Merkmale der Datenzusammenarbeit und Möglichkeiten ihrer Realisierung

Wenn die Mitarbeiter in einem optimalen Umfeld arbeiten, mit den richtigen Tools und mit Zugang zu den richtigen Daten, können Unternehmen Herausragendes leisten.

Hinweis des Herausgebers: Dieser Artikel ist ursprünglich in Forbes erschienen.

Daten sind unerschöpflich. Es gibt mehr Daten, als wir uns jemals vorstellen oder sie nutzen können. In vielerlei Hinsicht sind Daten aber mit herkömmlichem Rohmaterial vergleichbar. Sie bekommen erst dann einen Wert, was man etwas daraus macht – und nicht durch die einzelnen Datenpunkte selbst. Ein großer Datenvorrat ist beispielsweise für sich genommen von wenig Interesse oder Nutzen. 

Darum warnt Matthew Miller, Product Management Senior Director bei Tableau, Benutzer auch davor, davon auszugehen, dass jedes schön anzuschauende Daten-Dashboard automatisch hilfreiche Ergebnisse liefert.

„Auch mit einem Faible für Daten und Erkenntnisse führen diese allein nicht zwangsläufig zur Transformation eines Unternehmens“, stellt er fest. „Es spielt dafür auch keine Rolle, wie viele Dashboards jemand aufgerufen oder erstellt hat oder wie viele Petabytes im Data Warehouse vorhanden sind. Es geht darum, wie die Leistung des Unternehmens verbessert werden kann.“

Wenn die Mitarbeiter in einem optimalen Umfeld arbeiten, mit den richtigen Tools und mit Zugang zu den richtigen Daten, können Unternehmen Herausragendes leisten. Das wurde in den ersten Monaten der Covid-19-Pandemie deutlich, als Unternehmen mit Mitarbeitern, die in der Lage waren, fundierte Entscheidungen zu treffen, trotz Unsicherheit und sich rasch ändernder Bedingungen im Vorteil waren. Auch Unternehmen, die gezwungen waren, Jahre ihrer Roadmap der digitalen Transformation innerhalb weniger Wochen und Monate umzusetzen, konnten Entscheidungen treffen, um Wettbewerber in den entscheidenden Situationen hinter sich zu lassen.

Führungskräfte können daraus ihre Lehren ziehen, um eine Art kulturelle Grundlage für eine produktive und hilfreiche Zusammenarbeit mit Daten zu schaffen. Darin und nicht in ausufernden Data Lakes oder in stilvoll anmutenden Visualisierungen liegt der wahre Wert in der Nutzung von Daten.

Die Anruferkennung ist ein Beispiel für Datenzusammenarbeit.

In den Anfängen des Telefons unterhielten Telefongesellschaften sorgfältig gepflegte Datenbanken für Kunden und Telefonnummern. Diese Daten wurden intern zur Rechnungsstellung, zur Anrufweiterleitung und für Zusatzdienstleistungen wie Telefonbücher und die individuelle Telefonauskunft verwendet. In den monatlichen Rechnungen waren in der Regel alle im Verlauf des Monats angerufenen Nummern aufgeführt, um eine nachträgliche Prüfung zu ermöglichen.

Dann kam die Anruferkennung ins Spiel. Die Anruferkennung generiert keine neuen Daten. Sie präsentiert dem Benutzer lediglich vorhandene Daten in einer zeitgemäßen Form an einem speziellen Entscheidungspunkt: Ich möchte gerne wissen, wer angerufen hat, damit ich entscheiden kann, ob ich zurückrufe. Die Telefonnutzer mussten für die Verwendung dieser Information ihren Workflow kaum ändern. Heute ist die Anzeige dieser Nummer eine Selbstverständlichkeit. Es müssen keine zusätzlichen Tasten gedrückt und es muss keine spezielle Datensuche durchgeführt werden.

Der Endbenutzer erhält automatisch eine hilfreiche Information genau zu dem Zeitpunkt, an dem er sie benötigt. Ein solches Ergebnis sollte das Ziel jedes Unternehmens sein, das eine produktive Datenkultur etablieren möchte, sagt Richard Starnes, Direktor in der Abteilung für analytische und kognitive Angebote von Deloitte, der Deloitte-Klienten für Analytics- und Business Intelligence-Lösungen berät. 

„Für die Transformation zu einem datengesteuerten Unternehmen müssen Sie eine Möglichkeit finden, diese Daten den Menschen ohne Beschränkungen zur Verfügung zu stellen, damit sie kreativ und effektiv arbeiten können“, meint er.

