Unternehmen häufen derzeit in grossem Mass Daten an oder sammeln diese sogar aktiv. In beiden Fällen haben die meisten Firmen keinen konkreten Plan, wie sie all die Informationen zur Verbesserung der eigenen Geschäftstätigkeit oder gar zur Erschliessung neuer Geschäftsfelder nutzen können. Eine Datenstrategie ist daher gefragter denn je. Ja, für die Zukunft, mit neuen Analysemethoden basierend auf Machine Learning und künstlicher Intelligenz am Horizont, dürfte eine Datenstrategie sogar matchentscheiden für das Überleben der eigenen Firma sein.

Wie sich Unternehmen mit einer solchen Datenstrategie in die digital transformierte Zukunft retten können, hat Christine Legner, Professorin an der HEC-Fakultät (Faculté des hautes études commerciales) der Universität Lausanne und akademische Leiterin am Competence Center Corporate Data Quality (CC CDQ) an der TDWI-Konferenz Schweiz (Transforming Data with Intelligence) aufgezeigt. In ihrer Keynote am Montag in Zürich betonte sie einerseits die Dringlichkeit von Datenstrategien für Firmen, andererseits zeigte sie auch Wege auf, wie Unternehmen zu einer solchen gelangen können. Um die Dringlichkeit zu unterstreichen, zitierte Legner die Autoren Leandro DalleMule und Thomas Davenport, die in einem Bericht zum Thema in der Harvard Business Review postuliert haben, dass «Firmen, die noch keine Datenstrategie erstellt haben und noch keine starke Datemmanagement-Funktion besitzen, dies sehr schnell nachholen oder mit der Planung für die eigene Geschäftsauflösung (exit) beginnen» müssen.

Wie Legner aus der Forschung berichtete, seien viele Firmen schon länger daran eine Datenstrategie zu entwerfen. Allerdings zeichne sich zurzeit diesbezüglich eine Veränderung ab. «Durch neue Trends wie Digitalisierung und digitale Transformation gibt es ganz neue Anforderungen», meint sie. Selbst wenn Firmen mit ihrer Datenstrategie schon vor gut zehn Jahren begonnen hätten, sei ihre derzeitige Datenstrategie «signifikant anders» als zuvor. Legner stützt sich dabei auf eine Untersuchung des CC CDQ, bei der im Rahmen eines Workshops 16 europäische Unternehmen zum Thema näher befragt wurden. Demnach sind mehr als 50 Prozent der Firmen zur Zeit dabei, ihre Datenstrategie zu überarbeiten.

Doch was sollte eigentlich in einer guten Datenstrategie enthalten sein? Ein Problem auf dem Weg zur Beantwortung dieser Frage ist gemäss Legner, dass es in Unternehmen verschiedene Leute und Interessenvertreter gibt, die alle eine etwas andere Vorstellung davon haben, was in eine Datenstrategie gehöre. Die Professorin nannte namentlich die Business-Anwender mit dem Business-Intellgience-Team, die eine Demokratisierung der Daten fordern, also den Kreis derer, die auf die Informationen des Unternehmens Zugriff haben, vergrössern wollen. Daneben existieren die klassischen Datenmanager, die auf Datenqualität pochen und bei neuen Datenprojekten sehr vorsichtig sind, weil sie die Kernaufgaben des Untrernehmens nicht vernachlässigen wollen.

Schliesslich gibt es die Data-Scientists, die auf der Jagd nach frischen Use-Cases zum Beispiel auch mit blutjungen KI-Techniken sind. Ihnen entgegen stellen sich oft die klassischen IT-Vertreter, die «am liebsten gewisse Tools, welche die Data-Scientists verlangen, gar nicht auf deren Laptop zulassen wollen», wie Legner den Konflikt sehr anschaulich beschreibt. «Sie alle haben einen eigenen aber auch berechtigten Blickwinkel darauf, was eine Datenstrategie beinhalten sollte», fasst die Wissenschftlerin zusammen.

