InsightsConsultingVorteileÜber UnsBlog
Kontakt
Tech-Talk

Was läuft im Hintergrund der Lösungen ab, an denen wir für Sie tüfteln? Erfahren Sie mehr in den Tech-Talk Beiträgen.

Autor
Thomas Dierl

In der Technologiebranche ist Thomas Dierl zuhause, in Datenbanken kennt er sich hervorragend aus.

13.4.2022

Data Driven Decision Making: Teil 3

In unserer großen Data Driven Decision Making (DDDM) Reihe am Status kwo Blog haben wir bereits die Vorteile und Einsatzgebiete von DDDM erklärt. In Teil 2 ist es um die entsprechende Firmenkultur für DDDM gegangen. Im aktuellen Artikel erfahren Sie, wie Sie Schritt für Schritt eine datengesteuerte Entscheidung treffen. Im Anschluss geben wir Ihnen einige hilfreiche Tipps mit auf Ihren Weg zur datengetriebenen Entscheidung.

In 7 Schritten zu DDDM

Wie läuft eine datengetriebene Entscheidung nun genau ab? Der Prozess umfasst sieben Schritte, die wir für Sie unter die Lupe genommen haben.

1. Weichen stellen: Ziele, Kultur, Tools

Nur wer weiß, wohin er möchte, kann das auch erreichen. Deshalb gilt es als erstes, ein Ziel für DDDM zu definieren. Stellen Sie sich dabei die Frage, was Sie mittels DDDM erreichen möchten. Damit verknüpft sind auch Unternehmensziele. Definieren Sie genau, inwiefern diese bei datengetriebenen Entscheidungen berücksichtigt werden sollen.

Mindestens so wichtig wie das Ziel ist die passende Firmenkultur für Data Driven Desicion Making. Wissenswertes dazu finden Sie im Beitrag 'Teil 2: DDDM' am Status kwo Blog.

Darüber hinaus müssen auch die Tools für DDDM in Stellung gebracht werden. Wer seine Daten professionell auswerten und daraus Berichte erstellen bzw. kommunizieren möchte, sollte über das passende BI-Tool verfügen. Kontaktieren Sie uns gern per E-Mail für Unterstützung in diesem Bereich.

2. Hypothese aufstellen

Fragen über Fragen: In diesem Schritt sollten Sie festlegen, auf welche Frage(n) Sie eine Antwort mittels Daten finden wollen. Wesentlich dafür ist es, den Kontext für die Frage zu definieren. Am besten formuliert man die Frage als Hypothese: also als vorgeschlagene Wenn-Dann-Aussage, die sich entweder beweisen oder widerlegen lässt. Das Ergebnis lässt sich als Ausgangspunkt für weitere Nachforschungen verwenden.

3. Datenbedarf definieren

Nachdem klar ist, um welche Fragen bzw. Hypothesen es geht, legen Sie die für deren Beantwortung notwendigen Daten und Datenquellen fest. Dazu finden neben internen Datenquellen eines Unternehmens auch externe Datenquellen Beachtung. Letztere werden einfach zusätzlich eingebunden.

4. Datenprozess erstellen

Der Bedarf an notwendigen Daten ist klar? Dann geht es in diesem Schritt um die Sicherstellung, dass die Daten entsprechend gesammelt werden. Damit die Daten auch gut nutzbar sind, beachten Sie dabei die vier kritischen Merkmale von Big Data, auch 4 V's genannt. Diese haben wir im Blogbeitrag DDDM: Teil 1 näher erklärt. Wenn die Daten aus verschiedenen Systemen kommen, sollten Sie darüber hinaus sicherstellen, dass diese verknüpfbar sind und zueinander passen.

5. Daten sammeln

Feuer frei fürs Daten sammeln. Üblicherweise werden Millionen von Datenpunkten gesammelt, allerdings lässt sich auch mit kleineren Datensätzen von einigen Tausend Datenpunkten schon arbeiten. Dieser Schritt eignet sich zudem dazu, die Daten zu bereinigen.

