlösungen in Unternehmen Sie ist der Fahrplan für die Transformation hin zu einem datengetriebenen Unternehmen, das wichtige strategische und taktische Entscheidung anhand von Fakten trifft und seine Performance kontinuierlich durch datengetriebene Lösungen verbessert.
Sie interessieren sich für das Thema Datenstrategie und möchten sich weitergehend informieren, wie man sie gewinnbringend einsetzt?
