Logo Zeenea 2020
Actian Logo Rgb Horizontal
Data Literacy: Die unverzichtbare Kompetenz im Homeoffice

Data Literacy: Die unverzichtbare Kompetenz im Homeoffice

von | Mai 4, 2023 | Data Governance, Daten-Inspiration

Die Corona-Pandemie zwang Unternehmen auf der ganzen Welt dazu, Remote-Arbeit und Homeoffice als neue Norm einzuführen. Laut McKinsey & Company hat die Pandemie den Trend zur Remote-Arbeit deutlich beschleunigt, indem sie bis zu 25 % mehr Arbeitnehmer als ursprünglich geschätzt dazu zwang, ihre Arbeitsweise zu ändern. Und in einer Welt, in der das Homeoffice zur Norm wird, ist es umso wichtiger geworden, Entscheidungen auf der Grundlage zuverlässiger und greifbarer Daten zu treffen.

Die Remote-Arbeit stellt datengetriebene Unternehmen jedoch vor eine Reihe von Herausforderungen. Um fundierte Entscheidungen treffen zu können, müssen Ihre Mitarbeiter im Homeoffice in der Lage sein, die Daten genau zu verstehen, zu analysieren und zu interpretieren. Daher ist Data Literacy, also die Datenkompetenz, zu einer wichtigen Fähigkeit geworden, damit Ihre Mitarbeiter in einem Remote-Umfeld erfolgreich sein können.

In diesem Artikel befassen wir uns mit der Bedeutung von Data Literacy in einer Welt, in der Menschen mobil arbeiten. Wir betrachten ihre Vorteile und Herausforderungen sowie die Best Practices, die Unternehmen bei der Umsetzung von Data Literacy anwenden können.

Die Bedeutung der Data Literacy

 

Eine kurze Definition des Begriffs der Data Literacy. Es handelt sich um die Fähigkeit, Daten zu verstehen, zu analysieren und über sie zu kommunizieren. Denn im heutigen, sich schnell verändernden und zunehmend datengetriebenen Umfeld befähigt Data Literacy die Menschen, die Daten, mit denen sie arbeiten, besser zu verstehen, sie kritisch zu analysieren und auf der Grundlage des Wissens, das sie aus den Datenbeständen gewinnen, fundierte Entscheidungen zu treffen.

Die Bedeutung von Data Literacy kann in der heutigen Arbeitswelt daher gar nicht hoch genug eingeschätzt werden. Die Menge der von Unternehmen erzeugten Daten nimmt exponentiell zu, und die Fähigkeit, auf Daten zuzugreifen und sie zu interpretieren, ist entscheidend, um die besten strategischen Entscheidungen zu treffen. Mit der richtigen Datenkompetenz können Mitarbeiter Rohdaten in verwertbare Informationen umwandeln, die ihnen helfen, Muster und Trends zu erkennen und letztlich ihre strategischen und geschäftlichen Ziele zu erreichen.

Herausforderungen für die Entwicklung von Datenkompetenzen im Rahmen der Remote-Arbeit

 

Bei der Remote-Arbeit befinden sich die Beschäftigten physisch nicht am selben Ort wie ihre Kollegen oder die Datenquellen, die sie nutzen. Daher müssen Mitarbeiter im Homeoffice in der Lage sein, selbstständig auf Daten zuzugreifen, ohne auf persönliche Interaktionen angewiesen zu sein. Data Literacy ist daher entscheidend, um sicherzustellen, dass Mitarbeiter im Homeoffice effektiv im Datenbestand des Unternehmens navigieren und diesen nutzen können und dass sie in der Lage sind, ihre Daten effektiv an ihre Kollegen weiterzugeben. Denn ohne direkte Interaktion besteht die Gefahr, dass mobile Mitarbeiter nicht die Beratung oder Unterstützung erhalten, die sie benötigen, um ihre Datenkompetenz zu entwickeln.

Eine weitere große Herausforderung ist der fehlende Zugang zu Datenquellen. Mitarbeiter im Homeoffice müssen schnell und einfach auf Datenquellen zugreifen können, um die enthaltenen Informationen analysieren zu können. Darüber hinaus können sie auch mit Herausforderungen im Bereich der Sicherheit und des Datenschutzes konfrontiert werden. Eine effektive Datenverwaltung und -analyse ist daher besonders wichtig, um sicherzustellen, dass mobile Mitarbeiter sicher und effektiv auf Daten zugreifen und diese nutzen können.

