Industrie

Daten erfolgreich nutzen: Die fünf Hürden auf dem Weg zum datengetriebenen Unternehmen

6 Minuten Lesezeit
Mit Insights von

  • Die meisten Unternehmen haben das Potenzial strategischer Datennutzung erkannt, können Ihre Daten- oder KI-Projekte aber trotzdem nicht zum Erfolg führen.

  • Die Transformation zum datengetriebenen Unternehmen bedingt fundamentale Veränderungen in den Bereichen Datenmanagement, Technologie und Unternehmensstruktur.

  • Neben den eigentlichen Daten bestimmen Skalierbarkeit, Akzeptanz und interdisziplinäre Zusammenarbeit den Erfolg von Datenprojekten.

Schon heute haben viele Unternehmen den Wert von datenbasierten Prozessen erkannt. In der Studie „Data-driven Companies: Unterwegs zur strategischen Nutzung von Daten“ schätzen 85 Prozent aller Entscheider das Potenzial von Daten und künstlicher Intelligenz (KI) als hoch ein. Aber: Nur 25 % bezeichnen ihr Unternehmen als datengetrieben. Wie kommt es zu dieser Diskrepanz, wo liegen die Ursachen, warum Unternehmen noch nicht datengetrieben agieren und wie können Unternehmen erfolgreich zum datengetriebenen Unternehmen werden?

Datengetriebene Unternehmen nutzen Daten und AI-Technologien systematisch in allen Bereichen und Funktionen, um Wettbewerbsvorteile zu erzielen: Mitarbeitende stützen Entscheidungen auf greifbare Statistiken und Fakten, also auf Daten und Erkenntnisse anstatt auf Erfahrungen und Intuition. Kurz gesagt, in einer idealen Welt ist jede Entscheidung, die in einem datengetriebenen Unternehmen getroffen wird, datenbasiert und kann mit den entsprechenden Zahlen und Daten untermauert werden. Zudem ist jedes Ziel mit einem Indikator und einer Vorgabe verbunden. In dem Moment, in dem ein Team oder eine Person eine Aufgabe zugewiesen bekommt, wissen sie, wann die Aufgabe erledigt ist und wie sie den Erfolg ihrer Arbeit messen können.

Die Transformation zum datengetriebenen Unternehmen dreht sich dabei nicht nur um Daten und Technologie. Unternehmen müssen eine neue Denkweise bei ihren Mitarbeitenden etablieren und eine Veränderung der gesamten Unternehmenskultur sowie der Prozesse vollziehen.

In der Zühlke-Studie „Data-driven Companies“ haben wir fünf wesentliche Herausforderungen aus zwei unterschiedlichen Problemfeldern auf dem Weg zur strategischen Nutzung von Daten identifiziert. Wie sie einzuordnen sind, zeigt die Grafik:

Grafik datenerfolgreichnutzen d 01

Neue Rollen und Strukturen für verbesserten Datenzugang und Datenqualität

Die Projekterfahrung von Zühlke sowie die Studie und die Nachgespräche zur Studie zeigen: Die Menge der Daten ist nicht das Problem. In den meisten Unternehmen sind ausreichend Daten vorhanden. Die größten Herausforderungen sind der Zugang zu den Daten und die Qualität der Daten selbst. Um die Datenqualität, den Datenzugriff und die Datendemokatisierung zu ermöglichen, werden neue Rollen und Verantwortlichkeiten in einem Unternehmen entstehen (CDO, Data Steward etc.), die in das Unternehmen integriert werden müssen.

Das bedingt einerseits neue Strukturen, andererseits auch die Befähigung der Mitarbeitenden für ihre neuen Rollen. Denn diese müssen nun Aufgaben übernehmen, die neu für sie sind. Auch die Organisation als Ganzes muss dabei häufig eine bisher ungekannte Rolle einnehmen. Wir begleiten Unternehmen, die dies bereits erkannt haben, aber noch auf der Suche nach ihrem Weg sind, auf Ihrer Learning Journey, bei der Definition von Rollen und Jobprofilen sowie bei der Definition von neuen Strukturen, wo und wie sie die neuen Rollen bzw. Personen im Unternehmen integrieren.

