Unternehmen haben das Potenzial von Big Data längst erkannt: Sie investieren in datenzentrierte Lösungen, um ihre Prozesse zu optimieren und neue Geschäftsfelder zu erschließen. In der Theorie klingt es sehr einfach, die Chancen von Daten für das eigene Geschäft zu nutzen. In der Praxis sorgt dieser Transformationsprozess aber nicht nur für Freude, sondern teils auch für Frustration – vor allem dann, wenn sich Investitionen in Technologien und Infrastrukturen nicht unmittelbar auszahlen.
Ursache hierfür ist in den meisten Fällen weniger die Technologie. Viele Unternehmen unterschätzen eher die organisatorischen und kulturellen Herausforderungen, die der Wandel zu einer datenzentrierten Organisation mit sich bringt. Das kann dazu führen, dass es einige datenbasierte Lösungen nicht über einen Prototyp hinaus schaffen, weil schlichtweg grundlegende Fähigkeiten und Strukturen zur Skalierung und Monetarisierung fehlen. Um das zu vermeiden, sollten Unternehmen eine ganzheitliche Datenstrategie aufsetzen – beziehungsweise ihre bestehende Strategie kontinuierlich hinterfragen.
Was sind die Merkmale einer guten Datenstrategie? In unserer kürzlich erschienenen PwC-Studie „One data strategy to rule them all“ haben wir dazu 50 Unternehmen verschiedener Branchen aus vier Kontinenten befragt. Dabei haben wir fünf Faktoren ermittelt, die Entscheiderinnen und Entscheider beim Thema Data Analytics beachten sollten.
Der erste Faktor: die Organisationsstruktur
Viele der befragten Unternehmen begannen ihre Transformation mit dezentralen Initiativen. Vereinzelte Abteilungen bemühten sich unabhängig voneinander darum, ihre Ideen zu verwirklichen – oftmals nach dem Freispiel-Prinzip ohne Regeln und zentrale Vorgaben. Andere Unternehmen setzten von Anfang an auf einen zentralen Ansatz mit klaren Regeln.
Die befragten Unternehmen, die den aus Daten gezogenen Nutzen am höchsten bewerteten, nutzen jedoch weder einen rein dezentralen noch einen rein zentralen Ansatz, sondern profitieren von einer Mischform aus beidem. So schaffen sie zum Beispiel eine zentrale Einheit für Data Analytics, die aber gleichzeitig auch einzelne Geschäftseinheiten bei Eigenentwicklungen unterstützt. Daraus leitet sich der zweite Faktor ab.
Der zweite Faktor: die Plattform-Landschaft
Unsere Erfahrungswerte zeigen: Erfolgversprechend ist es, im Unternehmen eine zentrale Plattform zu etablieren, über die rund 80 Prozent aller Data Analytics Anwendungsfälle laufen – in begründeten Ausnahmefällen aber Freiraum für die Nutzung von Speziallösungen zu lassen.
Mit einer guten Datenstrategie verhält es sich also ähnlich wie beim Mannschaftssport: Es braucht klare Vorgaben des Trainers, damit jeder Mitspielende seine Rolle bestmöglich erfüllen und so ein starkes Spiel entstehen kann. Gleichzeitig lässt dieser Rahmen genügend Raum für sinnvolle individuelle Spielstrategien und -züge.
Der dritte Faktor: Upskilling
Eine ganzheitliche Sicht auf das Unternehmen ist beim Thema Data Analytics unabdingbar. Der dritte Faktor für eine gute Datenstrategie – und gleichzeitig ein häufig vernachlässigter – ist daher der Umgang mit personellen Ressourcen. Die Weiterbildung der Menschen im Unternehmen sollte fester Bestandteil der Organisationskultur sein. Denn damit ein Transformationsprozess gelingt, kommt es auch darauf an, dass die Mitarbeitenden den Wandel mittragen und vorantreiben. Verständnis für die neuen Technologien zu schaffen ist dafür die Basis. So können die nötige Expertise und die Fertigkeiten für den Umgang mit datengetriebenen Prozessen aufgebaut werden – und zwar in der Breite. Es braucht ein starkes Team statt individuelle Einzelspieler.
Der vierte Faktor: Philosophie für den Datenzugang
Hier sehen wir aktuell noch unterschiedliche strategische Ansätze. Der Trend geht klar zu offenen Daten – in einigen Bereichen eine gute und längst überfällige Entwicklung. Doch gerade bei personenbezogenen Daten sowie in regulierten Branchen wie der Finanzindustrie muss sorgfältig abgewogen werden, zu welchen Daten Mitarbeitende Zugang haben sollen.
Der fünfte Faktor: das Betriebsmodell für Data Analytics
Typischerweise starten Unternehmen erste Projekte, wie eingangs erläutert, ad hoc – ohne standardisierte Prozesse. Für die Weiterentwicklung ist eine harmonisierte Prozesslandschaft mit einheitlichen Kennzahlen und idealerweise auch einheitlichen Schnittstellen unabdingbar.
Am Ende geht es nicht darum, dass Unternehmen Data Analytics als zentrale Unternehmensfunktion etablieren, sondern darum, wie und mit welchem Ziel. Wichtig ist es, weiterzudenken, einen holistischen Blick auf die Datennutzung in der Organisation einzunehmen – ja, vorausschauend zu spielen. Erfolgversprechend sind eingebettete, zentral koordinierte Strukturen, die gleichzeitig Raum für pragmatische Lösungen lassen.
Der wahre Wandel passiert nämlich dort, wo engagierte und gut ausgebildete Menschen in ihren Fachbereichen eigene Ideen vorantreiben können und dabei bestmöglich unterstützt werden. Dafür bedarf es einer strategischen Vision, bei der sich Standardisierung und Flexibilität die Waage halten. Die nicht nur Technologie, sondern auch die Ausbildung der Mitarbeitenden berücksichtigt. Und die einen souveränen Umgang mit Daten auf allen Ebenen fördert. Wenn das gelingt, dann verfliegt die Frustration – und die Investitionen in Data Analytics zahlen sich aus.
Dr. Ulrich Störk ist seit 2018 Sprecher der Geschäftsführung von PwC Deutschland. Seine Laufbahn bei der Wirtschaftsprüfungsgesellschaft startete der Wirtschaftsprüfer und Steuerberater 1996 im Bereich Transaktionsberatung. Er berät insbesondere familiengeführte und notierte Unternehmen bei großen Transformationsprojekten. Er ist zudem Lehrbeauftragter an der Universität Mannheim.
Michael Bruns ist Partner im Bereich Data & Analytics bei PwC Deutschland. Seit mehr als 15 Jahren berät er Kunden beim Aufbau von Data- und Analytics-Lösungen. Nach seinem Studium der Wirtschaftsinformatik entwickelte er zahlreiche Analytics- und Datenstrategien und trieb die Umsetzung großer Transformationsprojekte in diesem Umfeld voran.
