KI-Lösungen werden immer populärer, da sie Problempunkte verringern und dabei helfen, definierte geschäftliche Probleme zu lösen.

Vidya Setlur

Tableau Research Director, Tableau

Vidya Setlur ist Tableau Research Director und leitet ein Team von Wissenschaftlern, die u. a. in den Bereichen Datenvisualisierung, multimodale Interaktion, Statistik, angewandtes ML und NLP forschen. Sie hat 2005 einen Doktortitel in Computer Graphics an der Northwestern University erworben. Zuvor war Vidya als Principal Research Scientist im Nokia Research Center tätig. Für ihre Forschungstätigkeit nutzt sie Konzepte der Informationsgewinnung, menschlichen Wahrnehmung und Kognitionswissenschaft, um Benutzer effektiv bei der Interaktion mit Systemen ihres Umfelds zu unterstützen.

Der Ausgangspunkt

Wir erleben ein goldenes Zeitalter für Daten und Technologie – und alle Anzeichen sprechen dafür, dass sich die Entwicklung fortsetzt. Die Technologie der künstlichen Intelligenz (KI) verbessert sich kontinuierlich: Modelle des Machine Learning (ML) verarbeiten Billionen von Datenzeilen, die computertechnische Nutzung der natürlichen Sprache (Natural Language Processing, NLP) macht enorme Fortschritte hinsichtlich des Verständnisses menschlicher Absichten und die Algorithmen werden immer schneller. Immer mehr einfache, repetitive Aufgaben werden automatisiert, sodass neue Möglichkeiten für Menschen entstehen, das zu tun, was sie am besten können: kritisch zu urteilen und Daten im Kontext zu verstehen.

Mit zunehmender Innovation erhöhen sich auch die Investitionen in KI und deren Nutzung. 99 % der Fortune 1000-Unternehmen planen z. B. in den kommenden 5 Jahren in Daten und KI zu investieren. Führungskräfte von Unternehmen und IT-Leiter gehen davon aus, dass KI für das Überleben in der Zukunft entscheidend ist. Für den langfristigen Erfolg und die Nachhaltigkeit von KI-Lösungen sind aber viele Faktoren zu beachten: steigende Datenmengen, Kosten für die Wartung dieser Technologie, Probleme der personellen Ausstattung hochspezialisierter Aufgaben und der Übergang von KI-Pilotprojekten zu einer breiten Implementierung.

Den Firmen ist bewusst, dass sie mehr für Innovation und einen verbesserten Kundenservice tun müssen. KI schafft einerseits prinzipiell neue Möglichkeiten, während andererseits die meisten Investitionen in diese Technologie noch nicht den gewünschten Effekt zeigen. Im Jahr 2022 werden KI-Technologien eine neue Qualität durch Erweiterung des menschlichen Urteilsvermögens erreichen, d. h. sie werden Menschen beim kritischen Denken und für datengesteuerte Entscheidungen unterstützen wie bereichern. Analytics und KI sind im Prinzip so etwas wie neue Teammitglieder zur Unterstützung.

Datenkultur und Datenkompetenz, also die Fähigkeit, Daten zu erkunden, zu verstehen und mit ihnen zu kommunizieren, bilden für Unternehmen auch die Basis, auf der sie ihre KI- und ML-Strategie bzw. -Perspektive entwickeln. Entsprechende Maßnahmen für ein Änderungsmanagement und für die Mitarbeiterentwicklung entscheiden darüber, ob sie wettbewerbsfähig bleiben und das gesamte Spektrum der Erweiterung der menschlichen Aktivität nutzen können. Dabei spielen Fragen etwa folgender Art eine Rolle:

  • Welche Aufgaben können vollständig mit der KI-Technologie automatisiert werden?
    • Im Folgenden sind Beispiele für Aufgaben aufgeführt, deren Automatisierung Menschen die Möglichkeit gibt, sich mit anspruchsvolleren Tätigkeiten zu beschäftigen: Grundlegende Sprachübersetzung und Bildbearbeitung. Anstatt stundenlang manuell ein Foto für die Änderung des Hintergrunds zu bearbeiten, kann eine solche Bearbeitung mit einer standardmäßigen Bildbearbeitungstechnologie durchgeführt werden, die mithilfe von KI Helligkeit und Lichtmischung automatisch bestimmt. Derartige Automatisierungstools schaffen neue Möglichkeiten für Kreativität.
  • Welche Aufgaben können halbautomatisiert durchgeführt werden und erfordern zusätzlich eine menschliche Beteiligung und Interpretation?
    • Bei folgenden Beispielen werden mit KI hilfreiche Muster und Erkenntnisse gewonnen, die Menschen dabei helfen, datengesteuerte, kontextbezogene Entscheidungen zu treffen:
      • Um Klima- und Pandemiemodelle präziser zu gewichten, nutzen Forscher ML-Techniken, die es möglich machen, Trends, Auswirkungen und Muster für politische Entscheidungen zu ermitteln.
      • Maschinen können unbestimmte Sprachdaten (z. B. Kundenanrufe) mithilfe von NLP- und ML-Algorithmen analysieren. Mit den Ergebnissen lässt sich die Benutzerabsicht besser verstehen und es lassen sich dafür relevante Kategorien bzw. Labels festlegen. Solche Kennzeichnungen und semantischen Einordnungen bieten Menschen Anhaltspunkte für den nächsten Schritt.

Geteilte Verhaltensweisen, Überzeugungen und Datenfertigkeiten ermöglichen dabei auch das Skalieren von KI-Lösungen für eine nachhaltige Implementierung und Innovation. In einem kürzlichen Bericht hat Gartner festgestellt, dass „fehlende Datenfertigkeiten als größtes Problem bei der Nutzung von künstlicher Intelligenz und Machine Learning angesehen werden”. Die Investition in die Entwicklung von Mitarbeitern und KI-Techniken ist ein fortlaufender Prozess, der sich entlang der Technologie stetig weiterentwickelt, Die Einstimmung aller Mitarbeiter auf KI und die entsprechende Schulung kann dafür entscheidend sein, ob aus Ihren KI-Machbarkeitsnachweisen skalierbare, praktisch nutzbare Anwendungen werden oder ob die Projekte scheitern.

Die Zukunft

In Zusammenarbeit mit der IT-Leitung können geschäftliche Führungskräfte Daten- und KI-Strategien im geschäftlichen Kontext entwickeln. Damit die KI-Technologie wirksam, wartungsfreundlich und erklärbar ist, muss sie die Mitarbeiter unterstützen und an der Geschäftsstrategie sowie an den Unternehmenszielen orientiert werden. KI-Lösungen werden aktuell über Machbarkeitsnachweise hinaus immer mehr für unternehmens- und branchenspezifische Anwendungsfälle implementiert.

