Von selbstfahrenden Autos bis zum Go-Weltmeister: Organisationen sorgen mit Data Science für Schlagzeilen, indem sie scheinbar Unmögliches möglich machen. Leicht übersehen wird dabei die stille Revolution: Immer mehr Unternehmen machen das bereits Mögliche breit verfügbar. Kurz: Sie arbeiten daran, ihre Datenkompetenz auf Organisationsebene zu stärken. Laut Ramnath Vaidyanathan, VP of Product Research bei DataCamp, hängt der Weg zu echter Datenkompetenz von fünf Schlüsselpfeilern ab: Infrastructure, People, Tools, Organization und Processes (IPTOP). In einem Webinar im letzten Monat stellte er ein Framework vor, mit dem jede Organisation ihre Datenreife von datenreaktiv über datenskalierend und datenprogressiv bis hin zu datenkompetent weiterentwickeln kann.
Vom datenreaktiven Status zur Datenkultur wechseln
Ein datenreaktives Unternehmen steht am unteren Ende der Datenreifeleiter. Es greift selten auf Daten zu, nutzt und präsentiert sie kaum – eine Datenkultur fehlt. Dazu kommen veraltete, voneinander getrennte Tools, Datensilos und Ad-hoc-Prozesse. Ebenso fehlt eine Strategie zur internen Weiterbildung in Datenkompetenzen sowie Investitionen in Dateninfrastruktur. Vorankommen kann ein Unternehmen, indem es Datenkultur und Dateninfrastruktur aufbaut. Um eine solche Kultur zu verankern, lohnt es sich, schnell umsetzbare Maßnahmen anzugehen, die den Mehrwert von Datenkompetenz sichtbar machen: zum Beispiel Proof-of-Concept-Dashboards oder Analyseprojekte wie Churn-Modelle. Parallel kann die Datenarchitektur und Datenerfassung professionalisiert werden.
Aus dem datenskalierenden Stadium mit passender Infrastruktur und Organisationsmodell herauswachsen
Im Unterschied zu datenreaktiven Unternehmen verfügen datenskalierende Unternehmen bereits über eine Datenstrategie und erste Kultur. Die Schwächen bleiben jedoch sichtbar: Nur wenige Mitarbeitende haben die Kompetenzen und den Zugang, um Daten sicher zu analysieren, zu berichten und zu präsentieren – die Datenkultur bleibt schwach. Zudem fehlen zentrale Datenspeicher und Teams, was zu ausgeprägten Silos bei Daten und Prozessen führt.
Um die organisatorische Datenkompetenz zu steigern, muss eine datenskalierende Organisation den Datenzugang über robuste Infrastruktur und zentrale Datenspeicher ermöglichen. So können hochwertige Daten in der Cloud abgelegt und allen Stakeholdern zugänglich gemacht werden. Mit sauberer Speicherung und Zugriff lassen sich Standards für Datenqualität etablieren. Bei DataCamp liegen die Daten zum Beispiel in Amazon Redshift, einem Cloud-basierten, zentralen Data Warehouse, und Datenpipelines werden mit Apache Airflow orchestriert. Das beendet schwer abgleichbare Datensilos und schafft eine Single Source of Truth.
Eine vereinfachte Ansicht von DataCamps zentraler Datenspeicherung
Im Zuge der Datenreife sollte ein datenskalierendes Unternehmen auch ein klares Organisationsmodell für Data Scientists entwickeln. Manche setzen auf ein zentrales Modell mit einem Data-Science-Team als Center of Excellence, das Anfragen aus Bereichen wie Finance, Marketing oder Engineering bearbeitet. Andere wählen ein dezentrales Modell, in dem Data Scientists in den Fachbereichen verankert sind und deren Bedarfe exklusiv bedienen. Entscheidend ist, das Modell zu wählen, das zu den eigenen Daten- und Geschäftsanforderungen passt.
