04. März 2021

Daten und Vernetzung: Pflicht und Kür zugleich

netz

Data // Die Anforderungen an effiziente und gleichzeitig innovative Datennutzung steigen stetig. Der Nutzerwunsch nach vernetzten Ökosystemen stellt Unternehmen dabei oft zusätzlich vor Herausforderungen. Eine nachhaltige Datenstrategie wird mittelfristig zum zentralen Baustein des Unternehmenserfolgs.

Daten können neue Perspektiven eröffnen, Bekanntes in Frage stellen und Eindrücke untermauern. Insbesondere der Einsatz von Big Data Lösungen, also jener Technologie, welche Datenmengen verarbeitet, die zu komplex, zu gross oder zu schwach strukturiert sind, um sie mit herkömmlichen Methoden auszuwerten, ist Bestandteil vieler Digitalisierungsambitionen.

Big Data, Small Data, Any Data
Die Auswertungen aus Terabytes an Daten, befähigt durch technische Fortschritte der Infrastruktur, können bei richtiger Nutzung den entscheidenden Wettbewerbsvorteil liefern. Durch das Erkennen von Mustern werden beispielsweise eine Vielzahl an zusätzlichen Validierungsmassnahmen und Schlüssen möglich. Während bei gezielten einzelnen Erkenntnissen aus den Datensets, auch Insights genannt, direkte Motive im Vordergrund stehen, werden bei Big Data oft nur wenige Vorgaben an das zu erwartende Ergebnis gestellt. So reichen oftmals auch schon kleinere Datensets («Small Data») aus, um Auswertungen wie beispielsweise Zusammenhänge und Prognosen zwischen Preis, Werbemassnahmen, Zeitpunkt und Nachfrage für ein Produkt einfach darzustellen.

Big Data Analysen beziehen zusätzliche exo­gene Variablen wie etwa Alter, Geschlecht, Einkommen und neue Datenquellen in heterogener Struktur und Form mit ein. Dadurch ermöglichen sie beispielweise stark personalisierte Angebote. In ambitionierteren Vorhaben sind die neu zu nutzenden Daten eingangs der Analyse noch nicht bekannt und werden als Bestandteil der Analyse evaluiert. Neben dem gesteigerten Datenvolumen setzt sich Big Data auch mit verschiedenen Datenstrukturen und -typen auseinander. Die Komplexität der Daten und Auswertungen steigt dadurch stark an. 
Je grösser, komplexer und heterogener die zu analysierende Datenmenge ist, desto schwieriger wird deren Analyse. Der Versuch, alle im Unternehmen verfügbaren Daten («Any Data») zu verwerten, ist ressourcenintensiv und führt oft zu diffusen Ergebnissen. Zu Beginn einer jeden Dateninitiative sollte daher zunächst das Motiv definiert werden. Ist das Motiv bereits mit einem kleineren Set an Daten auswertbar, gilt es besonders auf die Auswahl der richtigen Sub-Sets zu achten.

Vernetzung und Plattformen
Es ist unbestritten, dass Datenmengen exponentiell wachsen. Produzierte im Jahr 2013 ein Durchschnittshaushalt noch 2 Terabytes Daten, sind es im Jahr 2020 bereits 14 Terabytes. Aktuell wird per 2024 von einem globalen Datenvolumen von 149 Zettabytes (1021) ausgegangen. Gegenüber heute entspricht dies erneut einer Steigerung von über 250 % (siehe Grafik).
Der Anstieg des Datenvolumens ist allerdings nur eine Seite der Medaille. Einzelne Daten sollten nie isoliert betrachtet werden. Nach einer Schätzung von Cisco sind heute bereits 50 Milliarden Geräte vernetzt. Funk-, Sensor- und Near-Field-Communication Technologien ermöglichen eine Vernetzung in nahezu jedem Bereich unseres Lebens: beim mobilen Bezahlen, Fitness-Trackern, e-Ticketing oder Navi­gieren mit GPS. Überall hinterlassen wir Daten, auf welche Anbieter und Nutzer Zugriff haben. Die Ausprägung, Form und Struktur variieren dabei erheblich. Abhängigkeiten und ubiquitous computing, das allgegenwärtige Rechnen, er­höhen die Komplexität zusätzlich. Plattformen zentralisieren die Daten und ermöglichen Un­ternehmen, sich mittels datengetriebener Geschäftsmodelle neu zu erfinden.

