Datengetriebene Geschäftsmodelle Herzogtümer auflösen – Daten demokratisieren

Autor / Redakteur: Dr. Lars Borgmann* / Sebastian Human

Die meisten Unternehmen sitzen auf einem Berg von Daten, aber nur wenige sind in der Lage, daraus datengetriebene Geschäftsmodelle zu entwickeln. Worauf es zu achten gilt und welche Rolle die Unternehmenskultur dabei spielt.

Firmen zum Thema

Ihren Wert offenbaren die Daten erst, wenn die Unternehmenskultur stimmt: Es gilt, fachliche und technische Silos aufzubrechen, Daten zu demokratisieren und eine Strategie für deren Nutzbarmachung zu entwickeln.
Ihren Wert offenbaren die Daten erst, wenn die Unternehmenskultur stimmt: Es gilt, fachliche und technische Silos aufzubrechen, Daten zu demokratisieren und eine Strategie für deren Nutzbarmachung zu entwickeln.
(Bild: Namics)

Kunden richtig zu lesen lohnt sich: Im Rahmen ihrer Customer Journey hinterlassen sie große Mengen von Daten, die substanzielle Vorhersagen über ihr Verhalten erlauben. Beispielsweise gibt es sichere Anzeichen dafür, dass ein Kunde drauf und dran ist, den Anbieter zu wechseln – sie offenbaren sich lange, bevor der Verbraucher bewusst seine Entscheidung trifft. Unternehmen, die die Zeichen richtig deuten, können beizeiten gegensteuern.

Aber zu solchen Vorhersagen sind die meisten Betriebe noch nicht in der Lage. Sie sammeln zwar emsig Daten über die eigenen Leistungen und Produkte sowie die Kunden, doch es gelingt ihnen nicht, daraus werthaltige Informationen zu ziehen. Was sie brauchen, ist die Konsolidierung aller Datenquellen und die zielgerichtete Analyse, um praktisch umsetzbare Einsichten zu gewinnen. Dafür muss an allererster Stelle die Definition eines oder mehrerer sinnvoller Anwendungsfälle stehen.

Der Use Case ist der Ausgangspunkt

Häufig besteht ein grundsätzlicher Denkfehler im Primat der Technik. Viele Unternehmen gehen bei der Projektdefinition davon aus, dass sie einen Data Lake, ein neues CRM-System oder einen Big Data Stack aufbauen wollen – anstatt darüber nachzudenken, welche geschäftlichen Ziele sie eigentlich verfolgen.
Im Vordergrund sollte jedoch nicht die Technik stehen, sondern die (Business-)Strategie.

  • Welche Anforderungen hat das Unternehmen?
  • Welche Ziele verfolgt es?
  • Welche konkreten Anwendungsfälle bestehen?
  • Welche Ergebnisse führen zu welchen Erkenntnissen?

Ein Data Lake ist zunächst nur ein Behälter für unterschiedliche Daten, ein CRM-System und ein Big Data Stack sind Mittel zum Zweck; aus sich selbst heraus offenbaren sie keine verwertbaren Einsichten.

Die Kunst besteht vielmehr darin, die richtigen Fragen zu stellen. Das können nur Personen, die Anforderungen in datengetriebene Lösungen übersetzen können und die keine Scheuklappen tragen – also solche, die eine Vorstellung davon haben, was sich mit den passenden Daten herausfinden lässt beziehungsweise welche Daten nötig wären, um das Unternehmen voranzubringen.

Eine Revolution der Unternehmenskultur

In den meisten Betrieben gibt es zu viele fachliche und technische Silos. Verantwortliche befürchten, ihren Einfluss zu verlieren, wenn sie andere an ihrem Wissen teilhaben lassen. Dabei verhält es sich genau umgekehrt: Je mehr Daten zusammengeführt werden, desto werthaltiger sind die Ergebnisse. Und die nutzen dann dem ganzen Unternehmen.

Deshalb erfordern datengetriebene Business-Modelle einen kulturellen Wandel, der seinen Ausgangspunkt im Top-Management hat. Nur eine klare Ansage von ganz oben kann bewirken, dass sich die Datenherzogtümer im mittleren Management auflösen.

Darüber hinaus steht und fällt die Transformation zum datengetriebenen Unternehmen mit einer sinnvollen Roadmap und klaren Verantwortlichkeiten. Die ausgewählten Anwendungsfälle sind deshalb zu priorisieren – entsprechend ihrer Umsetzbarkeit, des benötigten Aufwands und des erzielbaren Vorteils. Zudem muss es am Ende eine Verantwortliche oder einen Verantwortlichen für das Zusammenführen der Daten und die reibungslosen Abläufe geben.

Durch Hypothesen zur Erkenntnis

Sind die technischen und organisatorischen Voraussetzungen geschaffen, die Daten konsolidiert und die Anwendungsfälle priorisiert, können die ersten Projekte starten. Das jeweilige Team sollte von Anfang an eine klare Vorstellung davon haben, was es als Ergebnis erwartet – auch wenn es dies später vielleicht revidieren muss.

Darum ist es auf jeden Fall sinnvoll, mit Hypothesen zu arbeiten. Die lassen sich anhand der konsolidierten Daten überprüfen. Sollten sie sich als falsch erweisen, muss eine Folgehypothese her. So lange, bis Annahme und Ergebnis kongruent sind.

Fazit: Der steinige Weg zur Datenstrategie

Derzeit erfahren datengetriebene Geschäftsmodelle einen riesigen Hype. Das heißt aber noch lange nicht, dass die Unternehmen das Thema schon im Griff hätten. Eine sinnvolle Datenstrategie mit einer dazu passenden Roadmap ist immer noch die Ausnahme, nicht die Regel.

Der Tipp für die Praxis lautet, ganz klein zu beginnen, beispielsweise mit wenigen Datensätzen in einem Excel-Spreadsheet. Die Hauptsache ist, dass sich der strategische Ansatz an konkreten Anwendungsfällen orientiert, nicht an diffusen Allheilmittel-Fantasien. Strategie ist keine Frage der Größe, sondern der Einstellung.

* Dr. Lars Borgmann arbeitet als Senior Principal Data Consultant bei Namics.

(ID:47277616)