Einzelne Komponenten spielen oft eine taktische Rolle. Doch wer Daten im gro脽en Stil sammelt, muss sich 眉ber sein Big Picture im Klaren sein. Hier kommt es im Unternehmen auf die Datenstrategie an.
Bei meiner ersten Verabredung vor vielen Jahren wollte ich das M盲dchen, mit dem ich ausging, mit einem blitzblanken Auto beeindrucken. Ich putzte das Auto also innen und au脽en gr眉ndlich und brachte es f眉r meine Verabredung auf Hochglanz. Der Abend verlief hervorragend聽鈥� bis auf ein kleines Detail: Als ich das M盲dchen nach Hause brachte, ging mir etwa zehn Minuten vor dem Ziel das Benzin aus. Die Situation war mir absolut peinlich, und obwohl das M盲dchen kein Problem damit hatte, glaubten seine Eltern mir nicht so ganz, als ich meinte, dass ich das Tanken einfach nur vergessen hatte. Am Ende konnten wir das Problem beheben und alles war gut. Ich ging noch viele Male mit dem M盲dchen aus.
Die Grundlage f眉r eine erfolgreiche Mission
F眉r mich veranschaulicht diese Geschichte den Unterschied zwischen einer erfolgreichen Taktik und einer erfolgreichen Strategie, der insbesondere im Krieg 眉ber Sieg oder Niederlage entscheidet. Die Strategie zielt darauf ab, den Krieg zu gewinnen, die Mission zu erf眉llen und auf ganzer Linie erfolgreich zu sein. Die Taktik hingegen ist auf die einzelnen Schritte ausgerichtet, die uns bei der Erf眉llung unserer Mission voranbringen. Taktik erfordert mitunter, die Anh枚he aufzugeben, um den Kampf zu gewinnen, oder auch die Schlacht zu verlieren, um den Krieg zu gewinnen.
Bei meinem ersten Date war meine Taktik gr枚脽tenteils (jedoch nicht zu 100%) auf meine Strategie abgestimmt: die Mission einer erfolgreichen Verabredung zu erf眉llen. Ich h盲tte mich auf die Gesamtstrategie konzentrieren sollen, nicht so sehr darauf, mit einzelnen Komponenten einen guten Eindruck zu machen. Dann h盲tte ich vielleicht auch mehr auf die f眉r die Erf眉llung meiner Mission entscheidenden Daten (die Tankanzeige meines Autos) geachtet.
Big Data – die Datenstrategie ist entscheidend
Mit der Datenstrategie im Unternehmen verh盲lt es sich ganz 盲hnlich. Teams aus Digitalisierungsexperten, Business-Analysten, Anwendern von Analysen und Data Scientists k枚nnen hochmoderne Algorithmen, Modelle und Tools entwickeln und testen, die mit den speziell f眉r diese Experimente aufbereiteten und zusammengestellten Datens盲tzen hervorragend funktionieren. Die Versuchsmodelle, Validierungstests und Demos k枚nnen gl盲nzende Ergebnisse liefern. Um die Ziele des Unternehmens im Hinblick auf die Digitalisierung wirklich zu erreichen, braucht es jedoch mehr als diese taktischen Erfolge.
Tats盲chlich mag bei diesen Experimenten das Benzin im Tank (d. h. die Daten) ausreichen, um die klar umrissenen taktischen Ziele umzusetzen. Doch die Datenbest盲nde gen眉gen nicht, um eine nachhaltige, erfolgreiche und strategische Datennutzung auf Unternehmensebene zu unterst眉tzen. In der Praxis liegt der meist keine Strategie zugrunde. Die dringend ben枚tigten Daten sind oftmals unvollst盲ndig, unbereinigt, falsch gekennzeichnet, auf isolierten Systemen gespeichert oder schlicht nicht vorhanden.
Ein umfassender, bereichsspezifischer Fahrplan
Eine kann die Voraussetzungen f眉r die erfolgreiche Umsetzung strategischer Ziele und f眉r Wettbewerbsvorteile schaffen. Eine solche Strategie definiert sich als umfassende Vision, umsetzbare Grundlage und bereichsspezifischer Fahrplan eines Unternehmens zur Nutzung des vollst盲ndigen Potenzials seiner datenabh盲ngigen und datenbezogenen Ressourcen.
