Daten sind heute nicht mehr nur ein Wettbewerbsvorteil, sondern für die gesunde Entwicklung – und oft auch das Überleben – von Unternehmen essenziell. Dieser Leitfaden richtet sich an Führungskräfte und „Data Leaders“, die Daten zum Aufbau von Geschäftsresilienz nutzen und dabei bei ihren Mitarbeitern beginnen möchten. Dort, wo eine Datenkultur herrscht, haben alle in der Organisation Zugang zu den Erkenntnissen, die sie zur Bewältigung geschäftlicher Herausforderungen benötigen, so komplex sie auch sein mögen.


Einführung: Quantifizieren der Auswirkungen einer Datenkultur auf das Geschäft


Die COVID-19-Pandemie hat gezeigt, dass eine agile, strategische Nutzung von Daten große Auswirkungen darauf hat, wie gut Organisationen in der Lage sind, angemessen auf Marktveränderungen zu reagieren. Aber eine optimale Ausschöpfung des Potenzials von Daten erfordert mehr als nur die richtige Technologie – benötigt wird die Bereitschaft, datengesteuerte Entscheidungen auf jeder Ebene der Organisation zu fördern.

Trotz der Billionen, die in den letzten Jahren in Daten und Analytics investiert worden sind, mangelt es in vielen Organisationen weiterhin an einer datengesteuerten Kultur.

Bei einer von NewVantage Partners 2019 durchgeführten Umfrage unter 64 C‑Level-Führungskräften zum Thema „Big Data und KI“ haben


72-%-Symbol

72 % der Umfrageteilnehmer angegeben, dass sie noch keine Datenkultur aufgebaut haben.

53-%-Symbol

53 % berichtet, dass sie Daten noch nicht als Vermögenswert ansehen.

52-%-Symbol

52 % zugegeben, dass Daten und Analytics kein Wettbewerbsgegenstand für sie sind.


Die aktuelle globale Krise wirft ein besonderes Licht auf diese Versäumnisse und zeigt, wie wichtig es ist, Verhaltensweisen und Einstellungen zu fördern, die den Aufbau einer Datenkultur fördern – eine gemeinsame Aufgabe, Entscheidungen nur noch auf der Grundlage von Daten zu treffen.

Auch schon vor der Krise hat das datengesteuerte Arbeiten geschäftliche Vorteile gebracht. Tableau hat das globale Marktforschungsunternehmen IDC mit einer Studie* beauftragt, die die wichtigsten sichtbaren und unsichtbaren Faktoren einer Datenkultur zutage fördern sollte. Die Befragung von Mitarbeitern großer Unternehmen in aller Welt erbrachte Aufschluss darüber, was den Unterschied zwischen den Organisationen, die bereits eine Datenkultur aufgebaut haben, und denjenigen ausmacht, die sich noch in den Frühphasen dieses Prozesses befinden.



Datenkulturskala

Quelle: IDC InfoBrief, sponsored by Tableau, „Why You Should Care About Data Culture“ (Deshalb ist Datenkultur wichtig), April 2020.


Im Vergleich zu datenbewusste Unternehmen (Unternehmen am unteren Ende der Datenkulturskala) lag der Anteil der datennutzenden Unternehmen mit Umsatzzuwächsen um 18 Prozent und derjenigen mit Gewinnzuwächsen um 20 Prozent höher. Die größten Erfolge verzeichnen aber die datengesteuerten Unternehmen, also die Unternehmen, bei denen es eine erfolgreiche Datenkultur gibt.


Datengesteuerte Unternehmen profitieren u. a. von einer um


41-%-Symbol

41 % höheren Verbesserung der Time-to-Market im Vergleich zu datenbewussten Unternehmen.

89-%-Symbol

89 % höheren Verbesserung der Kundenbindung und ‑akquise als datennutzende Unternehmen.

45-%-Symbol

45 % höheren Verbesserung der Mitarbeiterbindung als datenbewusste Unternehmen.


