Die Art und Weise, wie Unternehmen voreilig die Erfolge von Daten- und Analysestrategien herausposaunen, erinnert an die Redewendung: „Da wird das Pferd von hinten aufgezäumt“. Realistisch betrachtet werden viele Daten- und Analyseprojekte aufgrund einer Reihe von Faktoren scheitern – nicht zuletzt, oder gerade durch Menschen und Prozesse. Eine Cloud-basierte Strategie hilft Unternehmen zweifellos, Speicher- und Rechnerkosten einzusparen, so dass Ressourcen für wertvollere Aktivitäten eingesetzt werden können. Aus unserer Erfahrung in der Zusammenarbeit mit Kunden auf der ganzen Welt gibt es jedoch vier Fallen, die vermieden werden müssen, um sicherzustellen, dass der sprichwörtliche Daten- und Analysewagen nicht umkippt.

1. Mangel an wertorientieren Use Cases



Das Wertversprechen für viele Daten- und Analyseprojekte ist oft schlecht definiert. Neue Cloud-Plattformen werden eingeführt, um Daten aufzunehmen und Berichte zu generieren (auch bekannt als Analytik), aber die Anwendungsfälle enden oft damit, dass sie die lokalen Berichtslösungen lediglich replizieren. Bedeutet: gleiche Datenperspektiven bei gleichzeitiger Kostenüberschreitungen. Ein Kunde, mit dem wir kürzlich zusammengearbeitet haben, hatte zum Beispiel mit ambitionierten Anwendungsfällen gestartet – die Strategie wurde dann aber auf die gleichen operativen Berichte wie zuvor heruntergeschraubt. Die einzige Veränderung, die dadurch mobilisiert wurde, war, dass die Daten in die Cloud verschoben wurden. Das schlaucht das Unternehmen und führt zu Innovationslethargie. Ein weiteres Risiko, das sich aus dem Fehlen eines klaren Anwendungsfalles ergibt, besteht darin, dass Projekte im Sande verlaufen, weil der Geschäftswert von den Datenanalysten und den Geschäftsverantwortlichen nicht verstanden wird.

2. Umfangreiche Zentralisierung / Dezentralisierung



Ein zentralisiertes Repository von Daten und Analysefunktionen kann zu Engpässen für die Data Scientists im Unternehmen führen, da sie gezwungen sind, darauf zu warten, dass ihre Datenbestände für Ihre Analyse zur Verfügung stehen. Im anderen Extremfall führt ein komplett dezentralisiertes Analyse-Framework dazu, dass sich Analysesilos im gesamten Unternehmen ausbreiten und korrelierte Erkenntnisse verschwinden. Ein extrem dezentrales Framework schafft auch ein schlechtes Data-Governance-Modell, wodurch sich die Kosten im gesamten Unternehmen schnell vervielfachen. Der Aufbau einer zentralen Unternehmensarchitektur und eines Governance-Modells (angetrieben durch einen Chief Data Officer) ist sinnvoll, aber es muss auch Flexibilität für Datenbestände geben, die mehreren Gruppen dienen, z. B. den Geschäftsbereichen.

3. Fehlende Demokratisierung der Daten



Der Aufbau einer datengesteuerten Kultur sollte im Fokus stehen. Legen Sie die Daten offen und geben Sie sie für alle frei. So können Mitarbeiter selbstständig Erkenntnisse aus den Daten gewinnen, ohne auf die Ergebnisse der Data Scientists zu warten. Das Identifizieren von datengesteuerten Entscheidungsrahmen innerhalb der Organisation hilft dabei. Bei einem großen Biotech-Kunden in Europa hat Avanade beispielsweise eine Architektur entwickelt, in der Rohdaten (PII anonymisiert), die von Apotheken und Gesundheitszentren eingehen, den sogenannte Ninja-Analysten zur Ausführung ihrer Data-Science-Algorithmen zur Verfügung gestellt werden, um Korrelationen zwischen Wirtschaftsindikatoren und Folgerezepten in Echtzeit zu extrahieren.

4. Unzureichende Investion in Talent



Das Investieren in Datenbestände und Frameworks ist vergeudet, wenn ein Unternehmen nicht gleichzeitig in das Recruiting der richtigen Talente investiert und es schafft, diese zu befähigen und an sich zu binden. Der Kampf um Top-Datentalente ist eine große Herausforderung, aber Ihre Mitarbeiter sind es, die den Unterschied zwischen Erfolg und Misserfolg ausmachen. Machen Sie das Thema Befähigung zu einer Priorität und nicht zu einem nachträglichen Gedanken für Ihre Daten- und Analyseprojekte. Auf diese Weise schaffen Sie eine Kultur, in der Ihre Mitarbeiter nahtlos Maßnahmen auf Grundlage datengestützter Erkenntnisse ergreifen können. So stellen Sie sicher, dass Ihre Projekte wesentliche Auswirkungen auf die Gewinnspanne haben und sich Ihr Unternehmen von der Konkurrenz abhebt.

Erfahren Sie mehr darüber, wie unsere Experten für Organizational Change Management Sie beim Aufbau einer datengesteuerten Kultur unterstützen können. Wenn Sie ein entsprechendes Projekt planen, nehmen Sie gerne Kontakt mit uns auf.