Eine Vielzahl von Branchen entwickelt und nutzt KI in innovativer Weise. Eine kürzlich veröffentlichte KPMG-Studie hat die KI-Bereitstellung in fünf Branchen (Einzelhandel, Transportwesen, Gesundheitswesen, Finanzdienstleistungen und Technologie) untersucht. Dabei wurde festgestellt, dass für „91 % der Befragten in der Gesundheitsbranche KI neue Möglichkeiten zur Behandlung von Patienten bietet“. Und obwohl die meisten Unternehmen ihre Lieferketten manuell verwalten, „werden jene, die KI in den kommenden Monaten und Jahre nutzen, erhebliche Wettbewerbsvorteile gewinnen“, wie Harvard Business Review feststellt.

Durch Cloud-Computing ist KI kostengünstiger und einfacher nutzbar geworden. Dies fördert die Innovation bei Anwendungen und Branchen. Durch den zusätzlichen Fokus auf wirtschaftliche Anwendungen gibt es nun Lösungen, die unterschiedliche KI-Techniken (auch Composite AI genannt) zur Verbesserung von Geschäftsergebnissen kombinieren. Damit werden gezielt Menschen unterstützt und diese „Intelligenz“ wird speziell auf bestimmte Workflows zugeschnitten.

Workflows werden durch geteilte Fertigkeiten, Denkweisen und Werte – Datenkultur und Datenkompetenz – mit Leben gefüllt und effizienter. Diese machen es für Mitarbeiter einfacher, neue, komplexere Data-Science- und Analytics-Funktionen zu nutzen, die für die erfolgreiche Anwendung von KI erforderlich sind.

Empfehlungen

1. KI ist eine Teamaufgabe. Ermitteln Sie die Aufgaben und Funktionen, für die die Erweiterung des menschlichen Urteilsvermögens durch KI den meisten Nutzen bringt – ob durch Einsparung von Zeit für die Mitarbeiter oder durch Ergänzung ihrer Fertigkeiten oder ihres Fachwissens. Starten Sie mit den Bedürfnissen und Problemstellen Ihrer Kunden, um festzustellen, wo Ihre KI-Lösung den größten Nutzen für sie bringt. Prüfen Sie mit den folgenden Fragen, ob ein Machbarkeitsnachweis oder ein Pilotprojekt für Sie Sinn macht:

  • Wie viele Kunden haben ähnliche Bedürfnisse oder vergleichbare Erfahrungen mit denselben Problemen?
  • Wie häufig treten diese Probleme auf?
  • Lassen sich diese Probleme mit der KI-Technologie beheben?

2. Ermitteln Sie gezielt Anwendungsfälle und Erfolgsfaktoren, um vom Machbarkeitsnachweis zu einer breiten Anwendung übergehen zu können.

  • Fördern Sie intentionale und kontextbezogene KI durch Verknüpfung der Lösungen mit realen Geschäftsproblemen und deren definierten Zielen, um den damit verbundenen Mehrwert zu realisieren.
  • Prüfen Sie, wo KI Probleme schaffen oder wo sie Probleme reduzieren kann. Vermeiden Sie die Anwendung von KI für sämtliche Aspekte Ihres Produktangebots. Es wird zu Problemen kommen, wenn Ihre Ressourcen zwar breit verteilt, aber dann im Einzelfall nicht ausreichend sind.
  • Hüten Sie sich vor „Hochglanzprojekten“, die mehr Wunschtraum als Realität sind. Sie erscheinen vielleicht attraktiv, kommen aber meist nicht über das Stadium eines Machbarkeitsnachweises hinaus. Und reduzieren Sie Störfaktoren durch realistische Zeitvorgaben und Erwartungen für KI-Projekte, um Ressourcen wie Budget, Zeit, technisch qualifiziertes Personal und Infrastruktur realitätsgerecht aufeinander abzustimmen.

3. Investieren Sie in Datenkompetenz zur Qualifizierung und Weiterentwicklung Ihrer Mitarbeiter.

  • Mangelnde Datenqualität führt zu fehlerhaften und ineffektiven KI-Lösungen. Datenkompetente Mitarbeiter sind in der Lage, Probleme der Datenqualität zu beheben und mit präzisen, aktuellen und relevanten Daten Algorithmen und Modelle für KI, ML, NLP usw. zu erstellen und/oder zu trainieren.
  • Auch eine grundlegende „Data 101“-Schulung kann, ob intern entwickelt oder extern angeboten, Geschäftsanwendern die Fertigkeiten vermitteln, die sie zur Beantwortung ihrer Fragen benötigen. Dies reduziert die Anzahl einfacher oder weniger akuter Analytics-Anfragen an die Teams, die für erweiterte Analytics und Data Science zuständig sind. Diese können sich dann hochwertigen, umfangreichen Projekten widmen.

Verantwortungsbewusste Unternehmen werden proaktiv Richtlinien für eine ethisch vertretbare Nutzung, Prüfungsverfahren und mehr definieren, um die Nutzungsmöglichkeiten und die Geschäftsergebnisse zu verbessern.

Mark Nelson

President und CEO, Tableau

Als President und CEO von Tableau definiert Mark Nelson die Vision und die Ausrichtung für Tableau. Er ist für Strategie, Produktentwicklung, Geschäftsaktivitäten und den betrieblichen Ablauf verantwortlich. Vor seiner Tätigkeit als President und CEO fungierte Mark als Executive Vice President of Product Development bei Tableau. In dieser Funktion war er für die Weiterentwicklung der branchenführenden Analytics-Plattform des Unternehmens, die Kunden weltweit unterstützt, in Breite und Tiefe zuständig.

Der Ausgangspunkt

Aufgrund der beschleunigten Nutzung von künstlicher Intelligenz (KI) für Probleme weltweit gibt es kein Universalkonzept für die ethisch vertretbare Anwendung von Daten und KI. Unternehmen haben die Möglichkeit, selbst proaktiv festzulegen, wie sie in dieser sich immer schneller entwickelnden digitalen Welt Daten und KI verantwortungsbewusst nutzen möchten. Die Entwicklung von fairen und präzisen KI-Lösungen ist in gewisser Weise die gesellschaftliche Pflicht jedes Unternehmens, das im Fokus der Gesetzgeber weltweit steht.

Heute sind mehr denn Vertrauen und Transparenz die Grundlage für Innovation, Wachstum und Kundenbeziehungen. Aktuelle Datenkrisen geben einen Eindruck vom schädlichen Potenzial der Technologie, inklusive voreingenommene Gesichtserkennung und diskriminierende Kreditvergabe. Diese Krisen erhöhen potenziell die Erwartungen an Unternehmen, Daten sicher und verantwortungsbewusst zu entwickeln und zu nutzen. Eine Umfrage von Cisco im Jahr 2021 hat ermittelt, dass „72 % der Befragten der Meinung sind, dass Unternehmen dafür sorgen müssen, dass KI ausschließlich verantwortungsbewusst und ethisch vertretbar genutzt wird“.

