Kommentar von David Sweenor, Alteryx Datenanalytik – so kann der Mittelstand jetzt einsteigen

Anbieter zum Thema

Disy Informationssysteme GmbH

INFOMOTION GmbH

Fivetran Germany GmbH

Alteryx DACH Regional Office

Jedes Unternehmen verfügt über Daten in riesigen Mengen – und der Mittelstand ist da keine Ausnahme. Schon heute erzeugt jeder Mensch im Durchschnitt über ein Gigabyte täglich, Tendenz steigend. Laut Statistik werden jedoch nur zwei Prozent der generierten Daten tatsächlich gespeichert. Das bedeutet, dass ihr großes Potenzial zur Aufbereitung und Analyse für neue Erkenntnisse verloren geht. Aber selbst wenn Informationen im System verbleiben, sind sie oft in Tabellenkalkulationen versteckt, die nur schwer zu analysieren sind.

Ebenso können Datensätze in unterschiedlichen Silos oder auf den Computern einzelner Mitarbeiterinnen und Mitarbeiter gespeichert sein, die sie in einer Zeit dort ablegten, als es noch keine robuste Infrastruktur für die gemeinsame Nutzung von Daten gab.

Da nur ein Bruchteil der Geschäftsdaten für das gesamte Unternehmen zugänglich ist, ist es unmöglich, das gesamte Potenzial dieser Daten für alle geplanten und künftig relevanten Geschäftsentscheidungen auszuschöpfen. Obwohl Daten und Analysen die Zukunft bestimmen, tun sich viele mittelständische Unternehmen schwer damit, Datenaktivitäten zu operationalisieren. Entweder, weil es als zu schwierig angesehen wird, Daten aus den über Jahrzehnte gewachsenen Silos zu befreien oder weil die Nutzung von Daten oft mit komplexen Data-Science-Buzzwords assoziiert wird, was zu einer erheblichen Wahrnehmungslücke führt.

Führungskräfte glauben, dass Data Science zwar äußerst wertvoll für das Unternehmen, in der gegenwärtigen Wirtschaftslage aber letztlich unerreichbar ist. Das ist jedoch ein Irrglaube. Richtig eingesetzt, sind Daten der Treibstoff, der benötigt wird, um geschäftliche Erkenntnisse zu gewinnen. Data-Science-Projekte müssen nicht teuer sein, sich nicht auf komplexe Technologien stützen oder nur Probleme im Wert von mehreren Millionen Euro lösen, um das Geschäft zu verbessern.

Auch wenn das Zögern auf den ersten Blick also verständlich ist, sind datengestützte Erkenntnisse mit der richtigen Herangehensweise für jedes Unternehmen greifbar – und zwar unabhängig von seiner Größe. Infolgedessen können Führungskräfte, die in der Lage sind, datengestützte Entscheidungen auf der Grundlage von Echtzeitinformationen zu treffen, ihre geschäftskritischsten Probleme lösen, innovative Lösungen schaffen und ihre Prozesse verbessern. Dank datengestützter Echtzeit-Einsichten ist der deutsche Mittelstand besser in der Lage, Unwägbarkeiten vorherzusagen und zu bewältigen und gleichzeitig sicherzustellen, dass Unternehmen für die Zukunft besser gerüstet sind. Auch wenn es bei vielen noch Zweifel gibt, sollte man bedenken, dass die Konkurrenz, die bereits jetzt datengestützte Erkenntnisse in den Mittelpunkt ihrer Entscheidungsfindung stellt, auch in Zukunft einen Schritt voraus sein wird. Die gute Nachricht ist, dass der Einstieg in die Datenanalyse nicht so kompliziert und teuer ist, wie viele vielleicht denken.

Herausforderungen, die es zu überwinden gilt

Deep Learning, neuronale Netzwerke, Künstliche Intelligenz: Wenn es um Datenanalysen geht, wird häufig ein Jargon verwendet, der diese komplizierter erscheinen lässt, als sie in Wahrheit sind. Und genau das ist der Grund, weshalb viele mittelständische Unternehmen an der technischen Seite der Datenwissenschaft hängen bleiben. Um dieses Problem zu lösen, ist es wichtig, dass sie ihren Blick über die Technologie hinauslenken und sich stattdessen auf die Kernprinzipien konzentrieren. Tatsächlich müssen Datenanalysen nicht teuer sein – und sie müssen auch nicht auf Anhieb geschäftliche Herausforderungen im Wert von einer Million Euro lösen. Es reicht völlig aus, mit kleinen Projekten zu beginnen, die anfangs sogar ganz leicht mithilfe einfacher Tabellenkalkulationen durchgeführt werden können.