6. Daten analysieren

Der letzte Schritt vor der eigentlichen Entscheidung: die Datenanalyse. Dabei setzen Sie die Daten in Beziehung - entweder zu anderen Daten, oder dem Kontext. Daraus lassen sich Informationen oder Erkentnisse ableiten.

7. Entscheidung treffen

Schlussendlich treffen Sie aufgrund der Erkentnisse aus der Analyse die Entscheidung. Wichtig dabei ist es, die Erkentnisse so darzustellen, dass diese allgemein verständlich und nachvollziehbar sind. So wird die Entscheidung transparent.

Nach der Entscheidung ist vor der nächsten: Vergessen Sie nicht, dass auch die Beschlüsse überprüft werden sollten. Dafür sollten Sie diese messen. Sie durchlaufen den DDDM Prozess also immer wieder, um die Richtigkeit der Entscheidung zu evalieren und von Abweichungen ggf. zu lernen.

Herausforderungen bei der DDDM Einführung

Datensilos

Ein großes Problem für Data Driven Desicion Making sind Datensilos. Ein solches besteht, wenn Daten an verschiedenen Orten in einem Unternehmen gespeichert sind und nur gewisse organisatorische Bereiche auf diese Daten Zugriff haben. Das macht die Datenauswertung sehr schwer - und die Einführung von DDDM praktisch unmöglich - da man die Daten ja in Beziehung zu einander bringen muss. Wenn Sie sich DDDM für Ihr Unternehmen wünschen, sollten Sie in einem ersten Schritt für eine effektive Infrastruktur sorgen: Eine, in der Daten sammeln und auswerten einfach ist.

Kultureller Wandel

Wie bereits im Blogbeitrag DDDM: Part 2 beschrieben, ist ein kultureller Wandel im Unternehmen essenziell für erfolgreiches Data Driven Desicion Making. Wie Sie diesen strategisch angehen erfahren Sie in besagtem Blogbeitrag.

Zu großes Vertrauen ins Bauchgefühl

Eine Veröffentlichung von BI-Survey zeigt, dass 58 % der befragten Unternehmen angeben, mindestens die Hälfte der regelmäßigen Entscheidungen aufgrund von Bauchgefühl und Erfahrung treffen. Wieso ist das so?

Gründe, warum Entscheider Daten nicht oder nur begrenzt verwenden

  • Mangelhafte Qualität der Daten: Wenn fehlerhafte oder zu wenig Daten vorliegen, kann kein professionelles DDDM betrieben werden. Zudem fehlt so auch das Vertrauen der Entscheidungsträger in die Qualität der Daten.
  • Vertrauen in die Erfahrung: Häufig vertrauen die Entscheider sehr auf vergangene Beschlüsse, ganz nach dem Motto "Das hat damals so funktioniert und wird heute immer noch funktionieren." Dabei vergessen sie, dass sich die Umstände mittlerweile geändert haben könnten.
  • Bestätigung von außen: Oft passiert es, dass sich Unternehmer ihre Bauch-Entscheidungen durch externe Beratungsfirmen bestätigen lassen.

Im Zusammenhang mit Entscheidungen auf Grundlage von Bauch, Gefühl oder Vergangenheit gibt es verschiedene Phänomene. Ein paar dieser Begriffe erklären wir Ihnen hier.

  • Kognitive Verzerrung: Dabei geht es um Entscheidungen auf Basis von zu wenig Informationen oder falsche Referenzen zu vergangengen Entscheidungen, die schlichtweg nicht zum vorliegenden Problem passen.
  • Bestätigungsverzerrung: Dabei werden Informationen, die das eigene Bauchgeführt oder die eigene Entscheidung bestätigen, mehr gewichtet als widersprüchliche Informationen.
  • Kognitive Beharrung: Veränderung in der Umgebung werden nicht wahrgenommen. So bleiben alte Ansichten und Informationen dieselben.
  • Konformitätsdruck: Entscheider stellen sich auf die Seite der Mehrheit, unabhängig von den Informationen.
  • Zu viel Optimismus: Es wird davon ausgegangen, dass die Zukunft besser wird als die Vergangenheit.

