Was ist eine Datenstrategie?

Eine Datenstrategie ist ein strukturierter Verfahrensplan zur Befähigung eines Unternehmens, aus Daten Wissen zu generieren. Sie hat daher nicht nur Einfluss auf die Optimierung bereits bestehende Prozesse, sondern auch auf die Entwicklung komplett neuer Geschäftsmodelle und -möglichkeiten durch eine gewinnorientierte Nutzung von Daten. Datenstrategien können somit einen entscheidenden Wissensvorsprung generieren – insbesondere dann, wenn sie Teil einer ganzheitlichen Digitalisierungsstrategie sind.  

Eine Datenstrategie definiert klare, messbare Zielvorgaben und trifft Aussagen darüber, bis wann und wie diese Ziele erreicht werden sollen. Zielvorgaben könnten u.a wie folgt formuliert sein: Bessere Risikosteuerung, erhöhte Prozesseffizienz, Kostenreduktion, Umsatzsteigerung o.ä. In diesem Sinne wird auch evaluiert, welche technischen (Hard- & Software) sowie betriebswirtschaftlichen und rechtlichen Ressourcen (Aufbau einer Data Unit mit bestimmten Datensicherheitsstandards) aus- oder aufgebaut werden müssen, damit die in der Datenstrategie formulierten Ziele erreicht werden können. Es werden auch Aussagen darüber getroffen, welche personellen Ressourcen und Qualifikation um spezifisches Know How ergänzt werden müssen.

Nicht nur in unternehmerischer, sondern auch in politischer Hinsicht steht das Thema auf der Agenda: So hat die deutsche Bundesregierung im November 2019 ihre “Eckpunkte einer Datenstrategie der Bundesregierung” beschlossen. Als zentraler Aspekt wird hier vorgeschlagen, Datenpools zu kreieren, in denen Daten gesammelt, aggregiert und geteilt werden können. Zudem wird eine offene Innovations- und Datenkultur forciert: “Der verantwortungsvolle Umgang mit Daten ist dabei stets im Kontext einer offenen Innovationskultur zu sehen. So, wie die Daten so wenig wie möglich in Silos liegen sollen, soll auch die Arbeit mit Daten möglichst wenig in Silos stattfinden. Deshalb geht es auch um eine Datenkultur, die sich verwirklicht in kollaborativen Arbeitsmethoden, auch in genossenschaftlichen wie gemeinwohlorientierten Initiativen, in agilen Prozessen und Experimentierräumen, in Nachnutzung und Transparenz.”

Data-Driven Thinking: welchen nutzen hat eine Datenstrategie?

In Zeiten der Digitalisierung ist es für Unternehmen relevant, Daten als strategisches Gut zu behandeln. Nur durch einen professionellen Umgang mit Daten, der sämtliche Strukturen eines Unternehmens umfasst, kann wirtschaftlicher Mehrwert aus dem “neuen Gold” des 21. Jahrhunderts geschöpft werden.  

Eine steigende Anzahl von vernetzten Geräten und Sensoren generiert bereits heute eine immense Menge an Daten – Tendenz steigend. Die Fähigkeit, aus dieser Datenflut relevante Erkenntnisse generieren zu können, wird maßgeblich über die Zukunftsfähigkeit von Unternehmen entscheiden. Umso wichtiger ist es daher, früh genug die strategischen Weichen für ein datenorientiertes Wirtschaften zu stellen. Eine Datenstrategie ist somit aus den ökonomischen Leitplanken ebenso wenig wegzudenken, wie eine elaborierte Produkt- oder Vertriebsstrategie. So können Daten aus in- und externen Quellen zielführend zu unternehmensrelevantem Wissen umgewandelt werden.  

Eine Datenstrategie führt idealerweise zu einer stärker datengetriebenen Denkweise: Innerhalb dieses sogenannten data-driven thinkings wird versucht, auftretende wirtschaftliche Fragen datenanalytisch zu beantworten. In diesem Sinne ist es insbesondere für Führungskräfte unabdinglich, sich mit datenanalytischen Frameworks und Konzepten auseinanderzusetzen – selbst dann, wenn sie Datenanalysen nicht selbst vornehmen sollten. Dies wird nicht nur positiven Einfluss auf die Unternehmensstrategie haben, sondern auch dabei helfen, datengetriebene Entscheidungen zu treffen oder mögliche Wettbewerbsrisiken frühzeitig zu erkennen. Bereits jetzt erkunden zahlreiche Unternehmen bestehende und neue Datenquellen, um Wettbewerbsvorteile zu erzeugen, Kosten zu reduzieren oder Umsätze zu steigern.

Wie wird eine Datenstrategie entwickelt?

Zur Formulierung einer elaborierten Datenstrategie sollten die folgenden Schritte und Fragestellungen berücksichtigt werden.  

1. Abstimmung mit Unternehmensstrategie

Eine elaborierte Datenstrategie sollte nicht isoliert, sondern in Korrespondenz mit der allgemeinen Geschäftsstrategie formuliert werden. Daher besteht der erste Schritt jeder Datenstrategie darin, die strategischen Prioritäten und die wichtigsten Geschäftsfragen des Unternehmens zu berücksichtigen. Hier werden auch erste Fragestellungen und/oder Anwendungsfälle skizziert, die datengetrieben angegangen werden sollen.  

2. Voraussetzungen klären

In dieser Phase wird geklärt, welche Daten zur Erreichung der Ziele benötigt werden und woher diese Daten stammen. Dies beinhaltet auch die Beantwortung der folgenden Fragen:

  • Werden strukturierte oder unstrukturierte Daten oder (idealerweise) eine Kombination aus beiden benötigt?
  • Sind diese Daten bereits vorhanden? Wenn nicht, sollte eine Möglichkeit geschaffen werden, die entsprechenden Daten zu sammeln.  

3. Data Governance

Im dritten Schritt sollen die wichtigsten Fragen zu den Themen Datenqualität, Datensicherheit, Datenschutz, Transparenz und ethische Datennutzung geklärt werden. Zu den wichtigsten Überlegungen gehören:

  • Wer ist dafür verantwortlich, dass die Daten korrekt, vollständig und aktuell sind?
  • Wie wird sichergestellt, dass die Daten sicher gespeichert werden?
  • Wie stellen Sie die ethische Nutzung der Daten sicher?

4. Technologische Implikationen

Nachdem entschieden wurde, welche Daten für welche Fragestellung genutzt werden sollen, besteht der nächste Schritt darin, die technische Infrastruktur zu prüfen. Hier sollten die Hardware- und Softwareanforderungen zum Sammeln, Speichern und Organisieren von Daten und deren Analyse geprüft werden.  

5. Personelle Kompetenzen & Datenkultur

Ein Mangel an Datenkenntnissen und –kompetenzen bei Unternehmensmitarbeiterinnen und –mitarbeitern ist häufig der kritischste Teil der Datenstrategie. Folgende Fragen sollten adressiert werden: Verfügen Mitarbeiterinnen und Mitarbeiter über die ausreichende Fähigkeiten im Bereich Data Science. Falls nicht, können interne Mitarbeiterinnen und Mitarbeiter weitergebildet oder müssen neue Talente rekrutiert werden? Ein weiterer wichtiger Aspekt betrifft die Innovationskultur eines Unternehmens. Mitarbeiterinnen und Mitarbeiter müssen verstehen, warum Daten wichtig sind und wie Daten dem Unternehmen helfen können, wirtschaftliche Ziele zu erreichen. Im Idealfall umfasst eine solche Datenkultur das komplette Unternehmen.

Quellen:

Zurück zur Newsübersicht