Entwicklung einer Datenkultur

Um mit der Digitalisierung Schritt zu halten und langfristig erfolgreich zu sein, müssen sich Unternehmen mit neuen Geschäftsmodellen an die sich schnell ändernden Marktbedingungen und Umgebungen anpassen. Wer hierbei datenzentrisch handelt und strukturiert Wissen aus seinen gesammelten Datenbeständen ziehen kann, „wird sehr wahrscheinlich qualifizierter und schneller agieren können als die Konkurrenz – und damit erfolgreicher sein“, meint Helge Lüthgens, Senior System Engineering Manager DACH bei Cohesity. Die großen Datenmengen, die sich in Unternehmen ansammeln – auch Big Data genannt –, stammen in der Regel aus unterschiedlichen Datenquellen. Dazu gehören laut Peter Ahnert z.B. Transaktionsdaten von Unternehmen, Nutzerdaten von Websites und Apps, Social-Media-Posts, Maschinendaten von Internet-of-Things-Geräten (IoT), biometrische sowie geografische Daten. „Auch öffentliche Datenquellen wie Regierungsdokumente und Wetterdaten können wichtige Quellen für Megadaten sein“, weiß der Experte, der die Big Data und AI Practice bei Nagarro leitet.

Die Daten werden von Unternehmen bereits in vielerlei Hinsicht genutzt. Einige der häufigsten Anwendungen sind etwa die Verbesserung der Kundenorientierung durch personalisierte Angebote und Dienstleistungen sowie die Erkennung und Vorhersage von Markttrends. Auch setzen viele Großunternehmen Big Data schon effektiv für Predictive Analytics und die Wartung von Maschinen und Anlagen ein, weiß Dr. Ulrich Faisst, Chief Technology Officer für die Region Central Europe bei Cognizant. Damit seien sie u.a. in der Lage, proaktiv Ausfallzeiten zu minimieren. Aber auch in der Medizin oder Logistik werden massenhaft Daten analysiert, „um Transportrouten zu optimieren oder die Entwicklung neuer Heilmittel zu beschleunigen“, ergänzt Helge Lüthgens.

Rechtliche Konsequenzen vermeiden

Die Verarbeitung großer Datenmengen bringt einige Herausforderungen mit sich: zum einen die Regulatorik, d.h. die Einhaltung rechtlicher Vorschriften und Datenschutzbestimmungen. Dies ist laut Ulrich Faisst entscheidend, um rechtliche Konsequenzen zu vermeiden. „Zum anderen ist die Datenqualität immer eine besondere Herausforderung, denn Daten sind oft unvollständig und einfach fehlerhaft.“ Eine mangelnde Datenqualität erschwere und verfälsche jede Analyse. Darüber hinaus gebe es große Menge an unstrukturierten Daten in Unternehmen, etwa Texte oder Bilder. Diese können nicht so leicht in tabellarischer oder schematischer Form dargestellt werden. „Sie zu analysieren und zu verarbeiten, erfordert spezielle Analysemethoden“, weiß der Experte. Auch Helge Lüthgens weist auf die Problematik unstrukturierter Daten hin: Sie könnten alle möglichen Formen haben, angefangen bei Excel-Listen, über Word-Dokumente bis hin zu Videos und Fotos. „Ihre Inhalte sind vielfältig und oft unklar. Den wahren Inhalt von mehr als der Hälfte der unstrukturierten Daten kennen Firmen in der Regel nicht.“

Eine weitere Herausforderung sieht er in personenbezogenen Daten, auf die Firmen oftmals intensiv zurückgreifen. Dabei müssten sie strenge Compliance-Vorgaben wie die EU-DSGVO einhalten und diese Daten ausgiebig schützen. Gleicher Ansicht ist Stefan Hanke, CIO bei Experian DACH: „Wer heute mit Daten arbeitet, muss der Datensicherheit eine hohe Priorität einräumen und zum Teil sehr hohe Investitionen tätigen, um diese Sicherheit auch jederzeit gewährleisten zu können.“

Ganzheitliche Datenstrategie

Steffen Vierkorn, Geschäftsführer der Qunis GmbH, hält im Rahmen von Big Data eine ganzheitliche Datenstrategie für notwendig. Unternehmen müssten sich grundsätzlich darüber im Klaren sein, welche Zielsetzung sie überhaupt haben und mit welchen Datenarchitekturen und Tools sie das erreichen wollen. Glücklicherweise hält der Markt zahlreiche Technologien und Lösungen zur Analyse und Verwaltung großer Datenmengen bereit – effizient und Compliance-konform. Dazu gehören laut Peter Ahnert Datenbank-Management-Systeme wie MySQL, NoSQL-Datenbanken wie MongoDB, Data-Warehousing-Lösungen wie Redshift und Bigquery, Data-Lake-Technologien wie Hadoop und Spark sowie Analyse- und Visualisierungs-Tools wie Tableau und Power BI. Der Experte ist zudem der Ansicht, dass Künstliche Intelligenz (KI) bei der Verwaltung und Analysegeschwindigkeit von Big Data eine entscheidende Rolle spielt. KI, aber auch Machine Learning (ML), könnten dazu verwendet werden, Muster und Zusammenhänge in großen Datenmengen zu erkennen, Vorhersagen zu machen und automatisierte Entscheidungen zu treffen.

