Wenn die Daten Gold sind, warum sind wir noch nicht reich?

Wenn die Daten Gold sind, warum sind wir noch nicht reich?

Am 6. Mai 2017 kündigte das Economist-Magazin auf seinem Cover „das Ende der Öl- und Energiewirtschaft“ an. Daten sind ein neuer Treibstoff für die Wirtschaft.

Seit mehreren Jahren sind die meisten unter den 10 Unternehmen mit der höchsten Marktkapitalisierung auf der Welt Unternehmen, die mit der Datenverarbeitung verbunden sind. Amazon transportiert Daten mit Lastwagen von einer US-Küste zur anderen, da dies schneller ist als das Senden über das Internet. Tesla-Autos fahren selbst, Netflix sagt uns, welche Serie für uns am besten geeignet ist, und Spitzensportteams wählen Spieler mit künstlicher Intelligenz aus.

Man kann sagen, dass die obigen Beispiele eine ferne Welt sind, die sich nur auf einige der fortschrittlichsten Technologieunternehmen bezieht. Um die restlichen 99,99 Prozent der Organisationen ist es ganz anders bestellt. Technische und geschäftliche Konferenzen werden jedoch seit langem von Themen wie Big Data, dem Internet der Dinge, künstlicher Intelligenz und Echtzeitverarbeitung beherrscht. Die Menschheit verdoppelt alle zwei Jahre die verfügbare Datenmenge. Unsere Unternehmen sammeln auch immer mehr Daten. Wenn die Daten so wertvoll sind und wir so viele Daten besitzen, warum sind wir dann noch nicht alle reich? Die Antwort auf diese Frage ist sehr komplex. In den folgenden Abschnitten gehe ich auf wichtige und häufig übersehene Aspekte ein, die es oft zur Folge haben, dass unsere Organisationen trotz der besten Absichten das Potenzial der bereits vorhandenen Daten nicht nutzen.

Einfache Lösungen für schwierige Probleme

Das erste Problem, das bemerkenswert ist, ist der Glaube an einfache Lösungen für komplexe Probleme. Im Bereich der Datenanalyse war die Begeisterung für den Begriff „Big Data“ besonders schädlich. Ein Trend setzte sich fort, demzufolge die vielen vorhandenen Daten einfache und flexible Tools benötigen. Einige Organisationen haben ihre fertigen oder aufkommenden Data Warehouses zugunsten des so genannten Data Lake aufgegeben. Lösungen, die kostengünstig und schnell zu implementieren sind, jedoch keine ausreichende Datenintegration bieten, die für Geschäftsberichte und visuelle Analysen erforderlich ist.

Die Arbeiten zur Datenaufbereitung müssen jedoch früher oder später durchgeführt werden. Wenn bei der Vorbereitung von Datenquellen für Unternehmen bestimmte Aktivitäten nicht ausführt werden, werden das die Personen machen müssen, die Berichte erstellen. Diese Arbeit wird nicht verschwinden und sich bei einem solchen Ansatz sogar vermehren. Um eine solche Falle zu vermeiden, müssen wir eine Strategie entwickeln, für wen, welche Daten und in welcher Form benötigt werden. Wenn wir wie im obigen Beispiel regelmäßige Berichte erstellen und Geschäftsmitarbeitern die Möglichkeit geben möchten, ihre eigenen Analysen zu erarbeiten, müssen wir ein Data Warehouse entwickeln. Für unser Data Science-Team ist Data Lake jedoch der ideale Arbeitsplatz: ohne strenge Regeln, Einschränkungen und gleichzeitig hocheffizient.

