In 4 Schritten zum erfolgreichen Datenprogramm

Datengetrieben zu arbeiten ist Aufgabe aller

Im 21. Jahrhundert muss jedes Unternehmen datengetrieben arbeiten, um wettbewerbsfähig zu bleiben. Es geht dabei nicht darum, Menschen durch Automatisierung zu ersetzen, sondern sie mit den richtigen Werkzeugen und Informationen auszustatten, damit sie in ihren Rollen wirksamer handeln können.

Wir sehen es als Verantwortung aller im Unternehmen, datengetriebener zu arbeiten. Schließlich hat wahrscheinlich jede und jeder von uns in irgendeiner Form mit Daten zu tun – unabhängig von der Rolle. Wir prüfen kontinuierlich, wie wir Ressourcen weiterbilden und sie auf dieser Reise mitnehmen können.—Rachel Alt-Simmons, AXA XL

Erfolgskriterien für Datenprogramme hängen von Branche und Unternehmen ab

Es gibt kein Datenprogramm von der Stange. Ziele und Erfolgskriterien variieren je nach Branche, Unternehmensgröße und Teamstruktur.

Nehmen wir AXA XL als Beispiel. AXA XL, 2018 von der AXA Group übernommen, ist ein großer Anbieter von Industrie- und Spezialversicherungen, der komplexe Risiken bewertet. Weltweit arbeiten dort 13.000 Mitarbeitende in verteilten Teams, was bedeutet, dass viele nicht mit den meisten ihrer Teammitglieder direkt zusammenarbeiten. Virtuelle Zusammenarbeit über Ländergrenzen hinweg ist entscheidend, und als Versicherer stützen sich ihre Daten stark auf Papier und PDFs.

Unser Geschäft basiert auf Papier. Wir verkaufen Rechtsdokumente – genau das ist eine Versicherungspolice. Wir nehmen Papier entgegen und erzeugen Papier. Wenn zum Beispiel eine Kundeneinreichung hereinkommt, enthält sie Unmengen an Dateien und Informationen. Das kann als PDF, Word-Dokument, Excel-Datei und in wahrscheinlich jeder erdenklichen Variante vorliegen. Es gibt keine Standardisierung, wie diese Unterlagen eingehen, also kein einheitliches PDF oder eine einheitliche Datei. Für jeden Kunden sieht es anders aus.

Da so viele Daten in PDFs stecken und Datenerfassung oft manuell geschieht, werden nicht alle Einzelelemente erfasst. Vieles geht verloren oder lässt sich nicht leicht wiederfinden. Um das zu lösen, nutzt AXA XL unter anderem Natural Language Processing, um Dokumente zu erfassen und Informationen effizient daraus zu extrahieren.

So setzt du ein Datenprogramm um

1. Top-down- oder Bottom-up-Ansatz wählen

Der Top-down-Ansatz beim Aufbau eines Datenprogramms knüpft an die übergeordneten Daten- und Analyseinitiativen einer Organisation an. Dafür wird das Programm strategisch so entwickelt, dass Analytic-Modelle und -Workflows teamübergreifend standardisiert integriert werden.

Der Bottom-up-Ansatz zielt darauf ab, die Kompetenzen und das Niveau aller Mitarbeitenden auf Daten- und Analyse-Laufbahnen insgesamt zu heben. Bei AXA XL identifiziert die Initiative Analytic DNA beispielsweise Expertinnen und Experten in verschiedenen Technologie- und Analysebereichen und nutzt deren Ideen, um Fähigkeiten im gesamten Unternehmen zu skalieren.

Die gute Nachricht ist: Viele sind bereit, sich einzubringen und ihr Wissen zu teilen. Das hilft uns, unser Programm relevant zu gestalten und an unseren strategischen Initiativen auszurichten.

2. Personas entwickeln und ihre Ziele definieren

Bei DataCamp unterscheiden wir mehrere datenbezogene Personas bzw. Rollen, die unsere Kundinnen und Kunden typischerweise nutzen: Data Consumer, Leader, Data Analyst, Citizen Data Scientist, Data Scientist, Data Engineer, Database Administrator, Statistician, Machine Learning Scientist und Programmer. Unsere Dozierenden sollen bei der Kursentwicklung die relevanten Personas im Blick behalten, und auch unseren Unternehmenskunden empfehlen wir, ihre Datenprogramme an den passenden Personas auszurichten. Jede Persona hat eine andere Beziehung zu Daten.

Bei AXA XL stehen zwei primäre Personas im Fokus: Aktuarinnen/Aktuare und Data Scientists. Aktuell arbeiten sie daran, die Kompetenzen beider Rollen zu verzahnen, um das Geschäft weiter voranzubringen.