Merkmale der Datenharmonie

Damit die Daten für jene verfügbar sind, die genau wissen, was damit zu tun ist, müssen zuerst sinnvolle Workflows geschaffen werden. Und damit Unternehmen Daten überzeugend nutzen können, muss das Ergebnis eher eine klare Momentaufnahme als eine komplexe Arbeitsmappe sein.

Im Folgenden sind drei typische Merkmale datengesteuerter Unternehmen aufgeführt:

  • Ein handhabbarer Zyklus von Eingabe und Ausgabe.

Miller empfiehlt, den analytischen Zyklus auf einen wiederholbaren Prozess zu beschränken: Eine Information führt zu einer Aktion, die einen Vorgang auslöst, der neue Daten generiert, die wiederum eine Aktion zur Folge haben. Analytics-Prozesse, die diesem Schema nicht entsprechen, sind zwar möglich und können auch hilfreich sein. Wenn sie aber eher die Regel als die Ausnahme sind, kann dies ein Zeichen für unerschlossenes Potenzial sein.

  • Daten-Workflows, die abbilden, wie Mitarbeiter arbeiten.

Die optimalen datengesteuerten Prozesse sind jene, die die Jobs und Aufgaben der Mitarbeiter unterstützen und die typischen Probleme vereinfachen, die sie täglich zu lösen versuchen. „Die Muster menschlicher Zusammenarbeit sind Blaupausen dafür, wie Datensysteme für eine funktionierende Kooperation gestaltet werden müssen“, sagt David Gibbons, Senior Director for Analytics bei Salesforce. „Das Format der Daten ist manchmal hilfreich, um zu verstehen, mit wem Ihr Team zusammenarbeitet und interagiert, um die Arbeit effektiver auszuführen. Eine flexible Datenplattform, in die sich die für die Zusammenarbeit erforderliche Analytics einbetten lässt, bietet maximalen Erfolg und verbessert die Harmonie der Daten im Prozess.”

  • Einfach nutzbare Erkenntnisse.

Zur Darstellung zentraler Erkenntnisse erstellen einige Unternehmen anstelle von komplexen Arbeitsmappen mit mehreren Registerkarten einfache Dashboards, die sich problemlos für jede Ebene des erforderlichen Verständnisses nutzen lassen. Dabei profitieren sie auch von Features zum Nachverfolgen zentraler Metriken, vergleichbar mit dem Nachverfolgen von Aktienkursen in einem Anlageportfolio. Und allen, die sich in erster Linie fragen, was sie mit diesen Informationen machen sollen, kann künstliche Intelligenz helfen, komplexe Daten umgehend in die nächsten Schritte umzusetzen. „Nicht jeder Geschäftsanwender möchte die kompletten Daten sehen. Die Business Intelligence-Plattformen enthalten jetzt KI-Features, mit denen Benutzer spezielle Empfehlungen für eine schnellere Entscheidungsfindung abrufen können. Dies bietet Vorteile etwa im Hinblick auf schnellere Abschlüsse oder um Kundenprobleme mit höherer Zufriedenheit lösen zu können", meint Gibbons. 

Checkliste für Führungskräfte: 4 Schritte zum Erfolg mit Daten

Erfolg mit Daten stellt sich schneller ein, wenn leitende Führungskräfte deren Nutzung zur Priorität machen und in ihrer eigenen Tätigkeit zeigen, wie Analytics dazu genutzt werden kann, um Geschäftsergebnisse zu steigern.

1. Teilen und nutzen Sie das Wissen anderer.

Ein Hindernis für eine effektive Zusammenarbeit mit Daten ist die Abgrenzung gegenüber Kollegen. In anderen Bereichen lassen sich Prozesse, die etwa die Ausschussrate der Produktion minimieren oder zu einer effizienten Lieferkette führen, auf einfache Weise bewerten und übertragen. Daten sind nicht so einfach zu standardisieren, sodass die Datenquellen und Qualifikationen, die für ein Team oder ein Unternehmen am besten sind, für andere möglicherweise nicht geeignet sind. 

Solche Probleme lösen Sie am besten, wenn Sie möglichst inklusiv für die Zusammenarbeit vorgehen und Förderer der Zusammenarbeit frühzeitig an der Diskussion und an der Verbesserung von Prozessen und Ergebnissen beteiligen. Starnes stellt fest, dass die IT-Abteilung am besten zur Unterstützung der Grundlagenarbeit für eine effiziente, effektive und vertrauenswürdige Datenplattform geeignet ist, während die Geschäftsführung sich um die Finanzierung und die strategische Unterstützung der letzten Schritte kümmern sollte, die zur Datenbereitstellung und Zusammenarbeit erforderlich sind.

