Culture eats Data for Breakfast

TME Blog - Culture eats data for breakfast
(c)istock_gremlin

Beitrag teilen

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email

Wenn man sich heute mit Data & Analytics beschäftigt, kommt man nicht am Schlagwort der Data-Driven Organization (datengesteuerte Organisation) vorbei. Was ist damit gemeint und warum sollten Unternehmen und andere Einrichtungen danach streben, datengesteuert zu werden?

Bevor wir uns einer Antwort in fünf Thesen nähern, müssen wir zuerst einmal den Begriff näher beleuchten: datengesteuert zu sein ist mehr, als ein Data Warehouse (DWH) zu haben und Dashboards zu produzieren – es bedeutet, dass alle Prozesse und Entscheidungen von Daten bestimmt oder zumindest beeinflusst sind.

Die Zukunft gehört datengesteuerten Unternehmen

Noch in den 1980er Jahren konnten US-Ökonomen darüber lästern, dass „Computer überall zu sehen sind, nur nicht in der Produktivitätsstatistik“. Bei der Datensteuerung stellt sich die Situation anders dar: diverse Untersuchungen 1 zeigen,

  • dass datengesteuerte Unternehmen mit 20 % höherer Produktivität,
  • 10 % höherer Kundenzufriedenheit und
  • 40 % geringerer Mitarbeiterfluktuation
  • um 30 % stärker wachsen als ihre traditionellen Mitbewerber.

 

Woher kommen diese Vorteile? Vor allem daher, Kunden auf der Grundlage der verfügbaren Daten besser zu verstehen und deren Bedürfnisse mit personalisierten Produkten schneller und passgenauer decken zu können. Dieser Aspekt soll später noch stärker beleuchtet werden. Bei der Mitarbeiterbindung geht es nicht so sehr darum, abwanderungsgefährdete Mitarbeiter zu identifizieren, sondern viel mehr um die verstärkte Nutzung von Daten im Auswahl- und Einstellungsprozess, um von Beginn an die richtigen Mitarbeiter zu finden.

Die Transformation ist mehr Kulturwandel als IT-Aufgabe

Initiativen zur Umsetzung führen oft schnell zur Auswahl und Einführung von Werkzeugen für die Sammlung, Auswertung und Visualisierung von Daten und daraus gewonnenen Erkenntnissen. So wichtig diese Aspekte auch sind, so sehr geht dieser Ansatz an den eigentlichen Herausforderungen vorbei: dem kulturellen Wandel der Organisation.

Bevor man erwarten kann, dass Mitarbeiter datengesteuert arbeiten und die oben angeführten Vorteile erzielen, müssen zunächst einmal Verständnis und Vertrauen geschaffen und Bedenken – oft berechtigt, noch öfter auf Missverständnissen und fehlenden Informationen beruhend, ausgeräumt werden.

Ein datengesteuerter Ansatz, der zwangsläufig auch mit mehr innerbetrieblicher Transparenz einhergeht, wird häufig als Bedrohung von liebgewonnenen Gewohnheiten, der eigenen Entscheidungsfreiheit, wenn nicht gar der eigenen beruflichen Existenz, betrachtet. Gelingt es einem Unternehmen nicht, diese Bedenken auszuräumen, werden die hübschen Dashboards nur schmückendes Beiwerk bleiben.

Daten sind eine Assetklasse mit schrecklicher Performance

Aufkleber mit Inventarnummern lassen sich vielerorts an den banalsten Einrichtungsgegenständen von überschaubarem materiellem Wert finden. Im Gegenzug wissen viele Unternehmen jedoch nicht, über welche Daten sie verfügen, wo und von wem diese aufbewahrt und wie sie genutzt werden.

Man mag einwenden, dass Daten immateriell sind und nicht bilanziell aktiviert werden dürfen, der Vergleich daher ins Leere führt. Gleiches gilt aber für Mitarbeiter, und da wissen die meisten Unternehmen dann doch, wie viele sie beschäftigen, an welchen Standorten sie tätig sind und welche Gehälter sie beziehen.

Führende Unternehmen verfügen bereits über ein Data Asset Management und können nicht nur die oben gestellten Fragen zufriedenstellend beantworten, sondern bewirtschaften dieses Portfolio aktiv, d. h. überlegen auch, wie sie ihre Data Assets weiterentwickeln können, um noch größeren Nutzen daraus zu ziehen.

Monetarisierung heißt nicht Datenhandel

Das Schlagwort Monetarisierung führt oft zu einer abwehrenden oder ablehnenden Haltung. Auch hier liegt zumeist ein Missverständnis zugrunde. Der Anwendungsfall, bei dem externen Nutzern gegen Gebühr oder Beteiligung am Ertrag interne Daten zur Verfügung gestellt werden, gewinnt bei unseren Kunden zwar zunehmend an Bedeutung, bewegt sich aber derzeit noch in überschaubaren Dimensionen.

Das eigentliche Ertragspotential, dass z.B. für das Retail Banking weltweit auf ca. 260 Mrd. USD pro Jahr geschätzt wird2, liegt in der besseren und schnelleren Versorgung des eigenen Kundenstocks mit passgenauen und personalisiert bepreisten Produkten, deren Bereitstellung und Abwicklung mit datengesteuerter Prozessautomatisierung deutlich günstiger als bisher erfolgen kann.

Schon heute nutzen Banken zahlreiche Daten von Drittanbietern, wie z. B. Kurs- oder Bonitätsdaten. Die Einbindung weiterer externer Datenquellen für ein besseres Verständnis der eigenen Kunden ist ein weiterer Baustein zur Monetarisierung. Hier gilt es, in Hinblick auf PSD2 nicht nur eine defensive Rolle einzunehmen, sondern die sich daraus ergebenden Chancen aktiv zu adressieren.

Einzelne Anwendungsfälle bleiben Strohfeuer

Ein wenig erinnert die Suche nach dem „Killer Use Case“ der Suche nach dem heiligen Gral – in der Version von Monty Python. Nicht selten kommen Entscheider mit glänzenden Augen von Konferenzen oder Herstellerpräsentationen zurück, ohne berücksichtigt zu haben, dass die eindrucksvolle Demonstration, die nun nachgeahmt werden soll, eben genau dafür geschaffen wurde.

Die Herausforderung besteht weniger darin, einen attraktiven Anwendungsfall zu finden und erfolgreich umsetzen, auch wenn dies in der Praxis mit zahlreichen Hürden und Fallstricken verbunden ist. Vielmehr ist es so, dass einzelne Anwendungsfälle eben leicht imitiert werden können und sich ein etwaiger Wettbewerbsvorteil oft schon nach wenigen Wochen, wenn nicht Tagen erschöpft.

Wer Daten und daraus gewonnene Erkenntnisse zu seinem Vorteil nutzen will, muss zuerst einen skalierbaren Rahmen schaffen, sonst bleiben die Anwendungsfälle, wenn sie es denn über das Versuchsstadium (PoC-Falle) hinaus schaffen sollten, Strohfeuer, die schneller verglühen, als sie mit neuen Ideen befeuert werden können.

Quellenangaben

1 vgl. u .a. Economist Intelligence Unit, Driving a Data-Centric Culture (2014); McKinsey Global Institute, The Age of Analytics (2016); Forrester Research, The Insights-Driven Business Playbook (2018)

2vgl. IE Business School, The ROI of Data Driven Digital Transformation (2018)

Autoren

Thomas Deibert

Thomas ist Mitgründer der TME AG. Als Partner betreut er die Bereiche IT & Data Management sowie Business Transformation.

Stefan Ruhland