Im Rahmen ethisch fundierter, integrer Führung hat die Verpflichtung und Verantwortlichkeit von Unternehmen und Behörden für eine transparente und verantwortungsbewusste Nutzung von Daten und KI zugenommen.

Die Zukunft

Verantwortungsbewusste Unternehmen ergreifen selbst die Initiative und entwickeln proaktiv innovative Lösungen zur Kontrolle und Prüfung einer verantwortungsbewussten Nutzung mithilfe offizieller Richtlinien für eine ethisch vertretbare Anwendung, einer Prüfung durch externe Experten, interner Prüfungsverfahren und mehr. Ethisch vertretbare Innovationen optimieren die Nutzung und sorgen für bessere Ergebnisse, was die Handhabung von Risiken und die Schaffung von Mehrwert betrifft.

Da Unternehmen ihrer Verantwortung für eine ethisch vertretbare Nutzung immer mehr gerecht werden, gehen wir davon aus, dass transparente Lösungen und Anwendungen für KI und Machine Learning (ML), die das menschliche Urteilsvermögen und Fachwissen erweitern, zunehmen werden. Das hat auch direkten Einfluss auf Geschäftsziele und Workflows und reduziert damit verbundene Risiken (wie z. B. Verzerrungen) durch Erklärbarkeit. Unternehmen beginnen damit, verzerrende Algorithmen und Datasets zu korrigieren, die Schaden für Menschen hervorrufen und Fehler mit negativen Wirkungen und nachgelagerten Risiken wie eine Art „ethische Schuld“ äquivalent zur „technischen Schuld“ auslösen können.

Um Innovation ohne schädliche Folgen möglich zu machen, werden Gesetzgeber und Unternehmen für eine Reform der Ethikrichtlinien zusammenarbeiten. Technologiepartner beraten unter Druck stehende Behörden bei der Nutzung von Daten für die Entscheidungsfindung. Gleichzeitig werden Technologieunternehmen darauf dringen, dass deren Technologie von allen verantwortungsbewusst genutzt wird, auch von Behörden. Beispielsweise ist bei Salesforce im Rahmen unserer Verpflichtung zu Gleichstellung die Nutzung von Gesichtserkennung verboten.

Bei allen Anwendungsfällen – ob es um die Automatisierung einer Aufgabe durch KI oder um die Zusammenarbeit mithilfe von KI für eine verbesserte Entscheidungsfindung geht – müssen wir wissen, wie Maschinen Fehler vermeiden, ethisch vertretbare Entscheidungen treffen und die Daten verstehen. Das wird eine zentrale Aufgabe für Unternehmen im Jahr 2022 bleiben.

Um Daten zu verstehen – und verantwortungsbewusst zu nutzen – ist aber eine grundlegende Datenkompetenz bzw. sind entsprechende Datenfertigkeiten erforderlich. Langsam erreichen wir auch einen Punkt, an dem fehlende Datenkompetenz ein unnötiges Risiko darstellt. Es muss also noch viel passieren, damit ethisch vertretbare Daten und Technologie Teil unseres Lebens und unserer Entscheidungen werden können. Die Investitionen dafür lohnen sich aber. Das Ergebnis wird eine eher ethisch gestaltete Zukunft mit mehr Gleichstellung für alle an jedem Ort sein.

Empfehlungen

1. Entwickeln Sie Richtlinien für Daten- und Risikomanagement mit Leitlinien zur ethisch vertretbaren Nutzung von Daten und KI. Vorhandene und geplante Vorschriften sowie Datenstrategien in den USA, Großbritannien, der EU und darüber hinaus schützen Menschen vor einer voreingenommenen und unrechtmäßigen Nutzung ihrer privaten Daten. Für eine ethisch fundierte Führung müssen Sie einen ethischen Verhaltenskodex festlegen, proaktiv potenziellen Rechtsvorschriften zuvorkommen, die Compliance sicherstellen und Risiken mindern.

2. Setzen Sie eine interne Ethikkommission ein oder engagieren Sie externe Fachleute zur Prüfung. Ethikausschüsse zur Nutzung von KI unterstützen Unternehmen bei der Einhaltung der zunehmenden Vorschriften. Außerdem helfen sie, mithilfe innovativer Lösungen Verzerrungen in den Daten zu vermeiden und deren Genauigkeit sicherzustellen.

3. Entwickeln Sie zielgerichtet eine transparente Technologie oder eine erklärbare KI mit menschlicher Kontrolle und Prüfungen im gesamten Prozess. Orientieren Sie die Nutzung von Daten und Technologie an menschlichen Werten und ethischen Prinzipien und gewährleisten Sie Transparenz oder Erklärbarkeit sowie vertrauenswürdige Anwendungsmöglichkeiten. Sorgen Sie proaktiv für die Beachtung ethischer Prinzipien im Entwicklungsprozess, um endlose Schleifen technologischer Nachbesserungen zu vermeiden.

4. Entwickeln Sie eine starke Datenkultur inklusive Schulungen für Datenfertigkeiten. Durch verbesserte Datenkompetenz kann einer mangelnden Datenqualität und den Risiken begegnet werden, die mit der Erfassung falscher Daten und dem Stellen falscher Fragen verbunden sind – beides Probleme, die einer erfolgreichen KI-Implementierung und einer Skalierung im Wege stehen. Datenkompetente Mitarbeiter sind die Voraussetzung für die Schaffung einer Datenkultur, die eine ethisch vertretbare Nutzung von Daten und KI ermöglicht sowie dauerhaft sicherstellt.

Für den Erfolg in der Arbeitswelt von morgen müssen Unternehmen ihre Definition von Datenkompetenz erweitern, in ihre Mitarbeiter investieren und ihre Anstrengungen für die Entwicklung einer Datenkultur verstärken.

Wendy Turner-Williams

Chief Data Officer, Tableau

Wendy Turner-Williams ist bei Tableau für Unternehmensdatenstrategie, Datenplattformen und -services, Optimierung von Daten-Governance und Datenmanagement, Datenrisiken und Datenkompetenz zuständig. Sie und ihr Team sorgen für eine datengesteuerte Innovation der Geschäftstätigkeit, für Transformation und für bestmögliche operative Abläufe bei Tableau. Wendy hat über 20 Jahre Managementerfahrung in verschiedenen Bereichen, zuletzt als Leiterin des Information Management & Strategy Enterprise-Programms bei Salesforce.

