Data-Driven Culture
Stellen Sie sich vor, Sie öffnen morgens Ihre Haustür und davor steht ein nagelneues Fahrrad. Am Lenker hängt ein Schild mit der Aufschrift:
Wahrscheinlich werden Sie sich im ersten Moment wundern. Sie werden sich das Fahrrad ansehen, bei gutem Wetter vielleicht eine Runde drehen – und dann? Wenn Sie ohnehin regelmäßig Rad fahren, werden Sie das neue Gefährt sicher gern nutzen. Wenn nicht, landet es in der Garage, im Keller oder an einem anderen Ort und verstaubt.
So ähnlich läuft es häufig ab, wenn Unternehmen entscheiden, sich zur Data-Driven Company zu entwickeln. Das Thema erscheint auf der Roadmap, man einigt sich darauf, dass man Data-Driven sein möchte – und dann?
*Dieser Fachartikel ist im BI Spektrum erschienen
Was braucht eine Data-Driven Company?
Wir haben es gehört: Ein neues Fahrrad allein reicht für eine Verhaltensänderung nicht aus. Es braucht auch die richtige Umgebung mit einladenden Radwegen – und das Wichtigste: Sie dürfen als Geschäftsführung dazu beitragen, dass Radfahren Spaß macht. Drei Faktoren greifen auf dem Weg zur Data-Driven Company ineinander:
Data-Driven bedeutet Potenziale moderner Technologien zu nutzen, z. B. Künstliche Intelligenz und Machine Learning. Mit performanten und wartungsarmen Systemen steigern Sie Ihre Effizienz.
Welche Informationen benötigt werden, weiß niemand so gut wie die Menschen, die jeden Tag damit arbeiten. Deshalb ist es wichtig, die Fachbereiche so früh wie möglich einzubeziehen. Fachbereichsübergreifende Workshops, in denen die Datengrundlage gemeinsam geplant und priorisiert wird, schaffen Raum zum Austausch. Der Vorteil: Die Fachbereiche sehen die Daten als „ihre Daten“ an und vertrauen der Datengrundlage eher, wenn sie an der Gestaltung beteiligt waren. Probieren Sie es aus! Schnappen Sie sich zum Beispiel ein Thema, das gerade brennt, und überlegen Sie gemeinsam mit den Fachbereichen:
- Welche Informationen benötigen Sie?
- Wie stellen Sie diese Informationen am besten bereit, um die Daten im Analytics-Tool zu nutzen?
- Was kann hier wie kombiniert werden?
- Welche Funktionen sollten besser ausgelagert werden, um Fehlerquellen in den Analysen zu vermeiden?
- Wie können Sie Strukturen vereinfachen?
Wenn Sie die Menschen in den Fachbereiche enablen, Analysen mit Self-Service Business Intelligence durchzuführen, werden Daten dort analysiert, wo sie benötigt werden. Machen Datenanalysen Spaß, bedarf es keiner weiteren Aufforderung und Daten können über alle Abteilungen hinweg für fundierte Entscheidungen genutzt werden.
Ein Tool für alle?
Angesichts der vielen Unterschiede stellt sich die berechtigte Frage: Ist es überhaupt möglich, ein Rad oder Tool für alle zu finden? In unserem Fall ein Analytics-Tool, das von allen Persönlichkeiten angenommen und gern benutzt wird?
Ja, es ist möglich – wenn auch nicht so leicht. Deshalb ist es wichtig, bei der Suche nach dem gemeinsamen Nenner ein paar Dinge zu beachten:
Achten Sie auf die Nuancen der Tools. Visualisieren kann jedes, doch das eine Tool ist eher als Plattform aufgebaut und fördert die Kollaboration, während das andere herausragend in der Datenaufbereitung ist.
Bevor Sie ein Tool auswählen, erstellen Sie einen Bewertungskatalog, in dem Sie die Bausteine so gewichten, wie es zur Persönlichkeitsstruktur in Ihrem Unternehmen passt. Mit der daraus entstandenen Bewertungsmatrix können Sie dann mehrere Tools vergleichen und das Werkzeug auswählen, das am besten zu Ihnen passt.