Schließlich verfügen viele Unternehmen, die sich bemühen, ihre Daten zu beherrschen, nicht immer über die richtigen Tools für die Datenverwaltung. Ohne diese dedizierten Lösungen kann es schwierig sein, Daten effektiv zu sammeln, zu organisieren und zu analysieren. Wenn Datennutzer zudem nicht über den zugehörigen Kontext verfügen, sind sie gezwungen, ihre Datenbestände isoliert und unvollständig zu betrachten. Die richtigen Datenmanagement-Tools wie Software zur Visualisierung von Daten, Lösungen für die Katalogisierung und Plattformen für die Data Discovery können Datenmanagement-Teams dabei unterstützen, den Datenbestand besser zu verstehen und tiefere Einblicke zu gewinnen – was zu einer besseren Kontrolle der Daten führt.

Die Vorteile der Data Literacy für Mitarbeiter, die mobil arbeiten

 

 Wenn sie effektiv umgesetzt wird, bietet die Data Literacy viele Vorteile für Mitarbeiter im Homeoffice.

Zunächst ermöglicht die Data Literacy eine effektive Kommunikation und Zusammenarbeit zwischen Kollegen. Wenn mobile Mitarbeiter wissen, wie Daten zu verstehen und zu analysieren sind, können sie ihre Ideen und Erkenntnisse mit ihren Kollegen teilen, wodurch bessere Entscheidungen getroffen und bessere Ergebnisse erzielt werden können. Die Data Literacy ermöglicht es Mitarbeitern im Homeoffice also, Daten verständlich und prägnant darzustellen, sodass sie diese besser verstehen und entsprechend handeln können.

Zweitens kann die Data Literacy die Produktivität und Effizienz steigern. Mitarbeiter an entfernten Standorten können schnell und genau auf Daten zugreifen, sie analysieren und interpretieren und so ihre Aufgaben effizienter erledigen. Durch die Nutzung von Datenwissen können mobile Mitarbeiter Muster, Trends und Anomalien in ihren Datenbeständen erkennen, die ihnen helfen, Aufgaben zu priorisieren, Prozesse zu optimieren und ihre Ziele zu erreichen.

Zu guter Letzt kann Data Literacy auch dazu beitragen, Fehler und Risiken in einer Remote-Umgebung zu reduzieren. Durch die genaue Analyse und Interpretation der Daten können die mobilen Mitarbeiter potenzielle Fehler oder Risiken erkennen, bevor sie auftreten, und so proaktiv Maßnahmen ergreifen. Darüber hinaus verringert Data Literacy die Wahrscheinlichkeit, dass Entscheidungen auf der Grundlage von Annahmen oder unvollständigen Informationen getroffen werden. Durch die Nutzung von Datenwissen können Mitarbeiter im Homeoffice sicherstellen, dass ihre Entscheidungen fundiert, objektiv und im Einklang mit den Zielen des Unternehmens sind.

Bewährte Verfahren zur Schaffung einer Umgebung für mobile Mitarbeiter, die Data Literacy ermöglicht

 

Die Stärkung der Datenkompetenz in einer Remote-Umgebung kann sich als schwierig erweisen, aber es gibt mehrere Strategien, die zur Entwicklung dieser Kompetenzen eingesetzt werden können.

Eine dieser Lösungen besteht darin, Mitarbeiter im Homeoffice Online-Schulungen und -Ressourcen zur Verfügung zu stellen, damit sie ihre Fähigkeiten weiterentwickeln können. E-Learning-Module, Kurse und Webinare können ihnen helfen, ihre Kenntnisse im Bereich der Analyse, Interpretation und Präsentation von Daten zu vertiefen. Die Bereitstellung und der Zugang zu Online-Ressourcen wie Datenvisualisierungstools, Dashboards und Analyseplattformen kann mobile Mitarbeiter in die Lage versetzen, Daten selbstständig zu untersuchen und zu analysieren.

