Echte digitale Transformation beginnt mit der Datenverwaltung
Bevor sie mit Initiativen zur digitalen Transformation beginnen, müssen Unternehmen das Laufen lernen, indem sie die Datenverwaltung zu einer Kernkompetenz machen.
Inzwischen dürfte jedes Unternehmen, das vor dem digitalen Zeitalter geboren wurde, einen substanziellen Wandel in Erwägung ziehen oder durchlaufen. Mehr als 82 Prozent der CEOs haben eine digitale Transformation (DX) oder eine Managementinitiative in Gang gesetzt, gegenüber 62 Prozent im Jahr 2018, wie die Gartner Studie 2019 belegt. Der digitale Sprung ist darauf ausgerichtet, Unternehmen für ihre Zwecke fit zu machen: Sie müssen für die Kunden relevant bleiben, neue Einnahmequellen schaffen, in der digitalen Wirtschaft wettbewerbsfähig sein (und gewinnen) und in der Lage sein, sich in einer zunehmend unberechenbaren und sich schnell entwickelnden Welt schneller neu zu kalibrieren.
Um die Chancen in der vernetzten Wirtschaft zu nutzen, müssen Unternehmen datengesteuert und einsichtsorientiert sein. Es reicht nicht aus, einfach Daten anzuhäufen oder zu generieren. Ein Wettbewerbsvorteil entsteht dadurch, dass man in der Lage ist, Transformationsmöglichkeiten zu erkennen, bevor sie für alle anderen offensichtlich werden, und proaktiv und vorausschauend auf die Erkenntnisse zu reagieren. Diese Fähigkeiten sind von grundlegender Bedeutung, um das Kundenerlebnis zu verändern, unerfüllte Bedürfnisse zu entdecken und neue Geschäftsmodelle und Monetarisierungsmöglichkeiten zu schaffen, wie die “Big Four” in den USA – Google, Amazon, Facebook und Apple – und die Störfaktoren der Branche wie Uber und Netflix zeigen.
Und natürlich geht es nicht nur um kundenorientierte Initiativen – Unternehmen müssen intelligenter sein, was die Zusammenarbeit mit Lieferanten und Geschäftspartnern betrifft, indem sie neue, effektivere und effizientere Wege der Zusammenarbeit finden.
Glänzende Technik, schmutzige Daten?
Der innere Wert eines DX-Programms hängt von der Gewinnung von verwertbaren Erkenntnissen ab. Die Unternehmen haben fortschrittliche Werkzeuge und Technologien wie vorausschauende Analyse, robotergestützte Prozessautomatisierung (RPA), künstliche Intelligenz (KI), maschinelles Lernen, das Internet der Dinge und Blockchain im Blick, um neue Produkte, Dienstleistungen und Geschäftsmodelle zu verbessern oder zu erfinden. Die Schlagzeilen zeigen, dass fast ein Viertel (23 Prozent) der Unternehmen aktiv die prädiktive Analytik nutzt, während über die Hälfte (51 Prozent) Tools in Erwägung zieht oder bewertet, um die Vorhersagefähigkeit zu ermöglichen. Aber egal, wie die Schlagzeile der Innovation aussieht, es sind die Daten, die der unbesungene Held sind, egal ob sie hinter den Kulissen oder in Front-End-Anwendungen eingesetzt werden.
Die Qualität und Verfügbarkeit der Daten ist entscheidend
Bei der heißen Jagd nach verwertbaren Informationen wird oft übersehen, dass jeder Indikator oder Prädiktor nur so zuverlässig ist wie die Qualität und Verfügbarkeit der zugrunde liegenden Daten. Da wir uns daran gewöhnt haben, Analysen für bare Münze zu nehmen, werden unvollständige oder ungenaue Daten unweigerlich zu irreführenden Einsichten und schlechten Entscheidungen führen – solche, die sich negativ auf den Betrieb, die Planung, die Prognosen und das Endergebnis auswirken könnten. Und jedes hochkarätige DX-Projekt wird mit ziemlicher Sicherheit sein Versprechen nicht einlösen, wenn die zugrunde liegenden Daten nicht den Anforderungen entsprechen. Zur Veranschaulichung: Fast acht von zehn (78 Prozent) KI- und maschinellen Lernprojekten sollen aufgrund schlechter Datenqualität ins Stocken geraten sein, während erstaunliche 96 Prozent Probleme mit der Datenqualität, der für die Schulung der KI erforderlichen Datenkennzeichnung und dem Aufbau von Modellvertrauen haben.
Mit der Zeit werden sich diese Probleme noch verschärfen. Nicht nur Dienstleistungen und Prozesse, die auf Technologie wie KI und RPA basieren, speisen sich aus Daten – sie erzeugen auch Berge von Daten. Diese Daten müssen gesammelt, aggregiert und analysiert werden, um von Nutzen oder Wert zu sein. Da das Volumen, die Vielfalt und der Umfang der erstellten und erworbenen Daten exponentiell wächst, ist es schade um die geschäftlichen Nutzer, von denen erwartet wird, dass sie Informationen finden, verstehen und darauf vertrauen, dass sie ihre Arbeit tun.
