Welche Datenstrategie ist die beste?

Die Studie im Überblick

Die Analyse kommt zu dem Ergebnis, dass fünf Themen die Eckpfeiler jeder Datenstrategie bilden und über den Erfolg entscheiden. 

1. Die Organisationsstruktur 
Die Organisationsstruktur und Governance für Data & Analytics (D&A) zeigt, wie eine Organisation mit ihren Ressourcen und Aktivitäten in diesem Bereich umgeht, an welchen Datenprojekte die Mitarbeiter:innen aktuell arbeiten, wie die Zusammenarbeit funktioniert und wie die Daten-Governance strukturiert ist. 

Die meisten Unternehmen starten mit einem dezentralen Ansatz und entwickeln dann sukzessive einen zentralen Ansatz für den Bereich Data Science. Im Hub-and-Spoke-Ansatz, dem weitesten fortgeschrittenen Modell, sind die Data Analytics-Fertigkeiten so eng mit dem Business integriert, dass sich Geschäftsverständnis und funktionales Wissen die Waage halten. 

2. Der Umgang mit personellen Ressourcen
Bei großen Transformationsprojekten kommt es immer auch auf die Kultur und die Menschen an. Wie ein Unternehmen mit seinen personellen Ressourcen, Fähigkeiten und Fertigkeiten umgeht, hat also großen Einfluss darauf, wie es hochqualifizierte Datenexpertise aufbaut und Fachkräfte wie Data Analyst:innen an das Unternehmen bindet. 

Um den Übergang zu einem datengetriebenen Entscheidungsprozess zu gestalten und den Reifegrad von D&A zu erhöhen, braucht es zwingend einen integrierten Ansatz für den Aufbau von Expertise und Fertigkeiten – und zwar auf allen Ebenen und in allen Funktionen. 

3. Das Betriebsmodell für Data & Analytics
Wie Organisationen mit den einzelnen Use Cases und Dateninitiativen umgehen, hängt stark vom Betriebsmodell ab. Das Ziel: Wissen und Informationen teilen und fundiert entscheiden, welche Use Cases implementiert werden sollen. 

In Firmen, die sich noch am Anfang ihrer Datenstrategie befinden, sind die Prozesse kaum standardisiert. Im Idealfall entsteht im nächsten Schritt eine harmonisierte Prozesslandschaft mit einheitlichen Erfolgskennzahlen und Schnittstellen. Dabei treffen die Geschäftseinheiten jedoch die wesentlichen Entscheidungen. 

4. Die Plattform-Landschaft
Am Anfang koexistieren in den meisten Unternehmen unterschiedliche Datenplattformen und -Technologien. Sobald die Dateninitiativen reifer werden, zeigt sich der Trend zur Konsolidierung. Der Grund: Zu viele unterschiedliche Plattformen verursachen hohe Kosten für Betrieb, Schnittstellen, Compliance und Personal.

Der Goldstandard besteht darin, eine einheitliche Technologieplattform für die gesamte Organisation und alle Geschäftseinheiten aufzubauen. Bewährt hat sich eine 80 Prozent-Lösung: Eine bereichsübergreifende, zentrale Daten-Plattform deckt 80 Prozent der Bedürfnisse aus den Geschäftsbereichen ab. Ausnahmen lassen sich so in einer kontrollierten Form behandeln. 

5. Die Philosophie für den Datenzugang 
Sind alle Daten allen Mitarbeitenden zugänglich? Oder ist der Zugang beschränkt? Bei dieser Grundsatzentscheidung geht es darum, so viel wie möglich aus den Daten herauszuholen, sie aber gleichzeitig zu schützen. 

In streng regulierten Branchen, die über sensible persönliche Daten verfügen, etwa in der Finanzindustrie, handhaben Unternehmen den Zugang zu Daten tendenziell restriktiver. Um alle regulatorischen Vorgaben zu erfüllen, können Organisationen in regulierten Märkten ihren Mitarbeitenden nur begrenzten Zugang zu Daten gewähren. Sofern es die regulatorischen Vorgaben erlauben, geht der Trend zu offenen Daten.

Die drei Entwicklungsstufen

In der Analyse haben sich – je nach Reifegrad und Entwicklungsstufe – drei unterschiedliche Methoden für den Umgang mit Daten herauskristallisiert:

Der dezentrale Ansatz für Daten ist typisch in Organisationen, die sich noch am Anfang ihrer Datenstrategie befinden und noch keine übergreifende Vision entwickelt oder implementiert haben. 

Unternehmen, die bereits einen einheitlichen Governance-Ansatz für standardisierte Daten-Prozesse umgesetzt haben, verfolgen einen zentralen Ansatz. Sie orientieren sich in der Regel an festen Prinzipien und haben strenge Regeln für gemeinsame Tools und Plattformen. 

Firmen, deren Datenstrategie am weitesten entwickelt ist, setzen auf eingebettete, dezentralisierte Abläufe. Sie haben eine strategische Vision entwickelt, bei der sich Harmonisierung und Flexibilität die Waage halten. Sie haben die Governance in der Regel zentralisiert, behalten sich aber Flexibilität in den einzelnen Geschäftseinheiten vor.

Die Erfolgsmerkmale einer erfolgreichen Datenstrategie

Wer eine umfassende Strategie für Data Analytics erfolgreich eingeführt hat, zeichnet sich durch folgende Merkmale aus:

• Die Strategien und Initiativen für Datenanalysen werden von der Führungsebene getrieben und unterstützt.
• Es gibt eine Vision und klare Ziele, was mit der Datenstrategie erreicht werden soll. 
• Das Betriebsmodell ist klar definiert; der Umgang mit Use Cases eindeutig geregelt.
• Ein zentraler Ansatz ist zwar gut, um Know-how zu nutzen und eine kritische Masse zu erreichen. Die Geschäftseinheiten müssen aber ihre Ideen und Skills einbringen können und die Entscheidungshoheit behalten.
• Bei Data & Analytics geht es nicht nur um Technologien, sondern auch um die Kultur. Unternehmen mit einer guten Datenstrategie berücksichtigen diesen Zusammenhang. 
• Sie sorgen dafür, dass ihre Mitarbeitenden zu Data Analyst:innen werden, die mit Daten umgehen können – und zwar auf allen Ebenen und in allen Funktionen.