Eine andere Strategie zur Stärkung der Data Literacy in einer Remote-Umgebung besteht darin, sie zu einem festen Bestandteil der Remote-Arbeit zu machen. Wenn Sie Ihre Mitarbeiter im Homeoffice dazu ermutigen, ihr Wissen und ihre Ergebnisse mit ihren Kollegen zu teilen, kann eine Kultur der Zusammenarbeit und des Teilens entstehen, welche die Entwicklung der Datenkompetenz in der gesamten Organisation vorantreibt.

Die Zukunft der Datenkontrolle bei der Remote-Arbeit

 

Da Daten im Mittelpunkt der Remote-Arbeit stehen, wird die Notwendigkeit für mobile Mitarbeiter, ihre Datenkenntnisse zu entwickeln und zu vertiefen, immer größer. Durch Investitionen in die Weiterbildung und Verbesserung der Data Literacy können Mitarbeiter im Homeoffice Daten effektiv nutzen, um fundierte Entscheidungen zu treffen, die Produktivität zu steigern und Fehler und Risiken zu reduzieren.

Wir bei Zeenea sind davon überzeugt, dass die Data Literacy eine Schlüsselkompetenz für jedes datengetriebene Unternehmen ist. Deshalb haben wir eine Data-Discovery-Plattform für alle Daten- und Geschäftsinitiativen entwickelt, von Anwendungen zur Verwaltung von Metadaten über die Suche und das Data Mining bis hin zu Data Governance, Compliance und Cloud-Transformationsinitiativen.

Sind Sie bereit, das Potenzial der Daten Ihrer mobilen Mitarbeiter zu nutzen?

KONTAKTIEREN SIE UNS
Die Fallstricke bei der Implementierung eines Datenkatalogs – Datenkultur

Die Fallstricke bei der Implementierung eines Datenkatalogs – Datenkultur

von | Sep. 29, 2022 | Datenkatalog

Metadaten-Management ist ein wichtiger Bestandteil eines jeden umfassenderen Datenmanagement-Projekts und erfordert mehr als die bloße Implementierung einer Datenkatalog-Software, egal wie vernetzt diese auch sein mag.

Zwar wird ein solches Tool das Metadaten-Management immer unterstützen, es kann jedoch nicht allein dessen Erfolg garantieren.

Diese Artikelserie ist inspiriert von Erfahrungen aus den unterschiedlichsten Branchen, Unternehmensgrößen und -kulturen und zeigt die wichtigsten Fallstricke und Missverständnisse auf, die Sie bei der Einführung eines unternehmensweiten Datenkatalogs unbedingt vermeiden sollten.

Die beschriebenen Fallstricke drehen sich um vier Themen, die für den Erfolg des Vorhabens von zentraler Bedeutung sind:

  1. Datenkultur
  2. Sponsorship
  3. Projektsteuerung
  4. Datenkatalog-Integration

—

Es gibt nur wenige Organisationen, in denen Daten das zentrale Produkt sind. Zwar sind Daten allgegenwärtig, doch sind sie sehr oft ein Nebenprodukt der eigentlichen Tätigkeit. Es ist daher nicht verwunderlich, dass viele Mitarbeiter sich der Bedeutung von Daten nicht immer bewusst sind. Datenkultur ist nicht angeboren und ein mangelndes Bewusstsein kann zu einem großen Hindernis bei der Einführung des Datenkatalogs werden.

Lassen Sie uns dies anhand einiger immer wiederkehrender Missverständnisse veranschaulichen.

Nicht alle Mitarbeiter sind für die Herausforderungen des Metadaten-Managements sensibilisiert

Das erste Hindernis liegt vermutlich im allgemeinen Verständnis der Disziplin. Zunächst einmal müssen die Mitarbeiter die entscheidende Rolle von Daten für die Entwicklung des Unternehmens erkennen. Es empfiehlt sich, die Akkulturation der Mitarbeiter an die Herausforderungen des Datenmanagements im Rahmen eines umfassenderen Programms anzugehen.

Eines der wichtigsten Prinzipien ist dabei, dass Daten innerhalb der Organisation ein Allgemeingut sind. Das bedeutet, dass der oder die Verwalter eines Datensatzes die Pflicht haben, diesen für das Unternehmen und alle Mitarbeiter sichtbar und verständlich zu machen.

