monsitj - stock.adobe.com

Echte digitale Transformation startet mit Data Governance

Die Art und Weise, wie Organisationen ihre geschäftskritischen Daten verwalten, bestimmt am Ende den Erfolg von Initiativen der digitalen Transformation.

Aktuell durchläuft fast jedes Unternehmen, das vor dem digitalen Zeitalter gegründet wurde, eine grundlegende Transformation oder zieht diese zumindest in Erwägung. Mehr als 82 Prozent der CEOs haben eine Initiative zur digitalen Transformation gestartet. Zum Vergleich waren es 2018 nur 62 Prozent. Das ergab der Gartner 2019 CEO Survey.

Dabei stehen vorrangig die nachfolgenden Ziele im Fokus der Unternehmen: Relevanz beim Kunden erhalten, neue Einnahmequellen schaffen, in der digitalen Wirtschaft wettbewerbsfähig bleiben sowie in der Lage sein, sich in einer zunehmend unvorhersehbaren und sich rasant entwickelnden Welt schneller neu aufzustellen. 

Um die Chancen einer digitalen Wirtschaft nutzen zu können, müssen Unternehmen datengesteuert und erkenntnisorientiert arbeiten. Dabei reicht es nicht mehr aus, einfach nur Daten zu sammeln oder zu generieren. Wettbewerbsvorteile ergeben sich aus der Fähigkeit, transformative Möglichkeiten zu erkennen, bevor sie für alle anderen offensichtlich werden. Auf Grundlage von Erkenntnissen können sie dann proaktiv und vorausschauend handeln.

Eben diese Fähigkeiten bilden die Basis, das Kundenerlebnis zu verändern, unerfüllte Bedürfnisse zu entdecken und neue Geschäftsmodelle sowie Möglichkeiten zur Monetarisierung zu schaffen. Wie das geht, zeigen die Big Four in den USA – Google, Amazon, Facebook und Apple – sowie Branchen-Disruptoren wie Uber und Netflix. Und natürlich geht es nicht nur um kundenorientierte Initiativen: Unternehmen müssen auch ihre Zusammenarbeit mit Lieferanten und Geschäftspartnern intelligenter gestalten, indem sie neue, effektivere und effizientere Wege der Zusammenarbeit finden.

Der Mehrwert jedes Projekts zur digitalen Transformation hängt davon ab, ob es Erkenntnisse liefert, die sich dann in Ziele oder Aktionen umsetzen lassen. Um Produkte, Dienstleistungen und Geschäftsmodelle zu verbessern oder zu entwickeln, setzen die Unternehmen auf innovative Tools und Technologien wie Predictive Analytics, Robotic Process Automation (RPA), künstliche Intelligenz (KI), Machine Learning (ML), das Internet der Dinge (Internet of Things, IoT) und Blockchain.

So verwendet nach Angaben des Dresner Advisory Services (PDF-Dokument) zum Beispiel fast ein Viertel (23 Prozent) der Unternehmen aktiv Predictive Analytics. Zudem ziehen mehr als die Hälfte (51 Prozent) der Befragten Tools in Erwägung, um prädiktive Fähigkeiten zu ermöglichen.

Die Rolle von Datenqualität und -verfügbarkeit

Bei der hektischen Suche nach aussagefähigen Informationen wird oft übersehen, dass jeder Indikator oder Vorhersagewert nur so zuverlässig ist, wie die Qualität und Verfügbarkeit der zugrunde liegenden Daten. Unvollständige oder ungenaue Daten führen zu irreführenden Erkenntnissen und entsprechend zu schlechten Entscheidungen, die sich negativ auf den Betrieb, die Planung, die Prognosen und das Endergebnis auswirken können.

Daher wird jedes Projekt einer digitalen Transformation, dessen Datenbasis nicht den Qualitätsansprüchen genügt, wahrscheinlich nicht erfolgreich sein. Fast acht von zehn (78 Prozent) KI- und Machine-Learning-Projekten scheitern laut einer Studie von Dimensional Research an schlechter Datenqualität. 96 Prozent der Projekte haben darüber hinaus gleich mit mehreren Herausforderungen zu kämpfen: Neben der Datenqualität und der für den KI-Einsatz erforderlichen Datenbeschriftung, fehlt auch häufig das Vertrauen in den verfolgten Ansatz.

