Datengetriebene Agilität: Nachsitzen bei der Datenqualität

Infografik Datenqualität Reife

Wer als gewachsenes Unternehmen agil und datengetrieben agieren will wie ein Start-up oder eines der GAFA-Unternehmen, braucht zunächst Ordnung und Übersicht – und zwar im Datenhaushalt. Und da haben Unternehmen in Deutschland, Österreich und der Schweiz einige Hausaufgaben der letzten Jahre nicht erledigt. Das betrifft vor allem die  Datenqualität. Eine Infografik aus unserer biMA-Studie® 2017/18 zeigt, wo es derzeitig am meisten klemmt.

BI & Analytics-Landschaften der untersuchten DACH-Unternehmen kommen auf einer Skala zwischen 1 und 5 auf eine durchschnittliche Gesamtreife von 2,91. Die mittlere Reife im BI & Analytics-Zeugnis stehen zu haben, wird sicherlich keinen Entscheider glücklich stimmen. Obwohl neue Analyse-Technologien und -Methoden eingesetzt werden und Unternehmen sich fachlich, organisatorisch und technisch verbessert haben, verschaffen sie sich nur mäßige Wettbewerbsvorteile.

Datengetriebene Agilität
Quelle: Infografik zur biMA-Studie® 2017/18 von Sopra Steria Consulting.

Ohne Datenqualität kein Return on BI Investment

Um das zu ändern, müssen viele Unternehmen zunächst ihre Hausaufgaben machen, um die Daten auf das richtige Qualitätsniveau zu heben und einen internen Daten-TÜV mit Verantwortlichen zu installieren, die über die Einhaltung der Datenqualität wachen. Fast jedes zweite Unternehmen gesteht sich ein, dass Daten für Auswertungen widersprüchlich, unvollständig oder veraltet vorliegen.

Die mangelnde Datenqualität und das fehlende einhergehende Metadatenmanagement sind zwei wesentliche Brennpunkte, warum Business Intelligence und Datenanalytik nicht für das gewünschte geschäftliche Feuerwerk sorgen. Künstliche Intelligenz (KI) basiert auf der Lernfähigkeit von Systemen, die ihre volle entscheidungsunterstützende Wirkung erst dann entfalten können, wenn eine kritische Masse vertrauenswürdiger, qualitätsgesicherter und damit nutzbarer Daten vorhanden ist. Eine hohe Kundenabwanderungs-Rate (Churn Rate) kann sich durchaus weiter verschlechtern, wenn Handlungsempfehlungen und datenbasierte Entscheidungen aus mangelhaftem Datenmaterial abgeleitet werden.

Datengetriebene Agilität
Quelle: Infografik zur biMA-Studie® 2017/18 von Sopra Steria Consulting.

Doesn’t sound like a plan

Das bedeutet nicht, dass Unternehmen bei null anfangen müssen, da Entscheidungen bereits teilweise auf Erkenntnissen basieren, die mithilfe von BI & Analytics-Methoden und -Systemen entstehen. Controlling und Reporting sind seit einigen Jahren mit Ad-hoc- und OLAP-Analysen vertraut. Den flächendeckenden Masterplan lassen allerdings viele Unternehmen vermissen. Wer auf der Reifeskala bei 4 oder sogar 5 landen möchte, nutzt Daten im Sinne von Advanced Analytics. In diesen Unternehmen arbeiten beispielsweise Kundenmanagement und Vertrieb nicht mit der Gießkanne, der IT-Betrieb ist sicherer und effizienter und Forschung & Entwicklung noch innovativer.

Dieser Schritt stellt für die meisten Unternehmen jedoch eine große Herausforderung dar. Die Stufen 4 und erfordern nicht nur das Aufrüsten in Technologien, sondern ein neues Verständnis von BI & Analytics. Dazu gehören datengetriebene Prozesse als fester Bestandteil der Entscheidungskultur, eine agile Prozessorganisation und nicht zuletzt ein gesteigertes fachliches Verständnis.

Datengetriebene Agilität
Quelle: Infografik zur biMA-Studie® 2017/18 von Sopra Steria Consulting.

Fachliche Kreativität ist essentiell

Wichtig ist es, nicht zu glauben, dass der Mercedes, Porsche oder Rolls Royce unter den BI & Analytics-Systemen es richten wird. Aus technischer Sicht sind Unternehmen mittlerweile durchaus in der Lage, sehr komplexe fachliche Fragestellungen zu beantworten. Was oft fehlt, ist die Kreativität, sich konkrete fachliche Anwendungsfälle zu überlegen. Das gelingt nur, wenn sich Expertenteams zusammenfinden, die technische und fachliche Expertise an einen Tisch bringen. Und dazu gehören Mitarbeiter wie Data Scientists, die beide Skills vereinen. Diese sind aktuell jedoch noch sehr selten zu finden.

Das Klassenziel einer datengetriebenen Entscheidungskultur mit Self-Services und explorativen Methoden ist für die Mehrheit der Unternehmen der DACH-Region noch nicht in Sicht. Damit das nicht so bleibt, fassen 5 Handlungsempfehlungen die zentralen Stellschrauben zusammen:

  1. Stammdaten-, Metadaten- und Datenqualitätsmanagement sollten Priorität haben.
  2. Fachbereiche müssen die komplexe BI & Analytics-Technologie vereinfacht nutzen können.
  3. Unternehmensweiten Kulturwandel anstoßen, damit BI & Analytics kein Fremdkörper mehr ist.
  4. Flexible BI & Analytics-Landschaften für immer neue Anforderungen der Fachbereiche schaffen.
  5. Erst den Use Case entwickeln, dann in die passende BI & Analytics-Innovation investieren.

Stefan Seyfert

Stefan Seyfert ist Leiter des Kompetenzteams Datenmanagement bei Sopra Steria Consulting. Hier im Blog schreibt er vorrangig über datengetriebene Agilität, Data Science und Enterprise Information Management (EIM).


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.