+49 69 173201230
team@deutscheinterim.com
https://www.linkedin.com/company/deutsche-interim-ag/

Wie kann man eine Datenstrategie fĂŒr ein Unternehmen entwickeln?

Seriöse Entscheidungen lassen sich ohne harte Datenbasis nicht treffen. Doch die meisten Datenstrategien scheitern.

Wie entwickelt man eine erfolgreiche Datenstrategie?

Unternehmen und Unternehmer sind aktuell mehr denn je herausgefordert.

Getrieben von wachsendem Wettbewerbsdruck und sinkender KundenloyalitÀt werden hÀufig neue, datengetriebene GeschÀftsmodelle aufgesetzt.

Denn Daten haben sich – rein technisch betrachtet – noch nie so leicht wie heute sammeln und verarbeiten lassen. So entstehen immer mehr interne und externe Unternehmensdaten.

Diese können Unternehmen nutzen, um Fehlentwicklungen frĂŒher als bisher zu erkennen oder die Unternehmensplanung schneller an MarktverĂ€nderungen anzupassen. Die Ergebnisse methodischer Datenanalysen werden so zu einem Instrument zur Realisierung von GeschĂ€ftszielen. Und sie ermöglichen eine objektive Bestimmung des unternehmerischen Erfolgs.

Doch auch wenn die Datensammlung und -verarbeitung Entscheidungen ohne Voreingenommenheit möglich macht: Sie nehmen den Entscheidern die Verantwortung nicht ab. Im Gegenteil: Erst der Zugriff auf eine breite, differenzierte und widerspruchsfreie Datenbasis macht datenbasierte Entscheidungen möglich, fĂŒr die man Verantwortung tragen kann.

Um diese Vorteile aus den bereits vorhandenen oder noch zu erschließenden Daten zu ziehen, mĂŒssen Unternehmen eine Datenstrategie entwickeln.

Eine solche Strategie sollte die Ziele einer Data Governance implementieren:

  • bestimmen, welche Daten wie erschlossen und verwendet werden, und
  • festlegen, wer in welchen Bereichen fĂŒr die Stimmigkeit der Daten und Kennzahlen verantwortlich ist.

Die Erfahrung zeigt allerdings, dass die Transformation in ein datengetriebenes Unternehmen voller TĂŒcken steckt und die meisten Datenstrategien scheitern. Ansatz, Ziele und Umsetzung sollten daher genau definiert und geplant werden.

Im Folgenden skizziere ich sieben Schritte zu einer erfolgreichen Datenstrategie.

1. Den Reifegrad der Organisation im Umgang mit Business Intelligence bestimmen

Zur Entwicklung einer maßgeschneiderten Datenstrategie wird zunĂ€chst der IST-Zustand im Unternehmen ermittelt.

Um die Durchsetzungskraft zu steigern, empfiehlt es sich an dieser Stelle, ein Steering Committee einzurichten. Das Committee soll den Kreis der Auftraggeber auf oberster Ebene abbilden und in der Folge als Entscheidungsgremium fungieren. Es wird regelmĂ€ĂŸig zu relevanten Meilensteinen und anlassbezogen zur Lösung eskalierender Konflikte einberufen.

Der Auftraggeber-Kreis benennt pro GeschĂ€ftsbereich die wesentlichen Stakeholder – gerne unterteilt in Management (als Kandidaten fĂŒr Data Ownership) und Spezialisten (fĂŒr spĂ€tere Übernahme der Data Stewardship).

In verschiedenen Workshops und Interviews mit den benannten Stakeholdern wird zur Aufnahme des IST-Zustands die Situation aus den folgenden Blickwinkeln betrachtet:

  • Organisation (Unternehmensstrategie, Prozesse),
  • Daten (VerfĂŒgbarkeit, Management),
  • Steuerung (Governance, Ownership),
  • sowie IT (Werkzeuge, Architektur, Berichtswesen).

Die erhobenen Ergebnisse werden konsolidiert und dem Auftraggeber-Kreis prÀsentiert.

Abgeleitet aus dem IST-Zustand wird je Blickwinkel der SOLL-Zustand bestimmt. Die Maßnahmen zur Erreichung des SOLL-Zustands im Zusammenhang der Datenstrategie werden beschrieben und durch den Auftraggeber-Kreis weiter priorisiert.

2. Den Informationsbedarf analysieren

Der nĂ€chste Schritt bei der Entwicklung einer Datenstrategie ist die Analyse des Informationsbedarfs: FĂŒr die wichtigsten Maßnahmen aus der Reifegradmessung werden die damit verbundenen Informationsbedarfe ermittelt und beschrieben.