Tobias Joppe
„ Viele Unternehmen haben erste Erfahrungen in datengetriebenen Use Cases gemacht und erfahren: Ein Leuchtturmprojekt macht noch keinen Frühling. “
Tobias Joppe
Customer Solutions Director & Data Science Lead, Zühlke

Skalierbare Infrastruktur als Basis für die strategische Datennutzung

Unternehmen benötigen eine Use-Case- bzw. Innovationspipeline, die aktiv gemanagt und nicht aus der Technologie, sondern aus dem Business getrieben wird. Entscheidend dabei ist die gesamtheitliche und fortlaufende Planung und Umsetzung von Daten- und KI-Projekten. Ein Großteil der Studienteilnehmer hat bereits Erfahrungen im Bereich datengetriebene Use Cases gemacht und verstanden: Ein Leuchtturmprojekt macht noch kein datengetriebenes Unternehmen. Häufig werden zunächst einzelne Proof-of-Concepts in unterschiedlichen Abteilungen umgesetzt. Was häufig fehlt, ist ein übergeordneter Plan, der aufzeigt, wie das Unternehmen durch einzelne Umsetzungsprojekte sukzessive zur datengetriebenen Firma wird, also wie diese einzelnen Silos nachhaltig zusammenwachsen. Daher braucht es den Gesamtüberblick in Form der Innovationspipeline und die dafür passenden Strukturen. Darüber hinaus benötigen Unternehmen die gemanagte Pipeline, um die Investitionen zu rechtfertigen, die nötig werden, um die Grundlagen für eine Zusammenführung der Silos zu schaffen.

Die Akzeptanz bestimmt den Erfolg von Datenprojekten

Weitere Problemfelder, die die Studie aufdecken konnte, sind Proof-of-Concepts, die auf der Strecke bleiben sowie perfekt trainierte Modelle, die nicht wie geplant genutzt werden. Unternehmen schaffen es nach eigenen Angaben nicht oder nur selten, die Use Cases in das Business und die bestehenden Prozesse und Tools zu integrieren. So generieren selbst technisch hervorragende Lösungen keinen Wert. Gründe für die erfolglose Adaption sind das immer noch stark ausgeprägte Misstrauen gegenüber KI-Lösungen und folglich eine mangelhafte Akzeptanz oder fehlendes Training der Nutzenden. Dazu ein Beispiel: Für eine Bank, die ihre Salesaktivitäten und die Beratung kundenspezifischer und zielgerichteter gestalten wollte, haben wir ein Daten- und KI-basiertes Empfehlungstool für die Kundenbetreuer realisiert. Das Tool liefert Empfehlungen, wie und mit welchen Themen Kunden angesprochen werden können. Um die zu Beginn bestehende Skepsis der Nutzenden zu überwinden, musste die Benutzerschnittstelle (Mensch-Maschine-Schnittstelle) entsprechend gestaltet werden: Das Tool liefert lediglich Vorschläge, die Entscheidungshoheit liegt weiterhin bei den Beratenden selbst. So konnte schnell ein nachhaltiges Vertrauen in die KI-Algorithmen hergestellt werden.

Datengetriebene Unternehmen arbeiten interdisziplinär

Ein weiterer Erfolgsfaktor für die Umsetzung von Daten- und KI-Projekten ist die geeignete Zusammenstellung von interdisziplinären (Projekt-)Teams. In unseren Projekten erleben wir oft eine fehlende Integration der Data Scientisten bzw. eine mangelnde Zusammenarbeit von Data Scientisten und Domänenexperten. Die Kernfrage, die sich Unternehmen stellen müssen: Wie integriere ich die neuen Data Scientisten? Darüber hinaus mangelt es einigen Unternehmen noch am Wissen, welche Skills überhaupt benötigt werden, um Daten- und KI-Projekte zum Erfolg zu führen. Ziel muss also sein, die Zusammenarbeit von Data Scientisten und Domainexperten zu ermöglichen und ein Mindset und die Strukturen zu schaffen, die eine optimale interdisziplinäre Zusammenarbeit fördern.