Vom datenprogressiven Stadium mit Tools und Prozessen zum Ziel
Der nächste Meilenstein ist der Status datenprogressiv. Hier verfügt jedes Team mindestens über eine datenkompetente Person, die analysieren, berichten und präsentieren kann. Dennoch gibt es Luft nach oben bei Datenqualität und Auffindbarkeit – die Infrastruktur ist noch im Aufbau. Obwohl Mitarbeitende über Datenkompetenz verfügen, werden Daten fast ausschließlich für Reporting genutzt und damit unter Wert eingesetzt. Zusätzlich hemmen erschwerter Zugang zu Datentools und fehlende Prozesse die Datendemokratisierung.
Um von datenprogressiv zu wirklich datenkompetent zu werden, sollten Infrastruktur, People, Tools, Organization und Processes gleichzeitig entlang des IPTOP-Frameworks weiterentwickelt werden.
Für den Übergang zur Datenkompetenz lohnt es sich, die Datenkultur durch gezielte Weiterbildungsstrategien zu stärken. Dazu gehört kontinuierliche Datenbildung, die sich an den verschiedenen Daten-Personas und den Unternehmenszielen orientiert. AT&T’s umfassende Talentinitiative etwa investierte 1 Mrd. US-Dollar, um innerhalb von zehn Jahren 140.000 Mitarbeitende weiterzubilden. Unternehmen profitieren von einer starken Datenkultur, wenn sie datenbasiertes Verhalten belohnen und Data Evangelists auszeichnen, die die Kultur aktiv vorantreiben.
Ergänzend können interne Datenprodukte aufgebaut werden, die Datenprozesse operationalisieren – ein zentraler Baustein jedes Programms zur Datenkompetenz. Solche Produkte helfen, Qualitätsstandards zu sichern und Unternehmensziele zu monitoren. DataCamp verfügt beispielsweise über interne Frameworks, mit denen Stakeholder mit minimalem Code präsentationsreife Visualisierungen von Business-Kennzahlen erstellen können.
DataCamp-Dashboards, einfach mit internen Frameworks entwickelt
Mit steigender organisatorischer Datenkompetenz entwickeln sich Unternehmen häufig zu einem Hybridmodell, in dem Data Scientists sowohl im zentralen Datenteam als auch in den Fachbereichen verankert sind. So kann das Datenteam Tools entwickeln und teilen, die passgenau auf fachliche Ziele einzahlen.
Um Datenkompetenz zu erreichen, muss Datenarbeit fest in die Prozesse integriert sein. Solche Prozesse reduzieren Reibung bei der Wertschöpfung aus Daten und demokratisieren den Zugang im Unternehmen. So definiert und sichert etwa die Data Quality Initiative von AirBnb die Qualität von Datensätzen unternehmensweit, schafft Vertrauen bei Stakeholdern und stärkt die Datenkultur. Netflix ermöglicht es Stakeholdern, wirksame Notebooks nahtlos zu erstellen, indem Notebook-Vorlagen für verschiedene Zielgruppen angepasst werden.
Mit dem IPTOP-Framework zur Datenkompetenz
Die Datenkompetenz ist der angestrebte Idealzustand der Datenreife. In einem datenkompetenten Unternehmen verfügt jede Person über die Fähigkeiten, auf die benötigten Daten zuzugreifen und sie zu verstehen. Zuverlässige Infrastruktur und geeignete Tools machen datenbasierte Entscheidungen mühelos. Darüber hinaus sorgen Prozesse und Organisationsmodelle für effiziente Zusammenarbeit über Bereiche hinweg und ermöglichen Skalierung.
Der Weg zur Datenkompetenz verläuft nicht linear. Er erfordert eine klare Datenstrategie und ein belastbares Framework für Datenkompetenz. Die folgende Grafik fasst zusammen, welche Schritte Organisationen entlang des IPTOP-Frameworks gehen sollten, um von datenreaktiv zu datenkompetent zu gelangen.
Mehr zum Weg der wachsenden Datenreife gibt es im Webinar oder im Data-Maturity-Assessment.
