Data Strategy Lifecycle wirkungsvoll im Unternehmen einführen
Die Datenstrategie entscheidet zunehmend über den Erfolg des gesamten Unternehmens
Warum eine Data Strategy?
Ich denke, mittlerweile ist jedem Unternehmen klar geworden, dass der kompetente Umgang mit Daten und die Steigerung der Datenintelligenz ein wichtiger Erfolgsfaktor für die Wettbewerbsfähigkeit ist. Gezeigt hat sich in den letzten Jahren, dass bloßes experimentieren mit Daten und neuen Technologien wie Big Data, KI und Cloud auch kein Garant für Erfolg ist. Dies liegt meiner Meinung nach häufig an den von der Unternehmensstrategie abgekoppelten und isolierten Maßnahmen Daten gewinnbringend einzusetzen. Somit sind häufig weitere Silos entstanden, die eher verhindern, einen erkennbar positiven Effekt für den Unternehmenserfolg zu erzielen. Verstärkend kam hinzu, dass sich einerseits kein ROI (Return on Investment) einstellte und man zunehmend Geld verloren hat und andererseits wertvolle Zeit verloren ging, während andere Unternehmen an einem vorbeizogen, die es eher verstanden haben Daten zielwirksam zur Steigerung ihrer Wettbewerbsfähigkeit einzusetzen. Häufig sind es Unternehmen, die man nicht mal als Wettbewerber auf den Schirm hatte.
Wobei sich nun die Frage stellt, warum sind wenige Unternehmen durch die verstärkte Nutzung von Daten so schnell erfolgreich geworden? Meinen Beobachtungen nach haben diese Unternehmen ihre Datenstrategie so konsequent auf die Unternehmensstrategie ausgerichtet, dass diese bestmöglich zur Erreichung der Ziele beiträgt. Hierbei haben Sie sich meist auf die 1 bis 2 Use Cases fokussiert, die den größten Hebel für das Geschäft bedeuten.
Im nächsten Schritt wurde die Unternehmensstrategie mit der Datenstrategie immer weiter verzahnt, so dass Daten zunehmend einen immer größeren Einfluss auf die Unternehmensstrategie nahmen. Dies ermöglichte immer bessere Chancen in Märkten zu erkennen die bislang als gesättigt galten und seit Jahrzehnten von wenigen Unternehmen dominiert wurden. Die Eroberung erfolgte anfänglich meist unbemerkt und sehr schnell, so dass für die etablierten Unternehmen keine angemessene Reaktion möglich war. Hierbei fokussierten sich die Data Driven Companies als erstes auf ein Marktsegment. Als dieses erobert war und die Fähigkeiten gefestigt, lief währenddessen schon die nächste Phase an. Die Vorbereitungen zur Eroberung der nächsten Marktsegmente Schritt für Schritt. Dazu folgen diese immer dem gleichen Muster,
- Durchgängig datenorientiert,
- durchsatzorientiert und
- konsequent fokussiert.
![Data Strategy Life Cycle Datenstrategie erfolgreich einführen](/images/sampledata/Datenstrategie/Data-Strategy-Lifecycle_BInEx_2021-05-16.png)
Data Strategy in 8 Schritten erfolgreich einführen
Aus den o.g. Erkenntnissen leite ich folgende Vorgehensweise zur Einführung eines Data Strategy Lifecycles ab, welche ich hier mit Euch teilen möchte.
- Verzahnung der Corporate Strategy mit der Data Strategy
- Voraussetzung schaffen, dass eine Unternehmensstrategie existiert und bekannt ist.
- Schaffung einer groben Vorstellung, WIE Daten konsequent genutzt werden können, um die Erreichung des WHY bestmöglich zu unterstützen. (Es darf ruhig erst mal das Idealbild sein.)
- Schaffung einer groben Vorstellung, WAS getan werden muss um eine durchgängige (E2E) Datennutzung bereitzustellen.
- Definition der Data Driven Goals (max. 6 – 7), die unmittelbar auf die obersten Unternehmensziele einzahlen.
- 1 – 2 Use Cases ermitteln und bewerten.
- Ermittlung von Use Cases, die durchgängig (E2E) datengetrieben umgesetzt werden sollen.
- Die Use Cases in zwei Klassen unterteilen
- Optimieren bestehendes Geschäft
- Generieren neues Geschäft
- Rating definieren, welches ermöglicht die Use Cases nach ihrer Hebelwirkung zu bewerten, unter Berücksichtigung der bestehenden Ressourcen.
- Use Cases nach Hebelwirkung bewerten.
- Use Cases nach größtem Hebel priorisieren.
- Benefit vs. Aufwand
- Auf Begrenzung (Durchsatz) prüfen
- Leistungsfähigkeit der Daten und IT-Infrastruktur zu Top Use Cases erheben und Gap ermitteln.
- Data Domains
- Applikationen/Datenquellen
- Business Domains
- Bedarf der Entscheidungsgeschwindigkeiten
- Maßnahmen ableiten und bewerten.
- Datenarchitektur anpassen
- Organisationsarchitektur anpassen
- Prozessarchitektur anpassen
- Use Cases nach Prio iterativ umsetzen.
- KVP (Kontinuierlicher Verbesserungs-Prozess) einführen und Data Strategy auf Veränderungen prüfen und ggf. anpassen.
- Erlerntes sofort für die Umsetzung der nächsten Use Cases anwenden. Was funktioniert nutzen und ausbauen. Was nicht funktioniert sofort stoppen.
Ein zukunftsorientiertes und robustes Data Management Model ist das Ergebnis einer erfolgreich umgesetzten Data Strategy
![Future Data Management Model Eine erfolgreiche Datenstrategie hat ein zukunftsfähiges Data Management zur folge.](/images/sampledata/DataGovernance/Model-Data-Driven-Company_Data-Govrnance_BInEx_2021-08-24.png)
Lesen Sie auch:
- Data Governance, der Schlüssel zu einer erfolgreichen datenintelligenten Organisationskultur
- Data Strategy: Erfolgsfaktoren für nachhaltige Wettbewerbsvorteile durch KI-basierte Datenanalysen und Digitalisierung
- Data Governance: Was sind Ihre Unternehmens-Daten wert?
- Data Governance: Vom Model Driven Design (MDD) zum Data Catalogue
- Data Governance: Vom Data Profiling zur ganzheitlichen Leistungsbewertung von Daten
- Prozessorientierter Data Quality Index erfolgreich einführen
- Datenqualität messen: Mit 11 Kriterien Datenqualität quantifizieren
- Wie Sie schnell bewerten können, ob Sie ein Problem mit der Datenqualität haben
- Logikbäume: Mehr Transparenz zur Wirkung schlechter Datenqualität auf Unternehmensziele
Data Governance Strategy, Datenstrategie, Data Strategy, Data Driven Culture, Data Driven Company, Datadriven, Data Management Strategy
- Geändert am .
- Aufrufe: 8998