Bitte beachten Sie: Es gibt keine absolute Objektivität und jeder Entscheider tendiert zu Vorurteilen. Allerdings existieren Möglichkeiten, damit umzugehen.

Tipps & Tricks für die Einführung von DDDM

Nachdem wir nun wissen, was DDDM ist und wie der Entscheidungsprozess optimalerweise abläuft, geben wir Ihnen ein paar Empfehlungen mit für die Praxis. So implementieren Sie DDDM einfacher in Ihr Unternehmen.

Wachsam gegenüber Vorurteilen sein

Viele unserer Gehirnprozesse laufen unbewusst ab - so auch Entscheidungen. Daher ist es so kompliziert, diese transparent darzustellen und zu verifizieren. Gehen Sie deshalb kritisch mit vermeintlichen Mustern in Daten um: Häufig sind persönliche Vorurteile dafür verantwortlich, dass wir diese Muster erkennen.

Eine Studie von McKinsey aus 2010 hat mehr als 1.000 Investment-Entscheidungen beleuchtet. Das Ergebnis: Haben Unternehmen aktiv versucht, Vorurteile auszuschließen, waren die Renditen um bis zu 7 % höher.

Tipps für Entscheidungen ohne Vorurteile

  • Das Bewusstsein um die Existenz von Vorurteilen ist ein erster essenzieller Schritt, um diese zu vermeiden. Sorgen Sie dafür, dass die Entscheidungsträger sich über Vorurteile im Klaren sind - und diese konstant überprüfen.
  • Gruppenentscheidungen oder ein 4-Augen-Prinzip können ebenfalls gegen Vorurteile helfen. Dafür ist es wesentlich, dass die Daten und Auswertungen möglichst allen im Unternehmen zugänglich sind.
  • Die aktive Suche nach widersprüchlichen Informationen deckt Vorurteile mitunter auf. Dabei gilt es, die richtigen Fragen zu stellen: sowohl sich selbst als auch anderen.

Der große Vorteil: Wer Vorurteile weitgehend vermeidet, ebnet den Weg für neue Möglichkeiten dank valider Erkenntnisse aus den Daten.

Ziele definieren

Machen Sie es allen im Unternehmen so einfach wie möglich, mit den Daten zu arbeiten. Dazu gehört auch, die Ziele des Unternehmens zu kennen und zu verstehen. Klar ausformulierte Ziele helfen zudem dabei, auf dem richtigen Weg zu bleiben - also die Bedürfnisse und Ziele des Unternehmens in den Vordergrund zu stellen, anstatt Hypes oder Trends nachzurennen. Key Performance Indicators (KPIs) unterstützen Zielvorhaben wesentlich.

Daten von Beginn an sammeln

Ohne Daten kein Controlling. Für jedes Unternehmen, ob Start-Up oder Konzern, ist das Sammeln von Daten wesentlich. Und das von Tag 1 an. Nur darauf können KPIs aufgebaut oder Informationen und Erkenntnisse gewonnen werden.

Daten säubern und organisieren

Ein wesentlicher Teil der Zeit muss darin investiert werden, die Daten zu säubern und zu organisieren. Das stellt sicher, dass die Daten folgende Eigenschaften haben:

  • aktuell
  • richtig formatiert
  • nur einmal enthalten
  • in den gleichen Einheiten vorhanden

Dieser Schritt ist notwendig, damit die Auswertungen am Ende auch korrekte Ergebnisse liefern.

Passende Fragen finden

Die Ziele sind klar - der Weg dahin noch nicht ganz? Investieren Sie etwas Zeit, um die entsprechenden Fragen zu finden. Mit deren Beantwortung werden Sie die Ziele erreichen. Wer sich über die passenden Fragen im Klaren ist, verwendet auch die richtigen Daten für die Auswertung. Das führt uns direkt zum nächsten Punkt.

