Ziel eines jeden Unternehmens muss es sein, seine Daten zentral, transparent und effizient zu verwalten und darauf basierend maßgeschneiderte Werkzeuge für seine spezifischen Geschäftsmodell-Anforderungen zu implementieren. Organisationen müssen ihre Daten aktivieren – nur so können sie durch datenbasierte Entscheidungen ihr Business nachhaltig vorantreiben.

So können Daten beispielsweise im Marketing- und E-Commerce-Bereich Einblicke in die Präferenzen bestimmter Kundengruppen schaffen und darauf basierend eine personalisierte und automatisierte Ansprache schaffen. Oder sie ermöglichen dem Management einen transparenten und tagesaktuellen Einblick in die Geschäftsvorhaben jeglicher Abteilungen, um vertriebliche Entscheidungen basierend auf bereinigten, geprüften und visualisierten Informationen zu ermöglichen.

Die Vorteile sind nicht von der Hand zu weisen. Jedoch gibt es verschiedene Herausforderungen. Dieser Artikel identifiziert drei davon, denen sich Unternehmen gegenübergestellt sehen, wenn Dateninitiativen in Gang gebracht werden – oder zum Teil sogar fehlschlagen und kein wirklicher Mehrwert entsteht.

Herausforderung 1: Dezentrale Datenverwaltung
In Unternehmen werden immer mehr Daten aus verschiedenen Quellen, Systemen und Abteilungen erhoben, was eine komplexe und verflochtene Datenhaltung mit sich bringt. Diese Fragmentierung führt zu Inkonsistenzen innerhalb der Datensätze und beeinträchtigt die Fähigkeit einer Organisation, einen ganzheitlichen Blick auf ihre Betriebsabläufe und Kunden zu erhalten. Die dezentrale Datenverwaltung und -haltung von Abteilungen erschwert zudem den Zugriff, die Nachvollziehbarkeit sowie die funktionsübergreifende Zusammenarbeit.

Die Lösung: die Einrichtung eines zentralen Daten-Repository. Eine zentrale Datenplattform ermöglicht die Etablierung einer einzigen Informationsquelle für alle datenbezogenen Aktivitäten der Organisation. Die Plattform stellt die Datenintegration, die Datenqualität und den Datenzugriff für verschiedene Teams sicher, um effektivere Datenanalysen und -aktivierung zu betreiben.

Herausforderung 2: Ineffiziente Data Governance und fehlende Data Ownership
Data Governance regelt die ordnungsgemäße Verwaltung, Nutzung und Sicherheit von Daten durch klare Richtlinien, Frameworks, Prozesse und Rollen. Durch dezentrale Datensätze entstehen in Unternehmen Datensilos, sodass wichtige Personen oder Gruppen teilweise keinen Zugriff auf alle Daten des Unternehmens haben. Effizienten Data-Governance-Strukturen sind so nicht möglich.

Das birgt nicht nur sicherheitsrelevante Risiken, sondern untergräbt auch das Vertrauen in die Daten. Offene Fragen wie zum Beispiel "Woher kommen diese Daten?" oder "Wie stellen wir sicher, dass diese Daten richtig sind?" führen dazu, dass Zweifel entstehen und Unternehmen sich eher auf Intuition statt auf Daten verlassen. Das kann sich negativ auf das gesamte Geschäft auswirken. Eine fehlende Data Governance führt zudem dazu, dass auch klare Verantwortlichkeiten für die Gesamtverwaltung fehlen und sich somit auftretenden Datenqualitätsprobleme nicht oder nur erschwert beheben lassen.

Der Ausweg: der Aufbau eines robusten Data-Governance-Frameworks. Dieses sollte Richtlinien, Verfahren und Rollen umfassen, die festlegen, wer für die Datenverwaltung, -sicherheit und -qualität verantwortlich ist. Darüber hinaus sollte es Anforderungen an Datenschutz und die Einhaltung von Vorschriften regeln, um sicherzustellen, dass die Organisation relevante gesetzliche Bestimmungen einhält.

Herausforderung 3: Fehlende Abstimmung und manuelles Reporting
Eine weitere Herausforderung in Bezug auf Datenmanagement ist, dass die verschiedenen Abteilungen in Unternehmen bezüglich ihrer Key Performance Indicators (KPIs) oft nicht aufeinander abgestimmt sind. Ohne konsistente und abgestimmte KPI-Definitionen, die an die Geschäftsziele angepasst sind, können Teams oft nicht auf klare und messbare Ziele arbeiten. Wenn die strategischen Messpunkte von Abteilung zu Abteilung unterschiedlich sind, und in Bezug auf Daten nicht vereinheitlicht, ist es für die Organisationen nahezu unmöglich, fundierte datenbasierte Entscheidungen zu treffen.

Darüber hinaus gibt es in Unternehmen oft noch eine manuelle Berichterstattung. Das bedeutet, dass Daten händisch aus verschiedenen Quellen gesammelt und aufbereitet werden. In der Regel haben Unternehmen sogar einen oder mehrere eigene Mitarbeiter dafür. Diese kümmern sich ausschließlich um das Zusammentragen sowie das Aufbereiten der Daten und stellen sicher, dass alle Berichte bis zum Ende des Monats fertiggestellt sind. Die händische Aufbereitung ist natürlich limitiert auf die Ressourcen dieser Mitarbeiter, was mögliche Potenziale ungenutzt lässt sowie fehleranfälliger ist.

Die Lösung: die Definition von datengesteuerten KPIs und eine Automatisierung der Berichterstattung. KPIs und Metriken müssen transparent definiert, abgestimmt und dokumentiert werden. Anschließend lassen sich Business-Intelligence-Werkzeuge aufsetzen, die es den Mitarbeitern ermöglichen, automatisiert relevante Daten in geeigneten Visualisierungen aufzuzeigen, um fundierte Entscheidungen zu treffen und den Erfolg zu messen.  

Fundament für gutes Datenmanagement: Die Datenstrategie
Um diese Herausforderungen effektiv anzugehen, müssen Organisationen eine kohärente Datenstrategie entwickeln, umsetzen und regelmäßig aktualisieren. Eine Datenstrategie dient als Roadmap, die die datenbezogenen Ziele, Prioritäten und Initiativen der Organisation darlegt. Sie bietet eine klare Richtung dafür, wie Daten gesammelt, verwaltet, analysiert und genutzt werden, um Geschäftswert zu schaffen. Entscheider im IT-Bereich müssen hier als treibende Kraft fungieren, damit die Datenstrategie und die technologische Basis harmonieren.

Fazit
Die zunehmende Bedeutung von Daten zwingt Unternehmen, mehr Ressourcen für ein modernes Datenmanagement bereitzustellen. Doch um Informationen auch effektiv nutzen zu können, müssen zunächst verschiedene Herausforderungen gemeistert werden: darunter die dezentrale Datenverwaltung zu konsolidieren; ineffiziente Data Governance und fehlende Data Ownership zu verhindern; sowie für eine bessere datenbezogene Abstimmung zu sorgen und fehlerbehaftetes manuelles Reporting abzuschaffen.

ln/Thomas Kühnel, Co-CTO bei Turbine Kreuzberg