Der Ausgangspunkt

In einem Markt, in dem Daten letztlich den Unterschied ausmachen, ist Datenkompetenz unverzichtbar, um die Investitionen in Daten und Technologie auch wirklich gewinnbringend zu nutzen. Der Schlüssel zur Datenkompetenz ist dabei die Datenkultur. Im kommenden Jahr werden Unternehmen für ihre Wettbewerbsfähigkeit bestrebt sein, eine gemeinsame Kultur und Denkweise zu fördern, die Daten und datengesteuertes Verhalten wertschätzen. Dafür erweitern sie die Datenkompetenz über die Schulung von Fertigkeiten hinaus für ein grundlegendes Verständnis dafür, wie Daten genutzt und im Geschäftsbetrieb angewendet werden können. Wenn Unternehmen in die Mitarbeiterentwicklung für eine zukunftsfähige Belegschaft investieren, arbeiten sie für Schulung und Qualifizierung oft mit externen Firmen zusammen.

Bevor wir uns weiter diesem Thema widmen, möchten wir darlegen, warum Daten und Datenfertigkeiten so wichtig sind.

Da Investitionen in Technologie und KI zunehmen, ist Mitarbeiterentwicklung unverzichtbar, um den Mehrwert aus diesen datenbezogenen Investitionen auch tatsächlich realisieren zu können. PwC erwartet, dass durch KI die Weltwirtschaft enorm wächst, und zwar um 15,7 Billionen USD bis zum Jahr 2030. Gleichzeitig nimmt laut dem Bericht des Weltwirtschaftsforums zur Zukunft der Arbeitsplätze die Automatisierung der Tätigkeiten schneller als erwartet zu. Durch Automatisierung werden bis zum Jahr 2025 85 Millionen Jobs wegfallen und gleichzeitig 97 Millionen neue Stellen geschaffen. Die Hälfte jener, die ihren derzeitigen Arbeitsplatz behalten, werden sich in den kommenden fünf Jahren weiterqualifizieren müssen.

Der Bedarf an Datenfertigkeiten am Arbeitsplatz und in der Gesellschaft insgesamt wächst ständig. Laut Aussagen von Personalleitern waren Datenfertigkeiten, also analytische Fähigkeiten und Kenntnisse der Data Science, die am meisten gesuchten Fertigkeiten im Jahr 2021. Auch wenn die öffentliche Diskussion immer datenlastiger wird, muss nicht jeder ein Data Scientist sein. Es sind aber zunehmend grundlegende Datenkompetenz und analytische Fertigkeiten erforderlich.

Um die Fähigkeiten datenkompetenter Mitarbeiter wirklich nutzen zu können, sind aber spezielle Maßnahmen erforderlich. Es fehlt nicht nämlich nur an Datenfertigkeiten, sondern auch an Datenkompetenzprogrammen, im Hörsaal wie am Arbeitsplatz. Obwohl 83 % der CEOs das Ziel haben, dass Ihr Unternehmen mehr datengesteuert agiert, schätzen sich nur 43 % der Digital Natives als datenkompetent ein.2 Laut Forrester gibt es in weniger als der Hälfte der Universitäten Initiativen für Datenfertigkeiten.3 Auch lösen viele Unternehmen das Problem der fehlenden Datenfertigkeiten eher kurzfristig durch Neueinstellung, statt in Datenkompetenz und Datenkultur zu investieren.

Die vorhandenen Programme sind zu sehr auf Tools und Technologie ausgerichtet, was zur Folge hat, dass kein grundlegendes Verständnis für das Generieren, Nutzen und Verwalten von Daten im Unternehmen entwickelt wird.

Die Zukunft

Wettbewerbsfähige Unternehmen realisieren die Bedeutung von Datenfertigkeiten und erkennen, dass es für eine zukunftssichere Entwicklung der Mitarbeiter mehr als nur Schulungen für Datenfertigkeiten und Tools bedarf. Sie fördern deshalb eine grundlegende Datenkompetenz bei ihren Mitarbeitern.

Academia bindet das Thema „Datenkompetenz“ in die Lehrpläne aller Fachrichtungen ein. Die Vorteile liegen dabei auf der Hand: Bildungsinstitutionen mit Angeboten für Datenfertigkeiten verzeichnen um 11,5 % mehr sechswöchige Praktika für Studierende als Universitäten ohne diese Angebote.3 In einer Präsentation 2021 für das US-Bildungsministerium nannte das National Council of Teachers of Mathematics Datenfertigkeiten eine „Notwendigkeit für die Zukunft“ und forderte die Neukonzeption eines sinnvollen, inklusiven und interdisziplinären Ansatzes für die Schulung von Datenkompetenz vom Vorschulalter bis zum Abitur.

Arbeitgeber werden mehr in Datenkompetenz investieren. Eine steigende Anzahl an Arbeitgebern wird realisieren, dass die Schulung der Mitarbeiter in die Anwendung von Tools und das Verständnis dafür, wie die geschäftlichen Aktivitäten von der Technologie profitieren, ein wichtiger Aspekt der Technologieinvestitionen sein wird. Das US-Außenministerium stellt dazu für seine Datenstrategie fest, „dass dies nicht nur eine Chance, sondern eine Notwendigkeit für die USA darstellt, um den diplomatischen Vorsprung weltweit sicherzustellen“.

Unternehmen werden ihre Definition der Datenfertigkeiten erweitern und dafür geschäftliche wie technologische Prozesse, Input wie Output berücksichtigen und den Schwerpunkt auf die Datenkultur legen. Dabei werden nicht nur Tool- und Plattformkompetenz eine Rolle spielen, sondern auch kritisches Denken und die Nutzung von Fachwissen zur Lösung geschäftlicher Probleme. Die vorherrschende Kultur ist dabei der Schlüssel für die Veränderung der Denkweise. Datenkompetenz, also die Fähigkeit zum Erkunden und Verstehen von Daten und zum Kommunizieren damit, ist eine zentrale Säule der Datenkultur. Die Förderung sowohl der Kompetenz als auch der Kultur macht sich bezahlt. Ein TDWI-Bericht hat festgestellt, dass in datenkompetenten Unternehmen im Vergleich zu weniger oder gar nicht datenkompetenten Unternehmen „die Unternehmenskultur mehr auf Zusammenarbeit und Ergebnisse ausgerichtet ist (92 % vs. 46 %) [und Analytics-]Ziele an Managementziele geknüpft sind (73 % vs. 40 %)“. Unternehmen mit einer ausgeprägten Datenkultur zeichnen sich u. a. durch mehr Zusammenarbeit und mehr Wettbewerbsvorteile aus.

Sie wissen auch, dass sie dazu Unterstützung benötigen. Ohne die Ressourcen, das interne Fachwissen und die Fähigkeit, eigener Qualifizierungsprogramme durchzuführen – oder mit der Änderungsgeschwindigkeit Schritt zu halten –, werden Unternehmen den Aufbau von Datenkompetenz als Community-Aufgabe behandeln. Sie werden agile, unkonventionellere Ansätze sowie externe Schulungsprogramme nutzen.