Der Aufbau einer Datenkultur ist jetzt noch wichtiger. McKinsey weist auf drei Bereiche hin, die sich aus der COVID‑19-Krise ergeben:
  1. In den USA geben 75 Prozent der Leute, die digitale Kanäle zum ersten Mal nutzen, an, dass sie sie auch nach der Krise weiter nutzen werden.
  2. Business- und Analytics-Verantwortliche setzen auf neue Analytics-Lösungen zur immer digitaleren Unterstützung kritischer Geschäftsbereiche.
  3. Die Nachfrageerholung wird nicht glatt verlaufen und man wird sich bei den Nachfrageprognosen kaum auf historische Daten verlassen können. Für operationelle Entscheidungen wird es nötig sein, die bestehenden Analytics-Modelle neu aufzustellen.
 

Führen Sie mit Daten?

Das können Sie herausfinden, indem Sie Ihren Teammitgliedern die folgenden Fragen stellen:

Wissen die Mitarbeiter, wie sie Daten interpretieren können?

Erhalten die Mitarbeiter bei Fragen zu Analytics- oder Datenproblemen Hilfe von ihren Kollegen?

Können die Mitarbeiter auf die Daten zugreifen, die sie benötigen?

Sind die Mitarbeiter für die Daten, auf die sie zugreifen und die sie erstellen, verantwortlich?

Macht es die Organisation zur Pflicht, bei Entscheidungen Daten heranzuziehen?


Der Aufbau einer Datenkultur ist oft auch in normalen Zeiten eine Herausforderung. Er gelingt nur, wenn die Mitarbeiter auf allen Ebenen Einfluss darauf nehmen, wie im Unternehmen über datengestützte Erkenntnisse gedacht wird und wie sie umgesetzt werden. Aber das Gute ist, dass man sofort beginnen kann, Schritt für Schritt daran zu arbeiten – im Wissen, dass jeder dieser Schritte große Auswirkungen auf die Resilienz jetzt und in der Zukunft hat.

Hinweise zur Nutzung dieses Leitfadens


Dieser Leitfaden zeigt einen einfachen, aber effektiven Weg zum Aufbau einer Datenkultur auf. Er enthält vier Kapitel, die sich jeweils einem speziellem Thema widmen.


Für jedes Thema skizzieren wir einen Weg zum Ziel, indem wir Empfehlungen geben, wie Sie die nötigen Fähigkeiten aufbauen, anwenden und zu gegebener Zeit ausbauen und zur Reife bringen können.


Laufendes, sich erweiterndes Bild zu „Aufbauen“

Aufbauen

Grundlegende Schritte, die es möglich machen, aus Daten Wert zu schöpfen

Anwenden

Programme und Aktivitäten, die organisationsweit messbaren Wert schaffen

Ausbauen

Maßnahmen, mit denen Sie Ihre Dateninitiativen optimieren und zukunftssicher machen


Aufbau und Aufrechterhaltung einer Datenkultur ist kein linearer Prozess, sondern ein lebendiger Organismus, der sich ständig weiterentwickelt. Wir raten dringend zu einer phasenweisen Herangehensweise, die an die konkreten Ziele und Anforderungen Ihrer Organisation angepasst ist. Die Schritte in diesem Leitfaden können sowohl beim Aufbau einer Datenkultur als auch dann ausgeführt und wiederholt werden, wenn diese bereits etabliert ist.

Kapitel 1:

Ausrichten der Managementmetriken
an den Geschäftsprioritäten

 

Ziel:

Führungskräfte aus allen Teilen der Organisation müssen sich über die dringendsten Geschäftsanforderungen einig werden, um bestimmen zu können, auf welche Bereiche die Datenressourcen zu fokussieren sind.

Praktische Umsetzung:

Die Einbeziehung der Geschäftsleitung sorgt dafür, dass alle Manager auf dieselben Ziele hinarbeiten und die Datenressourcen auf die Bereiche verteilt werden, die die größten Auswirkungen haben. Agile Unternehmen bewerten in Zeiten schnellen Wandels ihre Schlüsselprioritäten neu, um sich an die veränderten Bedingungen anzupassen und gewonnene Erkenntnisse anzuwenden.

