6 Tipps für Ihre Datenstrategie 

Mit einer Datenstrategie legen Sie die Grundpfeiler für die langfristige Vision eines datengetriebenen Unternehmens. Jedes Unternehmen kann von der Verarbeitung und Verwendung relevanter Daten profitieren. Die Datenstrategie definiert dabei den langfristig verfolgten Plan, beschreibt die einzelnen Vorgänge, skizziert Aufgaben und Funktionen von Mitarbeitern, sowie die Technologien, welche benötigt werden. Das Ergebnis sind Informationen, welche für fundierte Entscheidungen, welche durch gute Datenanalyse und -verwaltung gewonnen werden. 

Sie sollten Daten als strategische Bausteine sehen, mit denen Sie ihr Produkt- und Service-Portfolio langfristig ausbauen und erweitern. Dabei geht es aber nicht nur um die operative Weiterentwicklung, sondern auch um die Entwicklung des Mindsets ihrer Mitarbeiter hin zu Data Driven Thinking und dem professionellen Umgang mit den Daten.

Noch nicht überzeugt, dass eine Datenstrategie auch für Ihr Unternehmen relevant sein könnte? Dann möchte ich Ihnen drei Anreize von Bernhard Marr - einem der renommiertesten Datenexperten - mitgeben. Er ist überzeugt, dass jedes Unternehmen davon profitieren kann und ein Interesse an Data-Strategy haben sollte, welches seinen Kunden folgendes bieten möchte:

• Produkte, die auf den Kunden zugeschnitten sind
• Serviceleistungen, welche die Bedürfnisse der Kunden besser und intelligenter treffen
• Preise, die wettbewerbsfähig und ökonomisch vertretbar sind

Als Digitalagentur helfen wir Ihnen dabei, auch Ihr Unternehmen datengetrieben auszurichten. So können auch Sie von dem wirtschaftlichen Mehrwert profitieren. Die Arbeit mit Daten und die Implementierung dedizierter Tools muss dabei nicht immer teuer sein und benötigt auch nicht direkt Data Scientists. Starten Sie mit den ersten Schritten und dem richtigen Mindset.

Die Erstellung einer Data-Strategy durchläuft mehrere Schritte und Prozesse. Diese wesentlichen Bereiche, sollten Sie kennen:

1. Datenziel (Data Objective) mit einem strategischen Unternehmensziel verbinden

Wenn Sie eine Strategie entwickeln, sollte das Data Objective (Datenziel) immer auf ein Unternehmensziel einzahlen. Das können beispielsweise eine Umsatzsteigerung, die Entwicklung neuer Geschäftsmodelle oder die Mitarbeitergewinnung sein. Das Data Objective sollte das Ziel haben, ein kritisches Unternehmensproblem zu lösen oder eine spezielle Unternehmensfrage zu klären. Achten Sie daher darauf, dass die dafür formulierten Kernfragen (KBQ) so aufgebaut sind, dass diese nicht isoliert von der Unternehmensstrategie gebildet werden. 

Dieser Schritt ist nicht nur essenziell für den Erfolg der Strategie und die Erreichung des Datenziels, sondern auch für die zukünftige Kommunikation. Vorgesetzte und Stakeholder sind leichter von einer Veränderung oder Aufgabe überzeugt, wenn diese sich ökonomisch oder durch die vorhandene Unternehmensstrategie rechtfertigen lässt.

2. KPIs (Key Performance Indikatoren) für die Erfolgsmessung definieren

Der Key Performance Indicator (KPI) ist eine einfache und verständliche Kennzahl, welche ein Leistungsabbild darstellt. Diese Leistung wird von einem Mitarbeiter, einem Team oder einer Business Unit erbracht und in Form von KPIs wird die Zielerreichung gemessen.