- Typ Downhill:
Menschen, die gerne Downhill fahren, schrecken nicht vor holprigen Strecken zurück und suchen sich selbstständig ihren Weg. Solche Leute gilt es im Analytics-Bereich zu identifizieren. Es sind die, die sich gut auskennen in der Datenwelt. Sie lieben Analytics, kennen die Daten und wagen sich auch an komplexe Analysen, vielleicht sogar an Data Science heran. Sie können dabei helfen, das neue Analytics- Tool auszuwählen und einzuführen – ein Tool, mit dem sich auch schwierige Fragestellungen einfach umsetzen lassen und das Flexibilität bietet, sei es bei der Anbindung neuer Datenquellen, dem Berechnen von Formeln oder dem Einbinden von Machine Learning. Außerdem sind diese Mitarbeitenden in der Lage, andere zu unterstützen und eine Coaching-Rolle einzunehmen. • Typ Mountainbike: Andere Fortgeschrittene zieht es aufs Mountainbike. Ihnen geht es weniger um Geschwindigkeit, stattdessen nehmen sie die Strecke querfeldein und über den Waldparcours, wo sie die Natur genießen und sich in ihrer Umgebung gut auskennen. Diese Mitarbeiter sind darauf bedacht, wohlgestaltete und - Typ Mountainbike:
Andere Fortgeschrittene zieht es aufs Mountainbike. Ihnen geht es weniger um Geschwindigkeit, stattdessen nehmen sie die Strecke querfeldein und über den Waldparcours, wo sie die Natur genießen und sich in ihrer Umgebung gut auskennen. Diese Mitarbeiter sind darauf bedacht, wohlgestaltete und qualitätsgesicherte Dashboards und Analysen zu erstellen. Sie brauchen Datenquellen, die sich leicht einbinden lassen, und gute Visualisierungsmöglichkeiten. Auch Storytelling-Funktionalitäten können hier von Vorteil sein, kurz: alles, was hilft, Daten für andere aufzubereiten und Artefakte zu teilen. Von diesen wohlgeformten Dashboards profitieren dann vor allem Leute, die nicht so Analytics-affin sind. - Typ Rennrad:
Wieder andere bevorzugen das Rennrad, weil es ihnen vor allem darum geht, schnell von A nach B zu kommen, mit windschnittiger Kleidung und auf glattem Asphalt. Wenn es um die Datenanalyse geht, braucht dieser Typ zeitnahe und gut vorbereitete Informationen. Dashboards mit den wichtigsten KPIs und einer gewissen Flexibilität sind ihnen wichtig. Darüber hinaus möchten sie in der Lage sein, schnell und einfach in die Tiefe zu gehen – sei es durch Drillfunktionalitäten oder durch einfache Ad-hoc-Analysen. - Typ Citybike:
Eine weitere typische Gruppe steigt am liebsten auf ein Citybike. Sie haben die Vorteile des Fahrradfahrens für sich erkannt, nutzen das Rad aber nicht zum Spaß, sondern lediglich als praktisches Hilfsmittel. Diese Beschäftigten stellen in vielen Unternehmen die größte Gruppe dar. Wenn es um Datenanalysen geht, möchten sich diese Personen darauf verlassen, dass die wichtigsten Informationen in guter Qualität aufbereitet wurden. Sie lieben vorgefertigte Dashboards und Analysen. Da sie aber nicht so geübt sind, haben sie es gern so einfach wie möglich. Wenn es ein paar Filtermöglichkeiten gibt, ist ihnen das flexibel genug. - Typ No-Bike:
Dann gibt es auch noch Mitarbeitende, die sich selbst nicht auf ein Fahrrad setzen möchten. Sie bevorzugen ihre Daten mundgerecht, indem sie beispielsweise einen Export per E-Mail erhalten. Bei dieser Nutzergruppe erwartet Sie wahrscheinlich die größte Herausforderung. Denn Ihr Ziel sollte es sein, auch diese Leute zur Nutzung des neuen Tools zu bewegen, zumindest auf dem Level des Citybikes.
Neugierig, wie es weitergeht?
Nehmen Sie Kontakt zu uns auf