Eines der mächtigsten Hindernisse auf dem Weg zum Metadaten-Management ist die Unkenntnis des Aufwands, den die Erstellung und Pflege einer Dokumentation erfordert. Dies wird noch verschärft, wenn die Zielgruppe der interessierten Nutzer auf einige wenige Personen beschränkt ist, die sich bereits mit dem Thema auskennen. Sobald die Zielgruppe nicht mehr nur eine Teilmenge, sondern das gesamte Unternehmen und potenziell alle Mitarbeiter sind, muss das Wissen über Daten in einer „skalierbaren“ Form festgehalten werden.

Ein Datenkatalog ist kein Allzweckwerkzeug

Das Thema Datenkultur kann auch das Team betreffen, das mit der Steuerung des Projekts betraut ist. Insbesondere eine ungenaue Kenntnis der Tools und ihrer Zwecke kann irreführend sein und zu suboptimalen oder letztlich nachteiligen Entscheidungen führen.

Der Datenkatalog ist eine zentrale Softwarekomponente des Metadaten-Managements, gleichzeitig jedoch nicht die einzige. Es sollte daher nicht versucht werden, alles mit diesem Tool zu erledigen. Dies mag offensichtlich erscheinen, aber in der Praxis kann es schwierig sein, die Grenzen zu erkennen, jenseits derer eine spezialisierte Drittanbieterlösung erforderlich wird.

Der Datenkatalog ist das Herzstück der Dokumentation und sollte die Anlaufstelle für jeden Mitarbeiter sein, der Fragen zu einem datenbezogenen Konzept hat. Das macht den Katalog jedoch nicht zur Lösung, in der alles zu finden sein muss. Diese Nuance ist wichtig, denn Informationen zu referenzieren oder zusammenzufassen bedeutet nicht unbedingt, jegliche existierende Information mit aufzunehmen.

In der Tat gibt es viele unterschiedliche Themen, die bei der Vorbereitung eines Metadaten-Management-Projekts auftauchen: die technische und/oder funktionale Modellierung, die Verwaltung der Berechtigungen für die Daten, der Workflow für den Datenzugriff etc. All diese Themen sind wichtig, wertvoll und mit den Daten verbunden. Dennoch sind sie nicht dafür vorgesehen, von einer Lösung zur Dokumentation Ihrer Datenbestände verwaltet zu werden.

Es ist daher wichtig, zunächst diese Bedürfnisse zu ermitteln, eine Strategie zu definieren, um sie zu erfüllen – unterstützt durch ein geeignetes Tooling – und dieses Tooling dann in ein größeres Ökosystem zu integrieren, zu dem der Datenkatalog gehört.

Die 10 Fallstricke bei der Implementierung eines Datenkatalogs

Wenn Sie mehr über die für ein erfolgreiches Datenkatalog-Projekt zu vermeidende Fallstricke erfahren möchten, laden Sie sich unser kostenloses eBook herunter!

eBook downloaden
Die 10 Fallstricke Bei Der Implementierung Eines Datenkatalogs Mockup
7 Hindernisse für die Demokratisierung des Datenzugriffs in Unternehmen

7 Hindernisse für die Demokratisierung des Datenzugriffs in Unternehmen

von | Sep. 18, 2022 | Daten-Inspiration

Viele Organisationen haben sich zum Ziel gesetzt, datengetrieben zu arbeiten, d. h. sie möchten ihre strategischen Entscheidungen nicht länger auf Intuitionen oder Trends, sondern auf präzise, zuverlässige Daten und Analysen stützen. Das bedeutet, dass man sich um die Speicherung, Dokumentation und Bereitstellung dieser Daten bemühen muss, um sie optimal nutzen zu können. Wenn diese Unternehmen sich vor diesem Hintergrund mit modernen Tools ausstatten, um den Zugang zu ihren Daten zu demokratisieren, sehen sie sich einer Vielzahl von Schwierigkeiten gegenüber, die den Prozess bremsen können. Dieser Artikel stützt sich auf die Erfahrungen von Zeenea-Anwendern aus Unternehmen unterschiedlicher Größe und aus verschiedenen Branchen und beschreibt 7 Hindernisse, die häufig auf dem Weg zur Data Democratization auftreten.
  

