Digitale Transformation
Warum die meisten Datenprobleme keine Datenprobleme sind
Mia Miller |
Dieses Jahr feiere ich mein 10-jähriges Arbeitsjubiläum. In diesen zehn Jahren habe ich mit Daten gearbeitet, sowohl in grösseren Organisationen als auch als Beraterin bei vielen unterschiedlichen Unternehmen. Die Branchen, Systeme und Herausforderungen waren verschieden. Eine Beobachtung ist jedoch überall dieselbe geblieben: Die meisten Datenprobleme sind keine Datenprobleme.
Die Technologie ist selten der Engpass
Wenn heute über Daten gesprochen wird, dauert es meist nicht lange, bis Begriffe wie Data Warehouse, Power BI, Fabric oder KI fallen. Die Möglichkeiten sind beeindruckend und entwickeln sich rasant weiter. Gerade mit künstlicher Intelligenz scheint heute vieles möglich zu sein.
Doch je länger ich mit Daten arbeite, desto mehr komme ich zu einer einfachen Erkenntnis: Technologie ist selten der eigentliche Engpass.
Ich begegne immer wieder Unternehmen, die viel Zeit und Geld in neue Lösungen investieren. Gleichzeitig existieren wichtige Kennzahlen in mehreren Varianten. Die offiziellen Zahlen werden in Excel-Dateien nachbearbeitet. Unterschiedliche Abteilungen verwenden verschiedene Definitionen für dieselbe Kennzahl. Und oft ist unklar, wer eigentlich für die Daten verantwortlich ist.
Wenn schon «Umsatz» nicht eindeutig ist
Ein Beispiel: Was genau ist eigentlich Umsatz?
Die Frage klingt zunächst banal. In der Praxis zeigt sich jedoch oft etwas anderes. Werden Gutschriften berücksichtigt? Zählen offene Aufträge dazu? Ist Umsatz der fakturierte Umsatz oder der verbuchte Umsatz?
Nicht selten erhalten verschiedene Personen im selben Unternehmen unterschiedliche Antworten auf diese Frage.
Solange solche Grundlagen nicht geklärt sind, wird jede Auswertung schwierig. Denn jede Technologie baut am Ende auf den Daten und Definitionen auf, die ihr zur Verfügung stehen.
Warum KI dieses Problem nicht löst
Mit dem aktuellen KI-Boom wird diese Herausforderung noch sichtbarer.
Viele Unternehmen möchten KI-Agenten einsetzen, um Fragen zu beantworten, Berichte zu erstellen oder neue Erkenntnisse zu gewinnen. Das Potenzial ist enorm.
Wenn jedoch die grundlegenden Definitionen innerhalb einer Organisation nicht einheitlich sind, kann auch die beste KI keine verlässlichen Antworten liefern. Wenn bereits unklar ist, was Umsatz bedeutet, wird ein KI-Agent diese Unklarheit nicht lösen können. Er wird sie lediglich schneller sichtbar machen.
KI macht schlechte Datengrundlagen nicht besser. Sie macht deutlicher sichtbar, wo sie fehlen.
Gute Datenarbeit beginnt mit einem gemeinsamen Verständnis
Die eigentliche Herausforderung liegt deshalb häufig nicht in der Technologie, sondern in der Organisation.
Erfolgreiche Unternehmen schaffen ein gemeinsames Verständnis ihrer Daten. Sie definieren Kennzahlen einheitlich, schaffen Verbindlichkeit und Verantwortlichkeiten und stellen sicher, dass alle dieselbe Sprache sprechen.
Erst dann entsteht die Grundlage, um den Nutzen von Business Intelligence wirklich auszuschöpfen.
Trends werden früher erkannt. Entscheidungen werden fundierter. Massnahmen lassen sich gezielter ableiten. Aus Daten werden Erkenntnisse. Und aus Erkenntnissen entsteht Wertschöpfung.
Mein Fazit nach zehn Jahren Datenarbeit
Wer bessere Erkenntnisse gewinnen möchte, braucht nicht als Erstes neue Technologie.
Er braucht zunächst ein gemeinsames Verständnis darüber, was die wichtigsten Kennzahlen bedeuten.
Denn erst wenn alle vom Gleichen sprechen, können Daten ihr volles Potenzial entfalten.
Titelbild: Foto von Vitaly Gariev auf Unsplash
