Die ersten vier Schritte auf dem Weg zur Data-Driven-Company

Wie ich die digitale Transformation durch einen Fokus auf Daten vorantreibe und dadurch den Blick auf Erfolg anhand von Daten verändere.

In den letzten Jahren hat die digitale Transformation die österreichischen Verlage weiter vor sich hergetrieben. Auch Covid-19 hat seinen Teil dazu beigetragen, dass etablierte Prozesse immer stärker unter Druck geraten. Falls wir als Branche überleben möchten, müssen umfassende Change-Prozesse die Folge sein. Als einer der wesentlichsten Faktoren, die ich bisher erkannte, ist der (fehlende) Umgang mit Daten bzw. die zentrale Verwendung von Daten in allen Prozessen.

Das Daten ein zentraler Baustein der digitalen Transformation sind, ist unbestritten. Für alle, die sich mit der Thematik näher beschäftigen möchten, habe ich hier Artikel von Forbes, CIO.com und Deloitte in Zusammenarbeit mit Google zusammengestellt.

Aus diesem Grund werde ich in diesem Beitrag auch nicht näher auf den Wert von Daten in Bezug auf die digitale Transformation eingehen. Ich zeige hingegen, welche Schritte für die Integration von Data-First Ansätzen notwendig sind und welche Auswirkungen diese Veränderungen auf Mitarbeiter und Teams haben.

Wer Daten vernetzt sieht, entscheidet mit Wissen und nicht mit Glauben!

Photo by Franki Chamaki on Unsplash

Die ersten vier Schritte auf einem langen Weg zur “Data-Driven-Company”

Um Entscheidungen auf Basis von Daten treffen zu können, ist es wichtig sich einen Fahrplan zurecht zulegen, damit die Veränderung auch von Erfolg geprägt ist.

Start at the beginning
In den wenigsten Unternehmen in Österreich gibt es ein kohärentes Verständnis von Daten. Geschweige denn eine Strategie, Daten konsequent einzusetzen. Diese Ausgangssituation spiegelt sich auch in vielen Verlagen wieder.

• Daten werden in losen Excels erfasst und ausgewertet
• es gibt keine übergreifende Vernetzung von relevanten Daten
• es fehlen teilweise Daten um ökonomisch korrekte Entscheidungen zu treffen

Diese Ausgangslage hat zur Folge, dass Entscheidungen aufgrund eines Bauchgefühls bzw. mit unvollständigen Informationen getroffen werden. Damit ist dem HIPPO-Effekt Tür und Tor geöffnet. Reports haben per se einen geringen Stellenwert und eine Entwicklung von Prozessen/Produkten auf Basis von Daten findet de facto nicht statt. Zu Beginn des Veränderungsprozesses ist es daher unumgänglich sich einen Überblick über die Daten zu verschaffen und mit einem ersten Teilbereich zu beginnen. Klar nach dem Motto “Think big — start small!”.

Stelle die Veränderung auf breite Beine
Erfasse im Change-Team die aktuelle Situation und versuche so schnell wie möglich die Vorteile von Data-Driven Entscheidungen zu beweisen. Ohne entsprechendes Commitment aller relevanten Mitarbeiter*innen scheitern diese Initiativen jedoch auch schnell wieder. Um dies zu vermeiden, beziehe ich von Anfang an bisherige Mitarbeiter*innen, die Daten erheben und auswerten, in meine Überlegungen und Aktivitäten mit ein. Dies hat zur Folge, dass ich sehr schnell diese essenziellen Kolleg*innen als Mitstreiter gewinnen, Zusammenhänge in den Daten wesentlich besser erkennen und die jahrelange Erfahrung im Unternehmen intensiver nutzen kann.

Ein weiterer wesentlicher Baustein im Aufbau der ersten “Datensäulen” ist die Auswahl einer Software. Diese muss Daten vernetzen und visualisieren können und gleichzeitig eine sehr niedrige Einstiegsschwelle in der Anwendung des Tools haben. Ein No-Code bzw. Low-Code System ist daher von hoher Priorität. Zusätzlich präferiere ich eine Cloud-Lösung, um die meist stark angespannten IT-Ressourcen nicht weiter zu strapazieren.

Foto von Lum3n von Pexels

Nicht der Analyst sondern der Fachbereich ist die Zielgruppe
Eine enorm wichtige Facette bei Veränderungsprozessen ist, dass man den Change aus der Sicht des Anwenders heraus definiert und erarbeitet. Dies gilt vor allem auch, wenn es um so etwas Abstraktes, wie Daten und Implementierung von Daten geht.

