»Neue wertschöpfende Dienstleistungen kombiniert mit Wettbewerbsvorteilen«

Nis Carstensen MIOsoft

Antworten von Nis Carstensen, Niederlassungsleiter Hamburg und Manager Delivery bei der MIOsoft GmbH

Die Analysten sind sich einig: Die Ressource Daten wird für Unternehmen immer wertvoller. Ist das »datengetriebene« Unternehmen das Erfolgsmodell der Zukunft?

Für viele Unternehmen sind Daten schon heute von essenzieller Bedeutung. Dabei wird das enorme Potenzial, das in der holistischen Analyse von Daten steckt, noch nicht einmal richtig genutzt: Wenn mehr Unternehmen wüssten, welche Erkenntnisse sie aus den ihnen zur Verfügung stehenden Daten gewinnen können – und welche Vorteile sich daraus für sie ergäben –, würde das den Wettbewerb völlig verändern. Wahrscheinlich würden ganz neue Geschäftsmodelle entstehen. Immerhin: Wir bemerken bei unseren Projekten und bei unseren Kundengesprächen einen Trend zur digitalen Transformation.

Wovon hängt es ab, wie groß das Nutzungspotenzial einer Menge von Daten ist?

In erster Linie von der Datenqualität. Unternehmen möchten gern bessere Entscheidungen in kürzerer Zeit treffen – dafür benötigen sie korrekte Analysen und verlässliche Vorhersagen. Eine Vorhersage kann aber nur dann verlässlich sein, wenn auch der zugrunde liegende Input verlässlich ist. Das ist wie in der Mathematik: Sind die Ausgangszahlen ungenau, dann ist das Ergebnis ebenfalls ungenau – Garbage in, Garbage out. Letztlich geht es beim Erarbeiten von Vorhersagen ja um Mathematik beziehungsweise um die Anwendung von mathematischen Algorithmen. Big Data ist also nur bei guter Datenqualität nützlich. Jedes Unternehmen, das eine effektive Datenanalyse betreiben will, muss daher im ersten Schritt seine Datenkompetenz entwickeln.

Wie entwickelt man denn seine Datenkompetenz? Anders gefragt: Was ist für die Sicherstellung einer guten Datenqualität wichtig?

Neben der Integrität einzelner Datentöpfe wird die systemübergreifende Integrität, das heißt die Integrität aller relevanten Daten, immer wichtiger. Referenzdaten-Management und Master-Data-Management sind hier die Schlüsselbegriffe. Beides kann aber nur funktionieren, wenn die vorhandenen Daten in ihren Quellsystemen und im systemübergreifenden Kontext entsprechend konditioniert sind. Will man die wesentlichen Datenqualitätsfaktoren – also Aktualität, Vollständigkeit, Korrektheit und referenzielle Integrität – messbar und steuerbar machen, dann geht das nur über die Analyse, die Bewertung und die Aufbereitung der Daten in einem systemübergreifenden Kontext.

Können Sie uns Anwendungsbeispiele nennen?

Bei einem der größten Telekommunikationsanbieter Deutschlands wurde mithilfe der MIOsoft-Lösung »MIOvantage« ein KPI zur Überwachung und zur Steuerung der Datenqualität in den IT-Systemen etabliert – dadurch verbesserten sich Transparenz und Datenqualität erheblich. Dateninkonsistenzen werden jetzt frühzeitig erkannt und können beseitigt werden, ehe sie Kundenauswirkungen haben. Allein im ersten Jahr brachte dies dem Kunden Einsparungen im zweistelligen Millionenbereich. Im Maschinenbau ermöglicht die kontextbasierte Verarbeitung von Maschinen- und Sensordaten neue Geschäftsmodelle, die auf der nutzungsbasierten Leistungsverrechnung und auf der präventiven Wartung von komplexen Maschinen und Fertigungsanlagen beruhen. Der innovative deutsche Mittelstand profitiert davon sowohl im Hinblick auf neue wertschöpfende Dienstleistungen als auch im Hinblick auf Wettbewerbsvorteile.