Um herauszufinden, wie sich das Geschäft im Vergleich zu den Prioritäten schlägt, definiert ein „Data-Leadership“-Gremium bestimmte Metriken und arbeitet mit Analysten und anderen relevanten Leuten im Unternehmen zusammen, um Datenquellen für diese Metriken zu finden, zu erstellen und anzupassen. In dieser Phase helfen Datenquellen dabei, eine Momentaufnahme auf Führungsebene zu erhalten. Im Idealfall werden diese Quellen regelmäßig oder in Echtzeit aktualisiert, damit die Manager Erwartungen für die Performance der jeweiligen Metriken definieren können. Das wirkt sich darauf aus, wie detailliertere Datenquellen für spätere Analysen priorisiert werden.

Abercrombie & Fitch nutzt zum Ausrichten Echtzeitdaten

Abercrombie & Fitch organisiert jedes Quartal ein Alignment-Meeting, an dem die Geschäftsleitung, die Leiter der Geschäftseinheiten und die Produktteams teilnehmen. Die dabei gewonnenen Erkenntnisse helfen, Ziele festzulegen, gemeinsame Absichten auszuarbeiten und Fokusbereiche zu bestimmen.

Mehr lesen


Management-Dashboard

In einem Management-Dashboard werden wichtige Geschäftsmetriken in einer gemeinsamen Ansicht präsentiert. So lassen sich mit diesem Beispiel-Dashboard Informationen zur Rentabilität, zum Produkt, zum Versand und zur Performance sowie Auftragsdetails in einer einzigen Arbeitsmappe überwachen.

Schritte zum Ziel:

Aufbauen

Einrichten eines „Data-Leadership“-Gremiums, das dafür verantwortlich ist, dass Daten wertschöpfend genutzt werden, und aus Business- und Analytics-Stakeholdern besteht.

Bewerten und Priorisieren der Geschäftsprobleme mit dem höchsten Wert für das Unternehmen, auf die der Hauptfokus der datengesteuerten Transformation gelegt werden soll.

Definieren der wichtigsten Leitmetriken zur Beurteilung des Zustands des Geschäfts anhand von maximal 10 Schlüsselindikatoren.

Anwenden

Entwickeln von Daten zur Unterfütterung der Leitmetriken auf Managementebene, bestehend aus einigen wenigen High-Level-Datenquellen und ‑Visualisierungen, die als gemeinsame Referenzbasis dienen.

Analysieren von Metriken gegen historische Performance-Daten, um einschätzen zu können, wie das Geschäft im Vergleich zu früheren Geschäftsbedingungen und aktuellen Prognosen dasteht.

Regelmäßiges Verfolgen von Metriken, um zu sehen, wie sich das Geschäft im Vergleich zu den Erwartungen schlägt, und um schnell unerwartete Tendenzen zu erkennen und Geschäftsprobleme proaktiv anzugehen.

Ausbauen

Umverteilen und Fokussieren von Datenressourcen auf die Projekte mit höchster Dringlichkeitsstufe und größtem Potenzial. Selbst seit Langem laufende Initiativen sollten eingestellt werden, wenn sie nichts zu den dringendsten Problemen beitragen.

Benennen von Sponsoren auf höchster Ebene, die die Metriken überwachen, um sicherzustellen, dass Erfolgs- und Misserfolgsindikatoren frühzeitig erkannt und entsprechende Anpassungen vorgenommen werden.

Ausbauen der Sichtbarkeit von Metriken durch regelmäßige, organisationsweite Kommunikation und Förderung der strategischen Nutzung von Daten durch die Geschäftsleitung.

Kapitel 2:

Erstellen von Datenquellen für
kritische Entscheidungspunkte

 

Ziel:

Geschäftsmetriken bilden die Grundlage für die Priorisierung von Dateninitiativen, und Teams erstellen Datenquellen für die dringendsten Geschäftsfragen.


Kapitel 3:

Steigern des Wertes durch spezifische
Anwendungsfälle

 

Ziel:

Sofortige Wertschöpfung und Einbindung für prioritäre Anwendungsfälle, Kommunizieren wichtiger Datenerkenntnisse durch Dashboards und Datenvisualisierungen.


