Datenstrategie

Niemals zuvor haben Konsumenten so viele Datenpunkte zu ihren Interessen, Bedürfnissen, Gewohnheiten und Verhaltensweisen produziert. Durch die Digitalisierung nahezu aller Lebensbereiche resultiert ein gigantisches Potenzial, Zielgruppen besser zu verstehen und zu bedienen – sei es durch ein effektiveres und effizienteres Advertising, passendere Produkte oder gleich vollkommen neue Dienstleistungen.

Unternehmen, die dies tun und beim Dateneinsatz führend sind, erzielen 22 Prozent mehr Gewinn und pro Mitarbeiter 70 Prozent mehr Umsatz als ihre Wettbewerber. Trotzdem tragen datengestützte Entscheidungen erst in 38 Prozent der Organisationen zum Geschäftserfolg bei.*

Dabei stehen die Chancen, durch Daten Mehrwert für Interessenten und Kunden zu generieren, heutzutage jedem Unternehmen offen. Man kann sogar so weit gehen, zu sagen, wer die entsprechenden Potentiale ungenutzt lässt, riskiert schlicht weg, an Wettbewerbsfähigkeit zu verlieren. Vor diesem Hintergrund muss eine Datenstrategie für jedes Unternehmen eine selbstverständliche Grundlage für den Unternehmenserfolg sein.

Was ist eine Datenstrategie?

Um den tatsächlichen Mehrwert der gesammelten Daten zu nutzen und in Business Impact zu übersetzen, braucht es eine strategische Ausrichtung die Rahmen und Zielsetzung für die Sammlung, Nutzung und Aktivierung von Daten vorgibt und damit die Unternehmensstrategie unterstützt.

FELD M hat hierfür das folgende Datenstrategie Framework entwickelt, welches sicherstellt, dass die Nutzung von Daten ganzheitlich betrachtet wird:

 

Die drei Layer des FELD M-Datenstrategie-Frameworks

1. Business: Objectives & Use Cases

Der Ausgangspunkt für die Erstellung einer Datenstrategie besteht darin, übergreifende datenstrategische Ziele zu definieren. Diese Ziele (engl. Objectives) werden aus der Unternehmensstrategie abgeleitet und sollen wiederum auf diese einzahlen. Grundlage dafür ist ein tiefgehendes Verständnis für die übergreifende Unternehmensstrategie.

Das zweite wichtige Element im ersten Layer ist die Sammlung und Bewertung von Anwendungsfällen, sogenannten Use Cases. Hierbei werden Methoden aus dem Design Thinking genutzt, um in einem Workshop mit möglichst vielen Stakeholdern aus Ihrem Unternehmen Use Cases zu erarbeiten, die einen klaren Business Impact erzielen. Die frühzeitige Einbeziehung der verschiedenen Stakeholder, garantiert ein hohes Buy-in und führt zu einer nachweislich höheren Qualität der Use Cases. FELD M setzt daher auf eine Ideengenerierung gemeinsam mit dem Kunden, sowie auf Priorisierung anhand Einschätzung der Machbarkeit und des Business Impacts.

Objectives & Use Cases

• Tiefgehendes Verständnis der übergreifenden Unternehmensstrategie
• Definition der übergreifenden Ziele der Datenstrategie abgeleitet aus der Unternehmensstrategie
• Sammlung und Bewertung von Use Cases

 

2. Technology: Tools, Daten und Analytics

Basierend auf den identifizierten Zielen sowie den entwickelten Use Cases wird analysiert, welche Tools, Daten und Analysen verwendet werden, sowie welche Lücken und Redundanzen bestehen. Zur Ausarbeitung der definierten Use Cases wird der Status-quo in den Bereichen Tools, Data und Analytics ermittelt und je nach Notwendigkeit eine Gap-Bestimmung und eine Reifegrad-Analyse durchgeführt. Hierbei wird der Status-quo mit dem Zielbild für die Umsetzung der Use Cases abgeglichen.     

Tools

• Evaluation des bestehenden Technologie Stacks
• Identifikation der technischen Lücken und Redundanzen
• Definition des optimalen Architektur Ansatzes (Best of Breed vs. herstellerspezifische Lösungen)
• Evaluation & Auswahl fehlender Technologien
• Definition des Zusammenspiels aller Lösungen

Daten

• Evaluation der bestehenden Daten (1st, 2nd & 3rd party data)
• Identifikation der Verfügbarkeit, Zugänglichkeit und Qualität bestehender Daten(quellen)
• Definition von Datenlücken und Möglichkeiten zur Beschaffung fehlender Daten: 1st party (sammeln), 2nd party (partnern), 3rd party (zukaufen)

Analytics

• Evaluation des bestehenden analytischen Ansatzes sowie der vorhandenen & benötigten Kompetenzen
• Definition des analytischen Ansatzes, z.B. heuristisch oder algorithmisch, bespoke oder out-of-the-box
• Definition des strategischen Ansatzes zur Entwicklung von Datenprodukten (inhouse, externally, partnering)

 

