Ironie des Informationszeitalters – Weniger Erkenntnisse trotz Datenüberfluss

Je mehr Daten einem Unternehmen und dessen Mitarbeitern zur Verfügung stehen, desto einfacher sollte es sein, fundierte Geschäftsentscheidungen zu treffen. Doch oft ist das Gegenteil der Fall. Gründe dafür sind unter anderen »Daten-Silos« und eine unzureichende Datenqualität. Abhilfe schaffen Business-Intelligence-Tools, die solche Schwachstellen eliminieren.

Daten und deren Analyse haben sich zu Ressourcen entwickelt, die jedes Unternehmen »schürfen« kann. Dennoch hat sich dadurch die Qualität von Geschäftsentscheidungen nicht zwangsläufig verbessert. Ein Grund ist, dass die Datenmengen exponentiell zunehmen, die darauf basierenden Erkenntnisse aber nicht. Doch solche verwertbaren Informationen sind gewissermaßen die »Goldnuggets«, die durch eine Analyse von Daten zutage gefördert werden. Sie lassen sich nutzen, um bessere Entscheidungen zu treffen. Allerdings gibt es vier Faktoren, die es erschweren, aus der Fülle von Rohdaten nützliche Erkenntnisse zu gewinnen.

1. Komplexe Business-Intelligence-Tools und begrenzter Zugang zu Deep-Analytics-Technologien

Traditionelle Business-Intelligence-Werkzeuge (BI) sind oft hoch komplex. Daher hatten bislang meist nur wenige Spezialisten Zugang zu solchen Tools und den »Insights«, die sie durch die Analyse von Daten erzielten. Das ändert sich durch BI-Werkzeuge, die Nutzer nach dem Selbstbedienungsprinzip implementieren können. Dadurch erhalten User Zugriff auf alle Datenbestände im Unternehmen und können selbstständig verwertbare Informationen gewinnen und sie mit Kollegen in anderen Bereichen teilen. Außerdem ermöglichen es solche Tools, auf Basis konsistenter Daten Entscheidungen zu treffen.

Wesentliche Bestandteile solcher BI-Werkzeuge sind Deep-Analytics-Technologien. Dazu zählt die Identifizierung relevanter Daten (Data Discovery). Sie erlaubt es, komplexe Datenbestände nach bestimmten Mustern zu durchsuchen. Hinzu kommen Verfahren für eine intuitive visuelle Analyse (Visual Analytics) von Informationsbeständen.

2. Unzureichende Qualität von Geschäftsdaten

Damit ein Unternehmen die »richtigen« Entscheidungen treffen kann, müssen Informationen von guter Qualität sein. Sonst droht die Gefahr, dass Unternehmensentscheidungen fehlerhafte Annahmen zugrunde liegen. Kriterien einer hohen Datenqualität sind die Genauigkeit, Vollständigkeit und Einzigartigkeit (keine Dubletten) von Daten, außerdem ihre Relevanz und Vertrauenswürdigkeit. Ein weiteres Qualitätsmerkmal ist die Interoperabilität, also die Möglichkeit, Informationen auf unterschiedlichen Systemen und Plattformen zu nutzen.

Für Unternehmen ist daher die Qualität von Datenbeständen von strategischer Bedeutung. Sie sollten daher Zielvorgaben für die Datenqualität erarbeiten, die sich an den Geschäftszielen orientieren. Außerdem ist es hilfreich, Tools und Regelwerke (»Policies«) bereitzustellen, mit deren Hilfe Mitarbeiter diese Vorgaben umsetzen können.

Business-Intelligence-Applikationen, etwa für die Abrechnung (Invoice), die Kundenbetreuung (Contact) und den Vertrieb (SalesIQ), sollten auf dieselbe Datenbasis zurückgreifen. Nur dann sind bereichs- und abteilungsübergreifende Datenanalysen möglich.

Abbildung: Business-Intelligence-Applikationen, etwa für die Abrechnung (Invoice), die Kundenbetreuung (Contact) und den Vertrieb (SalesIQ), sollten auf dieselbe Datenbasis zurückgreifen. Nur dann sind bereichs- und abteilungsübergreifende Datenanalysen möglich.

