Skillsoft

Mangelnde Datenstrategie?

1. Februar 2021, 12:49 Uhr | Meinrad Happacher
Mangelnde Datenstrategie?
© Fotolia

Die Disziplin Data Science eröffnet neue Möglichkeiten, um messbare Erkenntnisse und datengestützte Vorhersagen zu generieren. Nur, um das Potenzial der Daten auch effektiv ausschöpfen zu können, braucht es die passende Strategie sowie die richtigen Technologien und Prozesse.

Welche Umsatz- und Gewinnpotenziale Unternehmen sich durch die mangelhafte Datennutzung entgehen lassen, zeigen Studien von Datenanalyse-Spezialisten und Marktanalyse-Unternehmen wie IDC. So gaben rund drei Viertel der Befragten einer aktuellen Erhebung an, dass sich ihre betriebliche Effizienz dank Data Science um durchschnittlich 17 % verbessert hat. Mit Blick auf den Umsatz und Gewinn berichten sie von einer Steigerung um durchschnittlich ebenfalls 17 %. Deutsche Unternehmen sehen laut der Studienergebnisse außerdem besonders die Steigerung der Kundenzufriedenheit als wichtiges Argument für die Investition in Datenanalysen. Allerdings verfügen laut einer anderen Erhebung aktuell nur 5 % der deutschen Firmen über eine ausreichende Datenkompetenz.

Laut Definition bezeichnet der Begriff ‚Datenkompetenz‘ die Fähigkeit, Daten zu lesen, mit ihnen zu arbeiten, sie zu analysieren und mit ihnen zu argumentieren. Im Idealfall sollten Mitarbeiter aller Ebenen mithilfe dieser Befähigung in der Lage sein, zielführende Fragen zu Daten und deren Bedeutung zu stellen, analytisch mit Daten umzugehen, Wissen aufzubauen, datenbasierte Entscheidungen zu treffen und mit anderen Personen zu kommunizieren.
Mit den folgenden fünf Schritten können Unternehmen den internen Umgang mit Daten verbessern, um das Potenzial der Datenwissenschaft zu erschließen.

1. Datenkontaminierung reduzieren

Heute trägt fast jeder Mitarbeiter zu den großen Datenströmen bei. Um Datenkontamination zu minimieren, müssen Mitarbeiter besser über nachgelagerte Datenprozesse informiert werden. Einige Informationen sind geschäftskritisch, aber viele Daten entstehen auch unstrukturiert und undefiniert als Nebenprodukt täglicher Büroarbeiten als sogenannte ‚Dark Data‘. Dazu gehören zum Beispiel Daten aus Tabellenkalkulationen, E-Mail-Archiven und Anhängen, unterschiedliche Versionen von Dokumenten, Daten zu ehemaligen Mitarbeitern sowie Berichte oder Umfragedaten, die keinen bestimmten Prozessen und Strukturen zugeordnet sind. Um den Nutzen zu erhöhen, müssen Daten besser bereinigt, relevante Daten definiert sowie aus ihren Silos befreit und für Analysen zugängig gemacht werden. Ohne qualifizierte Mitarbeiter und das Schaffen der passenden Rollen, ist dies aber eine recht aussichtslose Aufgabe.

2. Transformative Technologie nutzen

Erkenntnisse aus vergangenen Geschäftsprozessen und -entscheidungen können eine wertvolle Grundlage für zukünftige Geschäftsentscheidungen liefern – wenn die entsprechenden Daten nutzbar sind. Auf diese Weise können Unternehmen ihre Kunden besser verstehen, aussagekräftige Produkte entwickeln, innovative Dienstleistungen anbieten und Abläufe optimieren, um den ROI zu verbessern. Ein wichtiger Schritt dazu ist es, Technologien wie maschinelles Lernen und künstliche Intelligenz für die Daten-analyse zu nutzen. Algorithmen und Plattformen für ‚Machine Learning‘ und ‚Deep Learning‘ helfen dabei, die riesigen Datenmengen – Stichwort ‚Big Data‘ – auszuwerten. Die Investition in entsprechende Werkzeuge, Technologien und Mitarbeiterfähigkeiten ist daher eine wichtige strategische Entscheidung.


  1. Mangelnde Datenstrategie?
  2. 3. Anreize für Data Science Rollen setzen

Das könnte Sie auch interessieren

Verwandte Artikel

Industrie 4.0

Künstliche Intelligenz