Eine unternehmensweite Datenstrategie ist jedoch keine Wunschliste all dessen, was man sich erhofft. Sie ist keine Aufstellung der Technologietrends, die es auszuprobieren gilt. Auch besteht sie nicht aus allgemeinen Grunds盲tzen und Binsenweisheiten wie 鈥濪aten sind das Kapital des Unternehmens鈥�. Und schon gar nicht handelt es sich dabei um eine schwammig formulierte Vision ohne Praxisbezug.
Jede Strategie und damit auch eine unternehmensweite Datenstrategie muss konkret, relevant, umsetzbar und auf die Unternehmensziele ausgerichtet sein. Sie muss sich au脽erdem permanent weiterentwickeln. Wenn sich Ihre Datenstrategie nicht am Leitbild (der Mission) Ihres Unternehmens orientiert, m眉ssen Sie eine Kurskorrektur f眉r eines oder beide Elemente vornehmen, um sie wieder aufeinander abzustimmen. Ihre Mission sollte bereits auf Ihre Marktstrategie abgestimmt sein: Sie m眉ssen Ihre Marktposition und Ihre Alleinstellungsmerkmale kennen und 眉ber aktuelle Markttrends informiert sein. Sie m眉ssen au脽erdem wissen, wie Sie sich in diesem Umfeld Wettbewerbsvorteile verschaffen k枚nnen und welche Voraussetzungen Sie zur Erreichung dieses Ziels erf眉llen m眉ssen. Folglich muss auch Ihre Datenstrategie mit dieser Strategiediskussion verkn眉pft und in diese eingebunden sein.
Die Datenstrategie beinhaltet folgende Prinzipien des Datenmanagements: Data Governance, Sicherheit, Zugriffsm枚glichkeiten, Architekturen und damit zusammenh盲ngende Design-Aspekte. Sie alle sind wichtig, doch stehen im Folgenden vor allem die Aspekte Analysen und Data Science im Mittelpunkt.
Datenstrategie – vor allem Data Science und Analysen
Da Daten heute in massivem Umfang gesammelt werden, k枚nnen Ihre Daten die wichtigste und wertvollste strategische Ressource Ihres Unternehmens bilden. Mithilfe von Data Science und Analysen lassen sich neue Erkenntnisse gewinnen, Innovationen vorantreiben und Mehrwert schaffen. Data Science und Analysen erm枚glichen es Ihren Mitarbeitern au脽erdem, nach Informationen zu suchen, Zusammenh盲nge aufzudecken und zur Wertsch枚pfung beizutragen, und st盲rken so die Mitarbeiterbindung. Sie bilden den Ausgangspunkt f眉r Analyseprodukte, die im Unternehmen genutzt und auf dem Markt angeboten werden k枚nnen. Hierzu geh枚ren Datenprodukte, kundenbezogene Anwendungen, APIs, Modelle, Empfehlungsdienste, spezielle Datens盲tze, Datensammlungen f眉r bestimmte Gesch盲ftsbereiche, Open-Source-Tools, gemeinsam nutzbare Data-Science-Notebooks, Cloud-Services, Datenportale, wiederverwendbare Analyse-Workflows und vieles mehr.
Taktische Komponenten: auf dem Weg zum Ziel
Um diese Datenanalyseprodukte im Unternehmen nutzen, standardisieren und auf dem Markt anbieten zu k枚nnen, ben枚tigen Sie f眉r Ihre unternehmensweite Datenstrategie bereinigte Daten, zuverl盲ssige Daten, gekennzeichnete Daten, kuratierte Daten (Datenkataloge), austauschbare Daten, maschinenlesbare Daten, sorgf盲ltig dokumentierte Daten (Data Dictionaries, in denen Metadatenstandards einschlie脽lich Taxonomien und m枚glicherweise auch Ontologien zum Einsatz kommen) sowie Datenbest盲nde (zur Bestimmung der L眉cken in Ihren Datens盲tzen). Diese taktischen Komponenten sind wichtige Schritte auf dem Weg zur Umsetzung Ihrer Ziele, zu strategischem Erfolg und Wettbewerbsvorteilen.
