Die datengetriebene Unternehmenskultur im Spotlight

Arbeit mit Daten – was hat das mit Kultur zu tun? Erfahre hier warum es wichtig ist, die Nutzung von und die Arbeit mit Daten von einer kulturellen Seite zu beleuchten und wie eine Kultur geschaffen werden kann, die beides fördert und fordert. Was ist nun eine datengetriebene Unternehmenskultur und worauf kommt es an?

Daten sind die neue Weltwährung. Sie müssen gesammelt, gemanagt und genutzt werden, um die riesigen Potenziale ausnutzen zu können, die im Zeitalter der Daten erfolgreiche von weniger erfolgreichen Unternehmen unterscheiden. Die Realität sieht aber oft anders aus: In Unternehmen werden Daten in durchschnittlich 17 verschiedenen Tools gespeichert und verwaltet. Dazu kommt, dass diese Systeme häufig nicht miteinander verbunden oder konsolidiert sind. Es fehlt oft an einer zentralen Datenbasis, auf deren Grundlage fundierte Entscheidungen getroffen werden könnten.

Grundsätzlich gilt aber: Die Entwicklung hin zu einem datenbasierten Unternehmen scheitert meist nicht an der Technologie alleine, sondern vielmehr an kulturellen Hindernissen. Die Rolle von Daten muss im Unternehmenskern, der Unternehmenskultur und der Strategie verankert sein. Dies wird nicht durch die Einführung einer neuen Unternehmenssoftware erreicht, sondern viel mehr durch eine Veränderung im Mindset des Managements und aller Mitarbeiterinnen und Mitarbeiter. Dieser Paradigmenwechsel ist eine gewaltige Herausforderung für Unternehmen. Aber wie kann man diese Veränderung meistern?

In einem Harvard Business Review Artikel beschreibt David Waller, wie mit zehn Maßnahmen ein derartiger Paradigmenwechsel hin zu einer datenfreundlichen Unternehmenskultur erreicht werden kann

1. Topmanager gehen mit gutem Beispiel voran

Entscheidungen müssen auf Ebene des Topmanagements daten- und evidenzbasiert erfolgen.

2. Kennzahlen klug und mit Sorgfalt wählen

Kennzahlen müssen taktisch klug gewählt werden, sodass sie einen wirklichen Mehrwert für Ihr Unternehmen bieten. Es bedarf an Transparenz über welche Konsequenzen diese Kennzahlen für die Arbeit der MitarbeiterInnen haben.

3. Data Scientists im Unternehmen integrieren

Es ist wichtig, dass Data Scientists und das restliche Unternehmen Hand in Hand arbeiten. Das Fachwissen der sonstigen Abteilungen muss mit dem technischen Know-How der Data Scientists verschmelzen. MitarbeiterInnen sollten in der Lage sein, die Sprache der Data Scientists zu sprechen – und vice versa.

4. Probleme beim Datenzugriff geheben

Ein grundlegendes Problem in vielen Unternehmen ist, dass MitarbeiterInnen zu wesentlichen Daten keinen Zugang haben. Durch entsprechende Datenschutz- und Zugriffslogiken muss sichergestellt werden, dass MitarbeiterInnen Zugriff auf die Daten haben, die sie für ihre Arbeit benötigen. So können Ineffizienz, Frust und Demotivation vermieden werden.

5. Unsicherheit quantifizieren

Bei der Arbeit mit Daten ist deren Qualität und die Zuverlässigkeit der Schlussfolgerungen erfolgsentscheidend. Daher sollten Unsicherheiten und Schwächen von Daten reflektiert werden. Erstens: Sind die Datenquellen zuverlässig und die Daten selbst vollständig? Zweitens: Werden Unsicherheiten und Schwächen in der Analyse berücksichtigt. So können Modelle noch einmal kritisch auseinandergenommen werden. Und drittens: Experimente sollten durchgenommen werden, damit Szenarien berechnet werden können, bevor weitreichende Änderungen vorgenommen werden.

6. Machbarkeitsstudien aufsetzen – nicht perfekt und ausdefiniert, sondern einfach und robust

Entwicklung von datenbasierten „Proofs of Concept“, welche die prinzipielle Durchführbarkeit von Vorhaben belegen können. Später kann das Vorhaben noch immer verfeinert werden. Es sollte Schritt für Schritt vorgegangen werden.

7. Rechtzeitige spezialisierte Aus- und Fortbildungen anbieten

Viele Unternehmen investieren in “Big Bang”-Schulungen ohne einen Bezug zu den Kenntnissen und Fertigkeiten, die aktuell im Unternehmen benötigt werden. MitarbeiterInnen sollten geschult werden bevor diese die Kenntnisse benötigen. Ergänzend dazu sollten grundlegende Fertigkeiten, wie z.B. Grundlagen des Programmierens, Teil einer allgemeinen Ausbildung sein.

8. Analysen verwenden – auch um MitarbeiterInnen zu unterstützen

MitarbeiterInnen müssen für den Umgang mit Daten begeistert werden. Dies kann man nicht mit abstrakten Darstellungen und Versprechungen schaffen. Es ist klar darzustellen, was der Mehrwert im Umgang mit Daten für die einzelnen Stakeholder ist. Zeitersparnisse, die Vermeidung von Nacharbeiten, Automatisierungen oder einfache Reports sind da nur Beispiele. MitarbeiterInnen sollten mit verschiedenen Change- und Kommunikationsinterventionen begleitet und begeistert werden.

9. Flexibilität gegen Kontinuität tauschen – zumindest kurzfristig

In vielen Unternehmen gibt es unterschiedliche Progammierstandards und –sprachen. Für Analysen ist dies ein großes Problem, da Übersetzungen aufwändig und teuer sind. Aus diesem Grund sollten einheitliche Kennzahlen und Programmiersprachen gewählt werden.

10. Entscheidungen begründen und reflektieren

Bei der Lösung von Problemen gibt es selten nur einen einzigen Ansatz. Entscheidungen von Data Scientists werden häufig auf Grundlage von unterschiedlichen trade-offs getroffen. Aus diesem Grund ist es sinnvoll Teams über ihre Herangehensweise bei Problemlösungen zu befragen. Damit schärft man das Bewusstsein und Verständnis, auch Alternativen in Betracht zu ziehen und grundlegende Annahmen zu überdenken.

Fazit

Eine datengetriebene Unternehmenskultur zu entwickeln, welche die Nutzung von und Arbeit mit Daten fördert und fordert, bedeutet Veränderung! Dieser Wandel kann durch geeignetes Change Management sowie Kommunikationsmaßnahmen begleitet werden. Dabei werden die einzelnen Aktivitäten und Maßnahmen zielgerichtet auf die Stakeholder zugeschnitten, um diese bestmöglich bei dieser Veränderung zu unterstützen.

Claudia Stingl

Manager
MarTech & Data Analytics