Mit Daten zu arbeiten ist weder Luxus noch Zukunftsmusik, sondern gerade in bewegten Zeiten ein handfester Wettbewerbsvorteil. Laut einer Studie von Capgemini machen Unternehmen, die mit Daten arbeiten, 70% mehr Umsatz. Zu dieser Erkenntnis kam die Studie schon 2020.
(Lesedauer: 4 Minuten)
Ihr entgegen steht eine Befragung unter Führungskräften im Jahr 2022: Laut Hewlett-Packard Enterprise (HPE) sagen aller befragten Führungskräfte und 65% der Vorstände und Geschäftsführer, dass ihr Unternehmen keine Datenstrategie habe. Besonders kleine und mittlere Unternehmen entpuppten sich als Nachzügler in Sachen Daten.
Es gibt jedoch noch eine Hürde. Um dieses Potenzial zu erschließen, müssen sich Unternehmen noch vom Datensammler zum datenzentriert arbeitenden Unternehmen entwickeln. Es gibt zwar in jedem Unternehmen „low hanging fruits“, also schnelle Optimierungen, die sich ohne lange Strategie mit einem Blick auf Daten erzielen und umsetzen lassen, wer aber eine Transformation mit tiefgreifenden Optimierungen herbeiführen möchte, kommt an der Datenstrategie kaum vorbei.
Die Datenstrategie ist der Fahrplan für die Arbeit mit den Daten, also wie sie in eine nutzbare Form gebracht, im Unternehmen geteilt und wie daraus Wissen und Entscheidungen abgeleitet werden können. Die Datenstrategie ist der Weg von der Datensammlung zur Datenarbeit.
Übrigens: Die Datenstrategie ist nicht mit der Digitalstrategie zu verwechseln. Diese bringt neue digitale Möglichkeiten wie etwa effizientere Zusammenarbeiter per Cloud, schlankere Prozesse und neue digitale Geschäftsmodelle im Rahmen der Digitalisierung ins Unternehmen. Das Ziel der Datenstrategie hingegen ist: Das Schaffen von Entscheidungsgrundlagen, die das bestehende Geschäft verbessern und neue Potenziale erschließen.
Schritt 1: Ziele definieren
Einige Grundüberlegungen helfen bei der Arbeit mit Daten. Wo könnten Daten etwas verändern und verbessern? Die gesetzten Ziele sollten mit der Unternehmensstrategie im Zusammenhang stehen. Wo wollen wir wachsen? Wo können Prozesse optimiert und so Einsparungen erzielt werden? Wo können Kunden zufriedener gemacht oder Produkte verbessert werden? Gleichzeitig helfen Meilensteine einen zeitlichen Rahmen zu setzen, wann der Erfolg der Strategie überprüft wird – ähnlich wie in einem Projekt.
Schritt 2: Datenquellen bestimmen und zusammenführen
Die Vorüberlegungen und erste Analysen aus Schritt 1 helfen bei der Entscheidung, welche Daten für das Erreichen der Ziele benötigt werden. Unternehmensdaten kommen oft aus verschiedenen Quellen, wie zum Beispiel Kundenstammdaten aus einem CRM-System (Customer Relationship Management), Transaktionsdaten aus einem Onlineshop, Daten aus verschiedenen Kommunikationskanälen wie etwa sozialen Medien wie LinkedIn, Twitter und Facebook. Für einige Ziele müssen in einigen Fällen auch neue Systeme eingeführt und Datenquellen erschlossen werden.
Datenaufbereitung sieht zwar je nach Anforderung etwas unterschiedlich aus, läuft aber grundsätzlich nach folgendem Schema ab: Nach der Datenbeschaffung aus internen und externen Quellen werden die Daten in das verarbeitende System oder die Business-Intelligence-Architektur eingespeist. Bei der Aufbereitung werden etwa fehlerhafte oder irrelevante Daten entfernt. Bei der Transformation geht es darum, die Rohdaten in das Format der Zieldatenbank zu aktualisieren. Ziel dabei: Die Daten werden so für eine größere Zielgruppe verständlicher. Beim Zusammenführen wird aus den bereinigten Rohdaten ein aus den Zielen abgeleitetes Datenmodell aufgebaut und dann zur Verfügung gestellt.
Die Kunden mit verschiedenen Datenquellen getrennt zu betrachten ist ein Fehler, den viele Unternehmen immer noch machen. Diese so genannten Datensilos führen zu schlechten Kundenerlebnissen, etwa dazu, dass der Kunde vielleicht im Vertrieb bekannt ist, beim After-Sales aber seine Daten neu eingeben muss.