Ebenso hält Stefan Hanke die KI-Frameworks für eine sinnvolle Hilfe: „Dies betrifft etwa automatisierte Extract/Transform/Load-Workflows (ETL) bis hin zu Mustererkennung und Datenbereinigung. Die Datenformate können dabei variieren und reichen z.B. von textbasierten Dateien, über Bild- und Videoformate bis hin zu Natural Language Processing (NLP).“ Die von Experian trainierten Anwendungen zur Unterstützung von Echtzeitentscheidungen sollen Kunden z.B. täglich tausendfach dabei helfen, bessere Geschäftsentscheidungen oder Prognosen zu treffen.

Vorsicht ist geboten

Doch wer ist eigentlich für all die Daten verantwortlich, die in einem Unternehmen generiert bzw. gesammelt werden? Mit ihnen arbeiten wollen in der Regel die Business-Verantwortlichen, „während der Datenschutzbeauftragte darauf achtet, dass dabei die Gesetze eingehalten werden“, so Helge Lüthgens. Die IT-Abteilung kümmere sich indes darum, dass die Daten vor menschlichen Fehlern, ausfallenden Geräten oder Hackern sicher bleiben. Laut Ulrich Faisst wiederum liegt die rechtliche Verantwortung für die Verarbeitung von Daten, einschließlich der sensiblen, in Deutschland eigentlich beim Geschäftsführer oder Vorstand. „In der Praxis wird diese Verantwortung jedoch oft an den IT-Verantwortlichen übertragen“, meint er. Viele Unternehmen hätten daher eine Data Governance etabliert – auch um regulatorische Anforderungen zu erfüllen.

Laut Peter Ahnert ist in der Regel der Chief Data Officer (CDO) oder eine ähnliche Rolle für die Daten verantwortlich. Er kümmere sich um die Datenstrategie, -verwaltung und -qualität im gesamten Unternehmen. „Aber Vorsicht!“, warnt der Experte. „Eine zentrale und prominente Rolle, die im Unternehmen für Daten verantwortlich ist, führt noch lange nicht zu einem datengetriebenen Unternehmen.“ Dazu sei eine bereichs-, funktions- und hierarchieübergreifende Nutzung der Daten notwendig, die vom CDO orchestriert, aber von allen Mitarbeitern mit Leben gefüllt werde.

Daten erlebbar machen

Damit die Mitarbeiter vernünftig und gewissenhaft mit den ihnen zur Verfügung stehenden Daten umgehen, sollten sie laut Stefan Hanke kontinuierlich und intensiv in den Bereichen „IT-Sicherheit“ und „Betrugserkennung“ geschult werden. „Hinzu kommen fundierte Kenntnisse der Datenschutzbestimmungen wie z.B. der DSGVO“, so der Experte. Darüber hinaus investieren Unternehmen in Spezialwissen zum Aufbau und Betrieb von Dateninfrastrukturen sowie in Data Analysts und Data Scientists zur Generierung geschäftsrelevanter Analysen. Online-Schulungsportale wie beispielsweise A Cloud Guru oder Pluralsight sollen Unternehmen und Mitarbeitern flexible und kostengünstige Weiterbildungsmöglichkeiten bieten.

Dies ist ein Artikel aus unserer Print-Ausgabe 10/2023. Bestellen Sie ein kostenfreies Probe-Abo.

Schulungen in den Bereichen „Datenschutz“ und „Cybersecurity“ seien zwar mittlerweile weit verbreitet, meint Ulrich Faisst, doch ebenso wichtig sind seiner Meinung nach „Schulungen für Mitarbeiter, um den Wert von Daten und den Wert der Erkenntnisse, die wir aus den Daten gewinnen können, besser zu erschließen“. Steffen Vierkorn ist indes der Ansicht, dass eine Schulung allein nicht reicht. Stattdessen gelte es, „im Unternehmen eine Datenkultur zu entwickeln und zu etablieren“. Das bedeutet: Prinzipiell muss die Bereitschaft vorhanden sein, in die Daten zu investieren, sie in der Unternehmenskultur zu verankern und auch ein entsprechendes Verantwortungsbewusstsein für Daten zu schaffen. Hierfür ist es laut Vierkorn z.B. erforderlich, unternehmensweit das Verständnis für Daten und den Know-how-Aufbau zu fördern, die Daten außerdem verständlich zu beschreiben und die notwendige Zugangstechnologie bereitzustellen. So können Daten erlebbar gemacht und den Beteiligten nutzenstiftende Szenarien aufgezeigt werden.

Bildquelle: Getty Images / iStock / Getty Images Plus