Hier hat es sich – auch im Sinne eines agilen LieferverstĂ€ndnisses – bewĂ€hrt, die Bedarfe / Anforderungen in zu liefernde Produkte zu ĂŒbersetzen.

GĂ€ngige Liefer-Produktkategorien hierbei sind:

  • Reporting (Berichte / Dashboards),
  • Planning (Prozesse, Logiken),
  • Data (Quellsysteme, Datentransformationen, Kennzahlen) und
  • Infrastructure (BI-Werkzeuge, Datenbanken).

Die meisten Maßnahmen werden in der Praxis AktivitĂ€ten aus gleich mehreren Liefer-Produktkategorien auslösen, die gemeinsam abzuarbeiten und zu steuern sind.

Zum Beispiel wird ein benötigtes Dashboard, das auf erstmals zu erschließenden Quellen beruht, AktivitĂ€ten aus dem Produkt-Bereich Data benötigen, bevor das neue Dashboard erstellt und geliefert werden kann.

Als wichtige Maßnahme innerhalb der Informationsbedarfsanalyse steht auch die Aufstellung eines dimensionalen, logischen Informationsmodells an.

Hier geht es darum, die Informationsbedarfe zu gruppieren

  • nach originĂ€ren Daten bzw. Datenquellen (bspw. Umsatz aus Finanzbuchhaltung, Anzahl aktive Kunden aus CRM-System),
  • nach abgeleiteten, gerechneten Daten (bspw. Durchschnittsumsatz je aktiver Kunde) und
  • nach Auswertungsdimensionen mit Hierarchien (bspw. Monat → Quartal → Jahr, Kunde → Kundenuntergruppe → Kundenobergruppe, Produkt → Produktgruppe → Produktfamilie etc.).

OriginĂ€re und abgeleitete Daten teilen sich manche Auswertungsdimensionen, sodass sie sich hierĂŒber sinnvoll gemeinsam darstellen lassen.

3. Eine verbesserte BI-Organisation entwerfen

In vielen FÀllen gehört auch der Entwurf einer verbesserten BI-Organisation zur Entwicklung einer Datenstrategie.

Denn hĂ€ufig finden sich in den Unternehmen silo-artig verteilte ZustĂ€ndigkeiten fĂŒr entscheidungs-relevante Informationen. Nicht selten fehlt beim Top-Management dann das Vertrauen in die Information. Es werden Herkunft und GĂŒltigkeit der Informationen in Frage gestellt, anstatt auf Basis allgemein akzeptierter Daten informierte Entscheidungen zu treffen.

Als gĂ€ngige Aufbau-Organisationsform fĂŒr den Umgang mit Business Intelligence-Prozessen bietet sich ein Business Intelligence Competency Center (BICC) an. Idealerweise interdisziplinĂ€r mit Fach- und IT-Experten besetzt, werden hier die Informationsbedarfe des Unternehmens befriedigt.

AbhÀngig vom Reifegrad und der BI-Strategie des Unternehmens kann es sich beim BICC um eine virtuelle oder feste Organisationseinheit handeln.

Im Zielbild empfiehlt sich ein fester Kern von BICC-Personal, der dann bei der Abarbeitung von Informationsbedarfen von temporÀren Ressourcen ergÀnzt wird.  

NaturgemĂ€ĂŸ sind die Unternehmensressourcen zur Bearbeitung von Informationsbedarfen begrenzt. Insbesondere ist die personelle Ausstattung gewöhnlich ein Engpass-Faktor. Also benötigt es auch geeignete Verfahren und Prozesse, um die wertvollen Ressourcen auf die wichtigsten Anforderungen zu konzentrieren.

Hier hat es sich in der Praxis bewÀhrt, einen transparenten Demand-and-Delivery-Management Prozess aufzusetzen.  Der Demand-and Delivery-Management-Prozess ermöglicht eine strukturierte Erfassung und Umsetzung der BI-Anforderungen aus den Fachbereichen.

