Erfolgsfaktor Daten-Strategie

Haben Sie eine Daten-Strategie? Die digitale Transformation ist in aller Munde. Was dabei bisher kaum thematisiert wurde, ist die hierfür erforderliche Daten-Strategie. Daten sind nicht nur der „Rohstoff der Zukunft“, sondern auch die Voraussetzung für die digitale Transformation. Alle digitale Technologien basieren auf Daten – internen wie externen Daten. Da Datenbedarf, Datenvolumen, Datenverfügbarkeit, Komplexität und andere Anforderungen stetig zunehmen und sich verändern, entstehen auch automatisch neue und erweiterte Bedarfe an die Datenqualität und -quantität, sowie das Daten-Management.

Was ist eine Daten-Strategie?

Eine Daten-Strategie als Ableitung der Unternehmens-Strategie definiert, WIE und WARUM mit Bestands- und Ziel-Daten umgegangen wird, um die zukünftigen Unternehmensziele zu erreichen. Daraus erwächst das Data-Design und Data-Management, die dies im Unternehmen nachhaltig sicherstellen. Schlussendlich sind Daten-Audit, -Strategie, -Design und -Management im Kontext der digitalen Transformation wesentliche Erfolgsfaktoren – und kein neues Buzzword mit kurzer Wirksamkeit. Eine Daten-Strategie beinhaltet alle unternehmens-relevanten Aspekte wie unter anderem Ziele, Wettbewerbsfähigkeit, Informationsbedarf, Chancen, Risiken etc.

Bei einer Daten-Strategie geht es folglich nicht um das akribische Sammeln möglichst vieler Daten, um ggf. Entscheidungen abzusichern. Es geht vorrangig auch nicht um Data-Mining, ERP-, CRM-, CMS- oder sonstige Systeme und Anwendungen für das Daten-Management. Zielsetzung ist vielmehr die gezielte Generierung, Auswertung, Speicherung und Nutzung von Daten, die für das Unternehmen zukünftig erfolgsrelevant sind.

Status-quo: „Nicht alle haben Watson im Keller“

Viele Konzerne haben sich bereits im Rahmen Ihrer Big Data-Auseinandersetzung und etwaigen Implementierungen von Big Data- oder Smart Data-Anwendungen mit der Thematik umfassend befasst und Lösungen geschaffen. IBM Watson ist hierfür ein bekanntes Beispiel. Wie sonst würden Industrie 4.0, Predictive Analytics und AI-Systeme funktionieren? Aber selbst bei großen Unternehmen ist erkennbar, dass heute noch nicht der zukünftige Datenbedarf generiert beziehungsweise gestaltet wird. Der Mittelstand hat hiermit verglichen noch mehr Nachholbedarf und Optimierungspotenzial. Möchte das Unternehmen zum Beispiel in Zukunft Predictive Analytics einsetzen, um Vorhersagen über Kauf- oder Kündigungsverhalten von Kunden zu gewinnen, den Produktionsstopp oder das Ausfallen eines Ersatzteils vorhersagen, braucht es Daten. Unternehmen müssen heute antizipieren, welche Daten wann und wo benötigt werden, woher diese Daten kommen, wie sie organisiert und verfügbar gemacht werden. Ein anderes Beispiel: bei der Einführung von Internet-of-Things (IoT) entstehen automatisch viele Daten, bei denen sich die Frage stellt: Was geschieht damit? Wie werden sie genutzt? Zum Beispiel für die Verbesserung von Produkten oder Services, die Innovations-Entwicklung oder neuen Geschäftsmodellen.

Um Daten unternehmensübergreifend in einem System zu implementieren, das bedeutet: Erfassen, Analysieren und Bewerten, Nutzen, Pflegen, bedarf es im Durchschnitt einer Zeitspanne von 2-4 Jahren. Unternehmen, bei denen die Digitalisierung eine zentrale Rolle spielt, sollten sicherstellen, dass die Voraussetzungen hierfür rechtzeitig und fundiert geschaffen werden: mit einer Daten-Audit und Daten-Strategie.