3. People: Organisation und Enablement

Daten und Technologie allein, machen noch kein erfolgreiches datengetriebenes Unternehmen aus. Was es zusätzlich braucht, sind eine neue Denkweise, Prozesse und Datenkompetenz. Daher besteht der dritte Layer des Datenstrategie-Frameworks aus den beiden Elementen Organisation und Enablement, also dem Schaffen von Rahmenbedingungen und der Befähigung der Mitarbeiter datengetrieben zu arbeiten. Mit der Entscheidung das Unternehmen datengesteuert auszurichten, stellen sich beispielsweise die Fragen, wo die datengetriebene Arbeit im Unternehmen verankert ist, ob ein zentrales Datenteam installiert werden soll oder ob die Zusammenarbeit eher dezentral gesteuert wird. Klärung der verschiedenen Rollen, Transparenz über Data Ownership oder die Zuständigkeiten von Data Governance sind ebenfalls dringliche und wichtige Themen. Nicht zuletzt müssen Schulungen und andere Aktivitäten für die Mitarbeiter bereitgestellt werden, damit diese ihre Daten-, Tool- und Analytics-Kompetenzen erweitern können. Es braucht ein sogenanntes Data Mindset im Unternehmen und daten-getriebenes Arbeiten muss in der Unternehmenskultur verankert werden.

Organisation

• Definition des Ansatzes für datengetriebene Arbeit (zentralisiert vs. deszentralisiert)
• Definition von Rollen & Prozessen sowie deren organisatorische Verortung
• Definition & Etablierung von Data Governance
• Herstellung von Verständnis und Transparenz über Data Ownership im Unternehmen und Kooperation zwischen Stakeholdern

Enablement

• Evaluation der Kompetenzen der Stakeholder
• Entwicklung eines Ansatzes zur Etablierung eines Data Mindset und zum Aufbau von Data Literacy im Unternehmen
• Entwicklung eines Enablement-Programms

 

Datenstrategie Framework – wie spielt alles zusammen?!

Der erste Layer stellt die Grundlage für eine erfolgreiche Datenstrategie dar. Denn nur, wenn Sie wissen, welche Ziele Sie mit den Daten erreichen möchten und welchen Mehrwert diese erzeugen können, macht es Sinn sich auf den Weg zur Entwicklung der Datenstrategie zu begeben.

Der Fokus des zweiten und dritten Layer beruht ganz auf dem individuellen Status der jeweiligen Unternehmung, dem Geschäftsmodell und den aktuellen Zielen. Eine einheitliche Datenstrategie umfasst alle Elemente. Gezielt mit ausgewählten Elementen zu beginnen kann ebenfalls eine geeignete Strategie sein, um ressourcenschonend schnell einen ersten Impact zu erzeugen. Diese priorisierte Auswahl kann ein erster Versuch sein, die Unternehmung in Richtung datengetriebenes Arbeiten zu lenken.

 

Wie gehen wir vor, um mit Ihnen gemeinsam eine Datenstrategie zu entwickeln?

Sie geben uns einen Überblick Ihrer übergreifenden Unternehmensstrategie und danach definieren wir gemeinsam die Ziele der Datenstrategie und erarbeiten aktuelle Herausforderungen Ihrer Teams. Wir identifizieren, erarbeiten und priorisieren Use Cases, die einen klaren Business Impact aufweisen. Hierbei sprechen wir mit möglichst vielen Stakeholdern – sowohl Data-Producers als auch Data-Consumers – im Rahmen von cross-funktionalen Workshops. Methodisch arbeiten wir angelehnt an Design & Data Thinking.

Anschließend erheben wir den aktuellen Status-quo Ihres Unternehmens im Hinblick auf Technologie, Daten und Analysen. Darüber hinaus evaluieren wir aktuelle organisatorische Rahmenbedingungen und Herausforderungen im Hinblick auf Prozesse, Rollen aber auch Skills und Mind-set. Im Rahmen von Interviews mit Vertretern der Data-Consumers als auch Producers identifizieren wir die Herausforderungen in der Nutzung von Daten, im Hinblick auf Technologien im Unternehmen sowie mit Blick auf Analytics in Ihren Teams. Dieser Status-quo wird im Rahmen eines Reifegrad-Assessments der durch die Unternehmensstrategie sowie die priorisierten Use Cases manifestierten Zielsetzung gegenübergestellt.

Basierend auf den Ergebnissen des Reifegrad-Assessments wird in einem nächsten Schritt die Datenstrategie entwickelt, sowie die notwendigen strategischen Maßnahmen. Diese Maßnahmen dienen einem optimalen Set-up, welches Ihr Unternehmen in die Lage versetzt, nachhaltig datengetrieben zu arbeiten.

Schließlich priorisieren wir gemeinsam mit Ihnen die Maßnahmen sowie die erarbeiteten Use Cases und erstellen daraus eine Roadmap. Wir begleiten Sie daraufhin sehr gern auch bei der Umsetzung.

 

 

*Quelle: Capgemini Study (2020): The data-powered Enterprise: Why Organizations must strengthen their Data Mastery