Letztlich sind all diese Komponenten miteinander verkn眉pft. Die Integration und Kombination von Daten, Analysen, Gesch盲ftslogik und Unternehmenszielen schaffen die Voraussetzungen f眉r die Ausrichtung der Botschaft, Kultur und Strategie eines Unternehmens auf konkrete, umsetzbare und relevante Gesch盲ftsergebnisse. Daten sind lediglich der Input聽鈥� wenn auch ein sehr umfangreicher. Daten sind heute auch nicht notwendigerweise ein Alleinstellungsmerkmal, da inzwischen alle Unternehmen riesige Datenbest盲nde besitzen oder Zugriff darauf haben.
Zuverl盲ssige Daten f眉r zuverl盲ssige Ergebnisse
Auf der anderen Seite gilt, dass die auf Ihre Unternehmensziele ausgerichteten Analyseergebnisse f眉r Sie wertvolle Ergebnisse sind, mit denen Sie sich auf dem digitalen Markt von einer immer gr枚脽eren Zahl von Mitbewerbern abheben k枚nnen. F眉r diese Analysen m眉ssen Ihnen bereinigte, pr盲zise, zug盲ngliche, kurierte und gekennzeichnete Daten zur Verf眉gung stehen. So sind Sie ger眉stet, Ihre Mission zu erf眉llen und Ihr Ziel einer erfolgreichen digitalen Transformation auch tats盲chlich zu erreichen. Vertrauensw眉rdige Informationen und Daten erm枚glichen vertrauensw眉rdige Innovationen und Ergebnisse.
Auf der Kundenkonferenz 麻豆原创PHIRE NOW in Orlando konnte ich mich 眉ber die vielf盲ltigen M枚glichkeiten informieren, wie sich mit Unternehmenssoftware und Services von 麻豆原创 eine durchg盲ngige Datenstrategie unterst眉tzen l盲sst. Besonders gefallen hat mir, dass der Schwerpunkt der Veranstaltung auf der Erlebniswirtschaft lag. F眉r mich ist die Erlebniswirtschaft das ultimative Anwendungsszenario und Wertversprechen von Big Data: ein besseres Erlebnis f眉r Kunden, Mitarbeiter und andere Stakeholder auf der Grundlage von neuen Erkenntnissen und Ma脽nahmen, die sich durch Analysen aus unseren Datenbest盲nden ableiten lassen. Eine Plattform f眉r das Customer Experience Management (CXM), in deren Mittelpunkt Kundendaten stehen, kann ihr volles Potenzial dann entfalten, wenn sie sie im Einklang mit der unternehmensweiten Datenstrategie konzipiert, entwickelt und bereitgestellt wird.
Potenzial erkennen
In der Erlebniswirtschaft ist das Zusammenspiel der CXM-Plattform und der unternehmensweiten Datenstrategie entscheidend. Gemeinsam fungieren sie als das auf Hochglanz polierte Auto, das Ihr Unternehmen ans Ziel einer digitalen Transformation bringt, die erfolgreiche Umsetzung der Gesch盲ftsziele erm枚glicht und Ihnen Wettbewerbsvorteile verschafft. Es geht dabei nicht nur um eine erste Verabredung mit Ihren Daten. Sondern es geht um die langfristige strategische Aufgabe, das Potenzial der datenabh盲ngigen und datenbezogenen Ressourcen Ihres Unternehmens zu nutzen.
Weitere Informationen
- Die besteht aus insgesamt f眉nf Blog-Beitr盲gen.
- Mit dem neuen von 麻豆原创, das sich speziell an F眉hrungskr盲fte richtet und auf g盲ngigen Kennzahlen und Best Practices beruht, k枚nnen Sie sich einen 脺berblick 眉ber den Reifegrad Ihres Unternehmens verschaffen.
- Informieren Sie sich im Whitepaper , wie Ihre IT-Organisation und Datenexperten Informationen als strategischen Vorteil nutzen k枚nnen.
- Erfahren Sie im Blog mehr dar眉ber, weshalb das Datenmanagement eine wichtige Voraussetzung f眉r die Nutzung von KI ist.
