Mit der zunehmenden Digitalisierung von Geschäftsaktivitäten haben uns neue Informationsquellen und ein immer besserer Zugang zu Technologien in ein Datenzeitalter geführt, in dem zu praktisch jedem für ein Unternehmen relevanten Interessensbereich große Mengen an Informationen bereitstehen. Die verfügbaren Daten sind oft verteilt und unstrukturiert, doch innerhalb dieses großen Datenrauschens existieren heute viele geschäftsrelevante Signale, die nur darauf warten entdeckt zu werden.

Nicht nur den großen, digitalen Plattformunternehmen gelingt es heute, enormes Wachstum mit Hilfe von Daten zu erreichen. Tatsächlich kann die Nutzung von Big Data auch klassische Unternehmen der „Old Economy“ – wie die der chemischen Industrie – transformieren.

Die Frage ob, in welchem Umfang und wie zuverlässig Unternehmen Daten zur Entscheidungsfindung nutzen und inwieweit sie Wertschöpfung durch Daten erreichen, hat bedeutenden Einfluss auf die Wettbewerbsfähigkeit und damit auf das zukünftige Bestehen von Unternehmen in ihrem Markt. Doch was sind die nötigen Voraussetzungen, die

Wertschöpfung durch Daten

Unternehmen, die die folgenden fünf Eigenschaften und Fähigkeiten aufweisen, meistern es meist deutlich besser als andere, von Daten zu profitieren. Diese Fähigkeiten ermöglichen es, wertvolles Wissen aus Daten zu generieren oder Informationslösungen zu implementieren, die innovativ, profitabel und wettbewerbsfähig sind.

Data Assets

Die Fähigkeit eines Unternehmens, zuverlässige Daten zu generieren, die gefunden und genutzt werden können, wird als Data Asset Fähigkeit bezeichnet. Unternehmen mit fortgeschrittenen Data-Asset-Fähigkeiten können präzise Aussagen zur Genauigkeit ihrer Daten machen, verwandte Dateneinträge abgleichen sowie Datenfelder zusammenführen und optimieren. Um die Fähigkeit zum Aufbau von Data Assets zu entwickeln, müssen Unternehmen dafür sorgen, dass Daten genau, vollständig, aktuell, standardisiert, kombinierbar, durchsuchbar und verständlich sind.

• Datenplattform
  Eine Datenplattform ermöglicht es, Daten innerhalb und außerhalb des Unternehmens sicher und effizient zu erfassen und zu verarbeiten. Unternehmen mit einer fortschrittlichen Datenplattform können die Verarbeitung und Bereitstellung der Daten kosteneffizient skalieren.

• Data Science
  Die Data-Science-Fähigkeit ist die Fähigkeit eines Unternehmens, wissenschaftliche Methoden, Prozesse, Algorithmen und Statistiken einzusetzen, um aus Daten Erkenntnisse zu gewinnen. Organisationen mit fortgeschrittenen Data-Science-Fähigkeiten beschäftigen analytisch versierte Mitarbeiter, die evidenzbasierte Entscheidungen treffen, und führen Geschäftsprozesse ein, die auf analytischen Erkenntnissen und Automatisierung beruhen. Sie schulen ihre Mitarbeiter in probabilistischem Denken, Data Storytelling, Statistik und anderen Fähigkeiten, die die Nutzbarkeit von Data Science erhöhen.

• Marktverständnis
  Marktverständnis ist die Fähigkeit, genaue Informationen über Märkte und ihre Teilnehmer zu sammeln, zu verknüpfen und zu strukturieren. Um fortgeschrittenes Marktverständnis aufzubauen, sammeln und analysieren Unternehmen aus aktuellen und zuverlässigen Quellen Daten zu Marktentwicklungen, Wettbewerbern, Lieferanten und (potenziellen) Kunden, aus denen sie Erkenntnisse über zentrale und latente Marktbedürfnisse gewinnen.

• Data Governance
  Data Governance stellt mit Hilfe von Datenstandards und Richtlinien die Verfügbarkeit, Sicherheit, Nutzbarkeit und Integrität der Daten im Unternehmen sicher. Sie mindert das Risiko einer ungenauen, unangemessenen oder unerwünschten Verwendung von Daten und gewährleistet, dass die Nutzung von Daten und Analysen mit den geltenden Gesetzen, Vorschriften und den Werten des Unternehmens übereinstimmt. Diese Fähigkeiten zu erlangen, bedeutet oft erhebliche Aufwände. Aus diesem Grund bieten in vielen Funktionsbereichen ganzheitliche, externe Systeme Lösungsansätze, die es ermöglichen Wertschöpfung durch Daten zu erreichen, ohne die genannten Fähigkeiten und technischen Infrastrukturen in Gänze selbst aufbauen zu müssen.

Datenbasierte Entscheidungsfindung

Insbesondere für die hoch geschäftsrelevanten Bereiche des Supply Chain Managements, des Einkaufs, des Vertriebs, der Logistik etc. gibt es heute mächtige Business-Intelligence-(BI)-Systeme, die ihren Nutzern als ganzheitliche Lösung zur Verfügung stehen. Mit ihnen können Unternehmen unter Zuhilfenahme eines einzelnen bzw. einiger weniger externer Tools, in kurzer Zeit wertvolle Erkenntnisse aus großen Datenmengen extrahieren und datenbasiert Geschäftsentscheidungen fällen.

Während einige BI-Lösungen darauf beschränkt sind, aufbereitete Daten zur Verfügung zu stellen, geben andere Tools unmittelbare Handlungsempfehlungen als Resultat Machine-Learning-basierter Datenauswertungen an die Hand, die ihre Nutzer direkt bei der Entscheidungsfindung unterstützen.

Insbesondere Entscheider aus Supply Chain Management, Vertrieb, Einkauf oder Logistik können heute erheblich von diesen - meist Software-as-a-Service (SaaS) – Angeboten profitieren, die in diesen Sektoren bereits große Fortschritte erzielen.

Auch hier stehen Unternehmen also wie so oft vor der Entscheidung, Systeme, Infrastruktur, Fähigkeiten und Wissen selbst sukzessive intern aufzubauen oder von extern zu beziehen (Make or Buy). Eine allgemeingültige Herangehensweise gibt es auch hier nicht, da die Entscheidung von einer Vielzahl individueller Faktoren abhängt und aus diesem Grund immer im Einzelfall betrachtet werden sollte.

Im Zweifel sind insbesondere jene Unternehmen, die sich noch am Anfang oder im Aufbau eigener Data-Science-Infrastrukturen befinden, meist gut beraten, frühzeitig externe Lösungen mit einzubeziehen, um die enormen Chancen und Potenziale des Datenzeitalters rechtzeitig zu nutzen und von diesen zu profitieren.

Weitere Infos erhalten Sie hier!

Autor

„Innerhalb des großen Datenrauschens existieren viele geschäftsrelevante Signale, die nur darauf warten entdeckt zu werden.“