7 Schritte zur Data Driven Company

<div class="hzweiwrapper"><span class="circled-number">1</span><h2 class="c-blog_head" id="1. Momentane Entwicklung im Bereich Data Driven Business">Momentane Entwicklung im Bereich Data Driven Business</h2></div>

Momentane Entwicklungen:

• Datenspeicherkapazität nimmt zu
• Kosten der Datenspeicherung sinken
• Datenvolumen verdoppelt sich alle drei Jahre

Viele Unternehmen nutzen einen Großteil ihrer Daten und sprechen gerne von einer 360°-Sicht über alle Bereiche Ihres Geschäfts. Doch vor lauter Daten und Möglichkeiten geht oft das Wesentliche vergessen: Der konkrete Mehrwert für die Kunden und das Unternehmen.

Damit aus den Daten die richtigen Rückschlüsse gezogen werden, um konkreten Mehrwert zu schaffen, muss zunächst einmal ein Verständnis für Data-Driven Business geschaffen werden.

<div class="hzweiwrapper"><span class="circled-number">2</span><h2 class="c-blog_head" id="2. Was macht ein Data Driven Business aus?">Was macht ein Data Driven Business aus?</h2></div>

Ein Data Driven Business behält den Überblick über seine Daten und erkennt konkrete Mehrwerte. Data Driven Decision Making = Erfolgreiches Data-Handling, also die Fähigkeit mit Daten umzugehen und daraus konkreten Mehrwert zu ziehen.

Data Driven Business = Data Driven Organization = Data Driven Company

<div class="hzweiwrapper"><span class="circled-number">3</span><h2 class="c-blog_head" id="3. Welche Voraussetzungen muss eine Data Driven Company erfüllen?">Welche Voraussetzungen muss eine Data Driven Company erfüllen?</h2></div>

Um sich näher anzuschauen, ob das eigene Unternehmen nah dran oder weit weg von einem Data Driven Business ist, kann man sich in das Reifegradmodell nach Christopher S. Penn eingliedern.

Zu Beginn des Modells („data resistant“) befinden sich die Unternehmen, die sich aktiv gegen Daten wehren, also nichts damit zu tun haben wollen. Die Unternehmen auf der nächsten Stufe, der sogenanten „Data-Stage“ sind zumindest schon einmal neugierig auf Daten und somit „data-aware“. Je mehr ein Unternehmen sich dem Thema Daten öffnet und sich in diese Richtung weiterentwickelt, desto höher steigt es im Reifegradmodell auf. Auf der höchsten Stufe angekommen, der Strategic Stage, ist das Unternehmen data-driven und bezieht somit Daten aktiv in die strategischen Entscheidungen des Unternehmens mit ein.

<div class="hzweiwrapper"><span class="circled-number">4</span><h2 class="c-blog_head" id="4. Handlungsfelder des Data Driven Business">Handlungsfelder des Data Driven Business</h2></div>

Nachdem man das eigene Unternehmen im Reifegradmodell eingestuft hat, entstehen für das eine Unternehmen mehr, für das anderen Unternehmen weniger Handlungsfelder, in denen man dem Ziel Data Driven Business näherkommen kann.

Diese Handlungsfelder teilen sich in drei Entscheidungsebenen auf: Die Strategie-, die Prozess- und die System-Ebene:

Strategie-Ebene

Auf der Strategie-Ebene sollte das Unternehmen sich in Vision, Mission und Strategie einig sein, dass Daten und deren Analyse positiv zur Entscheidungsfindung beitragen. Je nachdem, ob ein daten-angereichertes oder ein datengetriebenes Geschäftsmodell vorliegt, konzentriert sich das Unternehmen auf die Datenanalyse (z.B. BMW, REWE) oder die Monetarisierung von Informationen (z.B. Uber, AirBnB). Daraus folgend sollte eine Datenstrategie abgeleitet werden, die eine umfassende Vision, wie das Unternehmen Daten sammelt, speichert, verarbeitet, nutzt und verteilt, bietet.