Empfehlungen

1. Fördern Sie sowohl die Datenkultur als auch Datenkompetenz. Deren erfolgreicher Aufbau ist jeweils voneinander abhängig. Deshalb sollte sowohl in die Schulung von Kompetenz als auch in den kulturellen Wandel investiert werden. Denken Sie auch daran, dass Wandel nicht über Nacht stattfindet. Üben Sie Geduld, bleiben Sie am Ball und denken Sie daran, dass diese Aufgabe ein fortlaufender Prozess ist.

  • Entwickeln Sie einen Rahmen aus allgemeinen Zielen und strukturierten Maßnahmen für einen dauerhaften Erfolg.
  • Legen Sie Standards für Bedingungen, Qualifikationsstufen, Erfolgsmetriken und Prozesse für das gesamte Unternehmen fest.
  • Entwickeln Sie Anreize für die Mitarbeiter. Schaffen Sie Begeisterung für das, was mit Daten möglich ist.
  • Zeigen Sie, wie Sie sich eine datengesteuerte Entscheidungsfindung vorstellen und fördern Sie diese. Führen Sie den Wert von Daten exemplarisch vor.
  • Schaffen Sie Raum für Diskussion, Lernen und Entwicklung.

 

2. Orientieren Sie sich bei Neueinstellung und Schulung an zukünftigen Anforderungen. Beachten Sie diesen Hinweis zum US-Außenministerium: „[Das Ministerium] wird seine Einstellungskriterien mit erforderlichen Datenfertigkeiten erweitern. Datenfertigkeiten müssen zu einem integralen Bestandteil für ein breiteres Spektrum von Schlüsselpositionen werden. Wenn die Lücken an Datenfertigkeiten nicht geschlossen werden, wird die Einstellungspraxis des Ministeriums mit den zunehmenden Datenanforderungen nicht Schritt halten.” Um dieses Ziel zu erreichen, „werden entsprechende „Mitarbeiter eingestellt, geschult und Anreize für sie geschaffen sowie Arbeitsplätze entsprechend gestaltet. Daten sollen routinemäßig ermittelt, bewertet und kompetent für die Entscheidungsfindung auf allen Ebenen und in allen Ländern genutzt werden“. Im Folgenden ist aufgeführt, welche Schlussfolgerungen sich daraus auch für Ihr Unternehmen oder für Ihre Organisation ergeben:

  • Erweitern Sie Ihre Einstellungskriterien und Stellenbeschreibungen mit grundlegenden Datenfertigkeiten.
  • Arbeiten Sie mit Bildungsinstitutionen zusammen, die Angebote für Datenfertigkeiten im Programm haben, und stellen Sie datenkompetente Studierende ein.
  • Fördern und ermöglichen Sie Datenschulungen für Ihre bestehenden Mitarbeiter.
  • Schaffen Sie Daten-Communitys, um damit fortlaufendes Wachstum, Weiterentwicklung und Zusammenarbeit zu unterstützen.
  • Ermitteln und engagieren Sie Fachleute oder Daten-Champions für Schulungsprogramme im Unternehmen. Entwickeln Sie eine Kultur der datengesteuerten Entscheidungsfindung, um diese Fachleute zu binden.

 

3. Gehen wir noch einen Schritt zurück: Investieren Sie in Lehrpläne für Datenfertigkeiten und entwickeln Sie diese für alle akademischen Fachrichtungen und Kompetenzstufen. Für die akademische Welt ist es nie zu früh und auch nicht zu spät, Datenfertigkeiten und kritisches Denken zu unterrichten. Vermitteln Sie grundlegende Datenfertigkeiten auf allen Ebenen der Ausbildung und bereiten Sie mehr Studierende auf die Arbeit mit Daten und auf deren Verständnis für berufliche Aufgaben vor.

  • Nehmen Sie in alle Kurse das Thema der Entwicklung von Analytics-Fertigkeiten und des kritisches Denkens auf. Betonen Sie, dass für jede berufliche Karriere in der Zukunft Daten genutzt werden können und müssen.
  • Ermutigen Sie Studierende, Daten für Forschung und die universitäre Arbeit zu nutzen.
  • Sorgen Sie für Auflockerung beim Thema „Daten“! Erkunden Sie, wie Daten im realen Leben genutzt werden und erfüllen Sie Datenkonzepte für die Studierenden mit Leben.
  • Heben Sie den Wert von Datenfertigkeiten auf allen Ebenen hervor – von der Möglichkeit, die berufliche Karriere zu fördern bis zur Nutzung von Daten für eine bessere Welt.
  • Holen Sie sich kostenlose Software, Lehrpläne und Materialien für Kursleiter und Studierende über das Hochschulprogramm von Tableau.

 

4. Investieren Sie in Programme zur Entwicklung von Datenkompetenz und von Fertigkeiten zur Nutzung von Analytics-Tools und -Plattformen für alle Mitarbeiter. Handeln Sie zukunftsorientiert: Legen Sie Ihr Augenmerk nicht nur auf Ihre kurzfristigen Anforderungen durch Schulung der aktuellen Tools und Technologie. Schulen Sie Ihre Mitarbeiter auch in nicht technischem Wissen, z. B. wie Daten Mehrwert für die geschäftliche Tätigkeit generieren. Und erfinden Sie das Rad nicht neu! Vermitteln Sie die Grundlagen (z. B. Data 101) wenn möglich intern und beauftragen Sie das Übrige extern.

Unterstützen Sie die Mitarbeiter bei der Entwicklung fortgeschrittener Fertigkeiten durch Partnerschaft mit Drittanbietern, um von deren Know-how zu profitieren. Prüfen Sie Programme wie die professionellen MIT-Kurse zu angewandter Data Science, DataCamp for Business, die Datenakademie von Avado, die „Reskilling Revolution“ des Weltwirtschaftsforums, die Data & Analytics Academy von Coursera, die kostenlose Schulung der Test Automation University sowie Datenkurse der Khan Academy.

1 Gartner®, Maximize the Value of Your Data Science Efforts by Empowering Citizen Data Scientists (Maximierung des Nutzens von Data-Science-Initiativen zur Unterstützung von Data Science für Mitarbeiter), Pidsley, David und Idoine, Carlie, 7. Dezember 2021

2 IDC-Whitepaper im Auftrag von Tableau, Wie eine Datenkultur die Wertschöpfung in datengesteuerten Unternehmen fördert, Doc. #US47605621, Mai 2021.

3Forrester Consulting-Papier zu innovativem Denken, beauftragt von Tableau, The Great Data Literacy Gap: Demand For Data Skills Exceeds Supply (Mehr Menschen Datenkompetenz vermitteln: Nachfrage zu Datenfertigkeiten übersteigt das Angebot), Juni 2021

Das wachsende Bewusstsein für die strategische Bedeutung von Daten fördert flexible, verknüpfte Methoden der Daten-Governance, von denen alle Mitarbeiter im Unternehmen profitieren.