Aktuell sieht die Daten-Situation in vielen Unternehmen noch eher bescheiden aus. Hierfür gibt es eine Reihe von Indikatoren. Einige Beispiele:

• Unklarheit darüber, welche Daten überhaupt im Unternehmen vorhanden sind und gepflegt werden
• Unwissen über den zukünftigen Datenbedarf
• Opportunistische Aktionen bei durch Veränderungen „plötzlich“ auftretendem Datenbedarf
• Intransparenz über Chancen und Risiken von Daten-Strategie und -Management
• Heterogene und schwer steuerbare Systemstrukturen (Server, Datenbanken, Anwendungen, Cloud)
• Infrastruktur, wie zum Beispiel Datenbanken, mit starkem „Eigenleben“ der zuständigen Abteilungen und kaum  Synergien
• Unzureichendes Daten-Management für Business Intelligence (BI), Wissensgenerierung, abteilungsübergreifende Zusammenarbeit etc.
• …

Was im Extremfall mit einer ausgeklügelten Daten-Strategie möglich ist – zugegeben unter anderen Datenschutzbestimmungen – zeigt das Daten-Analysesystem ALADDIN des US-amerikanischen Finanzdienstleisters BlackRock. ALADDIN steht für Asset, Liability, and Debt and Derivative Investment Network. Es ist eine Risiko-Management-Plattform mit der BlackRock die einzelnen Geldanlagen bewertet. Außer den Finanzprodukten von BlackRock selbst in Höhe von etwa 4,6 Billionen Euro, wird mit Aladdin auch die Entwicklung von etwa 30 000 Investment-Portfolios im Wert von etwa 15 Billionen Euro überwacht. Dieser Vermögenswert entspricht etwa 7 bis 10 % aller Vermögenswerte weltweit. Um mehr oder weniger die Aktionen und Reaktionen der globalen Finanzmärkte zu simulieren und entsprechende Entscheidungsgrundlagen für Kauf- und Verkauf zu schaffen, bedarf es einer sehr ausgeklügelten Systems und eines hoch-professionellen Daten-Managements (Quelle: Wikipedia). Unternehmen wie Apple, Microsoft, Google, Facebook und viele weniger bekannte verfügen ebenso über ausgeklügelte Strategien und Systeme bzw. sind dabei diese auf- und auszubauen.

Fragen, die innerhalb einer Daten-Strategie zu beantworten sind

Selbstverständlich sind die Fragen, die in einer Daten-Strategie zu klären sind, je nach Größe, Reife- und Wirkungsgrad, Komplexität, Branche etc. verschieden. Hier deshalb nur einige grundlegende Beispiele:

• Welche Daten benötigen wir in Zukunft?
• Was ist die Konsequenz, wenn wir keine Daten erheben, analysieren, pflegen?
• Wozu wollen wir diese Daten konkret nutzen? In der Entwicklung und dem innerbetrieblichen Wertschöpfungsprozess? In der Vermarktung?
• Welche Daten benötigen die digitalen Technologien auf unserer Roadmap?
• Welche Daten haben wir heute in welcher Granularität und Qualität?
• Welche Daten fehlen uns? Welche Daten benötigen wir zukünftig nicht mehr oder in anderer Form?
• …

Bei Fragen wie diesen fällt auf, dass es sich hierbei um grundlegende Entscheidungen handelt. Eine IT-Abteilung kann sicher die Fragen des Daten-Managements lösen, mit der unternehmens-übergreifenden Daten-Strategie alleine, wird sie aber in der Regel überfordert sein. Deshalb bedarf es hier einer Prüfung durch ein interdisziplinäres Team, zum Beispiel bestehend aus Strategie/Geschäftsentwicklung, Innovation, Marketing, IT, F&E, Produktion und externen Experten.

Wie kommen Unternehmen zu einer Daten-Strategie?

In zahlreichen Transformations-Projekten hat KEY VALUES die Erfahrung gemacht, dass ein Großteil der Unternehmen schlichtweg nicht weiß, wie es Daten besser und gezielter nutzen kann. Teilweise wurde bei gezielter Nachfrage auf die IT-Abteilung verwiesen. Insofern ist es sicher hilfreich, wenn unternehmensübergreifend mehr Transparenz und Klarheit darüber erzeugt wird, was Daten für Unternehmen bedeuten und in den nächsten Jahren bedeuten werden. Ähnlich wie in anderen Bereichen auch, ist eine Bestandsaufnahme (Data Audit) die Grundlage für
eine Daten-Strategie. Diese orientiert sich an der Unternehmensstrategie ebenso, wie an den aktuellen und zukünftigen Anforderungen der internen Unternehmensbereiche und an den bestehenden und zukünftigen Kunden. Erst nach verabschiedeter Daten-Strategie kann das Data-Design und Data-Management erfolgen – hier eine Übersicht:

Daten-Audit und Daten-Strategie bilden die Basis für effektives Daten-Management

Zusammengefasst kann festgestellt werden, dass Daten Unternehmen nicht nur antreiben, sondern deren Zukunftsfähigkeit sichern. Dabei steigern datengetriebene Unternehmen Ihre Produktivität im Durchschnitt um 6%. Der viel zitierte Wandel und die digitale Transformation lassen sich auf Basis einer gezielten Daten-Strategie auch gezielt gestalten und meistern.

Bei Interesse senden wir Ihnen gerne unseren Flyer „Data Audit/Data Strategy“ zu: info@key-values.com