Heiliger und ewiger Krieg

Das andere Problem im Bereich der Verwendung von Daten zum Aufbau eines Wettbewerbsvorteils ist die Schwierigkeit der Zusammenarbeit und des gegenseitigen Verständnisses zwischen den IT- und Geschäftsabteilungen. Diese Situation tritt in zwei Formen auf. Die IT-Abteilung kann der gesamten Organisation vorschreiben, welche Lösungen implementiert werden sollen, und Projekte unabhängig implementieren. Der Effekt dieses Ansatzes ist normalerweise eine „ein Stück gute Arbeit, die niemand braucht“. Die Systeme sind modern, effizient und in guter Architektur. Sie erfüllen jedoch nicht Ihre geschäftlichen Anforderungen.

Auf der anderen Seite beobachten wir in vielen Organisationen den Vorrang des Geschäfts vor der IT. In dem Maße, dass IT-Systeme gemäß den Geschäftsrichtlinien vorbereitet werden, ohne die IT-Stimme zu berücksichtigen. Es kommt zu Situationen, in denen Systeme schön sind und geschäftliche Probleme perfekt lösen. Und im Grunde würden sie sie lösen. Wenn die Statusleiste jemals beim Laden zu Ende ginge. Es stellt sich heraus, dass Geschäftsabteilungen ohne Kontrolle über die Architektur und ohne den technischen Dialog mit dem Lieferanten oder ein allgemeines Verständnis der in der IT geltenden Prinzipien keine Verantwortung für die Vorbereitung von IT-Systemen übernehmen können.

Das Problem spitzt sich dramatisch zu, wenn Systeme wie ein Data Warehouse erstellt werden. Die erste Überprüfung auf der Geschäftsseite dieses Projekttyps ist nach dem Erstellen von Berichten möglich, also normalerweise am Ende des Projekts. All dieses früheres Gerede über das Datenmodell, die Struktur der Schneeflocke und die Transformation und Integration von Daten verursachen eher Bestürzung und „Mangel an Kommentaren“. Die Lösung für dieses Problem besteht darin, Mitarbeiter zu gewinnen und für Projekte zu engagieren, die geschäftliche und technische Kompetenzen kombinieren: Geschäftsanalysten, Datenanalysten und Datenwissenschaftler − mit einer echten Berufung. Menschen, die über fundierte technische Grundlagen verfügen und wirklich daran interessiert sind, die geschäftlichen Anforderungen zu verstehen und zu erfüllen. Menschen, die nicht so sehr ein anderes Datenmodell vorbereiten möchten, aber verstehen, welchen Vorteil das Unternehmen durch die Erstellung eines neuen Satzes von Analysedaten oder eines Satzes von Berichten erzielen möchte.

Buzzwords

Mode ist ein weiteres Problem. Und es ist größtenteils unsere Schuld − die Schuld der IT-Menschen. Einerseits gibt es ein Stereotyp von Programmierern als Menschen, die mit den Modetrends Schritt nicht halten können. Andererseits verhalten wir uns manchmal wie technologische Modepuppen. Wir folgen jedem neuen Konzept blind, als ob es gleichzeitig die Lösung für alle technischen und geschäftlichen Probleme wäre.

Bis vor kurzem sollten „Big Data“ eine solche Medizin für alles sein. Jetzt regieren Blockchain und künstliche Intelligenz unseren Geist. Unternehmen geben viel Geld für die Umsetzung dieser trendigen Innovationen aus und die Rendite dieser Investitionen ist schwer abzusehen. Der Schlüssel zur Überwindung dieses Problems liegt in einer eingehenden Analyse und in dem Trennen des Marketings von den technologischen Innovationen. Wenn wir verstehen, welche Stärken diese Technologien haben und welche Arten von Geschäftsproblemen gelöst werden können, sind wir auf halbem Weg, sie gut anzuwenden.

Die andere Hälfte liegt in dem Verständnis des Problems, das wir lösen wollen. Das größte Problem von „Big Data“ war das Fehlen geschäftlicher Rechtfertigungen. Es gab eine Situation, in der Systeme, die auf Hadoop-Technologien basierten, implementiert wurden, und erst dann wurde nach Anwendungsmöglichkeiten gesucht. Bei technologischen Innovationen ist es wichtig, zunächst über die Bedürfnisse nachzudenken und erst dann über die Technologie, mit der sie umgesetzt werden können.