Kate Wright

SVP of Product Development, Tableau

Kate Wright ist Analytics-Leiterin mit mehr als 17 Jahren Erfahrung in Entwicklung, Produktmanagement und Führungsfunktionen. Sie ist für Analytics Engineering, Produktmanagement und die gesamte Benutzererfahrung bei Tableau und CRM Analytics zuständig.

Der Ausgangspunkt

Der Nutzen – und das schiere Volumen – von Daten sind größer denn je. Daten sind nicht nur das Eintrittsgeld für den geschäftlichen Erfolg in 2022: Daten sind das Business.6 In dem Maße, in dem Unternehmen in innovative KI-Lösungen investieren und Daten wie Anwendungen in die Cloud übertragen, hat neben Datenschutz und Nutzungsvorschriften auch der Bedarf an Funktionen für Selfservice und Datenfreigabe zugenommen. Digital versierte Unternehmen stellen sich auf dieses Paradox ein: Eine einheitliche zuverlässige Datenquelle ist unverzichtbar, allerdings nicht an einem einzigen Standort, und sie kann auch nicht nur von einer Handvoll Personen verwaltet und geschützt werden.

Unternehmen und Organisationen benötigen einen neuen Ansatz für Daten-Governance und Datenmanagement, der Flexibilität und Unterstützung mit koordinierter Kontrolle verknüpft. Um Innovation, Wettbewerbsfähigkeit und die proaktive Berücksichtigung von Governance- und Sicherheitsanforderungen zu gewährleisten, werden erfolgreiche Unternehmen mit verknüpften Data-Governance-Techniken arbeiten. Ein solcher Ansatz, der zentral definierte Governance-Standards mit lokaler Fachhoheit verknüpft, bietet Unternehmen die Möglichkeit, verschiedene Kompetenzfelder durch Einbeziehung unterschiedlichster Benutzer verfügbar zu machen.

Letztendlich hängt aber in der digitalen Welt alles davon ab, dass Daten nutzbar gemacht werden. Aber wie gelingt dies? Eine aktuelle Gartner-CDO-Umfrage hat ermittelt, dass „72 % der Daten- und Analytics-Verantwortlichen, [die] erheblich in digitale Unternehmensinitiativen eingebunden sind oder diese leiten“ nicht genau wissen, wie man die „vertrauenswürdige Datenbasis“ entwickelt, die zur Beschleunigung ihrer Maßnahmen und zum Erreichen der Geschäftsziele erforderlich ist.7

Ohne wiederholbare, skalierbare Prozesse, die sicherstellen, dass Daten auffindbar, sicher, verständlich und vertrauenswürdig sind, führen Flexibilität und Innovation zu potenziellen Risiken. Solange Unternehmen Daten-Governance nicht neu definieren, wird der Traum von vertrauenswürdigen Echtzeit-Selfservice-Analytics das bleiben, was er zunächst ist – ein Traum.

Die Zukunft

Erfolgreiche Daten-Governance-Strategien basieren immer auf Vertrauen. Im Jahr 2022 werden wir bei einigen Unternehmen eine Änderung in der Denkweise feststellen, die dazu führt, dass ein mehr inklusiver Ansatz für Daten-Governance und Datenmanagement verfolgt wird.

Damit ist gemeint, dass Systeme und Prozesse für die Vielen und nicht nur für die Wenigen konzipiert werden. Das bedeutet konkret, dass IT und Geschäftsbereiche bei Daten-Governance und Datenmanagement an einem Strang ziehen. Wenn die traditionell für Daten Verantwortlichen, also die IT-Abteilung, die Geschäftsanwender in die Lösung einbinden, können sich alle hinter gemeinsamen Zielen versammeln und den Weg für Innovation bereiten.

Was bedeutet das genau? Es gilt das Prinzip „Entwickeln und Erweitern“. Die Menschen sollen einerseits über die Tools verfügen, Daten selbst zu nutzen. Andererseits müssen durch zentral gesteuerte Schutzmaßnahmen Risiken minimiert werden. Beispielsweise kann die IT-Abteilung die Governance-Grundlagen für Dinge definieren, die das gesamte Unternehmen betreffen (z. B. Datenherkunft, Datenkataloge, Standards, Prüfungsregeln, Metadatenmanagement und Architektur), und gleichzeitig den Geschäftsbereichen eine Kontrolle ermöglichen, so wie es für deren Zwecke erforderlich ist. Ein solcher maßgeschneiderter Ansatz gibt den Fachexperten die Möglichkeit, geschäftliche Probleme kontextbezogen zu lösen, und schafft gleichzeitig Vertrauen, Erkundungs- wie Innovationsmöglichkeiten.

Um Daten-Governance im gesamten Unternehmen zu etablieren, ist Datenkompetenz unverzichtbar. Alle müssen eine gemeinsame Sprache sprechen und gemeinsam Governance praktizieren, aber – noch wichtiger – auch über Datengrundlagen Bescheid wissen. Durch Gewährleistung von Transparenz und Auffindbarkeit wird es einfacher, Daten zu ermitteln und zu erkunden, wenn Unternehmen dauerhaft einen einzigen Ort für die Gewinnung von Informationen nutzen. Jeder kann sich dann einbringen, wenn es darum geht, was bewertet werden soll, wie es definiert wird, wo es gespeichert wird und wer die Kontrolle darüber hat. Unternehmen, die hier richtig vorgehen, schaffen ein grundlegendes Verständnis des Datenflusses im gesamten Unternehmen und darüber, wie sich Vertrauen und Sicherheit gewährleisten lassen.

Empfehlungen

1. Nehmen Sie eine Bestandsaufnahme vor – und definieren Sie das Ziel. Dafür müssen Sie wissen, welche Daten Sie nutzen. Stellen Sie Fragen und kontaktieren Sie Mitarbeiter im gesamten Unternehmen, um festzustellen, welche Daten vorhanden sind, wie die Menschen sie nutzen und wie bedeutsam sie sind. Man kann es aber nicht oft genug betonen: Vertrauen ist dabei das A und O. Fragen Sie die Verantwortlichen, was sie benötigen, um erfolgreich agieren zu können. Orientieren Sie sich an Drittanbieterkonzepten wie das DMM-Programm (Data Management Maturity), um Ihr System zu bewerten und um Stärken wie Schwächen zu ermitteln.

2. Setzen Sie auf Partnerschaft. (Tipp: Auch diese beginnt mit Vertrauen.) Ja, es stimmt. Die IT-Abteilung muss auf bestimmten Ebenen eine strenge Kontrolle ausüben. Sie kann aber nicht alles kontrollieren – und soll es auch nicht. Arbeiten Sie mit den Geschäftsbereichen zusammen. Schaffen Sie als Erstes Vertrauen in Menschen und Prozesse durch Qualifizierung der Geschäftsanwender, damit sie wissen wie Daten verantwortungsbewusst genutzt werden. Sorgen Sie dauerhaft für transparente Prozesse und sichere, aktuelle Daten. Nutzen Sie erste Erfolge als exemplarische Beispiele, um dem breiteren Publikum im Unternehmen zu zeigen, wie positiv sich die Partnerschaft auswirkt.

