Data Maturity: die Business-Perspektive.

Fähigkeiten und Prozesse als wichtige Einflussfaktoren für den Reifegrad von Unternehmen im Hinblick auf Daten

Vor kurzem haben wir bei Merkle eine Studie zum Thema Data Maturity in deutschen und Schweizer Unternehmen veröffentlicht. In einer quantitativen Erhebung mit 200 deutschen und 100 Schweizer Unternehmen aus verschiedenen Branchen haben wir untersucht, wie gut Organisationen bereits heute mit ihren gesammelten Daten umgehen und davon profitieren.

Nachdem wir seit der Veröffentlichung der Studie bereits einige Assessments für weitere Unternehmen durchgeführt haben, konnten wir interessante Erkenntnisse im Hinblick auf die Aufteilung der Dimensionen unseres Modells gewinnen.

Generell können Daten auf verschiedenen Ebenen einen Mehrwert stiften. Wir unterscheiden deshalb zwischen den Perspektiven "Strategie, Technologie und Business". Alle Perspektiven bieten Ansatzpunkte für die Optimierung.

Die drei Perspektiven von Data Maturity
Die Perspektiven "Technology", "Business" und "Strategy" bieten Ansatzpunkte fĂĽr die Optimierung der Data Maturity.

Strategische Perspektive:

Um langfristig Advanced Analytics innerhalb eines Unternehmens zu entwickeln, sollte das Thema sowohl in der Strategie vorgesehen sein, als auch in der Organisation verankert werden. Die strategische Perspektive verbindet also den geplanten Einsatz von Erkenntnissen aus Daten im Wettbewerb mit der aktuellen Verortung der Analyse dieser in der Organisationsstruktur. Die eine Dimension kann ohne die andere nicht effizient weiterentwickelt werden. Ist Advanced Analytics nicht in der Organisation verankert, wird selbst die beste Strategie zu keiner Verbesserung fĂĽhren. Jedoch kann Advanced Analytics wiederum nicht in der Organisation verankert werden ohne eine langfristige Vision, wie durch den gezielten Einsatz von Daten Wettbewerbsvorteile erzielt werden.

Technologische Perspektive:

Die technologische Perspektive betrachtet die Maturität von Unternehmen im Hinblick auf die Dimensionen Daten und Technologie. Beide müssen in Kombination betrachtet werden. Um fortgeschrittene Tools und Technologien zur Analyse von Daten einzusetzen, müssen Daten auch entsprechend gespeichert und verwaltet werden. Optimiert man jedoch blind die Speicherung von großen Datenmengen in einer Organisation ohne die Technologien zu beachten, die diese integrieren und nutzen sollen, behindert man unter Umständen sogar den zukünftigen Einsatz von fortgeschrittenen Technologien zur Analyse von Daten.

Business-Perspektive:

“Ein Unternehmen ist nur so gut wie seine Mitarbeiter”. Leider können jedoch selbst die besten Mitarbeiter mit ideal ausgebildeten Fähigkeiten ohne gut etablierte Business-Prozesse in einem Unternehmen auch nicht viel erreichen. Die Business-Perspektive beschreibt diesen Zusammenhang. Während Mitarbeiter die richtigen Prozesse benötigen, um zur richtigen Zeit den richtigen analytischen Output zu liefern, bringt ein passender Prozess leider nicht viel, wenn Mitarbeiter nicht in der Lage sind Datenanalysen durchzuführen und Entscheidungen darauf zu basieren.

Wechselwirkungen der Perspektiven von Data Maturity
Eine Optimierung innerhalb der Perspektiven "Technology", "Business" und "Strategy" wirkt sich auch auf die jeweils anderen aus.

Jede dieser drei Perspektiven hat einen Wirkung auf die beiden anderen (siehe Abbildung oben). Wird die Business Perspektive gestärkt treibt ein Unternehmen den Wettbewerbsvorteil aus strategischer Perspektive und auch Anforderungen an the technologische Perspektive. Andererseits ermöglicht eine klare Ausrichtung der initiativen zum Einsatz von Advanced Analytics innerhalb der strategischen Perspektive sowohl Innovation und Wachstum im Business als auch Zuverlässigkeit, Leistung und Sicherheit innerhalb der technologischen Perspektive. Diese wiederum ermöglicht die Weiterentwicklung von Datenanalysefähigkeiten und -Praktiken im Business und treibt die Effizienz strategischer Initiativen. 

In dem ersten Teil unserer Blogserie zum Thema “Data Maturity” möchte ich die Business-Perspektive im Detail beleuchten. 

Ein zentrales Ergebnis unserer Studie ist, dass die Datensammlung in vielen Unternehmen zum Selbstzweck wird. Das zeigte sich vor allem darin, dass meist weiterhin Excel in der Analyse von Daten zum Einsatz kommt. 83% der Befragten gaben an mit Excel einen Großteil der Datenauswertung zu bewältigen. Auf Platz 2 und 3 wurde die Nutzung von Cloud-Diensten (53%) und SQL-Datenbanken (46%) angegeben. Diese werden jedoch meist lediglich für die strukturierte und unstrukturierte Speicherung von Daten verwendet und weniger für deren Analyse.

Ergebnis der genutzten Systeme zur Datenanalyse der Data Maturity Studie
Übersicht zu den genutzten Systemen zur Datenanalyse, Quelle: Data Maturity Studie 2020, n=300, Mehrfachantworten möglich

Wieso nutzen die meisten Unternehmen weiterhin lediglich Excel zur Auswertung ihrer Daten?