Notwendige, aber nicht ausreichende Instrumente

Bei den Nutzern der Zeenea-Lösungen stehen die Demokratisierung der Daten und der Wunsch, zu einem Modell für datengestützte Entscheidungen überzugehen, natürlich an erster Stelle. Außerdem ist der Zugang zu den Daten dieser Organisationen teilweise demokratisiert, da sie alle mit speziellen Werkzeugen wie Data Lakes und Data Labs ausgestattet sind. Natürlich ist der Einsatz eines Datenkatalogs in diesen Unternehmen ebenfalls selbstverständlich. Dabei wird eine zentrale Plattform genutzt, die in der Lage ist, den kompletten Datenbestand zu zentralisieren, der von allen Mitarbeitern gemeinsam genutzt wird.

Diese Tools sind wichtige Bausteine für jeden datengetriebenen Ansatz, aber sie allein können den Zugang zu Daten nicht demokratisieren. Am Beispiel eines Datenkatalogs lässt sich erkennen, dass das Werkzeug erst dann besonders effektiv wird, wenn es von möglichst vielen Menschen in der Organisation genutzt wird. Es sind die Vervielfachung der Anwendungsfälle und die Unterstützung möglichst vieler Mitarbeiter bei der Dokumentation der Datenbestände, die den Wert des Informationsschatzes eines Unternehmens nutzbar machen. So kann jeder in seinem Bereich von der Arbeit der Kollegen profitieren – ein positiver Kreislauf also. Und um dies zu fördern, ist ein kultureller Wandel notwendig.

 

Die Unternehmenskultur

In den Unternehmen, die wir begleiten, besteht manchmal noch ein Defizit, was das Bewusstsein für den Wert des verfügbaren Datenbestands und die Einhaltung des gewählten Ansatzes bei Dokumentation und Datenaustausch betrifft. Die Herausforderung liegt insbesondere in der Nutzung der oben genannten Tools, wobei die Daten oft in Silos zwischen verschiedenen Abteilungen und Teams verbleiben. Es ist umso schwieriger, diese Einstellung auf Ebene der Fachbereiche zu ändern, da die IT-Teams kulturell stärker sensibilisiert sind und eher dazu neigen, Daten zu dokumentieren und zu teilen.

Vor diesem Hintergrund werden Governance-Zellen eingerichtet, um dieses Bewusstsein zu erhöhen, aber sie leiden oft unter einem Legitimitätsdefizit in der Organisation, was ihre Arbeit, das Bewusstsein für die zentrale Rolle von Daten für das Unternehmen zu schärfen, erschwert. In der Literatur zum Data Mesh wird übrigens dazu geraten, die Data Governance zu dezentralisieren. Die Fachteams müssen einbezogen werden, auch auf die Gefahr hin, dass ein Sprachgefälle entsteht: Die Governance-Teams müssen mit Data Owners, Data Engineers, Data Analysts usw. zusammenarbeiten. Die Demokratisierung des Zugangs zu Daten muss zwangsläufig über die Begegnung von Datenproduzenten und -konsumenten erfolgen.

Der Begriff des Wandels in der Denkweise des Unternehmens ist eine Notwendigkeit, um das vorhandene Instrumentarium zur Data Democratization zu vervollständigen. Die von Gartner veröffentlichten Ergebnisse zeigen, dass sich Unternehmen historisch gesehen von einer defensiven Kultur des „Niemals Daten teilen, außer“ hin zu guten Gründen, Daten zu teilen, entwickeln. Das Forschungsinstitut betont, dass ein Wechsel zu einer Philosophie des „Immer Daten teilen, außer“ stattfindet. Die Tools alleine (Data Lakes, Data Labs, Data Catalogs etc.) reichen nicht aus, um Daten zu demokratisieren, wenn dies nicht von einem solchen kulturellen Wandel getragen wird.

Nachträgliche Dokumentation

Viele Projekte werden zunächst von Kosten und Zeitvorgaben geleitet, und in diesen Fällen sind Data Governance und Datenqualität in der Regel nicht von Anfang an vorrangige Themen für die Fachbereiche in der Organisation. So ist eine Tendenz zur nachträglichen Dokumentation zu beobachten, was die Aufgabe des Teilens und Dokumentierens erschwert. Die Qualität der Daten und erst recht ihrer Dokumentation ist somit allzu oft das letzte Rad am Wagen.