Der Demand-and-Delivery-Prozess

Dieser Prozess besteht im Wesentlichen aus fĂŒnf Schritten:

  1. BI-Anforderungen werden von den Fachbereichen gemeldet. Hierbei sollen zunÀchst nur die allernotwendigsten Details in wenig formalisierter Weise beschrieben werden.
  2. In einem Pre-Check wird vom BICC die grundsĂ€tzliche Machbarkeit geprĂŒft, der Umsetzungsaufwand in Form einer GrĂ¶ĂŸenklasse (bspw. T-Shirt-Sizes) bestimmt und etwaige AbhĂ€ngigkeiten zu Vorprodukten festgelegt.
  3. Das Demand-Management-Gremium priorisiert die zu bearbeitenden BI-Anforderungen. Dieses Gremium wird interdisziplinĂ€r aus ebenso kundigen wie entscheidungsbefugten Vertretern der Fachbereiche und Vertretern des BICC besetzt. Es kommt regelmĂ€ĂŸig zusammen, z.B. alle zwei Wochen, bei agiler Abarbeitung von BI-Anforderungen gerne auch im vorgegebenen Scrum-Sprint-Rhythmus.
  4. Von der Liste der nach PrioritĂ€t gereihten BI-Anforderungen wird jeweils die oberste Anforderung weiterbearbeitet. Die Anforderung ist nun fachlich so detailliert zu beschreiben, dass nach weiteren PrĂŒfungen auf Compliance und Datenschutz eine technische Spezifikation und Umsetzung erfolgen kann.
  5. Auf Basis der Spezifikation wird der Liefergegenstand erstellt und dem Anforderer zum Test und zur Abnahme bereitgestellt.

4. Eine Data Governance als Ordnungsrahmen fĂŒr die Informationsnutzung aufbauen

Der nĂ€chste Schritt bei der Entwicklung einer Datenstrategie besteht im Aufbau eines Ordnungsrahmens fĂŒr die Nutzung von Unternehmensdaten und Informationen.

Dieser Ordnungsrahmen legt die Verantwortlichkeiten im Umgang mit entscheidungsrelevanten Informationen fest.

Eine solche Data Governance darf bei der EinfĂŒhrung einer geeigneten Ablauf- und Aufbauorganisation nicht fehlen.

Denn in der betrieblichen Praxis finden sich viele Beispiele unkontrollierten Wachstums unstrukturierter, konkurrierender und kostspieliger BI-Insel-Lösungen. Diese enthalten nicht selten widersprĂŒchliche Informationen zu den gleichen Sachverhalten. Das untergrĂ€bt das Vertrauen in die Daten und macht es dem Top-Management schwer, datengestĂŒtzte Entscheidungen zu treffen.

Um Insel-Lösungen mit widersprĂŒchlichen Informationen so weit wie möglich zu vermeiden, muss eine „Hausordnung“ entworfen werden, die als Ordnungsrahmen die Erschließung der Datenquellen und Informationsnutzung regelt. Schließlich kann das Zusammenspiel von Management, Fachbereichen und IT kann im Kontext von Business Intelligence sehr schnell sehr komplex werden und so den Nutzen der gesammelten Daten bei der Entscheidungsfindung ebenso schnell wieder zunichtemachen.

Vorrangiges Ziel der Data Governance ist es, transparent zu machen, welche Daten wie erschlossen und verwendet werden, und wer pro Bereich fĂŒr die Stimmigkeit der Daten und Kennzahlen verantwortlich ist.

Aufbau der Data Governance

Dass die Fachbereichs-Stakeholder eine wesentliche Rolle fĂŒr den Aufbau der Data Governance und somit Datenstrategie spielen, wurde oben in Schritt 1 bereits erwĂ€hnt.

Dagegen sollten die folgenden Schritte in gemischten Arbeitsgruppen behandelt werden:

  1. ZunĂ€chst werden fachliche Daten-DomĂ€nen gebildet, die Kennzahlen und Auswertungsdimensionen thematisch bĂŒndeln. Hierbei ist strikt darauf zu achten, dass die Betrachtung von IT-Spezifika wie Datenquellen oder Anwendungssystem unterbleibt.
  2. Jede Daten-DomĂ€ne wird dann einem Fachbereich eindeutig zugeordnet. Diese Fachbereiche benennen einen entscheidungsbefugten Business Owner (bzw. Bereichsleiter oder  „Champion“), der fĂŒr die seinem Bereich zugeordneten Daten-DomĂ€nen die Verantwortung trĂ€gt.
  3. Jeder Business Owner benennt pro Daten-DomĂ€ne EINEN Business Steward und dessen Vertreter. Der Business Steward ist in seiner DomĂ€ne fĂŒr die Definition von Kennzahlen und deren Auswertungsdimensionen verantwortlich.
  4. Eine Kennzahl kann veralten oder ihre Berechnung sich Ă€ndern. Auch das Unternehmen kann sich umorganisieren und damit die Perspektive Ă€ndern, in der die Kennzahl interpretiert wird. Und schließlich kann das Wettbewerbsumfeld sich wandeln und neue Indikatoren notwendig machen: In all diesen FĂ€llen wĂ€re der soeben beschriebene Prozess neu zu initiieren.