Der Köder muss dem Fisch schmecken, nicht dem Angler.

Die Zielgruppe sind meine Kolleg*innen in den Abteilungen. Damit ich ein sehr frühes und schnelles Commitment erreichen kann, baue ich auf folgenden Prozess in der Erarbeitung der neuen Anwendung von Daten:

1. Anforderungen sammeln -> sei es die der Geschäftsführung, der Anwender oder durch den Data Analyst selbst. Anforderungen werden gesammelt und nach Priorität gemeinsam sortiert.
2. In Daten einarbeiten -> jemand im Datenteam muss sich nun in die Daten einarbeiten. So kann die Datenqualität, der Umfang, die Verbindungen zu anderen Daten und — das ist ganz essenziell — das Verständnis über die Daten hergestellt werden.
3. Anschließend werden gemeinsam mit dem Fachbereich und den Daten Analysten die Fragestellungen für das Thema erarbeitet. Die Frage “Was muss ich wissen, damit ich meine Aufgabe besser erfüllen kann und wie können mir Daten dabei helfen?” ist dabei eine wichtige Guideline um die richtigen Fragestellungen zu erarbeiten.
4. Auf Basis dieser Fragestellungen wird geprüft, welche Analysemöglichkeiten es gibt. Also welche Daten müssen noch hinzugezogen werden, um die Fragen beantworten zu können. Weiters werden erste Überlegungen im Datenteam angestellt, wie die Daten visualisiert werden können, damit die Inhalte auch greifbar und verarbeitbar werden. Das Ergebnis dieser Explorationsphase wird in einfachen Mock-Ups dargestellt. Dies ermöglicht es den Anwendern bereits sehr früh Feedback auf die zukünftige Analysemöglichkeiten zu geben und macht sie anhand von Beispielen greifbar.
5. Anhand des Feedbacks werden die Mock-Ups überarbeitet und ein erste “Real-Life-Prototyp” wird erstellt. Dieser Prototyp ist bereits mit echten Datenmaterial gefüllt.
6. Erneut folgt mit den Auftraggebern eine Review-Phase und der Prototype wird erneut überarbeitet, Bugs beseitigt und das Daten-Werkzeug für den Endnutzer wird nochmals optimiert.
7. Im Anschluss werden wir alle Punkte finalisiert und die Anwender werden in das neue Werkzeug eingeschult. So wird ein hohes Maß an Eigenständigkeit gewährleistet.

It’s a long journey
Das Vorantreiben von Change ist ein kontinuierliches Drängen. Das bedeutet auch, dass man nur dann vollständig “Data-driven” ist, wenn alle Kolleg*innen die Nutzung von Daten in ihre tägliche Arbeit voll und ganz integrieren.

Um dieses Ziel zu erreichen, ist der vorige Schritt von enormer Wichtigkeit. Nur durch laufende Einbindung in den Entstehungsprozess der Daten kann man Verständnis und ein Begehren nach neuen Daten zu erzeugen. Als Change-Team ist man dann erfolgreich wenn die Anwender die vom Team aufbereiteten Daten besser verstehen und tiefer analysieren als es das Datenteam selbst tut. Der Daten-Schüler wird somit zum Daten-Meister und fordert täglich mit neuen Hypothesen und Anfragen heraus.

Meiner Erfahrung nach stellt sich durch die Nutzung von Daten ein selbstverstärkender Kreislauf ein. Erste Erfolge können bald gefeiert werden (sei es durch neue Erkenntnisse, Einsparungen oder besseres Einsetzen vorhandener Ressourcen). Nichtsdestotrotz, ist die nachhaltige Integration von evidenzbasiertem Arbeiten ein langer Weg, wo man immer wieder seine Kolleg*innen von den Vorteilen von datengestützten Prozessen überzeugen muss.

Einer der wichtigsten Learnings in den Veränderungsprozessen sind die kulturellen Auswirkungen, die derartige Bestrebungen haben.

Falls ihr mehr darüber wissen wollt: Folge mir und/oder unserem Channel.

Als weiterführende Literatur kann ich euch folgende Quellen empfehlen:

Zum Thema Arbeiten mit Zahlen: YouTube Channel von Mai Thi Nguyen-Kim
Zum Thema Big Data:
- BIG DATA Fluch oder Segen?
- big data @ work — Chancen erkennen, Risiken verstehen