Ist dieses erste Missverständnis überwunden, gibt es jedoch einen weiteren wichtigen Meilenstein, der gelegt werden muss – und das ist die Entwicklung einer positions- und abteilungsübergreifenden Datenkultur. Vor allen anderen muss die Führungsebene die Datenanalysen als Standardverfahren akzeptieren. Das fällt sicher nicht allen leicht, immerhin wird in hierarchisch geführten Betrieben vieles noch nach Bauchgefühl und jahrzehntelanger Erfahrung entschieden. Um datenbasierte Handlungsempfehlungen ableiten zu können, muss sich die Chefetage von genau diesen traditionellen Mustern freimachen. Anders kann und wird der Wandel nicht funktionieren.

Ängste werden durch Datenkompetenz ersetzt

Im nächsten Schritt ist es nicht mehr nur die Führungsebene, der eine zentrale Rolle zukommt. Damit sich die Arbeit mit Daten tatsächlich positiv auf die Geschäftserfolge auswirken kann, müssen alle an einem Strang ziehen. Das bedeutet: Datenanalysen müssen zu einem festen Bestandteil der täglichen Arbeit werden – allerdings nur dort, wo es auch wirklich Sinn ergibt. So lässt sich zum Beispiel darüber streiten, ob das Kassenpersonal eines Kaufhauses wirklich von Datenanalysen profitieren würde. Bei den Kolleginnen und Kollegen, die hinter den Kulissen im Büro arbeiten, ist die Sachlage eine völlig andere. Dennoch müssen alle Mitarbeiter gleichermaßen verstehen, wie wichtig Daten für den Erfolg des Unternehmens sind. Schließlich kann es auch für die Ergebnisse der Analysen ausschlaggebend sein, ob an der Kasse normale Bananen oder Bio-Bananen abgerechnet wurden.

Nur dann, wenn diese Kultur über das gesamte Unternehmen hinweg etabliert wird, haben alle Teams die Chance, ihre Datenkompetenz auszubilden, sich mit den neuen Methoden anzufreunden und – ganz wichtig – die Hemmung zu verlieren. Das gesamte Unternehmen sollte Datenanalysen als ein wichtiges Werkzeug verstehen, das in seiner Grundlage nicht menschlicher sein könnte. Denn im Grunde helfen moderne Technologien nur dabei, Informationen sehr viel schneller auszuwerten, als der Mensch selbst im Stande wäre. Die Mechanismen dahinter sind jedoch kein Hexenwerk, sondern werden genauso von jedem und jeder täglich zu Rate gezogen – zum Beispiel, wenn es darum geht, einer Freundin ein Buch zu empfehlen oder in der Drogerie eine Flasche Shampoo auszuwählen.

Die richtigen Probleme identifizieren

Oft haben Unternehmen eine ganz konkrete Vorstellung davon, welche Art von Problemen sie mithilfe von Datenanalysen lösen möchten. Da diese aber ebenfalls häufig allein auf einem Bauchgefühl beruht, lohnt es sich, zunächst die Probleme zu identifizieren, die es sich zu lösen lohnt. Doch wie findet sich das „richtige“ Problem? Bei der Beantwortung dieser Frage macht es nur wenig Sinn, nach links oder nach rechts zu schauen. Hierbei handelt es sich um eine sehr individuelle Aufgabe, für die jedes Unternehmen verschiedene Faktoren beleuchten muss: Menschen, Prozesse, bisher verwendete Technologien oder sogar geografische Besonderheiten. Um sich nicht zu verrennen, ist es für den Mittelstand deshalb ratsam, das Pferd von hinten aufzäumen: Zuallererst sollte die zu treffende Geschäftsentscheidung verstanden werden. Ist dies geschehen, können kleinere und mittelgroße Unternehmen sich von diesem Punkt aus rückwärts vorarbeiten. Das gibt ihnen die Chance, klein zu beginnen und groß zu skalieren.

Damit das in der Praxis funktioniert, sind leicht zu bedienende Tools das A und O. Die Einführung einer übergreifenden Datenkultur, an die sich alle Mitarbeiterinnen und Mitarbeiter halten müssen, ist schon herausfordernd genug. Deshalb sollten Unternehmen auf keinen Fall die Akzeptanz gefährden, indem sie Analysewerkzeuge einsetzen, die kaum jemand versteht. Um wirklich einen praktischen Mehrwert aus Daten zu generieren, mit dessen Hilfe auch mittelständischen Unternehmen der Anschluss als international agierende Konzerne gelingt, müssen alle Barrieren, die bisher zwischen Personal und Technologie bestanden, eingerissen werden. Ist dieser Grundstein gelegt, können in den einzelnen Abteilungen mithilfe von Self-Service-Tools Lösungen für Probleme gefunden werden, deren Existenz bis dato vielleicht noch gar nicht bekannt war.

(ID:48495950)