Ergo: Data Governance ist ein stÀndiger Prozess.

5. Die wichtigsten Prozesse in Richtung einer verbesserten BI-Organisation implementieren

Zur Verbesserung der BI-Organisation bei der Umsetzung einer neuen Datenstrategie sind drei weitere Prozesse anzustoßen und zu kontrollieren:

  • die Dokumentation der BI-Anforderungen vonseiten der Fachbereiche,
  • die Budgetierung der BICC-AktivitĂ€ten und
  • der Prozess der Mitarbeiterentwicklung.

Dokumentation der BI-Anforderungen

Dass das BICC die Fachbereiche bei der Formulierung ihrer Anforderungen unterstĂŒtzt, ist nach der Erst-EinfĂŒhrung des Demand-and-Delivery-Management-Prozesses entscheidend fĂŒr den Erfolg der Datenstrategie.

Die Dokumentation von BI-Anforderungen sollte in zwei Stufen geschehen:

  1. Die Stufe „Grobspezifikation“ umfasst zunĂ€chst nur die Pflichtbestandteile, die fĂŒr eine VorprĂŒfung (Pre-Check) benötigt werden.
  2. Erst wenn die VorprĂŒfung positiv durchlaufen ist und die Anforderung entsprechend ihrer PrioritĂ€t eingereiht ist, wird detailliert spezifiziert. Auch hierbei ist es weiter wichtig, dass Anforderer und Umsetzer sich regelmĂ€ĂŸig austauschen.

Sollte im Unternehmen noch kein geeigneter Projektmanagement-Standard etabliert worden sein, wĂ€re der BI-Demand-and-Delivery-Management-Prozess ist ĂŒbrigens eine Gelegenheit, agiles Vorgehen (z.B. nach Scrum) einzuĂŒben.

Budgetierung der BICC-AktivitÀten

Ein weiterer wesentlicher Prozess ist die Budgetierung der BICC-AktivitĂ€ten. Denn wie schnell BI-Anforderungen abgearbeitet werden, hĂ€ngt davon ab, welche Ressourcen (Menschen, Sachmittel, Geld) dafĂŒr zur VerfĂŒgung stehen.

BewĂ€hrt hat sich, die GeschĂ€ftsfĂŒhrung oder den Auftraggeber-Kreis regelmĂ€ĂŸig (bspw. quartalsweise) ĂŒber das Aufgaben-Backlog, die erfolgten Lieferungen, deren Nutzen und die damit verbundenen Kosten zu informieren.

In diesen Meetings sollten auch wichtige Entscheidungen getroffen werden. Dazu gehören grĂ¶ĂŸere Investitionen, BudgetverĂ€nderungen oder auch Uneinigkeiten bei der Priorisierung von Aufgaben.

Prozess der Mitarbeiterentwicklung

Auf der Reise in Richtung Verbesserung der Unternehmens-Steuerung wird neues Wissen benötigt – zu betriebswirtschaftlichen ZusammenhĂ€ngen, zu neuer Software und auch zu neuen Zusammenarbeits- bzw. Projektmanagement-Formen.

Deshalb ist es auch bei der Verbesserung der BI-Organisition und Implementierung einer Datenstrategie sehr wichtig, die Mitarbeiterentwicklung im Auge zu behalten. Das gilt fĂŒr die eigentlichen Mitarbeiter des BICC, aber auch fĂŒr die mitarbeitenden Fachbereichskollegen und fĂŒr die Nutzer der geschaffenen LiefergegenstĂ€nde.

Das kostet natĂŒrlich Geld. Der Aufwand fĂŒr Weiterbildungen und Training ist einzuplanen, kapazitiv wie monetĂ€r.

