5 Schritte zur Digitalstrategie | epicinsights

Für den Erfolg des eigenen Unternehmens ist das Gewinnen von Erkenntnissen aus Daten mittlerweile essenziell wichtig. Damit einher geht natürlich auch die Entwicklung einer passenden Digitalstrategie. Denn nur, wer sein eigenes Datenuniversum nutzen kann, dem erschließen sich alle Chancen von Big Data. Der Einstieg in die Welt von Big Data, Advanced Analytics und Co. ist mit einigen Detailfragen verbunden, die wir im Folgenden aufgreifen möchten.

Was meint Big Data eigentlich?

Gartner, Inc. definiert den Begriff durch drei große V:

• – high-Volume (ein großes Datenaufkommen)
• – high-Variety (hohe Diversität von Datenbeständen)
• – high-Velocity (hohe Dynamik innerhalb der Datenbanken).

IBM erweiterte die Definition um Veracity, also die Glaubwürdigkeit bzw. Verlässlichkeit der Daten. Diese Dimension ist in der Praxis äußerst wichtig. Erst die Berücksichtigung der Veracity von Big Data sichert die Aussagekraft meiner Ergebnisse.

Die Erweiterung Value berücksichtigt den unternehmerischen Wert der Daten. Hierbei erfolgt eine Begriffsabgrenzung von „Smart Data“, um den inhärenten Mehrwert bestimmter Daten im Gegensatz zum allgemeinen „Big Data“ hervorzuheben. In diesem Sinne ist Big Data (m)ein großes, potentielles (Daten-) Universum und Smart Data eine Teilmenge davon, verknüpft mit den entsprechenden Business-Zielen und -Informationen, die ich zu einer wertschöpfenden Route verknüpfe.

Big Data ist also sehr breit gefächert und wird zum Teil sehr unterschiedlich benutzt. Dieser Beitrag folgt dem oben dargestellten Verständnis und konzentriert sich darauf, relevante Informationen aus allen Daten zu gewinnen, die zur Beantwortung meiner Fragestellungen verwendet werden können.

Immer der erste Schritt: Mein Big Data-Potential erkennen

Nahezu alle Geschäftsmodelle werden in Zukunft von einer Digitalstrategie profitieren. Es ist jedoch zu beachten, dass es eine One-Fits-All Lösung in diesem Bereich nicht geben wird. Jeder Kunde, jedes Business und jeder Datenraum sind individuelle Größen. Ergeben sich Synergie-Effekte in der Prozessierung, umso besser!

Es macht also wenig Sinn, bereits zu Beginn meines Projekts eine allumfassende und teure Infrastruktur zu implementieren. Stattdessen empfiehlt es sich, zunächst einen abgegrenzten und definierten „smarten“ Versuchsballon steigen zu lassen, um die Aussagekraft und Handhabbarkeit meiner Daten hinsichtlich der zu definierenden Ziele zu testen. Dazu haben sich die folgenden fünf Schritte bewährt:

Digitalstrategie in 5 Schritten

1. Zielsetzung: Klare Ziele helfen bei der Suche nach Lösungen. Ressourcen & Methoden lassen sich dabei flexibel einsetzen.
2. Rahmenbedingungen: Die technische Infrastruktur muss angepasst & evtl. aufgerüstet werden. Mitarbeiter sollten über mögliche Veränderungen informiert werden.
3. Potentialanalyse: Ist der aktuelle (technische) Stand des Unternehmens bekannt, kann an den richtigen Stellen optimiert werden.
4. Datenaggregation: Alle notwendigen Daten müssen verfügbar & zugänglich sein.
5. Umsetzung: Die Umsetzung der Digitalstrategie sollte schrittweise erfolgen mit Auswertung der einzelnen Etappen.

Ein möglichst geringer Aufwand für die eigenen Ressourcen und gleichzeitig eine valide Einschätzung meines Big Data-Potentials stehen dabei im Fokus. Angelehnt an agilen Projekt-Methoden suche ich nach sog. „Quick Wins“, teste auf effiziente Weise und im MVP-Modus neue Methoden und Technologien. Erst im Anschluss erweitere ich meine Cases iterativ entweder vertikal und/oder horizontal.

Innerhalb einer Potential-Analyse gilt es vor allem, den Datenraum des Kunden zu erfassen und ein möglichst umfassendes Bild des Status-Quo zu erhalten. Auf der Suche nach einem ersten Use Case z.B. für Machine Learning Anwendungen, welcher effizient und mit gutem Erfolgspotential bestückt sein sollte, ergeben sich meist weitere Ansatzpunkte.

So trifft man nicht selten auf komplett neue Themenfelder und weiterführende Fragestellungen, die selbst in einem sehr frühen Stadium der Big Data Potential-Analyse auf die strategische Unternehmensebene zurückwirken.

Mit Data Mining die verborgenen Geschichten in den Daten erkennen

Nach der Aggregierung der entsprechenden Daten, beginnt mit Data Mining das „Schürfen“ nach verborgenen Erkenntnissen. Mit Hilfe dieser multivariaten Methoden, welche Analysen in hochdimensionalen Räumen erlauben, können Strukturen in Daten gefunden werden.

Ein großer Vorteil: Diese Erkenntnisse sind allein durch die reinen Daten definiert und nicht durch menschliche Annahmen verzerrt. So werden häufig grundlegend andere oder neue Zusammenhänge zwischen Daten- und Business-Ebene aufgedeckt, als anfänglich erwartet.

Data Mining bietet sich bei tatsächlich großen und komplexen prozess- und systemübergreifenden Daten an. Der zeitliche Aufwand für eine erste Bereinigung und Aufbereitung dieser großen Datenbestände sollte jedoch nicht unterschätzt werden. Dieser Punkt ist vorab relativ schwer planbar und vor allem abhängig von den Erfahrungen der Experten und natürlich von der vierten Dimension „Veracity“. (siehe oben)

Sind die hohe Erwartungen gerechtfertigt?

An ein Investment in Big Data, Automatisierung und KI Prozesse sind oftmals unterschiedliche Erwartungshaltungen geknüpft. Als CEO möchte ich fundiertere Informationen für strategische Entscheidungen, als CFO günstigere Informationen und als CIO schlankere Prozesse. Das alles kann mit Big Data möglich werden. Dazu müssen lediglich die hier aufgezeigten Fallstricke beachtet werden.

Postskriptum: Sehen Sie in Big Data lediglich ein Buzzword oder eine echte Chance für die Weiterentwicklung ihrer Geschäftsprozesse? Berichten Sie uns doch von Ihren Erfahrungen an info@epic-insights.com – Wir freuen uns darauf!