3. Verteilung von Daten über die gesamte Organisation hinweg

Die meisten Unternehmen und Organisationen nutzen unterschiedliche Geschäftsanwendungen, etwa im Vertrieb, dem Marketing, dem Finanzwesen und in der Personalabteilung. Wenn diese Applikationen nicht in der Lage sind, untereinander Daten auszutauschen, bilden sich Datensilos. Das hat einen unerwünschten Effekt: Mitarbeiter können nicht nachvollziehen, ob beziehungsweise auf welche Weise sich Änderungen von Daten und Informationsbeständen in einem Geschäftsbereich auf andere Aktivitäten auswirken.

Dazu ein Beispiel: Kann eine Vertriebssoftware mit der Marketing-Applikation kommunizieren, entsteht dadurch ein breiter Informationskontext. Dieser macht es einfacher, relevante Entscheidungen zu treffen. So lassen sich die Daten von Marketing-Aktivitäten, etwa einer E-Mail-Werbekampagne, mit den Verkaufszahlen während des betreffenden Zeitraums abgleichen. Wie erfolgreich die Kampagne war, kann daher mit zwei unterschiedlichen Systemen nachgeprüft werden. Marketing-Verantwortliche haben die Möglichkeit, auf Basis dieser Resultate ihre Entscheidungen zu überprüfen, ob weitere E-Mail-Aktionen durchgeführt werden sollen.

Die Voraussetzung für solche bereichsübergreifenden Analysen ist eine BI-Software, die Daten aus unterschiedlichen Quellen auf effektive Weise erfasst, zusammenführt und analysiert. Nutzer können dadurch frühzeitig Trends erkennen, daraus Erkenntnisse ableiten und zeitnah strategische Entscheidungen treffen. Diese Optionen sind ist in der heutigen Geschäftswelt unverzichtbar.

4. Fehlen einer auf Daten basierenden Unternehmenskultur

In einer datenbasierten Organisation bestimmen Informationen und Daten, welche Entscheidungen getroffen werden. Ob sich ein Unternehmen in diese Richtung entwickelt und eine effektive Datenstrategie umsetzt, hängt oft stärker von kulturellen Faktoren ab als von technologischen Entscheidungen. Eine datenbasierte Unternehmenskultur kombiniert Prozesse, Technologien und Mitarbeiter zu einer Umgebung, in der Informationen die Entscheidungsfindung nachhaltig unterstützen. Das setzt einen einfachen Zugang zu solchen Daten und eine hohe Verfügbarkeit dieser Informationsbestände voraus.

Es reicht allerdings nicht aus, einfach ein paar BI-Tools zu implementieren, um eine solche Unternehmenskultur zu schaffen. Dazu sind ergänzende Bemühungen erforderlich. Zunächst sollte ein Unternehmen »Sponsoren« und interne »Champions« definieren. Deren Aufgabe ist es, Prozesse und Maßzahlen zu definieren, die sich an den Prioritäten des Unternehmens orientieren. Außerdem sollten diese »Führungsspieler« den Mitarbeitern in Abteilungen wie Vertrieb, Marketing und Finanzwesen zeigen, wie sie Unternehmensdaten generieren, verarbeiten und nutzen können. Dabei darf der Aspekt nicht zu kurz kommen, welche Auswirkungen Daten und deren Analyse auf die Entscheidungen der Mitarbeiter haben.

Fazit. Mehr Daten bedeutet nicht automatisch mehr Wissen, vor allem dann, wenn diese Informationen nicht in einen übergreifenden Kontext einbezogen werden können. Die Folge ist, dass sich Dateninseln im Unternehmen bilden – ein unhaltbarer Zustand, insbesondere vor dem Hintergrund der digitalen Transformation in vielen Branchen. Umso wichtiger ist es, frühzeitig damit zu beginnen, die vier genannten Hindernisse aus dem Weg zu räumen und die Basis für eine optimierte Entscheidungsfindung zu schaffen.


Sridhar Iyengar,
Vice President –
Product Management,
Zoho Corp.

 

 

Illustration: © igor kisselev/shutterstock.com

Weitere Artikel zu