2. Sorgen Sie für eine breite Palette an Wissen und talentierten Mitarbeitern.

Auch wenn Sie allen Mitarbeitern den Zugang zu einer schier unbegrenzten Anzahl an Datenquellen und Analytics-Tools ermöglichen, werden sie nicht automatisch zu gleichermaßen effektiven Wissensarbeitern. Dieser Ansatz mag für geschulte Data Scientists sinnvoll sein und kann auch dazu führen, dass begabte Datenexperten in Erscheinung treten. Er garantiert aber keine effiziente oder koordinierte Zusammenarbeit. 

„Es gibt viele Unternehmen, die trotz umfangreicher Investitionen in Data Warehouses und Analytics gescheitert sind“, stellt Miller fest.

Wichtig ist es demgegenüber, qualifizierte Mitarbeiter zu fragen, für welche Probleme sie Daten zur Lösung benötigen, und dass sich die Experten auf die Möglichkeiten konzentrieren, die sie entsprechend unterstützen. 

3. Schaffen Sie für aktive Mitarbeiter Räume zur Klärung von Fragen.

Statt den Kalender der Mitarbeiter mit zusätzlichen Schulungsstunden zu überladen, ist es sinnvoller, Orte zu schaffen, an denen Mitarbeiter frei Fragen stellen können. Das können virtuelle Räume für Teams sein oder Sprechstunden in der einen oder anderen Form mit wechselnden Experten, die eine breite Palette an Kompetenzen verkörpern.

Unabhängig von der Art der Plattform für einen Raum, in dem die Daten-Community zusammenkommen kann, muss diese unbedingt flexibel sein. Wie wir bei der plötzlich notwendigen Umstellung in diesem Jahr mit weniger Fahrten zum Arbeitsplatz, weniger Geschäftsreisen und weniger Büronutzung gesehen haben, ändern sich die Trends der Datennutzung und analytischen Anforderungen. Im Jahr 2019 ging der Trend in Richtung auf die Nutzung von Daten auf kleineren Bildschirmen und mobilen Geräten. In den vergangenen Monaten hat sich dagegen der Anteil an Daten, die auf Desktopbildschirmen genutzt werden, erheblich erhöht. 

4. Sorgen Sie dafür, dass Daten einfach abgefragt und geprüft werden können.

Viele aufsehenerregende Storys über Daten und Analytics drehen sich um revolutionäre Veränderungen oder um überraschende Entwicklungen. Die tägliche Praxis ist weitaus nüchterner. In Wahrheit dienen Daten häufig zur Bestätigung gut begründeter Intuition und Annahmen. 

„Die meisten Führungskräfte haben ein feines Gespür dafür, wo sie stehen. Analytics-Ergebnisse sind deshalb meist nicht überraschend“, stellt Miller fest. „Wichtig ist, dass eine Zahl, die nicht erklärbar ist, zu ihrem Ursprung zurückverfolgt werden kann.“

Eine effektive Möglichkeit dafür ist es, jedem übermittelten Datenausschnitt und jeder übermittelten Analyse ein menschliches Gesicht zuzuordnen. Dazu müssen Sie die Datenquellen sozusagen beglaubigen und sie mit einer Art Genehmigungsvermerk versehen, der deutlich macht, dass die Daten aktuell und vertrauenswürdig sind. Darüber hinaus sollte eine unterstützende Kultur herrschen und es sollten Anreize für zeitnahe Antworten und Erläuterungen gegeben werden, damit Entscheidungen nicht verzögert werden und Erkenntnisse nicht verloren gehen, weil Benutzer nicht auf die Erklärung warten wollen oder können.

Die Ermittlung der relevanten Fakten und der wichtigsten Erkenntnisse ist ein gemeinsamer Prozess. 

Fragen Sie die aktiven Mitarbeiter danach, welche Bedeutung Daten und Analytics für ihren aktuellen Erfolg hatten. Tauschen Sie sich über die positivsten und über die negativsten Erfahrungen mit Daten aus und suchen Sie nach einer gemeinsamen Linie. 

Erfahren Sie mehr über die Möglichkeiten zur Unterstützung von mehr Mitarbeitern mit Daten und lesen Sie die Storys über datengesteuerte Zusammenarbeit.