Der Datendschungel wird immer dichter und damit einher steigen auch die Anforderungen an den richtigen Umgang mit den Daten, um ungenutzte Potentiale zu entfalten. Eine unternehmensspezifische Datenstrategie bietet dieser Potentialentfaltung eine Bühne und wird ein unerlässlicher Wegbegleiter für effiziente datengetriebene Wertschöpfung.

Datenstrategie. Aber wie?
Eine funktionierende Datenstrategie orientiert sich an Motiven, die strategischen Geschäftszielen zugeordnet werden können. Der Ursprung liegt in den Unternehmenszielen und -visionen. Unkonkrete Ziele von Datenauswertungen funk­tionieren (noch) nicht vollumfänglich für Datenanalysen und führen häufig auch zu unkonkreten Ergebnissen.
Für eine gute Datenstrategie wird ein holistisches Bild erarbeitet. Technologie, Governance und Prozesse müssen entwickelt und gemeinsam operationalisiert werden:
Die Anforderungen an Technologie orientieren sich an Bedürfnissen der verschiedenen Inte­ressensgruppen und den Geschäftsprozessen. So unterschiedlich wie Daten, so unterschiedlich sind auch die Optionen für die technische Realisierung. Ob Data Lake, Data Marts oder in der Cloud standardisiert verfügbare Lösungen, die Anforderungen müssen definiert werden und Kosten/Nutzen sowie Zukunftsperspektiven einander gegenübergestellt werden. Analysen heterogener Datenquellen, die notwendige Flexibilität und Auswertungsmöglichkeiten bieten dafür eine gute Ausgangsbasis.

Die Governance setzt die innerbetrieblichen Rahmenbedingungen zur erfolgreichen Umsetzung der Datenstrategie. Zentrale Elemente sind dabei geregelte Verantwortlichkeiten zur Datenbewirtschaftung und Datenhoheit. Die Einführung einer (virtuellen) Datenorganisation mit Rollen wie Chief Data Officer, flankiert durch unternehmensweite Data Policies zur Operationalisierung ist in Abhängigkeit von der Unternehmensgrösse ein valides Mittel. 
Definierte Prozesse sind wesentliche Eckpfeiler zur erfolgreichen Umsetzung einer Datenstra­tegie. Die zentralen Prozesse zur Bewirtschaftung gilt es, mit den Stakeholdern zu erarbeiten und zu verbessern. Eine Kultur der Identifika­tion mit datengetriebenen Prozessen kann sich so etablieren.

Konklusion
Datenvolumina werden grösser und deren Bewirtschaftung komplexer. Punkt. Die optimale Lösung zum Um­-
gang mit der «Verdatung» der Welt, wie das deutsche Zukunftsinstitut es überspitzt nennt, ist keine allgemein gültige. Durch zielgerichtete Motive, Auswahl des richtigen Datensets und iterative Vorgehensweise bei der Einführung der richtigen Technologie, Governance und Prozessen wird eine gesunde Grundlage für daten­ge­triebene Wertschöpfung gebildet. Individuell angepasste Daten­stra­tegien sind ein valides Mittel zur Gestaltung.


Maximilian  Ebner
Maximilian Ebner

Als Executive Consultant berät Maximilian Ebner Banken bei ihrer digitalen Transformation. Er studierte Angewandte Volkswirtschaftslehre an der Wirtschaftsuniversität Wien und Bank- und Finanzdienstleistungen an der Universität Liechtenstein.