Datenverwaltung ist der Schlüssel

Ein weiteres wichtiges Thema ist das Auslassen von Daten aus den Daten selbst in der gesamten Diskussion. Und genauer gesagt: Umgehung der Sorgfalt bei der Datenverwaltung, Organisation und Kontrolle der Qualität. Es ist bezeichnend, dass ich in jeder Organisation, in der ich zu Beginn das Vergnügen hatte, Business Intelligence-Systeme aufzubauen, Folgendes wahrnahm: „Das Problem der Datenqualität betrifft uns nicht.“ Wenn Daten jedoch Berichte, CRM-Systeme oder Marketing-Automatisierungssysteme speisen, kehrt das Thema wie ein Bumerang zurück. Weil wir alle dieses Problem haben. Wir vernachlässigten unsere Daten jahrelang und müssen es jetzt wiedergutmachen.

Derzeit ist der wichtigste Aspekt des Datenmanagements die Bewusstseinsbildung. Insbesondere bei Menschen, die unsere Organisationen leiten. Projekte, die zur Organisation von Daten und verwandten Prozessen führen, wirken sich auf die gesamte Organisation aus und sind nicht einfach. Ohne die Unterstützung des Vorstandes sind solche Projekte einfach ungerechtfertigt. Das Bewusstsein für die Bedeutung von Datenverwaltungsprozessen basiert auf dem Verständnis von zwei Schlüsselaspekten. Erstens verringern Daten von geringer Qualität die Effektivität der in der Organisation ablaufenden Prozesse. Wenn ein Unternehmen beispielsweise über CRM verfügt, ist seine Effektivität direkt proportional zur Qualität der Daten, die es speist.

Zweitens endet eine große Anzahl von sektorübergreifenden Projekten aus den Bereichen Geschäft und IT, mit einer Verzögerung, einem Mehraufwand oder einfach einem Ausfall aufgrund der Unterschätzung des Zeit- und Ressourcenaufwands für die Datenaufbereitung. Mit anderen Worten: Daten von geringer Qualität sind eine ernsthafte Bremse für die Entwicklung von Unternehmensorganisationen.

Daten, ja, aber nur mit gesundem Menschenverstand

Der Aufbau eines Wettbewerbsvorteils auf der Grundlage von Daten ist keine Frage der Wahl mehr. Wer wachsen will, muss Daten in die Entwicklungsstrategie seines Unternehmens einbeziehen. Auf der anderen Seite werden wir mit Informationen darüber überflutet, wie die größten IT-Unternehmen und Startups Daten verwenden, um Lösungen zu entwickeln, die an „Magie“ grenzen. Von alldem müssen wir uns einigermaßen distanzieren. Nur wenige der fortschrittlichsten Organisationen haben Daten als die wichtigste (wenn nicht die einzige) Quelle für Wettbewerbsvorteile übernommen. Es gibt jedoch viel mehr Methoden, um in traditionellen Geschäftsbereichen wie Bankwesen, Versicherungen, Produktion oder Einzelhandel zu konkurrieren. Daher müssen wir uns von Technologiegiganten inspirieren lassen, aber gleichzeitig müssen wir diese Inspirationen in unser eigenes Geschäft umsetzen.

Der Aufbau einer datengesteuerten Organisation ist ein langwieriger Prozess. Fangen wir nicht am Ende mit der Implementierung von Programmen zur Entwicklung künstlicher Intelligenz an, während der Grundstein für die Datenaufbereitung noch nicht gelegt wurde.

Diese Website verwendet Cookies für statistische, werbliche und funktionale Zwecke. Durch die weitere Nutzung dieser Website stimmen Sie deren Nutzung zu.
Ich stimme zu