Auch wenn Excel ein mächtiges Tool ist, so hat es doch seine Grenzen wenn es um die Auswertung von tiefer liegenden Relationen in großen Datenmengen geht. Das Aufdecken dieser Zusammenhänge kann jedoch wichtige Entscheidungen zum richtigen Zeitpunkt stützen. 

Betrachtet man die Ergebnisse unserer Studie in der Business-Perspektive liegen die Gründe auf der Hand. Oftmals fordern Entscheider gar keine Insights ein, oder nur dann, wenn diese zur eigenen Erfahrung passende Ergebnisse zeigen. 30% der befragten Unternehmen gaben an, dass nach wie vor Entscheider zwar Berichte konsultieren, jedoch letzten Endes die Optimierung selbst steuern und Entscheidungen basierend auf Erfahrungen treffen. Und selbst, wenn dies nicht der Fall ist und Entscheider aktiv Reports einfordern, sind teilweise in Unternehmen noch gar keine, oder lediglich grundlegende, analytische Prozesse definiert, die solche Berichte produzieren und liefern (49%). Dementsprechend ist die Erstellung von Analysen und Dashboards für die datenbasierte Entscheidungsfindung sehr aufwändig und nicht praktikabel.

Zusätzlich zu fehlenden Prozessen mangelt es Mitarbeitern häufig an den Fähigkeiten, tiefgehende Auswertungen zu erstellen. Dabei unterscheiden wir zwischen zwei Arten von analytischen Fähigkeiten, die unterschiedliche Mitarbeiter haben sollten.

In Unternehmen herrscht nicht nur ein Mangel an ausgebildeten Datenanalysten sondern auch zu wenig Verständnis für Datenerkenntnisse bei allen anderen Mitarbeitern. 

Zum einen brauchen Unternehmen ausgebildete Analysten, die in der Lage sind die richtigen Daten zu identifizieren, diese innerhalb der Organisation zu beschaffen und daraus Insights zu gewinnen. Diese sind aktuell jedoch eher Mangelware am Markt . In einer Studie von Deloitte gaben Unternehmen beispielsweise für den Bereich Marketing an, dass es nur in 12% der Fälle wirklich leicht war geeignete Datenanalysten für eine Vakanz zu finden. In 22% der Fälle war es schwierig bis sehr schwierig. Der Grund ist, dass Datenanalysten ein breites Kompetenzprofil besitzen müssen. Zum einen wird erwartet, dass Statistik Know-how und Analysefähigkeiten gegeben sind, zum anderen muss auch ein Verständnis für das Geschäft und gleichzeitig ein gewisses IT-Verständnis vorhanden sein.

Zusätzlich zu den Analysten unterschätzen Unternehmen oftmals auch, dass alle anderen Mitarbeiter, die die Berichte von Analysten in Entscheidungen nutzen sollten, ebenfalls ein gewisses Datenverständnis benötigen. 22% der befragten Unternehmen gaben in unserer Studie an, dass nach wie vor Mitarbeiter zwar benötigte Daten identifizieren können, jedoch nicht in der Lage sind mit diesen Daten umzugehen oder auch einfache Statistiken zu interpretieren. Dieses Ergebnis haben wir auch bei Kunden bereits erlebt. Häufig ist dies aber auch nicht das eigentliche Ziel. Analysten sollten idealerweise ja in der Lage sein Daten so aufzubereiten, dass diese leicht verständlich sind für Mitarbeiter anderer Kompetenzfelder. Doch wie wir festgestellt haben, sind diese wiederum am Markt schwer zu finden. Die Katze beißt sich also sprichwörtlich in den Schwanz. 

Und selbst wenn in Unternehmen Erkenntnisse aus Daten in Prozessen routiniert eingebunden werden und gut ausgebildete Datenanalysten zur Verfügung stehen, werden diese häufig durch lange etablierte Organisationsstrukturen oder veraltete Technologien und fehlende Tools in ihrer Arbeit behindert. Dadurch beschäftigen sie sich mehr mit der Beschaffung von Daten innerhalb der Organisation und der effizienten Verarbeitung dieser, als mit der eigentlichen Analyse und Generierung von Insights. Lesen Sie über diese Problematik mehr in unseren nächsten Blog Posts.

Sie möchten den Teufelskreis der Business-Perspektive durchbrechen? Wir empfehlen Ihnen auf externe Experten zu setzen, wenn Sie schnell und nachhaltig erfolgreich sein wollen. Neue Talente werden zwar aktuell an den Universitäten ausgebildet, jedoch wird es noch einige Jahre dauern bis diese genug Erfahrungen sammeln konnten, um Ihre Fähigkeiten in Organisationen gezielt und effektiv einzusetzen. 

Unsere Experten sind nicht nur in der Lage Datenanalysen für Sie durchzuführen, sondern unterstützen Sie auch dabei Optimierungspotential und Anwendungsfälle zu identifizieren, zu lösen und die Erkenntnisse daraus für Mitarbeiter ideal aufbereitet, automatisiert in Prozesse einzubinden.

Unser Kunde Siemens beispielsweise hat das Problem von verstreuten und schwer verständlichen Daten erkannt und gemeinsam mit uns Analytics Unlocked entwickelt. Die Self-Service-Plattform aggregiert Daten aus unterschiedlichen Quellen und gleicht diese mit zuvor gewählten Kampagnenzielen ab. Kampagnenmanager sparen so den Aufwand für die Datensammlung und -zusammenfassung. So treffen sie schnell die richtigen Entscheidungen und planen effektiver ihre Budgets.

Laden Sie sich noch heute die Studie herunter und fragen Sie ein Assessment Ihrer Data Maturity an!