Die Wissenschaft der Daten

Management und punktgenauer Einsatz analysierter Daten als Motor der Digitalisierung für betrieblichen Mehrwert.

Kein Zweifel, Big Data ist nunmehr in den Unternehmen angekommen, jedoch ist die erste Phase der Ernüchterung bereits deutlich zu erkennen und damit ein Ende des unkontrollierten Datenrauschs abzusehen. Es wird mehr Analyse und Kontrolle sowie Führung eingemahnt. Vor allem aber wird auch eine realistischere Einschätzung des erzielbaren betrieblichen Nutzens gefordert.

Denn auch die mit agilen Methoden und Prinzipien arbeitenden Goldgräber des Big-Data-Zeitalters – die sogenannten DataScientists – müssen feststellen, dass sich am eisernen Gesetz des „Datenschürfens“nichts geändert hat: 80 Prozent des Aufwands laufen in die Vorbereitung und dazu gehört: Daten finden, kontrollieren und strukturieren. Entsprechend bleiben für die Auswertung dann nur noch die restlichen 20 Prozent.

Hier eröffnet die Agilität den Unternehmen eine erste Handlungsoption, um in ein Leistungs- und Liefermodell der zwei Geschwindigkeiten einzutreten: Einerseits geht es darum, schnell, agil, lean und maximal flexibel zu sein, wo dies einen Vorteil darstellt. Andererseits wird oftmals parallel ein reaktionäres, eher wasserfallarti- ges und stark reguliertes Vorgehen zur Minimierung von Risken gefordert.

Wie geht es also weiter mit Big Data? Fokussierung scheint auch hier ein möglicher Schlüssel zu sein. Eine Formulierung der Datenstrategie und der eigenen Ziele für ein „Big Picture“sind wohl der erste Schritt. Die Definition des geschäftlichen Nutzens der zweite und schließlich der Aufbau von Strukturen zur Sicherstellung der Zielerreichung und Strategieumsetzung als dritter Schritt – die sogenannte Governance, in diesem speziellen Fall die DataGovernance. Erst mit deren Einführung und Integration machen Unternehmen einen großen Schritt in Richtung einer modernen „Data-driven-Company“. Bei Data-Governance geht es aber auch um Führung, Steuerung und Sicherung aller Aktivitäten, die den Datenschatz heben sollen. Datensicherheit, Datenqualität und fachliche Metadaten werden dabei oft vorrangig betrachtet. Allerdings sind auch IT-Architektur und -Prozesse direkt davon betroffen. Ein Fehler wäre, Data-Governance als Bürde zu betrachten. Vielmehr ist es ein entsprechendes Werkzeug, das die Nachhaltigkeit der Lösungen sicherstellen soll und langfristig möglichst schlanke und eben auch agile Zugänge wie Nutzungen erlaubt.

Neu auf diesem Themengebiet ist die Verzahnung von agilen Methoden mit dem oft als formalistisch angesehenen Themenblock Data-Governance. Die Einführung und insbesondere auch die Durchführung mit agilen Methoden ermöglichen erst den effizienten und praktikablen Einsatz. Damit ist sichergestellt, dass sich DataGovernance von Beginn an am betrieblichen Nutzen orientiert und sich so in Unternehmen auch langfristig erfolgreich etablieren lässt.

Einige führende Unternehmen in Österreich setzen bereits erste Schritte um und sind begeistert, wie rasch und einfach Zug um Zug Strukturen, Regularien und Sicherheit im Umgang mit Big Data geschaffen werden.