Mit 15 Minuten Invest zur Status-quo-Analyse

Die Studie zeigt, die strategische Nutzung von Daten wird – egal ob Start-up, modernes oder traditionelles Unternehmen – zum kritischen Erfolgsfaktor. Diese These wurde in den Nachgesprächen mit den Studienteilnehmern bestätigt. In Einzelgesprächen haben wir das Maturitätslevel sowie Auffälligkeiten und Problemstellungen der Unternehmen mit den Gesamtergebnissen der Studie verglichen. In sehr offenen und intensiven Gesprächen haben wir die Hintergründe für die Antworten erörtert und konnten den Unternehmen sowohl im Rahmen der Studie als auch in den Folgegesprächen erste Handlungsempfehlungen aus dem methodischen Zühlke-Framework aussprechen.

Der Vorteil für die Studienteilnehmenden: Mit einem Invest von maximal 15 Minuten für das Ausfüllen des Online-Fragebogens haben sie in einem nachfolgenden One-To-One-Meeting einen detaillierten und für die Strategieentwicklung nützlichen Gesamtüberblick über den eigenen Status Quo und den des Marktes erhalten. Die Teilnehmenden konnten sich im Vergleich zu anderen Unternehmen einordnen und so das eigene Erreichte ganz neu bewerten. Unternehmen können diese Erkenntnisse nun in zwei Richtungen nutzen. Erstens: Die interne Optimierung, also die Selbstoptimierung auf Basis der Studienergebnisse. Zweitens: Die externe Optimierung, also was können Unternehmen ihren Kunden bieten und wie können sie ihr Portfolio und ihr Offering verbessern, um Kunden den Weg zur Data-driven Company zu ermöglichen.

Sie möchten auch erfahren, wo Sie im Bereich strategische Datennutzung stehen? Dann sprechen Sie uns direkt an.

Gerne erstellen wir gemeinsam eine Analyse Ihres Status quo.

Die vollständige Studie mit allen Erkenntnissen können Sie hier herunterladen. Wir zeigen Ihnen, wo einzelne Branchen und Geschäftsmodelle auf dem Weg zum datengetriebenen Unternehmen stehen und welche Hürden auf dem Weg warten. Eine Cluster-Analyse zeigt dabei typische Muster, Ähnlichkeiten und Unterschiede auf, wie Unternehmen ihre Transformation umsetzen. Aus unserem methodischen Framework, mit dem wir Unternehmen auf dem Weg zum datengetriebenen Unternehmen begleiten, geben wir Ihnen dazu passend Handlungsempfehlungen, wie Sie diese Hürden überwinden.

Laden Sie die vollständige Studie „Data-driven Companies“ hier herunter.
Ansprechpartner für Deutschland

Tobias Joppe

Director Customers Solutions

Tobias Joppe hat Automatisierungs- und Regelungstechnik an der TU Braunschweig studiert und war zuletzt Leiter eines Innovationsteams bei der Siemens AG. Seit 2008 ist er bei Zühlke, ist Partner und verantwortet als Director Customers Solutions den Trend Lead Data Science in Deutschland. In seiner Rolle baut er die Brücke zwischen Spitzentechnologie und aktuellen Kundenbedürfnissen. Gemeinsam mit Kunden übersetzt er Visionen und Ziele in eine strategische Roadmap und konkretes Projektvorgehen. Viele realisierte, interdisziplinäre Projekte bilden dabei die Basis seine Erfahrung.

Kontakt
Vielen Dank für Ihre Nachricht.

Transformation zur datengetriebenen Organisation

Zühlke unterstützt eine Geschäftseinheit der Evonik Industries AG, Hersteller von Spezialchemie und Hochleistungsmaterialien, auf dem Weg zur datengetriebenen Organisation.

Data empowered organization