Datenstrategie: Wegweiser zu digitalen Erfolgen

175 Zettabyte: So groß ist das erwartete Datenvolumen, welches in 2025 voraussichtlich weltweit generiert wird. Im letzten Jahr waren es noch 33 Zettabyte. Gigantische und immer weiter wachsende Datenmengen, die in den IT-Systemen der Unternehmen gesammelt werden und förmlich darauf warten, analysiert zu werden, damit sie ihr ganzes Potenzial entfalten können.

In vielen Unternehmen warten sie darauf bislang vergeblich. In anderen Unternehmen wurde ihr Wert erkannt, verschiedene Digitalinitiativen gestartet und erste Analysen durchgeführt. In bislang zu wenigen Unternehmen sind die Daten und ihre systematische Nutzung aber im Mittelpunkt der strategischen Ausrichtung. Dabei können sie der neue Treibstoff des Unternehmens auf dem Weg hin zur digitalen Transformation, innovativen neuen Services und Produkten oder optimierten Geschäftsprozessen sein. Um diesen Treibstoff in Leistung umzuwandeln, braucht es den passenden Antrieb: Data Science.

Die Strategie: Startschuss oder Neustart

Beim Thema Digitalisierung im Allgemeinen und Data Science im Besonderen haben Unternehmen zumeist komplett unterschiedliche Reifegrade. Die Einen stehen noch ganz am Anfang, beginnen aktuell erst mit der systematischen Datenerfassung durch die fortschreitende Digitalisierung der Unternehmensprozesse. Andere Unternehmen sehen sich mit Wettbewerbern konfrontiert, die bereits digitale Bausteine für ihre Leistungen auf den Markt gebracht haben. In vielen Unternehmen mit fortgeschrittenem Reifegrad laufen oft eine ganze Reihe an Analytik-Vorhaben – in unterschiedlichen Abteilungen und häufig voneinander entkoppelt.

Die Ausgangssituationen könnten unterschiedlicher nicht sein und doch vereint die Unternehmen ein Aspekt: Es fehlt an einer übergeordneten Datenstrategie. Diese kann Wegbereiter und Startschuss sein, aber auch helfen bestehende Initiativen zu orchestrieren und den digitalen Neustart zu vollziehen. Unser Blick in die tägliche Praxis zeigt, dass die nachhaltige und produktive Umsetzung von Datenanalyseprojekten vor allem dann gelingt, wenn sie Teil eines langfristig angelegten Plans sind. Mit einer Strategie geht häufig auch das Streben einher, operative Datenprodukte – intern wie extern – zu schaffen, die weit über das Proof-of-Concept-Stadium hinausgehen. Eine Frage des flächendeckenden Commitments.

Der Weg hin zur Datenstrategie

Um dieses Commitment zu erreichen ist es essenziell Vertreter aller relevanten Unternehmensbereiche und mit unterschiedlichem Background von Beginn an in die Strategieentwicklung einzubeziehen. Geschäftsführung, Fachabteilungen und IT-Administration: Die Datenstrategie sollte von Anfang an als „Unternehmensstrategie“ begriffen werden, um nicht als Leidenschaftsthema einer einzelnen Abteilung oder Hierarchieebene zu enden. Der Weg zur Identifikation einer belastbaren Datenstrategie beginnt mit der Bestimmung des Status quo. Wo steht das Unternehmen aktuell? Welche Erfahrungswerte im Data-Science-Kontext bestehen bereits? Welche Kompetenzen sind schon an Bord? Wie ist die aktuelle Datenlage? Wie offen sind die Mitarbeiter für datengestützte Prozesse und Entscheidungswege? Kurzum: Die Bestimmung der „Data Readiness“ des Unternehmens.

In dieser Phase ist es wichtig eine interne oder externe Kraft einzubinden, die über ein klares Verständnis der optimalen Rahmenbedingungen für erfolgreiche digitale Geschäftsmodelle verfügt und den Stand der Dinge einschätzen kann. Darauf aufbauend lässt sich eine Vision entwickeln, die mit der Datenstrategie erreicht werden soll. Diese Vision kann von der konsequenten Schaffung sogenannter „Data-enhanced Products“ über die datengestützte Verbesserung von Entscheidungen bis hin zur digitalen Vorreiterrolle in einer ganzen Branche reichen. Die Datenstrategie skizziert den Weg von der bestehenden Ausgangssituation hin zur Vision.