Mit der Zeit werden sich diese Probleme weiter verschärfen: Dienstleistungen und Prozesse, die auf Technologien wie KI und RPA basieren, benötigen nicht nur Daten – sie generieren auch Berge von Daten. Diese müssen gesammelt, zusammengefasst und analysiert werden, um von Nutzen oder Wert zu sein. Dabei steigt das Volumen, die Vielfalt und der Umfang der erzeugten und erworbenen Daten exponentiell. Das stellt Unternehmen vor die große Herausforderung, Informationen zu finden und zu verstehen sowie ihnen zu vertrauen. Nur dann können Organisationen ihre Arbeit erledigen.

Wenn Unternehmen sich dieser Aufgabe nicht stellen, führen Daten- und Systemsilos dazu, dass sich siloartige Praktiken, Prozesse und Kulturen verfestigen. In diesem Zustand agieren sie eher prozess- als datengesteuert – dies wiederum hindert sie daran, blinde Flecken zu erkennen oder herausragende, nahtlose Kundenerlebnisse zu liefern, die die digital-affinen Kunden heute erwarten.

Data Governance: Voraussetzung für die Transformation

Die Basis der digitalen Transformation bildet faktisch Data Governance. Es handelt sich dabei um eine Art Blueprint von Richtlinien, Prozessen und Management der Daten über deren gesamten Lebenszyklus hinweg. Im Zusammenspiel mit Enterprise Data Management werden Daten durch kontinuierliche Verfügbarkeit, Nutzbarkeit und Integrität zu einer gemeinsamen, unternehmensweiten Ressource. Doch, bevor Unternehmen mit ehrgeizigen Initiativen loslegen, müssen sie besser darin werden, vertrauenswürdige, genaue und vollständige Daten zu pflegen und dies zu einer Kernkompetenz entwickeln – was ihnen letztlich einen Wettbewerbsvorteil sichert.

Emilio Valdes, Informatica

„Die Basis der digitalen Transformation bildet faktisch Data Governance. Es handelt sich dabei um eine Art Blueprint von Richtlinien, Prozessen und Management der Daten über deren gesamten Lebenszyklus hinweg.“

Emilio Valdes, Informatica

Daten lassen sich nicht demokratisieren, ohne Anwendern die Verlässlichkeit und Relevanz dieser Informationen für das Unternehmen zu vermitteln. Faktisch müssen sie den Zusammenhang, die Qualität und den Geschäftswert aller verfügbaren Informationsquellen – sowohl innerhalb als auch außerhalb des Unternehmens – genau kennen.

Data Governance spielt hier eine wichtige Rolle: Sie versetzt Unternehmen in die Lage, ihren Führungskräften einen holistischen Blick auf die wichtigen Kennzahlen zu geben, damit sie agile, evidenzbasierte Entscheidungen treffen können.

Data Scientists können sich auf die Lösung von Geschäftsfragen konzentrieren und KI-Modelle vertrauensvoll für den Outcome einsetzen. Dies ermöglicht, dass sich immer mehr Workflows integrieren oder transformieren lassen, indem kontextbezogene Einblicke oder Vorhersagefähigkeiten in die Hände nichttechnischer Benutzer gelegt werden. Folgt die Bereitstellung der Daten dann auch nach datenschutzrechtlichen Vorgaben, tragen sie aktiv dazu bei, das Vertrauen der Kunden zu erhalten, die Automatisierung voranzutreiben und intelligente, ansprechende Kundenerlebnisse zu liefern.

Daten müssen heute genauso wahrgenommen und behandelt werden wie jedes andere strategische Gut, beispielsweise Mitarbeiter oder Produktionsanlagen: mit den richtigen Tools verwaltet und durch entsprechende Richtlinien und Praktiken geregelt. Denn sie haben heute einen wachsenden Einfluss darauf, Geschäftsergebnisse zu beeinflussen. Daher wird die Art und Weise, wie Unternehmen sich um ihre geschäftskritischen Daten kümmern, den Erfolg ihrer Initiativen im Zusammenhang mit der digitalen Transformation bestimmen.

Über den Autor:
Emilio Valdes ist Senior Vice President für EMEA und LATAM bei Informatica.

Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.

Erfahren Sie mehr über Data Governance

ComputerWeekly.de
Close