Praktische Umsetzung:

Durch das Erstellen von Anwendungsfällen, die sich an Bereichen mit hoher Priorität ausrichten, wird die Interaktion mit Daten gefördert. Diese Anwendungsfälle haben die Form von Datenassets – Visualisierungen, Berichte, Dashboards und/oder Arbeitsmappen –, die nützlich und ansprechend sind und Erkenntnisse für die Lösung unmittelbarer Geschäftsanforderungen bieten. Die Teams in der Organisation können diese Assets an die eigenen Anforderungen anpassen und andere Bereiche identifizieren, die von zusätzlichen Datenassets oder Datenquellen profitieren könnten. Bei der Weiterentwicklung der Assets ist dafür zu sorgen, dass die Teams sich weiter an den Definitionen in den Managementmetriken orientieren, damit alle dieselbe Sprache sprechen. Siege oder Erfolgsmuster sollten kommuniziert werden – so kann ein Erfolgszyklus entstehen, der ein immer breiteres und tieferes Engagement in allen Teilen der Organisation fördert.

Organisches Engagement und Vertrauen bei Red Hat

Das Enterprise Data and Analytics Team von Red Hat hat in enger Zusammenarbeit mit Business-Verantwortlichen aus allen Funktionsbereichen Performance-Dashboards für die wichtigsten Metriken entwickelt. Dies hat Synergien und Vertrauen geschaffen und zum Wachstum der Daten-Community sowie zu einer Verdreifachung der Tableau-Benutzerbasis beigetragen.

Mehr lesen


Dashboard für die Vertriebspipeline

Dieses Beispiel-Dashboard für die Vertriebspipeline zeigt die Auswirkungen von COVID‑19 auf Geschäftsabschlüsse. Das Beispiel illustriert, wie sich bestehende Dashboards an unterschiedliche Anwendungsfälle anpassen lassen.



Schritte zum Ziel:

Aufbauen

Identifizieren von Fachexperten in jeder Abteilung, die schnell Feedback geben und sicherstellen können, dass Daten- und Analytics-Teams über den für die Entwicklung von Datenassets nötigen betriebswirtschaftlichen Kontext verfügen.

Identifizieren von Anwendungsfällen, in denen Teams vom Zugang zu wichtigen Datenquellen profitieren können, und Einbeziehen des Tiger-Teams zur Befriedigung spezifischer Anforderungen.

Erarbeiten von Anforderungen für Datenassets, um zu bestimmen, welche ergänzenden Daten benötigt werden, um die Assets auch für andere Zielgruppen relevant zu machen. Dabei ist darauf zu achten, dass es möglich sein muss, angepasste Metriken und Dimensionen auf eine standardisierte Definition zurückzuführen.

Anwenden

Erstellen spezifischer Datenassets, wie interaktiver Visualisierungen, für wichtige Geschäftsprozesse und Entscheidungspunkte. Fokus auf Zugänglichkeit und Zuschneiden von Assets auf konkrete Zielgruppen.

Einbringen von Datenassets in wichtige Meetings mit Stakeholdern, der Geschäftsführung und dem Aufsichtsrat zur Förderung datenbasierter Herangehensweisen an vorherrschende Ansichten und zur Hervorhebung der Unterstützung seitens der Geschäftsführung.

Starten von Programminitiativen und Benennen von Champions, die im Rahmen formeller Meetings oder informeller Kommunikation, z. B. in Chatgruppen oder auf Unternehmensportalen, Unterstützung und Coaching anbieten.

Ausbauen

Einbindung von Datenassets in die bestehenden Arbeitsabläufe und Anwendungen der Mitarbeiter durch Einrichtung von E‑Mail-Abonnements, Chatbenachrichtigungen oder Einbetten in Workflow-Anwendungen wie das CRM-System.

Suchen nach und Einbinden von neuen Daten in Datenquellen und Dashboards, die Predictive und Prescriptive Analytics für weiterführende Anwendungsfälle unterstützen.