 

Zeitmangel

Fehlende Dokumentation ist ein verschärfter Bias in Organisationen, deren Produkt und Wert über die Nutzung von Daten geschaffen wird. Das Hindernis für die Demokratisierung liegt dann eher in der fehlenden Zeit für die Dokumentation als in einem Defizit an datengetriebener Unternehmenskultur, wie oben erwähnt. Wenn wir erneut das Beispiel des Datenkatalogs und den Beruf des Data Scientists betrachten, stellen wir fest, dass diese Gruppe mehr oder weniger den Wunsch hat, ihre Tätigkeit zu dokumentieren, sich aber nicht die Zeit dafür nimmt, da die Vollständigkeit des Datenkatalogs keine Priorität hat.

Außerdem stehen die Dokumentation und die Bereitstellung von Daten nicht immer auf dem Aufgabenplan der Mitarbeiter. Es gibt also auch eine HR-Dimension in Bezug auf die Demokratisierung. Die Dokumentationsaufgabe kann zu den Mitarbeiteraufgaben hinzugefügt werden, um Demokratisierung und Empowerment zu fördern.

 

Datenvolumen

Eine Art von Angst entsteht manchmal, wenn die Mitarbeiter aufgefordert werden, ihre eigenen Geschäftsdaten in einem großen gemeinsamen Container (Data Lake oder Data Catalog) zu teilen. Dahinter steht die Angst, in einem Meer von Daten, die von anderen Organisationseinheiten hinzugefügt werden, zu ertrinken und sich nicht mehr zurechtzufinden.

Der Datenkatalog ist ein wertvolles Instrument, um diese Befürchtung bei den Datenproduzenten zu zerstreuen. Denn das Tool bietet ihnen einerseits die Möglichkeit, auf einfache Weise ihre eigenen Daten zu erforschen, andererseits können sie aber auch Daten, die von anderen produziert wurden, für ihre eigenen Anwendungsfälle nutzen.

 

Datensicherheit

Der Sicherheitsaspekt taucht immer wieder als Vorwand auf, um Daten nicht innerhalb des Unternehmens zu teilen. Es gibt heute jedoch effektive Systeme zur Verwaltung von Benutzerrechten, wie z. B. das im Zeenea Data Catalog integrierte System, die in Verbindung mit einer Kultur des Teilens und der Rechenschaftspflicht diese Barriere überwinden können.

 

Eigenschaften der Daten

Was den Begriff Properties oder Eigenschaften betrifft, so ist allzu oft ein Ownership von Datensätzen auf lokaler Ebene zu beobachten. Dennoch sind Daten ein Unternehmensgut, ein gemeinsames Erbe, und nur regulatorische Aspekte sollten ein lokales Eigentum rechtfertigen. In anderen Fällen wird diese Eigentümerschaft schnell zu einem Hindernis für die Dokumentation: Die Unternehmenskultur muss die Bereitstellung von Daten für möglichst viele Menschen unter der Verantwortung einer Einheit oder von Einzelpersonen fördern.

Wenn Sie sich mit uns über die in diesem Artikel beschriebenen Hindernisse für die Demokratisierung von Daten in Unternehmen austauschen möchten, oder wenn Sie eine Präsentation der Lösungen von Zeenea für datengetriebene Unternehmen wünschen :

KONTAKTIEREN SIE UNS
Datenstrategie: Wie lassen sich Datensilos aufbrechen?

Datenstrategie: Wie lassen sich Datensilos aufbrechen?

von | Juni 8, 2022 | Daten-Inspiration

Lebenszyklus eines Produkts, Marketing, Kundenbeziehungen – Daten sind im Unternehmensalltag allgegenwärtig. Kunden, Lieferanten, Mitarbeiter, Partner – alle Glieder der Kette sammeln, analysieren und verwerten Daten auf ihre Weise. Die Gefahr: die Entstehung von Silos! Lassen Sie uns herausfinden, warum sich Ihre Daten in Silos befinden und wie Sie dies beenden können.

Ein Unternehmen besteht aus verschiedenen Fachbereichen, die ihre Handlungen koordinieren, um sich auf ihrem jeweiligen Markt durchzusetzen und Gewinne zu erzielen. Jeder dieser Fachbereiche erfüllt spezifische Aufgaben und sammelt Daten. Marketing, Vertrieb, Kundenbeziehungen, Kommunikation – all diese Einheiten sind Tag für Tag tätig und stützen ihr Handeln auf eigene Daten. Das Problem ist, dass ein Kunde auf seiner gesamten Reise eine gewisse Menge an Informationen erzeugen wird.

