Ob ein Unternehmen die digitale Transformation erfolgreich gestaltet, hängt vor allem davon ab, wie gut oder schlecht es mit Daten umgeht. Fortschritte gibt es schließlich nur mit einer konsistenten Daten- und Analytics-Strategie.
Viele Unternehmen nehmen zurzeit strukturelle Veränderungen vor, um eine sogenannte Data-driven Company zu werden. Das bedeutet nichts anderes als dass sie die eigenen Datenbestände konsequent nutzen, um so neue Chancen und Möglichkeiten für ihre Geschäftsprozesse zu erschließen.
Dazu gehört unter anderem der Einsatz von neuen KI- und ML-Lösungen oder Datenanalyseplattformen in Zusammenhang mit bestehenden Data-Leaks. Start-ups haben hier meist Vorteile, da sie von Anfang an mit dieser Architekturvorgabe arbeiten.
Strategische Datennutzung senkt Kosten und macht flexibel
Daten spielen für viele Unternehmen seit jeher eine zentrale und wichtige Rolle. Häufig bilden Informationen wie Verkaufsdaten oder Kundeninformationen bereits die Grundlage für Entscheidungsfindungen oder Prozessentwicklungen. Im Handel müssen Retailer beispielsweise einerseits eine große Menge an Daten laufend verarbeiten können und andererseits auch im täglichen Business auf Veränderungen mit Daten reagieren.
Doch es gibt immer noch viele Unternehmen, die dieses Potenzial nicht nutzen. Eine Studie von Forrester zeigt zum Beispiel, dass bis zu 73 Prozent der Daten von Unternehmen nicht verwendet werden. Viele verschiedene Informationen zu haben, reicht allerdings auch nicht aus. Es gilt diese auch systematisch und methodisch richtig zu nutzen und in die Prozesse integrieren zu können, damit sie auch einen Mehrwert für die Organisation, die Anwender und die Kunden bringen.
Data-driven Unternehmen oder solche, die es werden möchten, sehen die Daten hingegen als ein strategisches Element, das allen Mitarbeitern zugänglich gemacht wird, sobald es benötigt wird. Verfügt jede Mitarbeiterin und jeder Mitarbeiter über den entsprechenden Zugriff, lassen sich Entscheidungen rasch und dort, wo sie benötigt werden, fällen. Das hilft Unternehmen, flexibel zu bleiben. So erlauben eine hohe Datenqualität und die rasche Datenverfügbarkeit, schnell auf Marktveränderungen zu reagieren und Kosten zu sparen. Als Voraussetzung gilt aber, dass es für die Daten nur eine Quelle gibt und Datensilos vermieden werde.
Passende KI-, ML- und Analytics-Lösungen wählen
Um als etabliertes Unternehmen mit einer bereits gut vernetzten und umfangreichen IT-Architektur ein datengetriebenes Geschäftsmodell aufzubauen, gilt es die relevanten Prozesse neu zu organisieren. Dabei gibt es nicht den einen richtigen Weg zur Data-driven Company – jedes Unternehmen steht vor einem anderen Kontext und anderen Herausforderungen, die den Gesamtprozess beeinflussen.
Zunächst geht es vor allem darum, Daten zu teilen und nutzbringend einzusetzen. Außerdem gilt es, die Struktur der Daten mit einem Enterprise-Data-Model abzubilden und Rollen sowie Verantwortlichkeiten für die Informationen festzulegen, sogenanntes Data Governance – beispielsweise mit „Data Stewardship“ oder „Data Ownership“.
Die Enterprise-Architektur muss dabei auch in Richtung Data-driven adaptiert werden, das heißt Datenquellen definieren und Verteilermechanismen etablieren. Die Verantwortung für die Daten liegt also nicht mehr beim Erzeuger, sondern beim Empfänger. Für all diese Schritte sind die richtigen KI-, ML- und Analytics-Lösungen auszuwählen. Denn sie müssen die Anforderungen des Business erfüllen können und einfach in die vorhandene Architektur integrierbar sein.
Christian Hager ist Managing Director von retailsolutions Austria.