6. Ein ausgewogenes KPI-System entwerfen

Viele Unternehmen haben KPI-Systeme mit Àhnlichen SchwÀchen:

  1. Einmal bestehen sie aus sehr vielen unterschiedlichen SteuerungsgrĂ¶ĂŸen und Kennzahlen – so viele, dass Entscheider die Übersicht verlieren.
  2. Zum anderen berichten verschiedene Bereiche eines Unternehmens nicht selten Indikatoren zu Ă€hnlichen Sachverhalten, die ganz unterschiedliche MessgrĂ¶ĂŸen aufweisen.
  3. Und schließlich sind die KPIs vielfach einseitig auf harte, aber spĂ€te Faktoren wie UmsĂ€tze und DeckungsbeitrĂ€ge ausgerichtet. Doch diese Kennziffern erlauben fĂŒr gewöhnlich nur eine Ex-post-Betrachtung. Wenn also der Monat mit dem schlechten Umsatz bereits vergangen ist, lĂ€sst sich daran nichts mehr Ă€ndern. Und dann nutzt es dem Unternehmen auch nichts mehr, wenn die berichtete Planabweichung zu 100 Prozent richtig ist.

Um ein ausgewogenes KPI-System zu entwerfen, sind demgegenĂŒber die wesentlichen SteuergrĂ¶ĂŸen der jeweiligen Daten-DomĂ€nen und Fachbereiche zu identifizieren. Idealerweise ergeben sich diese bereits aus den oben beschriebenen AktivitĂ€ten der BI-Governance.

In jedem Fall kommt es auf die Entwicklung eines gemischten KPI-Systems an, das wenige harte und weiche sowie frĂŒhe und spĂ€te Kennzahlen enthĂ€lt. Dazu bieten sich bewĂ€hrte AnsĂ€tze und Methoden wie das Durchlaufen eines Balanced Scorecard-Zyklus an. So kann man aus den GeschĂ€ftszielen und der Unternehmens-Vision geeignete SteuerungsgrĂ¶ĂŸen ableiten und z.B. die Dimensionen Finanzen, Kunden, GeschĂ€ftsprozess und Lernen/ Innovationen darauf abklopfen.

Diese Indikatoren lassen sich schließlich ĂŒber eine Kette von Ursachen und Wirkungen miteinander verbinden. Das Ergebnis ist ein ausgewogenes System relevanter Kennzahlen.

7. Ein neues Planungs- und Forecast-Verfahren entwerfen und einfĂŒhren

Man stelle sich nur fĂŒr einen Moment vor, dass man sein Auto steuert, indem man nur in den RĂŒckspiegel schaut und die Frontscheibe dabei undurchsichtig ist. Kann das funktionieren?

Aus diesem Grund bemĂŒhen sich Unternehmen um ausgefeilte Planungsverfahren. In mĂŒhevoller und zeitaufwendiger Kleinarbeit werden fĂŒr die Planperiode detailliert AbsĂ€tze, UmsĂ€tze und Kosten geplant. Oft wird hierbei ein Gegenstromverfahren angewandt, mit dem die Top-Down-Vorgabe der Unternehmensleitung durch eine langwierige Bottom-Up-Planung durch Vertriebs-Controller und Kostenstellenverantwortliche bestĂ€tigt werden soll.

Leider sind Methoden dieser Art in keiner Weise Ànderungsfreundlich:

  • Gigantische Excel-Spreadsheets mit multiplen Sprungverweisen öffnen TĂŒr und Tor fĂŒr Eingabefehler.
  • Erfordert dann das Marktumfeld eine VerĂ€nderung der Produkt- und/ oder Kunden-Struktur, erweisen sich diese Werkzeuge vollends als ungeeignet.
  • Hinzu kommt, dass es mit diesen starren Werkzeugen unmöglich ist, entlang der Marktdynamik mehrere Planungszyklen durchzufĂŒhren.

Prozesse und Werkzeuge dieser Art passen nicht mehr in ein schnelllebiges Umfeld.

Dagegen lassen sich mit schlankeren Prozessen die Vorteile einer klugen Datenstrategie sowie die Messung und die Steuerung der Unternehmens-Performance drastisch Àndern. Dazu muss man allerdings geeignete Planungsinstrumente einsetzen.

Software mit modernen Forecast-Algorithmen erlaubt den Umstieg auf eine rollierende Planung. Mit dieser Art von Planung kann man aus der Jahresplanung den Druck herausnehmen. Die operative Planung, der Mid-Term-Plan und die Langfristplanung lassen sich auf Datenstrukturen abbilden und simulieren. Auch StrukturĂ€nderungen lassen sich so modellieren und als Option in den Planungsprozess einfĂŒhren.

DafĂŒr muss man zugegebenermaßen einen Verlust an Genauigkeit hinnehmen. Doch die erweist sich ohnehin allzu oft als Schein.

Eine klare Datenstrategie stellt demgegenĂŒber verlĂ€ssliche Daten bereit.