Prozess-Ebene

Ist die Datenstrategie formuliert, widmet man sich in der darunterliegenden Ebene, der Prozess-Ebene, der Formulierung der Data Governance. Die Data Governance ist das Rahmenwerk für die effiziente Bewirtschaftung von Daten in Unternehmen. Aufgaben von Data Governance sind kurz gesagt Planung, Kontrolle und Bereitstellung von Daten. Sie sorgt also für funktionierende Rahmenbedingungen und die Einhaltung von Standards: Qualitäts-, Sicherheits-, Datenerfassungs- und Prozessstandards.

System-Ebene

Sind die theoretischen Handlungsrahmen also definiert, geht es an die technische Umsetzung auf der System-Ebene. Auf der System-Ebene wird die technische Umsetzung der Datenlandschaft spezifiziert. Um ein datengetriebenes Geschäftsmodell zu entwickeln oder bestehende Geschäftsaktivitäten optimieren zu können, müssen die vielfältigen Datenströme gemäß den Data-Governance-Richtlinien organisiert werden. Dazu gehört unter anderem, große Datenmengen in guter und zuverlässiger Qualität verfügbar zu machen. Eine passende Data Architecture bildet dementsprechend die technische Grundlage eines Data Driven Business.

Bisher: Daten werden aus operativen Systemen extrahiert, geladen und gemäß einem vordefinierten Datenmodell transformiert (ETL), um sie anschließend in ein Data-Warehouse-System zu überführen. Aus diesen strukturierten Daten werden Reports generiert und somit Analysen ermöglicht.

Jetzt: Aufgrund der exponentiell wachsenden Datenmengen in strukturierter und unstrukturierter Form werden neue Technologien benötigt, die im Rahmen eines Data Lakes zum Tragen kommen. Neue Technologien wie In-Memory-Datenbanken und die verteilte Datenspeicherung über das Hadoop-Distributed-File-System (HDFS) bilden den Data Lake, der als zentrale Instanz als Single Source of Truth (SSOT) fungiert.

Alle drei Ebenen werden im Data Management und Data Operations kombiniert, denn dies ist die die operative Umsetzung des vorgegebenen Handlungsrahmens. In diesem Zuge ist eine funktionierende Data Culture immens wichtig. Sie ist wahrscheinlich das wichtigste und zugleich schwierigste Element auf dem Weg zu einer Data Driven Company. Eine erfolgreiche Data Culture basiert auf: 

• Authentische Einstellung des Managements in Bezug auf Innovation und Entscheidungen (Offenheit und Neugierde auf Basis von datengetriebenen Konzepten)
• Datenkompetente Mitarbeiter (Die Mitarbeiter sollen die Fähigkeiten entwickeln, um mit Daten auf kritische Art und Weise arbeiten zu können: Daten sollen nicht einfach nur konsumiert, sondern genauer hinterfragt, bearbeitet und angewendet werden.)
• Etablierte Daten-Demokratisierung in Abhängigkeit vom Reifegrad (jeder MA hat Zugriff auf für ihn abgestimmte Daten. Gleichzeitig aber auch die Benutzer zu befähigen, sich in dieser Hinsicht weiterzuentwickeln.)

Sofern diese vier Handlungsfelder erfolgreich bespielt werden, steht einem Data Driven Business nichts im Wege.

<div class="hzweiwrapper"><span class="circled-number">5</span><h2 class="c-blog_head" id="5. 7 Schritte zur Data Driven Company">7 Schritte zur Data Driven Company</h2></div>

1. Datenstrategie - Ziele definieren und Data Strategy festlegen
2. Datenmanagement - Festlegen, welche Daten für welche Informationen benötigt werden (Information Needs Analysis)
3. Datenkultur – Datenbewusstsein schaffen und Mitarbeiterkompetenzen schärfen
4. Datenqualität - Sicherstellung vollständiger Datenerfassung (Daten sind aktuell, für die Weiterverarbeitung geeignet & entsprechend vorbereitet und Zugang ist gewährleistet)
5. Data Governance - Das Rahmenwerk zum Umgang mit Daten festlegen
6. Technologien – Evaluieren welche Technologien und Tools zur Datenvisualisierung, Datenkonsolidierung, Datastorage,… erforderlich und geeignet sind
7. Maintenance - Für eine kontinuierliche Überwachung der Data Strategy sorgen und ggf. Anpassungen durchführen