Diese Kennzahlen müssen für die Strategie aus den zuvor definierten Key Performance Questions (KBQ) abgeleitet werden. Die übergeordnete Frage lautet dabei: "Was ist das Ziel des Datenprojektes und wie können wir es messen?" - die Suche nach der Datenanforderung. Dazu wird geprüft, welche Daten zur Erreichung der Ziele benötigt werden, welche Anforderungen wir also auf die Daten haben und woher diese Daten kommen. Dies können sowohl interne als auch externe Daten sein, welche im besten Fall sowohl strukturiert - aber auch unstrukturiert zur Verfügung stehen können.

3. Erforderliche Datenquellen (Data Source) klären

Mit der Definition der Datenanforderung (KPIs) ergibt sich die Suche nach den passenden Daten(-Quellen). Daraus ergibt sich die Frage: "Welche Daten werden benötigt und wie beschaffen wir sie?".

Bei der Wahl der Daten gibt es viele Möglichkeiten. Sie haben die Wahl zwischen strukturierten Daten wie bspw. aus einem Excel Sheet oder unstrukturierten Daten aus bspw. Blogkommentaren. Und auch die Herkunft der Daten kann direkt aus dem Unternehmen (intern) kommen oder von einem Drittanbieter (extern). Wichtig ist dabei nur, dass man aus der Datenvielfallt die relevantesten wählt, um ein möglichst klares und vollständiges Bild zu erhalten.

4. Datenkonsumenten und Insights-User berücksichtigen

Beziehen Sie die Frage mit ein, wie Ihre Stakeholder an die Daten kommen und wie sie diese verwenden bzw. konsumieren können. Es ist nur selten sinnvoll, als Marketer unter Frontalbeschallung die Kollegen aus dem Vertrieb über die Zahlen zu unterrichten. Viel mehr sollten Sie die Kollegen (Konsumenten) mit einbeziehen und ihnen nach Bedarf und nach dem Pull-Prinzip Visualisierungen und Daten zur Verfügung stellen. Achten Sie dabei darauf, dass die Dashboards nicht überladen sind und auch bei komplexen Themen leicht konsumierbar bleiben. Die Nutzer der Daten sollen gezielt die richtigen Insights erhalten oder diese ableiten können.

5. Data Governance - Verantwortung für Daten übernehmen

Die Bedeutung und Wichtigkeit von Datenschutz sollte spätestens seit Edward Snowdens Leaks bekannt sein. Mit den Bestimmungen aus der DSGVO gibt es aber spätestens jetzt keine Ausreden mehr. Data Governance ist besonders im Hinblick auf die Fülle an Daten, welche für solch eine Data Strategy gesammelt werden, ein wichtiges Thema. Sie sollten daher von beginn an klären, wer für das Projekt verantwortlich ist und sich darum kümmert, dass Daten nicht nur korrekt, aktuell und vollständig sind, sondern diese auch sicher gesammelt und aufbewahrt werden. Handeln Sie verantwortungsbewusst und ethisch bei der Nutzung der Daten, um hier das Vertrauen Ihrer Kunden nicht zu beschädigen.

6. Implementierung von datengetriebenen Entscheidungen & Kompetenzen

Für eine erfolgreiche Umsetzung einer Data Strategy sind zwei Punkte essenziell: Die Datenkultur im Unternehmen, welche bereits bei der Geschäftsführung beginnt und die personellen Kompetenzen, welche für das Projekt zur Verfügung stehen.

Prüfen Sie vorab, wo Ihr Unternehmen aktuell steht und welche Ressourcen und Tools vorhanden sind. Lücken in Qualifikation und Struktur können durch Schulungen von Mitarbeitern geschlossen werden. Zudem können Sie Teilbereiche wie Data Analytics (Datenerfassung und Datenanalyse) an einen Partner wie sitegeist auslagern. Sorgen Sie jedoch dafür, dass Sie einen Wissensaustausch schaffen und die Expertise und der Austausch wieder in Ihr Unternehmen gelangt.

Quellen:

https://www.retresco.de/ressourcen/lexikon/lexikoneintrag/datenstrategie

https://bernardmarr.com/data-strategy-course/ (11-2022)

https://aws.amazon.com/de/what-is/data-strategy/