4 Strategien zur Vermeidung des Datensumpfes

In den letzten Jahren wurde die alte Maxime, dass jedes Unternehmen ein Softwareunternehmen ist, aufgefrischt. Heute ist jedes Unternehmen ein Datenunternehmen – das heißt, sofern es das Thema Innovation ernst nimmt.

Der Grund dafür ist, dass in dem Maße, wie die Menge und Vielfalt der erzeugten Daten explodiert ist und Unternehmen und Verbraucher immer digitaler werden, eine datenversierte Elite gezeigt hat, wie diese Informationen Transformation und Innovation vorantreiben können. Infolgedessen sammeln und speichern Organisationen aller Art seit mindestens einem Jahrzehnt (und oft noch länger) unermüdlich Informationen aus allen Bereichen ihrer Geschäftstätigkeit und ihres Kundenstamms.

Die meisten Organisationen, deren Daten inzwischen ein immenses Ausmaß angenommen haben, zweifeln mittlerweile jedoch daran, dass sie so gut genutzt werden, wie es möglich wäre. Da fortschrittliche Datenanalyse-Technologien wie KI und maschinelles Lernen immer zugänglicher werden, werden IT-Führungskräfte zunehmend gefragt, wie diese Daten besser monetarisiert werden könnten.

Die richtige Antwort liegt in dem Verständnis, dass Daten selbst zwar immer einen gewissen latenten Wert haben, dieser Wert jedoch niemals realisiert werden kann, solange die Daten Rohinformationen bleiben. Die Umwandlung in Erkenntnisse durch Analyse ist ein Teil des Weges zur Erschließung des Potenzials von Daten, wobei auch viele Organisationen gut darin sind. Aber um Ihre Daten wirklich monetarisieren zu können, müssen diese Erkenntnisse in die Tat umgesetzt werden.

Einige werden leider den falschen Weg einschlagen. Entgegen der landläufigen Meinung geht es bei der Monetarisierung Ihrer Daten nicht darum, die in Ihrem Besitz befindlichen Daten zu verkaufen. Denn das ist nicht nur ein wenig kurzsichtig, sondern stellt auch eine rufschädigende Praxis dar. Stattdessen werden Unternehmen weit mehr Wert aus ihren Daten schöpfen, indem sie bessere Ergebnisse für ihre Kunden oder den eigenen Betrieb erzielen. Und dies geschieht nur, indem Daten in Erkenntnisse und Erkenntnisse in Taten umgesetzt werden.

Für Organisationen, die dies erreichen, kann ein mächtiger Innovationszyklus in Gang kommen, bei dem der Wert ihrer Daten im Laufe der Zeit deutlich zunimmt und zu einem wichtigen strategischen Vermögenswert wird.

Der Weg zur Datenmonetarisierung

Wie Gartner beschrieben hat, ist das Wertschöpfungs- und damit Monetarisierungspotenzial von Daten an das Analysekontinuum gebunden.

Am weniger schwierigen, geringwertigen Ende des Spektrums bietet die deskriptive Analytik einen Rückblick auf das Geschehene. Ein Aufrücken auf der Schwierigkeits- und Werteskala stellen aufschlussreichere Ergebnisse für diagnostische (warum ist es passiert?) und prädiktive (was wird passieren?) Zwecke dar. Auf den höchsten Schwierigkeits- und Werteniveaus werden analytische Anwendungen eingesetzt, um Organisationen vorausschauend zu beraten (wie können wir es bewerkstelligen?).

Der Weg zur Monetarisierung von Daten besteht darin, die Antworten auf diese Fragen zu finden (Was ist passiert? Warum ist es passiert? Was wird passieren? Wie können wir es bewerkstelligen?) und danach zu handeln. Ziel ist es, Ergebnisse zu schaffen, die die operative Exzellenz, das Ertragswachstum oder die Innovation verbessern.

Interne Wege zur Datenmonetarisierung können die Verbesserung Ihres Serviceangebots durch einen effizienteren Kundenservice oder die Optimierung Ihrer Lieferkette umfassen. Externe Wege könnten die Schaffung neuer Einnahmequellen durch die Entdeckung unerfüllter Kundenbedürfnisse oder den Ausbau bestehender Einnahmequellen durch die Verbesserung des Kundenerlebnisses umfassen.

Der Handlungsspielraum, der Ihnen auf diesen Wegen zur Verfügung steht, hängt stark von Ihrer Daten- und Analysereife ab. Auf der Basisebene haben wir ein Modell vom Typ Data-as-a-Service: Sie sind in der Lage, Daten zu sammeln, zu organisieren und auf deskriptive und präskriptive Ergebnisse hin zu analysieren. Auf der Transformationsebene können Sie mit einem Modell vom Typ Insights-as-a-Service eine Plattform oder ein Geschäft aufbauen, um diagnostische oder prädiktive Erkenntnisse so bereitzustellen, dass sie in die Tat umgesetzt werden können.