3. Denken Sie vernetzt. Seien Sie sich bewusst, dass Ihre Datenstrategie nicht vollständig einheitlich sein kann und dass eine komplette, zentrale Kontrolle nicht möglich ist. Verfolgen Sie einen eher vernetzten Ansatz. Beschränken Sie die Kontrolle auf das unbedingt notwendige Maß und arbeiten Sie mit den Geschäftsbereichen partnerschaftlich zusammen. Erfinden Sie das Rad nicht neu. Nutzen Sie branchenübliche Frameworks (z. B. das DMM-Programm oder das Cloud Data Management Capabilities-Framework des EDM Council), um Reibungspunkte zu verringern und um festzustellen, was gut funktioniert.

6 Forrester Consulting, Break Through Data Governance Fatigue: A Framework For Effectiveness And Sustainability (Neue Formen der Daten-Governance: Ein Framework für Effektivität und Nachhaltigkeit), Goetz, Michelle, Februar 2021

7 Gartner®, Predicts 2022: Data and Analytics Strategies Build Trust and Accelerate Decision Making (Vorhersagen 2022: Daten- und Analytics-Strategien schaffen Vertrauen und beschleunigen die Entscheidungsfindung), Jorgen Heizenberg, et.al, 2. Dezember 2021

8 Gartner®, Modern Data and Analytics Requirements Demand a Convergence of Data Management Capabilities (Moderne Daten- und Analytics-Anforderungen benötigen eine Konvergenz der Datenmanagementfunktionen), Guido de Simoni, et.al, 20. Januar 2021

Daten werden zur Sprache für Menschen und Organisationen. Damit können sie sich präsentieren, ihre Probleme deutlich und verständlich machen sowie mit Institutionen zusammenarbeiten, die für sie da sein sollen.

Neal Myrick

Global Head der Tableau Foundation, Tableau

Neal Myrick ist VP of Social Impact bei Tableau und Global der Tableau Foundation. Er leitet die philanthropischen Aktivitäten des Unternehmens, mit denen die Nutzung von Daten für eine gerechtere Welt mit mehr Gleichberechtigung gefördert wird. Neal ist Unternehmensengel und gehört mehreren Beiräten für globale Gesundheit und Entwicklung an.

Der Ausgangspunkt

Daten sind ein machtvolles Mittel für Veränderung. Nach Jahren der Zusammenarbeit mit unseren gemeinnützigen Partnerorganisationen bei der Tableau Foundation haben wir festgestellt, dass die Mitglieder der Gesellschaft nicht alle gleichermaßen von diesem Potenzial profitieren. Nur sehr wenige Daten sind vollständig repräsentativ. Oft fehlt es an Kontext und Details zu den konkreten Lebensverhältnissen. Dies hat Einfluss auf das Potenzial der Daten. Es kann zu Misstrauen gegenüber den Daten führen, speziell bei Personen und Gruppen, die sich unterrepräsentiert fühlen. Dieses fehlende Vertrauen hat potenziell zur Folge, dass Gruppen, die sich nicht repräsentiert fühlen, davon abgehalten werden, Daten für die Gewinnung von Macht und Einfluss zu nutzen.

Wir haben sicher noch nicht alle Antworten zur Lösung dieses Problems. Bei unseren Gesprächen mit Partnern wird aber ein Trend erkennbar, der sich aus praktischen Erfahrungen speist und der das Potenzial hat, die Unterstützung und das Engagement für die Community zu verändern.

Damit Datenlösungen relevant, effektiv und nachhaltig sind, müssen Sie in Zusammenarbeit mit den Communitys entwickelt werden, die repräsentiert und unterstützt werden sollen. Durch Änderung der Dynamik können Daten eine Hilfe dafür sein, dass Menschen und Organisationen die komplexen spezifischen Probleme angehen, die für sie am wichtigsten sind. Als tragfähiger Rahmen lässt sich mit dem Konzept der Gleichstellung durch Daten sicherstellen, dass Daten als Mittel der Beratung inklusiver, repräsentativer und effektiver werden. Damit wird ein Bewusstsein der gemeinsamen Datenverantwortung unter allen Verantwortlichen am Tisch geschaffen.

Im besten Fall sollte dieser Ansatz in einem Prozess kontinuierlicher Verbesserung immer wieder Antworten auf grundlegende Fragen liefern: Erfassen diese Daten die Lebensverhältnisse derjenigen, die sie abbilden sollen? Sind Verbesserungen bei der Erfassung und Analyse der Daten möglich, damit sie wirklich repräsentativ sind? Bildet die Story, die wir mit den Daten erzählen, ab, wo unsere Zielgruppe steht und führt Sie dazu, dass die Menschen Partner für Änderungen werden anstatt Gegner?

Für Organisationen, die Daten als strategische Ressource betrachten und die eine Datenkultur und -kompetenz aufbauen, eröffnen sich neue leistungsstarke Nutzungsmöglichkeiten für Daten, z. B. als Anstoß für Gespräche über eine neue Politik – bzw. eine Neugestaltung der bisherigen – und über die Finanzierung. Der Zugang zu Daten wird so auf Community-Organisationen erweitert, die traditionell kaum mit Technologie und Datenressourcen ausgestattet sind, damit sie prüfen zu können, ob lokale Behörden und öffentliche Institutionen ihren Verpflichtungen nachkommen. Mittlerweile nutzen immer mehr gemeinnützige Organisationen, Verantwortliche sozialer Einrichtungen und Sozialarbeiter Daten als strategische Ressource, entwickeln eine Datenkultur und erhöhen ihre Datenkompetenz.

Die Zukunft

Wenn Daten als strategische Ressource behandelt werden und eine Datenkultur in Organisationen aufgebaut wird, ergeben sich Möglichkeiten für fruchtbare neue Diskussionen über politische Maßnahmen und darüber, wie unsere öffentlichen Institutionen sich in Communitys engagieren. Durch Demokratisieren von Daten, wenn sie also nicht nur verfügbar gemacht werden, sondern tatsächlich ohne Data-Science-Kenntnisse genutzt werden können, werden auch Organisationen, die bisher kaum Daten und Analytics für ihre Beratung eingesetzt haben, darauf zurückgreifen. Und wenn dann gemeinnützige Organisationen und Sozialarbeiter die Erfahrung machen, dass ihre Beratung mithilfe von Daten tatsächlich positive Auswirkungen auf das Leben der Menschen hat, für die sie sich einsetzen, werden sich auch andere zunehmend die folgende Frage stellen: „Wie können wir hier, in unserer Community und mit unseren Daten etwas bewirken?“

