In meinem letzten Blogartikel „Wegbereiter Datenstrategie: Wie Sie Ihr Unternehmen datenbasiert zum Erfolg führen“ habe ich beschrieben, welche Rolle eine Datenstrategie in Unternehmen spielt und welche wichtigen Aspekte bei der Erstellung und Umsetzung berücksichtigt werden sollten.
Kurzum: Eine Datenstrategie ist der Plan zur Realisierung von nachhaltiger Datenwertschöpfung im Unternehmen und (fast) jedes Unternehmen muss sich der Frage stellen, welche Rolle Daten zukünftig für das Geschäftsmodell, die Prozesse und die Produkte & Dienstleistungen spielen wird.
Doch wie wissen Sie, ob der richtige Zeitpunkt gekommen ist, das Thema Datenstrategie auf den Prüfstand zu stellen bzw. anzugehen? Welche Anzeichen und Symptome unterstreichen die Notwendigkeit für die Erstellung einer unternehmensindividuellen Datenstrategie?
Vorweg: Eine Datenstrategie ist kein Allheilmittel, sondern eines von vielen Werkzeugen, um Datenwertschöpfung im Kontext der digitalen Transformation strukturiert anzugehen. Für eine Umsetzung bedarf es letztlich Aufklärung und Verhaltensänderungen auf allen Unternehmensstufen, damit aus Daten ein nachhaltiger Unternehmensmehrwert geschaffen werden kann.
Die Symptome
Im Folgenden zeige ich einen Auszug einiger Symptome auf, die meiner Erfahrung nach Unternehmen aufweisen, die über einen geringen Datenreifegrad verfügen und denen eine solide Datenstrategie fehlt:
- Fehlende Daten-Vision: Aus der Unternehmensstrategie geht nicht hervor, wie und in welchem Umfang der Umgang mit Daten das Geschäftsmodell, die Prozesse oder die Produkte zukünftig beeinflussen soll/wird. Das Top-Management sowie die Leitung der Fachbereiche benötigen ein solides Verständnis (Data Literacy) bezüglich Potenziale und Limitationen für Datenwertschöpfung mittels Analytics und Künstlicher Intelligenz. Ist dies nicht der Fall, hilft die Formulierung einer Datenstrategie – gegebenenfalls mit externer Unterstützung – Möglichkeiten aufzuzeigen und im Unternehmen zu kommunizieren.
- Fehlende Rollendefinitionen & Verantwortlichkeiten: Verantwortlichkeiten für Datenthemen sind in vielen Unternehmen unklar. Gibt es einen Chief Data Officer (oder wie auch immer die Rolle des Datenhäuptlings im Unternehmen heißen mag)? Oft ist diese zentrale Rolle, welche unter anderem für eine Datenstrategie im Unternehmen verantwortlich ist, gar nicht besetzt. Darüber hinaus existieren keine klaren Rollendefinitionen für die Pflege, das Management und die Governance von Daten. Oder gibt es in Ihrer Organisation ein Gremium, welches unternehmensweit bindende Entscheidungen für Daten trifft?
- Daten-Silos: Der Klassiker. Unternehmensdaten aus verschiedensten Bereichen werden nicht miteinander vernetzt. Dies führt häufig dazu, dass Daten redundant in verschiedenen Systemen gehalten werden und Reporting KPIs, die eigentlich gleich sein sollten, unterschiedlich in verschiedenen Systemen zu finden sind. Es ist dann nicht eindeutig ersichtlich, welcher Datentopf die „richtigen“ Werte enthält. Eine „Single Source of Truth“ der Daten und ein gemeinsames abteilungsübergreifendes Verständnis der richtigen KPIs fehlt. Darüber hinaus sind zahlreiche wertstiftende Datenlösungen erst durch eine Vernetzung der Daten möglich.
- Daten-Team-Silos: Datenanalyseaktivitäten aus verschiedenen Bereichen sind autark und es besteht kein Austausch zwischen den einzelnen Teams. Datenspezialisten bleiben Einzelkämpfer. Zusammen mit dem Symptom „Daten-Silos“ können diese individuellen Datenanalyseaktivitäten dazu führen, dass die falschen Daten bzw. Daten falsch interpretiert werden oder Analysen und Datenaufbereitungsschritte redundant durchgeführt werden. Kostbare Arbeitszeit wird verschwendet.
- Mangelnde Transparenz bezüglich Datenherkunft: Häufig ist Mitarbeitern gar nicht klar, wo die Daten für die Analyse überhaupt erhoben werden (Lineage & Datenarchitektur). Transparenz bezüglich der Datenflüsse im Unternehmen beeinflusst jedoch das Verständnis für und das Vertrauen in Daten und ist daher Voraussetzung für eine erfolgreiche Datenwertschöpfung.
- Datenqualitätsprobleme: Eine mangelnde Datenqualität ist oft der Grund dafür, dass Umsatz- oder Einsparpotenziale nicht komplett ausgeschöpft werden und das mehrwertstiftende Datenanwendungsfälle nicht angegangen werden oder gar scheitern. Zudem können Datenqualitätsprobleme ein häufiger Kostentreiber in Projekten sein, da in verschiedenen Projekten teils die gleichen Datenprobleme adressiert werden.
- „Das müsste doch besser gehen“: Mitarbeiter oder Führungskräfte haben das Gefühl, dass Tätigkeiten effizienter oder „anders“ durchgeführt werden könnten, „da die Informationen ja eigentlich vorhanden sind“. Ein Indiz für Potenziale im Rahmen der Datenwertschöpfung. Versanden derartige Innovationsquellen im Unternehmen oder gibt es einen Ansprechpartner, der solche Verbesserungspotenziale ernst nimmt, aufnimmt, strukturiert bewertet und gegebenenfalls Lösungen entwickelt und diese operationalisiert? Nein? Dann benötigen Sie eine Datenstrategie, die den Rahmen für ein innovative Datenwertschöpfung im Unternehmen vorgibt.
Fazit
Eine Datenstrategie ist erforderlich, wenn Potenziale für Datenwertschöpfung vorhanden sind (was meist der Fall ist) und diese strukturiert und mit niedrigem Aufwand gehoben werden sollen. Die Symptome sind vielfältig und ein Indiz für bestehende Verbesserungspotenziale.
Welche dieser Symptome kennen Sie aus Ihrem Unternehmen?