In vielen [Versicherungs-]Organisationen gibt es traditionell einen Unterschied zwischen einem aktuarischen Hintergrund und dem, was ich als eher reinen Data-Science- oder Analyse-Hintergrund bezeichnen würde. Bei uns bringen wir beides zusammen. Wir vermitteln Aktuarinnen und Aktuaren statistische Machine-Learning-Techniken, die sie in ihren aktuarischen Prozessen anwenden können. Es ist nicht mehr „wir gegen sie“. Es geht darum, diese Fähigkeiten zusammenzubringen – und das ist ziemlich spannend.

3. Kompetenzlücken je Persona identifizieren

Wir raten allen Kundinnen und Kunden, mithilfe einer Skill-Matrix einen umfassenden Überblick über die internen Datenkompetenzen zu erstellen. Das kann in vielen Formaten geschehen, zielt aber generell darauf ab, Stärken und Lücken auf Ebene der Organisation, Abteilung, Teams oder Einzelpersonen sichtbar zu machen.

Rachel von AXA XL empfiehlt, Lücken je Persona über Fragen wie diese zu identifizieren:

• Was willst du wissen?
• Wovon hättest du gern mehr?
• Was könnten wir zusätzlich bereitstellen, z. B. Training, Recruiting, Kompetenzentwicklung oder projektbasiertes Arbeiten?
• Stimmen wir diese Fähigkeiten richtig auf unsere strategischen Projekte ab?

Für Analyseprofis wie Data Analysts, Data Scientists und Data Engineers lohnt es sich zu prüfen, ob es Lücken bei zentralen Kompetenzen wie Datenimport, Datenanalyse in Tabellenkalkulationen, Natural Language Processing sowie Aufbau und Betrieb von Datenpipelines gibt. Hier ist eine Beispiel-Skill-Matrix, die wir für Data-Professionals entwickelt haben.

Für Data Consumers und Leaders sind Soft Skills wie Kommunikation, Verständnis von Datenvisualisierung und Design Thinking erfolgskritisch.

Design Thinking bedeutet, eine Lösung zu entwickeln – ob technisch, datenbasiert oder als Modell –, die für Kundinnen und Kunden relevant ist. Und dann die Ergebnisse so zu kommunizieren, dass sie ankommen.

4. Lernreisen je Persona entwickeln

Ein ganzheitlicher Lernansatz nutzt Design Thinking, um eine wirksame Lernreise zu gestalten. Es geht nicht nur um technische Fähigkeiten, sondern auch um wichtige Business-Kompetenzen. So verlangt AXA XL von Aktuarinnen und Aktuaren, Daten in verständliche Geschäftssprache zu übersetzen, damit Entscheidende wie Underwriter, die Versicherungsrisiken bewerten, die Risikoeinschätzung eines Unternehmens einordnen und etwa den zu übernehmenden Risikoanteil ableiten können. Die Lernreise der Aktuarinnen und Aktuare muss daher die Kontextualisierung von Daten und die Übersetzung ihrer Implikationen für ein breiteres Publikum einschließen.

Um Organisationen beim Ermitteln des Datenkompetenzniveaus ihrer Teams über Personas hinweg zu unterstützen, bieten wir einen kostenlosen Skill Audit als Benchmark-Report an. Einzelpersonen können mit unseren Signal Skill Assessments ihren eigenen Fortschritt tracken.

Nach der Kompetenzaufnahme empfehlen wir, individuelle Lernpfade zu erstellen, damit alle die für ihre Persona oder Rolle nötige Basiskompetenz erreichen. Lernpfade für Data Consumers und Leaders enthalten tendenziell mehr unserer Theory-Kurse, während Data-Professionals unsere praxisnahen Coding-Kurse belegen. Da bei AXA XL so viele Daten in PDFs liegen, umfassen die Lernreisen für Aktuarinnen/Aktuare und Data Scientists mehrere unserer Kurse zu Natural Language Processing. Für Berufseinsteigerinnen und -einsteiger in der Aktuariatslaufbahn empfehlen wir diese R-Kurse zur Vorbereitung auf das Predictive Analytics Exam.

Die Vorteile deines Datenprogramms ausschöpfen

Laut Rachel lässt sich der Erfolg eines Datenprogramms leicht beantworten: Hilft es dir, profitabler zu werden? Wenn Daten sauber in Entscheidungen einfließen, zeigt sich das in der Bilanz. Entwickeln sich die Kompetenzen deiner Mitarbeitenden weiter und trifft dein Unternehmen fundierte Entscheidungen, lautet die Antwort sehr wahrscheinlich: ja.

Mehr zum Aufbau eines erfolgreichen Datenprogramms gibt es im On-Demand-Webinar.