Eine Studie des (CC CDQ) geht der Frage nach, wie sich aus den rasant zunehmenden Datenmengen gesch盲ftliche Vorteile ziehen lassen. Auf den stellen die Autoren von der Universit盲t Lausanne die Studie erstmals der 脰ffentlichkeit vor.
Es gibt keinen Zweifel: Die Masse der Daten, die im Zuge der zunehmenden Digitalisierung erzeugt werden, nimmt exponentiell zu und erreicht Dimensionen, die noch vor wenigen Jahren unvorstellbar waren. Das , mobile Ger盲te wie Smartphones und Tablets, Soziale Netzwerke, Online-Shops, Autos und Maschinen mit hunderten Sensoren erzeugen t盲glich ein enormes Datenaufkommen. Allein in den letzten zwei Jahren wurden mehr Daten produziert, als in all den vorhergehenden Jahren zusammen; schon 2020 werden mehr als 50 Milliarden Ger盲te mit dem Internet verbunden sein.
Viele Unternehmen stellen sich zuerst die Frage, wie sie die stetig anschwellende Datenflut bew盲ltigen sollen. Wer dabei aber die Daten lediglich als ein notwendiges Mittel zur Abwicklung von Gesch盲ftsprozessen betrachte, verkenne das gewaltige Potenzial, das in ihnen steckt: 鈥濿盲hrend Daten in traditionellen Unternehmen noch eine wichtige, aber vor allem unterst眉tzende Ressource in Gesch盲fts- und Entscheidungsprozessen waren, werden sie in einer zunehmend digitalisierten Welt zu einem Wert an sich, weil sie die unabdingbare Voraussetzung f眉r digitale Gesch盲ftsmodelle und Strategien sind鈥�, schreiben Martin Fadler und Professor .
Ein unternehmensweites Datenmanagement ist noch die Ausnahme
Sie besch盲ftigen sich eingehend mit der Frage, wie es gelingen kann, die Masse der Daten, die unweigerlich auf die Unternehmen zurollt, so zu nutzen, dass aus ihnen Unternehmenswert entsteht. Dabei geht es auch um die Sichtweise: Daten seien keine Last oder nachrangiges Mittel zum Zweck, sondern – in der Terminologie der Studienautoren 鈥� ein 鈥瀒mmaterieller Unternehmenswert鈥� (intangible asset). 鈥濼rotz der zunehmenden Relevanz von Daten im Kontext der Digitalisierung wird bisher in nur wenigen Unternehmen dem Management der Daten die gleiche Aufmerksamkeit zuteil, wie anderen Unternehmenswerten鈥� bem盲ngeln die Autoren.
Vor allem fehle es oft an einer definierten Datenstrategie, die im Einklang mit der Gesch盲ftsstrategie den Wert und die Rolle von Daten aus gesch盲ftlicher Sicht definiert und die Grundlagen f眉r deren Management legt. Gleichzeitig gebe es vielerorts keinen unternehmensweiten Ansatz zum Datenmanagement, der unter anderem Datenprodukte und deren Lebenszyklus definiert und Verantwortlichkeiten f眉r 眉bergreifende Data Assets festlegt.
鈥濧uch wenn sie noch nicht in der Unternehmensbilanz aufgef眉hrt werden, weisen Daten alle Merkmale eines immateriellen Unternehmenswertes auf und sollten nach den gleichen betriebswirtschaftlichen Grunds盲tzen behandelt werden鈥�, so die Studienautoren. Allerdings wird aus Daten nicht automatisch und allein durch deren Vorhandensein ein Unternehmenswert. Sie entfalten ihr Potenzial erst mit einem intelligenten Datenmanagement, das es erm枚glicht, sie kontext-spezifisch in wertsch枚pfenden Szenarien einzusetzen.
Analytics: Wert entsteht erst in der Daten-Wertsch枚pfungskette
Daf眉r haben die Wissenschaftler des das Modell einer ganzheitlichen 鈥濪aten-Wertsch枚pfungskette鈥� entwickelt, das die Wertsch枚pfungsschritte von der Entstehung der Daten bis zu deren Nutzung beschreibt. Dabei k枚nnen die Daten in unterschiedlichen Stadien und Szenarien auf jeweils unterschiedliche Weise ihr wertsteigerndes Potenzial entfalten. Allerdings entsteht Wert nicht dadurch, dass Unternehmen einfach nur mehr Daten sammeln. Wert entsteht dann, wenn Daten in ausreichender Qualit盲t vorliegen und dann auch genutzt werden. Das hei脽t, die Menge der Daten (Volume), die Datenqualit盲t (Data Quality) und die Datennutzung (Data Use) sind zentrale Werttreiber in der Daten-Wertsch枚pfungskette.
Deshalb spielt das Datenmanagement entlang der gesamten Wertsch枚pfungskette eine zentrale Rolle, bei der KI-Algorithmen (k眉nstliche Intelligenz) immer wichtiger werden. Auf der einen Seite dienen sie dazu, das systematische Management und die Kontrolle der Daten zu verbessern. Auf der anderen Seite tragen sie zur intelligenten Automatisierung wiederkehrender Aufgaben bei und haben entscheidenden Anteil daran, durch die tiefe Analyse Erkenntnisse aus den Daten zu gewinnen.
Die Forscher des Competence Center Corporate Data Quality listen eine Vielzahl von Szenarien auf, in denen Daten zur Wertsch枚pfung beitragen, von der Entwicklung digitaler Produkte und Services, der Unterst眉tzung von Entscheidungen und Gesch盲ftsprozessen bis hin zu ausschlie脽lich datengetriebenen Gesch盲ftsmodellen, bei denen Kunden f眉r den Zugang zu aufbereiteten Daten bezahlen. Dadurch werden – intelligent genutzte – Daten zum Treiber und Enabler f眉r 眉bergreifende Ziele, wie Umsatzwachstum, Effizienzsteigerung, Kostenreduktion und Risikominimierung. 鈥濽m diese Vorteile in vollem Umfang auszusch枚pfen, bedarf es aber eines ganzheitlichen Ansatzes, der den unterschiedlichen wirtschaftlichen Wert der Daten in den jeweiligen Wertsch枚pfungsstufen ber眉cksichtigt鈥�, schreiben die Forscher.
ist am (CC CDQ) entstanden. Das Competence Center ist ein Forschungsverbund, der sich in Zusammenarbeit mit der Universit盲t Lausanne und 20 namhafter europ盲ischer Unternehmen mit Datenqualit盲t und unternehmensweitem Datenmanagement besch盲ftigt. Im Mittelpunkt der Forschung steht dabei die Schaffung einer verl盲sslichen und konsistenten Datenbasis f眉r technologische Innovation, Digitalisierung, Prozessharmonisierung in weltweit t盲tigen Unternehmen.
Zus盲tzliche Informationen und Impulse f眉r eine intelligente Datennutzung finden Sie .