Daher müsse eine Datenstrategie einen Rahmen bieten, um die von den verschiedenen Firmenvertretern vorgebrachten Themen einzuordnen, zu priorisieren sowie Abhängigkeiten aufzuzeigen. «Dadurch kann dem Thema als Ganzes, also der Transformation in ein Daten-getriebenes Unternehmen, mehr Aufmerksamkeit beim Management verschafft und damit auch zu grösserer Durchschlagskraft verholfen werden», hofft sie.

Sodann präsentierte Legner, was gemäss den Erkenntnissen des CC CDQ eine Datenstrategie zu leisten hat. Diese müsse einerseits die Frage beantworten, wie ein Unternehmen die Daten nutze, um daraus Mehrwert zu generieren, führt sie aus und subsummiert das Ganze unter der Bezeichnung «Daten-Monetarisierung». Andererseits müsse die Frage beantwortet werden, wie eine Firma Daten sammelt, speichert, verarbeitet und verwaltet, um schliesslich einen Mehrwert zu generieren. Dieser Aspekt wird als «Daten-Grundlage» bezeichnet.

Darüberhinaus muss gemäss Legner eine Datenstrategie auch zur Reife des Unternehmens in Bezug auf die Datenhaltung passen. So könne eine Firma kaum neue Strategien im Bereich Industrie 4.0 entwickeln, wenn das Datenfundament in Form von Sensordaten zu lückenhaft sei. Hier müsse eine Datenstrategie erst einmal ansetzen, um das Fundament der Daten in Ordnung zu bringen.

Um Firmen auf dem Weg zur eigenen Datenstrategie behilflich sein zu können, haben die Wirtschaftswissenschaftlerinnen und -wissenschaftler der Universität Lausanne eine Art Blaupause oder Template entworfen. Dieses «Canvas» orientiert sich an bereits bestehenden Templates wie etwa dem «Business Model Canvas» von Alexander Osterwalder von der HEC Lausanne. Sinn und Zweck ist es dabei, das komplexe Vorhaben in verständliche Elemente herunterzubrechen, verschiedene Perspektiven unter einen Hut zu bringen und Diskussionen und Ideenvorschläge in strukturierte Bahnen zu lenken. Entwickelt wurde so das «CDQ Data Strategy Canvas». Dieses definiert Elemente wie den Aufhänger für die Datenstrategie, die Vision, die Mission aber auch den Umfang des Vorhabens sowie den Mehrwert für das Unternehmen. Wichtiges Element ist es sodann, im Rahmen der Datenstrategie gewisse datenbezogene sowie unterstützende organisatorische und technische Fähigkeiten in der Firma aufzubauen.

«Wichtig in diesem Zusammenhang ist auch, dass ein gewisses Umdenken im Umgang mit Daten vorangetrieben wird», meint Legner und spricht dabei von dem im Canvas postulierten «Code of Conduct», der in einem Unternehmen in Bezug auf die Datenhandhabung und die Information nach innen wie aussen hierüber  etabliert werden sollte. Schliesslich ist die Definition einer Roadmap ratsam, in der dargelegt wird, wie die Datenstrategie auf einer Zeitachse umgesetzt werden soll.

Um ihre theoretischen Ausführungen zu untermauern, brachte Legner eine Reihe von Beispielfirmen aufs Tapez, die Datenstrategien anschaulich entwickelt haben. In diesem Zusammenhang kann das Exempel der Deutschen Telekom hervorgehoben werden. Der Fernmelderiese verwendete die Metapher des Bergsteigens, um seine Datenstrategie zu veranschaulichen. Der Gipfel symbolisierte dabei das Ziel, ein datengetriebenes Unternehmen zu werden. Um dieses zu erreichen, braucht es Zusammenarbeit in einer Seilschaft, die Expertise eines  Bergführers, aber auch konkrete Tools wie Wegweiser und Kartenmaterial, um den Weg zum Ziel zu findnen. Konkret wurde bei der Deutschen Telekom ein «Chief Data Office» eingerichtet, das sozusagen als Bergsteigerbüro das Gipfelsturm-Unterfangen plante, koordinierte und erste Etappen unter die Füsse nahm.