Schritt 3: Visualisierung der Daten
Es gibt heute nicht nur viele Daten aus vielen Quellen, sie sind auch nicht einfach zu verstehen – vor allem, wenn man kein Datenwissenschaftler ist. Lange Excel-Tabellen bringen hier wenig Einblick; besser sind Diagramme, die Analyse-Software aus Daten erzeugen können. Sie ermöglichen ein schnelles Verständnis, was die Daten bedeuten, etwa, wo Potenziale, Probleme oder Handlungsbedarf liegt. Spitzen beim Traffic im Onlineshop könnten beispielsweise ein guter Zeitpunkt für den Versand eines Newsletters mit Angeboten sein – oder umgekehrt könnte ein Newsletter helfen, Flauten zu beleben. Diagramme können helfen, das Kundenverhalten besser zu verstehen, Markt- und Verkaufspotenzial zu erkennen, um passende neue Produkte oder Dienstleistungen anbieten zu können. Produkte können mit Daten verbessert und Preise zielgenauer an die Nachfrage angepasst werden.
Schritt 4: Data Governance im Unternehmen verankern
Data Governance ist ein wichtiger unternehmensweiter Prozess und muss im Unternehmen verankert werden, sobald man intensiv mit Daten arbeitet. Dabei gibt es mehrere Beteiligte und Verantwortliche, deren Arbeit koordiniert und zusammengeführt werden muss – etwa stellt der Datenschutzbeauftragte sicher, dass rechtliche Vorgaben eingehalten werden. Wichtig ist auch, den sicheren Zugriff auf die Daten möglich zu machen, Risiken wie Sicherheitslücken zu erkennen und zu vermeiden und die Kosten bei der Datenspeicherung und Verwaltung zu senken.
Ebenso relevant: Der „sparsame“ Umgang mit Daten. Daten sollen keine Sammelkollektion werden, sondern helfen, gesetzte Ziele zu erreichen. Datenverantwortliche kümmern sich darum, dass nur Daten gesammelt werden, die man benötigt, und beispielsweise nicht mehr persönliche Daten von Kunden abgefragt werden, als zum Erreichen der Ziele notwendig wären. Die Verantwortung über Richtigkeit und Aktualität der Daten ist ebenfalls hier aufgehängt.
Schritt 5: Transparenz schaffen
Der gleiche aus dem Schritt zuvor gepflegte und bereinigten Datenbestand sollte für alle im Unternehmen verfügbar sein. Es arbeiten zwar immer nur die Mitarbeiter mit den Daten, die sie benötigen, also etwa der Vertrieb mit seinen relevanten Datensätzen, aber der CEO und einzelne Abteilungen könnten sich Einblicke aus einem „Single Point of Truth“ holen, also dem gleichen Datensatz. Über die Cloud wird er zentral und immer aktuell transparent verfügbar. So gibt es also nicht mehr nur die gleiche Excel-Tabelle offline und in verschiedenen Zuständen in verschiedenen Abteilungen. Und so treffen alle Mitarbeiter Entscheidungen basierend auf den gleichen Daten.
Schritt 6: Datennutzung in Prozessen verankern
Die Entscheidungen in bestehenden und neuen Prozessen sollten wo möglich auf dem zentral verfügbaren Datenbestand basieren. Richtig umgesetzt, sparen Daten auf diese Weise Zeit und Ressourcen, verhindern Fehler und optimieren Abläufe.
Schritt 7: Erfolg messen
Kein Plan ist perfekt und der Weg zum datengetriebenen Handeln ist voller Stolpersteine wie unvollständige Datenmengen, Problemen mit Soft- und Hardware und damit verschobener Meilensteine. Die Erfolgsmessung hilft, die Strategie immer wieder anzupassen. Beispielsweise, ob die Daten im Fokus auch den gewünschten Erfolg bringen oder ausreichend für die Ziele sind. Neben den Schwächen zeigen sich durch die Messung aber auch die Erfolge. Wo haben Daten wieviel mehr Umsatz, Einsparungen oder andere Verbesserungen gebracht?
Fazit – Aller Anfang ist schwer
Die Arbeit mit Daten ist zunächst eine Anfangsinvestition, etwa in einem kompetenten Datenverantwortlichen, in Analysesoftware, Cloud-Speicherplatz und in die Schulung von Mitarbeitern. Aber mit der richtigen Strategie ist die Datenarbeit kein Experiment, sondern hochwirksam. Sie bringt in allen Abteilungen Verbesserungen, die insgesamt und langfristig Erfolg und Zukunft des Unternehmens sichern. In einer Zeit voller Unwägbarkeiten lohnt sich jede Investition in Sicherheit umso mehr.
Stefan Dold, überarbeitet von Janina Zaminer