Wenn sie nicht angesprochen werden, wird das Erbe der Unternehmen, das sich auf Daten und Systeme aus dem Silo stützt, nur zu einer Verankerung von Praktiken, Prozessen und Kulturen führen, die sich in einem Silo befinden. Dies wird sie fest in einem Zustand halten, indem sie prozessdefiniert und nicht datengesteuert sind, und verhindern, dass sie blinde Flecken entdecken oder die reibungslose Erfahrung liefern, die die digital versierten Kunden von heute erwarten.
Datenverwaltung: die Voraussetzung für die Transformation
Während die Datenwissenschaft ein heißes Eisen ist, ist die Grundlage von DX in Wirklichkeit die Data Governance: der Entwurf von Richtlinien, Prozessen und Verwaltern für den gesamten Lebenszyklus von Daten, der mit der Verwaltung von Unternehmensdaten die Daten durch kontinuierliche Verfügbarkeit, Benutzerfreundlichkeit und Integrität zu einer gemeinsamen, unternehmensweiten Ressource macht. Bevor sie mit ehrgeizigen DX-Initiativen beginnen, müssen Unternehmen lernen zu gehen, indem sie sich bei der Pflege zuverlässiger, genauer und vollständiger Daten verbessern, bis dies zu einer Kernkompetenz wird – und zu einem Wettbewerbsfaktor an sich.
Daten können nicht demokratisiert werden, ohne den Verbrauchern dieser Daten ein Verständnis für ihre Vertrauenswürdigkeit und Relevanz für das Unternehmen zu vermitteln. Das bedeutet, dass man den Kontext, die Qualität und den geschäftlichen Wert aller verfügbaren Informationsquellen – sowohl innerhalb als auch außerhalb des Unternehmens – fest im Griff hat.
360° Überblick für Führungskräfte
Die Datenverwaltung ist von grundlegender Bedeutung, um Unternehmen in die Lage zu versetzen, ihren Führungskräften einen ganzheitlichen Blick auf die relevanten Kennzahlen zu geben und sie in die Lage zu versetzen, agile, evidenzbasierte Entscheidungen zu treffen. Sie ermöglicht es den Datenwissenschaftlern, sich auf die Beantwortung von Geschäftsfragen und die Schulung von KI-Modellen im Vertrauen auf die Ergebnisse zu konzentrieren. Sie ermöglicht es, mehr und mehr Arbeitsabläufe zu informieren oder zu verändern, indem sie kontextbezogene Einsichten oder Vorhersagefähigkeiten in die Hände von nicht-technischen Anwendern legt. Und wenn die Daten im Rahmen des Datenschutzes bereitgestellt werden, können sie aktiv dazu beitragen, das Kundenvertrauen zu erhalten, die Automatisierung voranzutreiben und intelligente, ansprechende Kundenerlebnisse zu liefern.
Inmitten des großen DX-Goldrauschs müssen Daten wie jedes andere strategische Gut, wie Menschen und Einrichtungen, wahrgenommen und behandelt werden: mit den richtigen Werkzeugen verwaltet und durch die entsprechenden Richtlinien und Praktiken gesteuert. In einer Zeit, in der Daten ein wachsendes Potenzial haben, um Geschäftsergebnisse zu bestimmen oder zu entgleisen, wird die Art und Weise, wie Unternehmen die Herausforderung annehmen, sich um ihre geschäftskritischen Informationen zu kümmern, den Erfolg ihrer DX-Initiativen bestimmen.
Profitieren Sie von unseren Erfahrungen! Wir haben dieses Können schon in großen Unternehmen unter Beweis gestellt und ihnen zum Erfolg verholfen. Melden Sie sich gerne unverbindlich bei uns.
2 Kommentare zu "Echte digitale Transformation beginnt mit der Datenverwaltung"
Inwieweit ist es möglich genau an diesem Punkt künstliche Intelligenz einzusetzen? Ist es sinnvoll oder auch überhaupt praktikabel?
Danke und Gruß
Hallo Martin,
vielen Dank für deinen Kommentar. Wenn ich dich richtig verstehe, möchtest du also KI einsetzen um die Datenqualität zu erhöhen – was ja wiederum Voraussetzung für erfolgreiche KI-Projekte ist. Eine spannende Sache!
Grundsätzlich kannst du KI immer dann einsetzen, wenn es menschliche Intelligenz theoretisch ersetzen könnte. In diesem Fall wäre z.B. eine Approximation denkbar, die fehlende oder ausreißende Datensätze nach einer Regel ergänzt und anpasst. Auch ein logischer Schluss wäre hier ein Ansatz, wobei du der KI soweit möglich menschliches Wissen formalisierst. Mit dieser KI kannst du dann im definierten Rahmen deine Datenqualität prüfen, verbessern oder dir zumindest einen Anhaltspunkt geben lassen, wo nachgearbeitet werden muss.
Viele Grüße,
Swen