In unserem letzten Blogbeitrag wurde aufgezeigt, wie Unternehmen selbst einschätzen können, ob und wie datengetrieben sie sind. In diesem Artikel skizzieren wir, wie in einem Unternehmen nach einer ersten Selbsteinschätzung der Data-Prozesse, eine professionelle Datenstrategie erarbeiten werden kann und welche Schritte dabei durchlaufen werden.
Strategische Umsetzung der Datenstrategie: Ziele, Fortschritte und Maßnahmen
Die Datenstrategie bündelt die Konzepte, die mit der Strategie, der Vision und der Mission eines Unternehmens zusammenhängen und beschreibt, worum es der Organisation, der Abteilung oder dem Geschäftsbereich geht. Je größer das Unternehmen oder der Konzern, umso heterogenere Strukturen finden sich in den einzelnen Bereichen wieder, die nicht selten den Anschein erwecken, unterschiedliche Leitlinien und Ziele zu vertreten. Bereits an dieser Stelle ist ein Umdenken erforderlich. Ein übergeordnetes Leitbild kann als Grundlage für künftige Entscheidungen dienen und im gesamten Unternehmen ein Gefühl für den Sinn einer Datenstrategie vermitteln. Die Gesamtstrategie des Unternehmens berücksichtigend, müssen folgende Fragen beantwortet werden:
- Was muss aus der Datenperspektive erfüllt sein, damit die Gesamtstrategie erfolgreich ist?
- Welche Datenkapazitäten werden benötigt?
- Wie kann die Datenqualität im Unternehmen erhöht werden?
Für die Umsetzung all dieser Fragen gilt der Ansatz, die einzelnen Aspekte Schritt für Schritt über einen längeren Zeitraum zu bearbeiten. Die Verbesserung der Datenqualität, die Erstellung von Stammdaten, die Dokumentation der Datenherkunft, die Information über Cloud-Migrationen, die Ermöglichung von Use Cases für künstliche Intelligenz und maschinelles Lernen, der Aufbau und der Betrieb einer Datenplattform – all diese Punkte erfordern Zeit, klare Zuständigkeiten und Kontinuität.
Es empfiehlt sich, zunächst das übergeordnete Leitbild in eine Reihe von 5 – 10 Schlüsselzielen zu übersetzen. Ein Beispiel für ein stabiles und mehrjähriges Ziel wäre das „Sicherstellen, dass alle unsere kritischen Geschäftsprozesse mit hochwertigen Daten aus der richtigen Quelle versorgt werden“. Die Ziele können qualitativ sein, jedoch sollten die Fortschritte quantifizierbar sein. Zu den zugrundeliegenden quantifizierbaren Leistungskennzahlen könnten gehören: „Anzahl der zertifizierten Geschäftsprozesse mit hochwertigen Daten“, „Anzahl der vertrauenswürdigen Quellen“ und „Prozentsatz der Vollständigkeit und Genauigkeit kritischer Daten“.
Darüber hinaus sollte in geeignete Analysetechniken und -werkzeuge investiert werden, um die notwendigen Erkenntnisse zu erlangen. Um sicherzustellen, dass diese Erkenntnisse aktiv genutzt werden, ist es wichtig, geeignete Verfahren zu implementieren. Eine regelmäßige Überwachung der Daten sowie ein sicherer Schutz vor unerwünschtem Zugriff sind unverzichtbar.
Vorgehensmodell zur Konzeptionierung einer ganzheitlichen Datenstrategie
Auf Grundlage langjähriger Erfahrungen hat mexxon bereits zahlreiche Kunden in den unterschiedlichsten Branchen bei der Formulierung und Optimierung der Datenstrategie begleitet und folgende Vorgehensweise entwickelt:
Schritt 1 – Erfassung des IST-Zustands: Zunächst wird ein Verständnis für die derzeitige Situation des Unternehmens aufgebaut und die spezifischen Bedürfnisse der Mitarbeitenden erfasst, um effektive Lösungen zum nachhaltigen Aufbau von Datenkompetenzen zu bieten. Dabei wird der Ansatz verfolgt, dass eine datengetriebene Transformation des Unternehmens nicht über die Köpfe der Mitarbeitenden hinweg durchgesetzt werden sollte.
Schritt 2 – Verständnis der Unternehmensstrategie: Es ist notwendig, die Unternehmensstrategie zu verstehen, um den Wertbeitrag der Datenstrategie für die verschiedenen Geschäftsstrategien (Vertrieb, IT, Personal usw.) zu ermitteln und sicherzustellen, dass diese in Einklang zueinander sind.
Schritt 3 – Analyse der vorhandenen Datenquellen: Auf Basis des eigens entwickelten 4-Layer Frameworks werden die vorhandenen Datenquellen im Unternehmen erfasst und im zweiten Layer durch Matching, Bereinigung und Aggregation integriert. Auf der nächsten Ebene werden die Daten unter Verwendung von Big Data Analytics für strategische Vorteile verwaltet und analysiert.
Schritt 4 – Entwicklung Datengetriebener Use Cases: Die Ergebnisse führen im vierten Layer zur Ableitung von konkreten Handlungsempfehlungen und datengetriebener Use Cases (z.B. Cross-/Upselling, Betrugserkennung, Kundenbindung) die darauf abzielen, alltägliche Prozesse und Systeme im Unternehmen auf der Grundlage von Daten zu optimieren. Sie sind von entscheidender Bedeutung, um die Führung und die Geschäftsseite des Unternehmens von dem konkreten Mehrwert der Datenstrategie zu überzeugen und Daten nicht lediglich als Kostenfaktor zu verstehen, sondern viel eher als Enabler zu begreifen. Entsprechend ist es erforderlich, dass die Use Cases nicht nur innerhalb des Datenteams erdacht werden, sondern viel eher auf allen Ebenen des Unternehmens Berücksichtigung finden.
Abbildung 1: Use Case – Nutzung von Daten zur Kundenzentrierung
Schritt 5 – Entwicklung des Zielmodells: Die Erkenntnisse aus den vorherigen Schritten führen zur Entwicklung eines Zielmodells, das alle Ebenen des Unternehmens und der Datenstrategie umfasst und klare Schritte für eine erfolgreiche Implementierung ableitet. Eine technische Infrastruktur zur effektiven und nachhaltigen Verwaltung von Daten ist hierbei für den Erfolg einer Datenstrategie unerlässlich.
Die strategische Nutzung von Daten wird im Zeitalter der digitalen Transformation und dem damit steigenden Druck gegenüber Unternehmen immer wichtiger, um den sich verändernden Kundenanforderungen gerecht zu werden. Eine gut durchdachte Datenstrategie kann Unternehmen dabei helfen, ihre Ziele effektiver zu erreichen und den Unternehmenserfolg zu steigern.
Sie möchten auch erfahren, wo Sie im Bereich strategische Datennutzung stehen? Dann sprechen Sie uns direkt an.
Wir begleiten Sie im Rahmen der Analyse Ihres Status quo und bieten individuelle Lösung für jegliche Etappen auf dem Weg zur datengetriebenen Transformation Ihres Unternehmens.