Unterstützen der Entwicklung von Datenwissen durch Hinzufügen von Definitionen, Erklärungen, Anmerkungen und Metadaten zu Datenassets sowie fortlaufendes Erfassen von Nutzerfeedback.

Kapitel 4:

Fördern der Data Discovery in allen Bereichen

 

Ziel:

Mitarbeiter auf allen Ebenen verfügen über ausreichendes Vertrauen und Wissen, um selbstständig und mit so wenig Hilfe wie möglich dem Data-Discovery-Zyklus zu folgen und Erkenntnisse aus Daten für Geschäftsentscheidungen zu nutzen.


Praktische Umsetzung:

Je mehr sich die Mitarbeiter mit der Nutzung von Daten auskennen, desto tiefer gehende Fragen werden sie stellen und desto mehr neue Datenassets werden erstellt werden. In der Praxis bedeutet das, dass die Daten gut beschrieben, verwaltet und zugänglich sein müssen. Außerdem bedarf es einer weit verbreiteten Datenkompetenz – der Fähigkeit, Daten zu erkunden, Daten zu verstehen und mit Daten zu kommunizieren. In dieser Phase profitieren Unternehmen von Datenkompetenz-Schulungsprogrammen, die grundlegende Datenkompetenzen vermitteln. Die Förderung von Community-Programmen gibt den Mitarbeitern einen eigenen Ort, Fragen zu stellen, Best Practices zu teilen und für mehr Engagement zu sorgen. Dabei müssen diese Programme nicht gleich in große Initiativen münden. Sie können dort stattfinden, wo sowieso schon miteinander kommuniziert wird. Wenn das Engagement dann zunimmt, können diese Initiativen mit eigens benannten Verantwortlichen, Leitern und Prozessen formalisiert werden.

JPMorgan Chase stellt Community und Datenkompetenz in den Vordergrund

Zur Vertiefung des Engagements innerhalb einer aus 30.000 Personen bestehenden Community hat sich JPMorgan Chase einer gamifizierten Struktur mit „Skill-Belts“ bedient, die die Mitarbeiter je nach ihrem Kenntnisstand durch die verschiedenen Datenschulungsniveaus leiten.

Präsentation aufrufen

Schritte zum Ziel:

Aufbauen

Priorisieren der Zusammenarbeit bei Zielen und Initiativen auf Abteilungsebene, um Mitarbeiter auf allen Ebenen der Organisation in die Lage zu versetzen, Verantwortung für Entscheidungen in ihrem Bereich zu übernehmen und Maßnahmen auf der Basis von Daten einzuleiten.

Erweitern der Datenerkundung durch Bereitstellung von Datensätzen und ‑assets über eine gemeinsame BI-Plattform mit Governance für eine angemessene Abwägung von Befähigung und Kontrolle. Ermöglichen von Ad-hoc-Analysen durch Zugang zu Natural-Language- und Visual-Analytics-Tools.

Starten von Innovations- und Problemlösungsinitiativen, wie Datenwettbewerben, bei denen neue Hypothesen aufgestellt werden, die etablierte Denkweisen bezüglich der Funktionsweise des Geschäfts auf den Prüfstand stellen.

Anwenden

Fokus eher auf Befähigung als auf Content-Erstellung durch Ausbau der Schulungsinitiativen. Anbieten von Entwicklungschancen für alle Kompetenzstufen, um Selbstvertrauen und Datenkompetenz aufzubauen. Bereitstellen relevanter Beispiele, damit die Mitarbeiter schnell loslegen können.

Einrichten von Programmen zum Aufbau einer Community, wie Lunch-and-Learns, Benutzergruppen oder Wettbewerben, die die Voraussetzungen für größere Programme schaffen. Die Mitarbeiter können Fragen stellen, Hilfe erhalten und ihre Datenkompetenz ausbauen.

Investieren in robuste Datenherkunftsfunktionen, einem der Schlüsselaspekte für das Teilen von Daten und den Aufbau von Vertrauen. Zur Identifizierung und Behebung von Problemen mit der Datenqualität in Quellen mit der höchsten Nutzungsrate steht die BI-Plattform zur Verfügung.

