Das Erschließen aller relevanten Datenquellen ist die Grundlage für effiziente Datenspeicherung und automatisierte Datenverarbeitung in einer datengetriebenen Organisation.
Bis du empfangsbereit? Hast du Netz? Hörst du überhaupt zu? Das ganz normale Leben im Alltag zeigt ja schon, worauf es auch im Data Management eines datengetriebenen Unternehmens ankommt: auf die Sensibilität für Signale. Eine intelligente, ausgetüftelte automatisierte Datenverarbeitung benötigt Daten. Genaugenommen: relevante Daten. Das klingt dir jetzt vielleicht zu banal. Genau deshalb lohnt es sich, genau hier einmal genauer nachzusehen. Denn weil diese Seite des Data Management als so selbstverständlich gegeben vorausgesetzt wird, werden unserer Erfahrung nach manche Datenquellen mal übersehen, mal nur halbherzig angezapft. Und wie wir in einem anderen Blogbeitrag schon einmal feststellten: Jede datengetriebene Organisation ist nur so stark, wie das schwächste Gewerk es zulässt.
1. Welche Daten sind überhaupt wichtig?
Spätestens seit dem Einzug der Digitalisierung in alle Geschäftsprozesse haben wir es mit einer großen und wachsenden Menge an Daten zu tun. Prinzipiell. Denn weil es so viele Daten gibt – bei endlicher Rechenkapazität und ebenso knapper Personaldecke, um sich mit allen Daten eingehend und persönlich zu beschäftigen –, solltest du zunächst einmal identifizieren, welche Datenquellen überhaupt für die Steuerung deines Geschäfts relevant sind. Da das Potential einer einzelnen Datenquelle nicht immer sofort ersichtlich ist, sind sowohl analytisches Verständnis als auch Erfahrung gefragt. Für einen unvoreingenommenen Evaluierungsbericht ist ein externer Blick sicher hilfreich – gerade in Hinblick auf eine Weiterentwicklung des Data Management, auf neue Wege jenseits der bereits von dir beschrittenen Pfade.
2. Finden die Daten zusammen?
Sind die relevanten Datenquellen identifiziert und erschlossen, solltest du deine Daten- und Systemarchitektur überprüfen. Zu einer effizienten Datenspeicherung gehört die Datenintegration. Das heißt: die Daten aus den verschiedenen Quellen müssen zusammenfließen können. Zur Realität auch datengetriebener Organisationen gehören häufig operative Silos. Du musst also zum Beispiel prüfen, ob die Daten aus dem Onlineshop, dem Newslettering und den Filialen ebenso kombinierbar sind wie Marktanalysen, Ergebnisse aus Befragungen und die neuesten Zahlen aus deinem Warenwirtschaftssystem.
3. Nach welcher Logik arbeiten die Daten?
Ziel ist ja, ein komplettes Bild, ein valides Profil deiner Kundinnen und Kunden zu zeichnen, um dann zu intelligenten Use Cases mit automatisierter Datenverarbeitung zu kommen. Dazu musst du Rohdaten zu geschäftsrelevanten Attributen veredeln – musst du eine Berechnungslogik erarbeiten, die innerhalb deiner Daten- und Systemarchitektur zu Insights und Handlungsempfehlungen führt. Wir sprechen dabei von funktionalen Spezifikationen. Auch hier kann ein externer Data Architect mit Erfahrung wertvolle Hinweise geben.
Automatisierte Datenverarbeitung ist auf ein solides Fundament angewiesen
Das Definieren, Identifizieren und Erschließen relevanter Datenquellen – inklusive der Datenintegration – ist eine wesentliche Voraussetzung für erfolgreiches Data Management. Hier eine solide Basis zu schaffen, macht alle weiteren Prozesse der Datenverarbeitung effizienter und liefert letztlich bessere Ergebnisse in Form intelligenter, datenbasierter Use Cases. Expertise von außen hilft bei diesem auf den ersten Blick so selbstverständlichen Thema.
*Was ist Data Management überhaupt?
Ein gut funktionierendes Data Management ist die Voraussetzung für eine agile, datengetriebene und kundenzentrierte Organisation. Dabei subsummieren sich unter dem Begriff Data Management alle Aufgaben, die auf die bestmögliche Erfassung, Beschaffung, Haltung, Verwaltung, Betreuung und Bereitstellung der Daten abzielen. Während es bei der Erfassung und Beschaffung von Daten primär um die Auswahl und technische Anbindung der relevanten Datenquellen geht, spielen bei der Haltung, Verwaltung und Betreuung der Daten vor allem systemische und organisatorische Gegebenheiten eine tragende Rolle. Denn die gesammelten Daten lassen sich im Unternehmen erst dann richtig verwerten, wenn ihre Verlässlichkeit und Qualität sichergestellt ist und bei allen Anwendern ein gemeinsames Datenverständnis vorliegt. Unter die Datenbereitstellung fallen schließlich alle Anstrengungen, die sich mit der Wissensextraktion und Erkenntnisgewinnung aus Daten sowie der Versorgung der Fachbereiche mit entscheidungs- und steuerungsrelevanten Kennzahlen beschäftigen. Erst wenn alle diese Einzeldisziplinen im Konzert agieren und gut aufeinander abgestimmt sind, kann das in den Daten schlummernde Potenzial produktiv für die Optimierung von Geschäftsprozessen genutzt werden.
Gerne unterstützen wir bei der Evaluation deiner Datenquellen und deinen Möglichkeiten zur Data Integration sowie bei der Implementierung. Über einen strukturierten Prozess bewerten unsere Data Architects deine Potentiale für die Weiterentwicklung. Vereinbare einen unverbindlichen Gesprächstermin mit uns.
Mehr Beiträge zum Thema Data Management:
Mit den richtigen Analytics-Tools Customer Insights gewinnen
Autor
Thomas Plennert
Executive Director Data Intelligence
DEFACTO GmbH
Tel. +49 151 1205 2965
thomas.plennert@defacto.de