Klar definierte Fragestellungen

Ein weiterer sinnvoller Schritt ist die statistische Auswertung der verfügbaren Daten, um die Annahmen der Geschäftsleitung über die Gegenwart und Zukunft des Geschäfts zu hinterfragen. Dazu müssen die Annahmen zuerst explizit formuliert werden. Bei der Konkretisierung helfen Fragen wie: Welche Kunden kaufen welche Produkte? Wie haben sich die Kunden und ihre Bedürfnisse verändert? Welche Wirkungen und Signifikanz können bei getroffenen Maßnahmen nachgewiesen werden? Grundsätzlich sollte ein Unternehmen zunächst eine konkrete, geschäftsrelevante Fragestellung definieren. Das verhindert, dass an den Daten „herumgebastelt“ beziehungsweise so lange mit ihnen jongliert wird, bis etwas herauskommt.

Die Tragweite der Erkenntnisse darf nicht unterschätzt werden, da sie zur Verwerfung etablierter Annahmen bis hin zur Überarbeitung der Unternehmensstrategie führen können. Sowohl die Datenanalyse als auch die Umsetzung der Erkenntnisse erfordern die aktive Unterstützung der Geschäftsleitung. Die Erkenntnisse müssen jedoch nicht unmittelbar eine Revolution auslösen. Im Gegenteil: Die Geschäftsleitung sollte mit kleineren Initiativen beginnen.

Das erste Projekt muss besonders sorgfältig geplant werden. Die Widerstände fallen nämlich genau dann stark aus, wenn etablierte Annahmen gekippt und bestehende Geschäftsmodelle umgekrempelt werden. Deswegen empfiehlt es sich, das Ziel des Projekts sinnvoll einzugrenzen. Auch sollten Performance-Kriterien festgelegt werden, um die Ergebnisse objektiv messen zu können. Statt vorschnell den großen Wurf landen zu wollen, ist es oft sinnvoller, auf „low hanging fruits“ abzuzielen und schnell umsetzbare Ergebnisse zu generieren. So können die Vorteile solcher Projekte innerhalb des Unternehmens hervorgehoben werden. Verbesserungen folgen dann in einem weiteren Projekt. Parallel dazu sollte die Geschäftsleitung stets die Vorteile des Wandels sowie die Risiken des Status quo aufzeigen. Die Daten liefern dafür die Fakten und dienen dazu, falsche Sicherheiten aus dem Weg zu räumen.

Sobald klar wird, dass der erste Versuchsballon erfolgreich ist, kann die Datenanalyse umfassender verankert werden. Das Unternehmen sollte sich dann sukzessive entsprechende Fähigkeiten aneignen und Ressourcen aufbauen, um die Analyse auf andere Bereiche des Unternehmens auszudehnen. Den Einbezug externer Experten in frühen Phasen kann man in Betracht ziehen, um die Anlaufzeit zu reduzieren. Mittelfristig ist der Aufbau interner Ressourcen jedoch sinnvoll, da so das teilweise kritische Wissen in die Firma eingebunden bleibt. Der Ressourcenumfang hängt von der Unternehmensgröße ab. KMUs können mit einem Teilpensum anfangen. Da bei größeren Unternehmen oft verhältnismäßig höhere Datenvolumina und größere Komplexität bestehen, kann die Etablierung eines kleinen interdisziplinären Teams sinnvoll sein.

Der Aufbau eines Data-Teams beinhaltet drei typische Kompetenzprofile. Data Scientists beschäftigen sich mit statistischen Auswertungen, um Einsichten zu generieren. Data Engineers sind für die Erhebung der Daten und deren Bereitstellung für die Analyse zuständig. Der Business Intelligence kommt ebenfalls eine kritische Rolle zu. Diese Funktion wirkt als Vermittler und Übersetzer zwischen den eher wissenschaftlich orientierten Data Scientists, den Data Engineers und der Geschäftswelt innerhalb und außerhalb des Unternehmens. Sie stellt somit die Verbindung zum Alltagsgeschäft her sowie den Kontakt zu anderen Unternehmensfunktionen wie Marketing und Vertrieb. Grundsätzlich geht es darum, die Fragestellungen für alle Seiten klar zu formulieren. Nur dann können Daten sinnvoll selektiert und analysiert werden.