Ausbauen

Definieren einer Methode und eines Repositorys für gewonnene Erkenntnisse, z. B. eines internen Portals oder Wikis, und Zuweisen von Mitarbeiterzeit für diese Funktion.

Dokumentieren führender Praktiken für die Data Discovery, um erfolgreiche Methoden erfassen zu können und andere zu inspirieren. Diese Praktiken sollten aktiv gepflegt und im Zuge der Weiterentwicklung der Datenkultur verfeinert werden.

Öffentliches Benennen und Feiern von Daten-Champions und Belohnen ihrer Arbeit durch Beförderungsrunden, Karriereentwicklung und Managementchancen. Mit fortschreitender Entwicklung der Datenkultur sollten auch formelle Datenmanagementrollen in Betracht gezogen werden.

Fazit

Vorbereiten der Organisation
auf zukünftige Entwicklungen

 

Vorbereiten der Organisation auf zukünftige Entwicklungen

Die COVID-19-Pandemie vergrößert die Lücke zwischen Datenkultur-Pionieren und Datenkultur-Zögerern – denen, die Daten und Analytics-Ergebnisse aktiv in ihre Unternehmenskultur einbinden, und denen, die zögern, in Programme und Technologie zu investieren, die ihnen auf dem Weg dorthin helfen. Datengesteuerte Organisationen reagieren, sobald dies erforderlich ist, sorgen für ständige Innovation und verfeinern ihren Ansatz kontinuierlich, um sich auch in schweren Zeiten einen deutlichen Wettbewerbsvorsprung zu sichern.

Eine Datenkultur auf die Beine zu stellen, geht nicht von heute auf morgen. Zunächst gilt es, inkrementelle Veränderungen vorzunehmen und dabei mit den Mitarbeitern zu beginnen. Dazu sollten Fokusbereiche ermittelt werden, die die Grundlage für den Ausbau der Datennutzung durch einzelne Mitarbeiter und ganze Teams bilden. Diese Schritte weisen den Weg in die richtige Richtung und sorgen dafür, dass Ihre Datenkultur zukunftsfähig gemacht wird und auf alles vorbereitet ist, was kommen mag.


Die Tableau-Plattform: flexible Technologie für eine skalierbare Datenkultur

Tableau ist die weltweit führende Analytics-Plattform – leistungsfähig, sicher und flexibel. Die Plattform wurde für den Einzelnen entwickelt und für den Einsatz in Unternehmen skaliert. Tableau hilft einigen der größten Unternehmen der Welt, wie Honeywell, Charles Schwab und Nissan, bei der erfolgreichen Etablierung einer Datenkultur, die auf Vertrauen und einem strategischen Engagement für Daten aufbaut.


Sie möchten den Aufbau einer Datenkultur beschleunigen? Wir haben die Blaupause dafür.

Tableau Blueprint skizziert Tableau-Best-Practices, die auf der Expertise Tausender Kunden basieren und dabei helfen, wiederholbare Prozesse in Kernfunktionen zu verwandeln. Auf diese Weise können Sie sich einen Gesamtüberblick über Ihre Analytics-Strategie verschaffen oder sich auf einen konkreten Bereich konzentrieren, um Feinjustierungen und Verbesserungen vorzunehmen.

Tableau Blueprint erkunden



* Quelle: IDC InfoBrief, sponsored by Tableau, „Why You Should Care About Data Culture“ (Deshalb ist Datenkultur wichtig), April 2020.

PDF herunterladen

Sie können sich eine ausdruckbare Version unseres kompletten
Datenkultur-Leitfadens herunterladen.

Jetzt herunterladen »

Navicon

Navicon is a consulting company based in Moscow, Russia, since 2002. We implement the best in class solutions based on well-known platforms like Tableau to our valuable customers. We are eager to develop new ideas and bring innovations to business. BI has become our core direction during last couple years and we see it as the most driving and perspective in the nearest future.

info@navicongroup.ru
www.navicongroup.com