Die entsprechenden Daten heranziehen

In den meisten Unternehmen sind so viele Daten vorhanden, dass nur ein Teil davon für die Beantwortung der Frage notwendig ist. Wenn Sie richtigen Daten gefunden haben, sollten Sie zusätzlich prüfen, ob weitere Daten für die Beantwortung der Frage des Problems notwendig oder hilfreich sind.

Kontext beachten

Ziele, Fragen und Daten sind klar? Perfekt. Nun ist es wichtig, den Kontext zu verstehen. Nur so analysieren Sie die Daten richtig und gelangen zu den korrekten Schlussfolgerungen.

Trends & Muster herausfinden

Während der Analyse sollten Sie stets ein Auge auf mögliche Korrelationen, Trends und andere Muster haben. Wenn sich welche abzeichnen, überprüfen Sie diese sorgfältig.

Mut zum Detail: Wiederholung & Feedback einfordern

Menschen neigen zu voreiligen Schlussfolgerungen und lassen dadurch interessante Alternativen außer Acht. Selten werden die ersten Schritte und Ergebnisse wiederholt. Wer Annahmen, Vorgehensweisen usw. immer wieder prüft und erneut durchdenkt, kommt eher falschen Ergebnissen oder zu schnellen Schlussfolgerungen auf die Spur.

Darüber hinaus ist es hilfreich, mit Kollegen zu sprechen und Zwischenergebnisse zu präsentieren. So können neue Sichtweisen entstehen und Sie decken eventuell eingeflossene Vorurteile auf.

Erkenntnisse übersichtlich darstellen

Wesentlich für die Kommunikation von Informationen und Ergebnissen ist, diese grafisch gut aufzubereiten und übersichlich darzustellen. Zum Beispiel sollte bei der Darstellung von Finanzdaten auch immer deren Entwicklung in die Grafik mit einfließen, um den entsprechenden Kontext zu vermitteln.

Messbare Ziele für DDDM setzen

Sobald eine Entscheidung getroffen ist, gilt es nochmal zu überprüfen, ob diese auch zu den Zielen des Unternehmens passt. Dafür sollten messbare Ziele mit der Entscheidung gesetzt werden, um auch die Entscheidung zu überwachen.

In Tools investieren

Um DDDM erfolgreich im Unternehmen anzuwenden, ist eine für das Unternehmen passende Anwendung essenziell. Wie Sie das passende Tool für Ihr Unternehmen finden, erfahren Sie im Blogbeitrag 3 Schritte zum idealen BI (Business Intelligence) Tool. Wichtig: Achten Sie darauf, dass es sich um ein Self-Service BI Tool handelt. Das bedeutet, dass alle Mitarbeiter in Unternehmen selbst auf die Daten zugreifen und diese analysieren können.

Sie haben Fragen zum passenden Tool und dessen Implementierung? Status kwo hilft Ihnen gerne weiter. Schreiben Sie uns eine E-Mail.

Laufende Verbesserung hört nie auf

Ein sehr wichtiges Thema bei DDDM ist die laufende Verbesserung - auf allen Ebenen. Sowohl bei der Datensammlung als auch bei der Analyse der optimalen Darstellung. Wesentlich für eine konstante Weiterentwicklung ist auch die Aus- und Weiterbildung der Mitarbeiter eines Unternehmens. Laufende Fortbildungen sollten ein fixer Bestandteil der Unternehmenskultur sein.

Conclusio und Ausblick

Angereichert mit Grundlagen, Tipps und Tricks sollte Ihrer DDDM-Zukunft nun nichts mehr im Weg stehen. Für Inspiration stellen wir im nächsten und abschließenden DDDM-Blogbeitrag Nr. 4 erfolgreiche Beispiele für gut umgesetztes DDDM aus der Praxis vor.

HomeInsightsConsultingVorteileÜber UnsBlog