Die Bestandteile einer Datenstrategie

• Die Kompetenzen: Überzeugung für ein Thema und eine Zielsetzung sind das Fundament, aber es braucht Fachkräfte, die in der Lage sind, auf diesem Fundament aufzubauen. Data Scientists, Data Engineers oder Product Owner: Die Strategie muss aufzeigen, welche Ressourcen kurz- und mittelfristig für die nächsten Schritte benötigt werden. Dann stellt sich die Frage, wie dieses Know-how ins Unternehmen kommt. Ausgebildete Datenanalysten sind rar und auf dem umkämpften Arbeitsmarkt schwer zu bekommen. Abhängig von der zeitlichen Perspektive und dem vorhandenen Personal, können auch der interne Aufbau von relevanten Kenntnissen oder die temporäre Hinzunahme externer Spezialisten die Mittel der Wahl sein.

 

• Die Verortung von Data Science: Sind Kompetenzen vorhanden, gilt es diese sinnvoll in die Unternehmensprozesse einzubinden um effizient von der Idee einer Fachabteilung, über die Entwicklung der Analysemodelle bis zum Roll-out und Betrieb der Analysen zu gelangen. Zentral in einer dedizierten Data-Science-Unit oder verteilt als Teil der Fachabteilungen: Abgestimmt auf die Unternehmensstruktur und den vorhandenen Bedarf gibt die Strategie die Verortung von Data Science im Unternehmen vor.

 

• Die Datenbasis: Die schiere Datenmenge wächst immer weiter an. Doch sind die relevanten Informationen vorhanden? In welchem Format liegen diese vor und lassen sie sich für Analysen nutzen? Welche Daten fehlen und müssen noch intern erhoben oder extern beschafft werden? Insbesondere Datenverfügbarkeit und -qualität können zu entscheidenden Hürden auf dem Weg zur Erreichung digitaler Meilensteine werden. Die Datenstrategie sollte Antworten geben, wie diese Hürden genommen werden können.

 

• Das Toolset: Um das Potenzial von Data Science optimal nutzen zu können, braucht es eine nahtlose Implementierung von Analytik-Lösungen in die Geschäftsprozesse. Eine strukturierte und auf die Anforderungen von Analytik abgestimmte IT-Infrastruktur zahlt sich aus und ist eine wichtige Voraussetzung zur Professionalisierung von Data Science. Diese reicht von der täglichen Arbeit mit Analysesprachen wie Python oder R, über die Verknüpfung mit Big-Data-Technologien, wie Apache Spark oder Hadoop, bis zur Anbindung an die bestehende IT-Landschaft. Die Datenstrategie zeigt eine prototypische Systemlandschaft für die individuellen Anforderungen.

 

• Die Use Cases: Der entscheidende Baustein der Datenstrategie. Im Hinblick auf den erwarteten Nutzen für die Zielerreichung, die analytische Komplexität und die vorhandene Datenlage gilt es die erfolgversprechendsten Anwendungsfälle für den Einsatz von Data Science zu identifizieren. Bei den vielfältigen Anknüpfungspunkten muss die Datenstrategie hier Prioritäten setzen und verschiedene Initiativen bündeln und in eine gemeinsame Stoßrichtung lenken.

 

Eine Investition in die Zukunft eines Unternehmens

Die passende Datenstrategie zu entwickeln ist eine komplexe Aufgabe, aber vor allem ist sie eine lohnende Investition in die Zukunft. Denn sie kann zum entscheidenden Differenzierungsmerkmal werden und Geschäftsmodelle für die Zukunft ausrichten.

Ein Zettabyte sind übrigens Sextillionen Bytes. Die schiere Datenmenge ist unvorstellbar groß – die Möglichkeiten, die sich darauf für Unternehmen ergeben sind mit der richtigen Strategie aber schnell reell und spürbar.

—

Sie sind noch auf der Suche nach Ihrer Datenstrategie?

Auf Basis jahrelanger Erfahrung in der Umsetzung von Data-Science-Projekten und der Implementierung von Analytik im Unternehmen unterstützen wir Sie dabei, Ihre Datenstrategie zu entwickeln. Wir beraten Sie ganzheitlich von der Konzeption bis zur Umsetzung von Data Science in Ihrem Unternehmen und stehen dafür, dass die Investition in die digitale Zukunft Ihres Unternehmens ein Erfolg wird.

Erfahren Sie mehr zu unserer Strategieberatung.