Immer mehr Organisationen kümmern sich gezielt um ihre Datenkultur und investieren in Datenfertigkeiten in der Organisation und in der Community. Daraus ergeben sich einige erfolgversprechende Best Practices wie die folgenden:

  • Demokratisierung relevanter Daten und Ressourcen durch öffentlichen Zugang
  • Aufschlüsseln von Daten für mehr Repräsentation
  • Nutzung einer personenorientierten Sprache mit den Daten
  • Neuordnung der traditionellen Datenpräsentation
  • Nutzung von an menschlichen Erfahrungen orientierten Modellen

Channing Nesbitt, Tableau Social Impact Program Manager, hat gezeigt, wie wichtig das Aufschlüsseln von Daten ist, vor allem durch konkrete Betrachtung der verschiedenen Felder, Einheiten oder Maßnahmen statt einer ausschließlichen Nutzung gemittelter oder aggregierter Daten: „Dies gibt den Community-Mitgliedern eine Stimme, deren Lebensverhältnisse in allgemeineren und aggregierten Daten oft nicht sichtbar sind, und für die durch ein solches Ausblenden die Probleme, denen sie sich gegenübersehen, potenziell nicht gelöst oder sogar verschärft werden.“ Es schafft auch ein größeres Lösungspotenzial als die alleinige Betrachtung nach Geschlecht, ethnischer Zugehörigkeit und Einkommen, da man mehr Einblicke in die konkreten Lebensverhältnisse jedes Einzelnen bekommt. Ein Beispiel ist eine afro-amerikanische Frau mit einem Diplom, die eine Hypothek beantragt. Mit aufgeschlüsselten Daten werden die Menschen hinter den Daten deutlicher erkennbar. Damit kann dann besser auf die Bedürfnisse der Menschen eingegangen werden und es können die Lösungen von Behörden, Institutionen und Community-Organisationen optimiert werden.

Alle diese Änderungen erhöhen Präzision und Inklusivität von Daten und ermöglichen ein kontextbezogenes Bild der Menschen hinter den Datenpunkten. Dies verbessert die Repräsentation aller Community-Mitglieder und die Möglichkeiten, ihnen zu helfen.

Präzisere und repräsentativere Daten bieten die Möglichkeit, die Lebensverhältnisse zu prüfen und Menschen wie Community-Gruppen beim Aufbau von Macht und Einfluss für das Erreichen ihrer Ziele zu unterstützen.

Verbesserte Daten und das Konzept der Gleichstellung durch Daten als Rahmen machen es für Menschen einfacher, in Gespräche einzutreten oder diese wiederaufzunehmen. Nachfolgend hat dies dann auch positive Effekte im Hinblick auf die Finanzierung von Anliegen und auf mögliche politische Änderungen. Dieses Rahmenkonzept ermöglicht Behörden und Institutionen, den Fortschritt hinsichtlich der gesteckten Ziele zu bewerten und nachzuverfolgen. Das Spektrum reicht dabei von den nachhaltigen Entwicklungszielen der Vereinten Nationen bis zu freigegebenen Daten der lokalen Staatsanwaltschaft in Bezug auf Strafverfolgung und Strafprozessen. Außerdem können sich Community-Verantwortliche damit direkt an die Behörden und an andere öffentliche Institutionen wenden – und zwar auf Augenhöhe.

Empfehlungen

Wir haben festgestellt, dass einige unserer erfolgreichsten gemeinnützigen Partner Methoden zur Verbesserung der Gleichstellung durch Daten anwenden. Die folgende Liste muss sicher noch weiter verfeinert werden. Sie finden hier aber einige gängige Maßnahmen zur Gleichstellung durch Daten, die sich bei unseren Partnern als erfolgreich erwiesen haben.

1. Nehmen Sie Kontakt mit den Communitys auf, die die Probleme, die sie lösen möchten, am besten kennen. Lassen Sie sich darüber informieren, welche Fragen ihnen am Herzen liegen, damit sie auch die richtigen Daten erfassen, und in welchem Kontext die Daten bewertet und analysiert werden sollen. Achten Sie bei der Zusammenarbeit mit den Communitys auf Folgendes:

  • Sorgen Sie für präzise Daten und für Vertrauen in diese, um die Wahrscheinlichkeit zu erhöhen, dass die Daten genutzt und als Grundlage verwendet werden.
  • Stellen Sie sicher, dass die Daten auch wirklich hilfreich für die Community sind und für die Probleme eine Rolle spielen, die gelöst werden sollen.
  • Generieren Sie handlungsorientierte Daten, die etwas bewirken und erkennen lassen, was funktioniert, was nicht funktioniert und was hilft, gemeinsame Prioritäten zu setzen.

 

2. Sorgen Sie dafür, dass die Daten relevant sind und die Menschen sowie die Communitys repräsentieren, um die es geht. Wir müssen in den Daten stärker die Menschen in den Vordergrund stellen, um die Bedürfnisse der Personen besser verstehen und berücksichtigen zu können, für die sie genutzt werden sollen.

  • Schlüsseln Sie Daten so weit wie möglich auf, ohne gegen den Datenschutz zu verstoßen.
  • Ermitteln Sie relevante Datenpunkte, die eine detailgenauere, personalisierte Betrachtung ermöglichen. Daten zu ethnischer Zugehörigkeit, Geschlecht oder Einkommen allein bieten nicht den gleichen Kontext und die gleichen Erkenntnisse wie die Betrachtung der gesamten grundlegenden Identitätsmerkmale.

 

3. Teilen Sie die Daten mit den Communitys und erweitern Sie deren Wirkung durch Feedbackzyklen.

  • Communitys benötigen den Zugang zu Daten, damit sie davon wirklich profitieren können. Das Teilen von Daten verstärkt den Erfolgszyklus der Datennutzung: Je mehr Daten genutzt werden und je mehr Communitys ein Feedback zu den Daten geben, desto wahrscheinlicher ist es, dass weiter Daten erfasst und analysiert werden.
  • Gehen Sie beim Teilen von Daten und bei der Erweiterung Ihrer Maßnahmen verantwortungsbewusst vor. Achten Sie auf den Datenschutz, um Vertrauen zu schaffen und aufrechtzuerhalten.

 

4. Statten Sie Menschen und Communitys mit den Tools und den Informationen aus, die für eine effektive Nutzung von Daten erforderlich sind.

  • Wenn Umfang und Komplexität von Datasets zunehmen, werden Maßnahmen für die Entwicklung von Datenkompetenz und Datenfertigkeiten wichtiger. Dies ist Voraussetzung dafür, dass die Menschen die Informationen, zu denen sie Zugang haben, sinnvoll nutzen können.
  • Für Community-Organisationen müssen außerdem technologische Lösungen besser zugänglich sein.
  • Die Organisationen benötigen auch Zugang zu mehr Geldmitteln, um Technologiekosten und Verwaltungsaufwand zu finanzieren.