Unabhängig vom Reifegrad benötigen jedoch alle Organisationen vier Dinge, um ihre Daten effektiv monetisieren zu können.

Vier Strategien zur Vermeidung des Datensumpfes

1. Sicherstellen, dass Ihre Daten vertrauenswürdig sind

Der erste Aspekt liegt auf der Hand und ist nicht gerade etwas, woran es vielen Unternehmen mangelt: Daten. Quantität ist jedoch nur eine Seite der Medaille. Diese Daten müssen vertrauenswürdig sein, damit die daraus gewonnen Erkenntnisse zuverlässig sind. Außerdem müssen sie leicht zugänglich sein. Letzteres ist sowohl eine organisatorische als auch technische Herausforderung: Daten müssen gesammelt, gespeichert und mit analytischen Anwendungen verknüpft werden. Alle Silos, die die Quellen dieser Daten trennen, müssen beseitigt werden. Außerdem müssen Sie über die technischen Möglichkeiten verfügen, um diese Daten intern oder über Partnerschaften korrekt zu verarbeiten.

2. Gewährleistung einer End-to-End-Strategie

Zweitens ist eine Strategie, die auf einem vollständig kartographierten und messbaren Verständnis der gewünschten Ergebnisse und einem Maßnahmenplan zur Erreichung dieser Ergebnisse aufbaut, von wesentlicher Bedeutung. Selbst eine erstklassige Analyse-Pipeline, gespeist mit hochgradig vertrauenswürdigen Daten, wird ohne eine klare Vorstellung von den gewünschten Ergebnissen keine sinnvolle Wirkung erzielen.

3. Sicherung der Unterstützung der Führungsebene

Aus diesem Grund sind auch die Führungs- und Organisationsstruktur erfolgskritische Faktoren. Ohne Unterstützung der Führungsebene für die Strategie und eine Struktur, mit der das Unternehmen diese Strategie umsetzen kann, werden Ihre Erkenntnisse nie mehr als interessante Fakten sein. Um sie stattdessen zu Ergebnissen zu machen, die sich monetarisieren lassen, sind Mechanismen und Kanäle erforderlich, um Erkenntnisse schnell und in einem umsetzbaren Format an die Leute zu bringen, die sie brauchen.

Die Geschäftsleitung und Organisationsstruktur geben auch den Ton für die Kultur an, was die Bemühungen um Datenmonetarisierung zum Erfolg oder Misserfolg machen kann. Kulturell müssen Sie sich auf eine ständige Iteration Ihrer Ergebnisses einstellen, um so einen Innovationszyklus zu schaffen. Andernfalls riskieren Sie, auf der falschen Seite von Vorhersagen wie diesen von Gartner zu stehen:

• Bis 2022 werden nur 20 % der analytischen Erkenntnisse zu Geschäftsergebnissen führen
• Bis 2020 werden 80 % der AI-Projekte reine Alchemie bleiben, die von Zauberern geleitet wird, deren Talente sich innerhalb der Organisation nicht skalieren lassen

4. Aufbau von Supportstrukturen und -prozessen rund um Ihre Daten

Wenn sie nicht auf die richtige Art und Weise gesammelt, kuratiert und eingegrenzt werden, werden Daten immer nur einen begrenzten Wert und ein begrenztes Potenzial zur Monetarisierung aufweisen. Damit sie zu einem wichtigen strategischen Vermögenswert werden können, dessen Wert sich zudem schnell steigern lässt, müssen Organisationen die richtigen Fähigkeiten, Unterstützungsstrukturen und Strategien um sie herum aufbauen.

Und doch verkommen zu viele Data Warehouses oder Data Lakes zu einem Ödland ungenutzter Erkenntnisse. Unmengen an ungenutzten Informationen, deren Wert mit zunehmender Größe und sinkendem Nutzen abnimmt.

Die mit Fehlern und Irrtümern bei der Datenmonetarisierung verbundenen Risiken sind relativ hoch. Dies gilt insbesondere dann, wenn man bedenkt, welche Rolle sie bei der Ausarbeitung Ihrer Geschäftsstrategie und beim Betrieb der Systeme spielen, die automatisierte Entscheidungen und Arbeitsabläufe auslösen. Das bedeutet, dass es keine Abkürzungen gibt. Es bedeutet aber auch, dass die Belohnungen ähnlich hoch sind – in Form von transformierten Lösungen, Dienstleistungen, Prozessen und sogar ganzen Geschäftsmodellen.

Um sich diese Belohnungen zu verdienen, müssen Organisationen eine kulturelle und organisatorische Ausrichtung haben, die sich auf die Umsetzung datengestützter Erkenntnisse stützt. Denn Aktionen sprechen bei der Datenmonetarisierung lauter als Erkenntnisse.

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.