Zunächst nur ein Lead, dann ein Interessent, schließlich ein Kunde – ein und dieselbe Person kann den verschiedenen Abteilungen, aus denen sich Ihre Organisation zusammensetzt, bekannt sein, ohne dass das Wissen über diese Person zwischen all Ihren Teams geteilt wird.

Diese Situation bezeichnet man als Datensilo.

Mit anderen Worten: Daten sind abgeschottet, werden schlecht oder gar nicht geteilt und bleiben daher allzu oft ungenutzt. Laut einer von IDC durchgeführten Studie mit dem Titel „The Data-Forward Enterprise“, die im Dezember 2020 veröffentlicht wurde, erwarten 46 % der französischen Unternehmen, dass das Volumen der zu verarbeitenden Daten in den nächsten zwei Jahren jährlich um 40 % wachsen wird.

Fast 80 % der Unternehmen halten die Data Governance für entscheidend. Dennoch glauben nur 11 %, dass sie das volle Potenzial ihrer Daten ausschöpfen. Der häufigste Grund dafür sind Datensilos.

Was sind die wichtigsten Folgen von Datensilos?

Eines der häufigsten Probleme im Zusammenhang mit Datensilos sind Dubletten. Da die Daten von den Fachbereichen blind ausgewertet werden, liegt dies auf der Hand.

Diese Redundanzen haben jedoch unangenehme Folgen. Sie verfälschen Ihr Wissen über Ihre Produkte oder Ihre Kunden. Diese verzerrten, unvollkommenen Informationen führen sehr oft zu vagen oder gar falschen Entscheidungenv.

Dubletten belegen außerdem unnötigen Platz auf Ihren Servern. Dieser Speicherplatz bedeutet zusätzliche Kosten für Ihr Unternehmen. Abgesehen von den Auswirkungen der Datensilos auf die Entscheidungen, Strategien oder Finanzen Ihres Unternehmens gibt es auch ein dadurch verursachtes organisatorisches Defizit.

Wenn sich Ihre Daten in Silos befinden, können Ihre Teams nicht effektiv zusammenarbeiten, da sie nicht einmal wissen, dass sie dieselbe Grundlage nutzen!

In einer Zeit, in der kollektive Intelligenz zum wichtigsten Wert erhoben wird, ist dies zweifellos der größte Schaden, den Datensilos verursachen.

Warum gibt es Datensilos in Ihrem Unternehmen?

Die Ursachen für Datensilos sind vielfältig. Meistens hängen sie mit dem Aufbau und der Geschichte Ihres IT-Systems zusammen. Im Laufe der Jahre hat sich dieses System zu einem Sammelsurium von Business-Anwendungen entwickelt, die nicht immer auf Interoperabilität ausgelegt sind.

Darüber hinaus ist ein Unternehmen wie ein lebendiger Organismus. Es nimmt neue Mitarbeiter auf, wenn andere es verlassen. Im Rauschen des Alltags hat die Datenkultur große Mühe, sich in der Belegschaft zu etablieren. Und schließlich ist da auch noch der Stellenwert, den Daten in den Kernprozessen von Unternehmen spielen.

Heute sind sie zentral, vor nur fünf bis zehn Jahren waren Daten noch deutlich weniger relevant. Da Sie nun aber wissen, dass es in Ihrem Unternehmen Datensilos gibt, müssen Sie aktiv werden.

Wie lassen sich Datensilos aufbrechen?

Um den Weg weg von Datensilos einzuschlagen, müssen Sie methodisch vorgehen.

Fangen Sie damit an, sich die folgende Tatsache einzugestehen: Der Prozess wird zwangsläufig ein wenig Zeit in Anspruch nehmen. Die unabdingbare Voraussetzung ist eine detaillierte Auflistung und Darstellung all Ihrer Datenbanken und Ihres IT-Systems. Diese können durch verschiedene Tools erzeugt werden (E-Mails, CRM, verschiedene Tabellenkalkulationen, Geschäftsdokumente, Kundenrechnungen …).

Zunächst müssen alle Datenquellen identifiziert werden, damit sie dann in einem zweiten Schritt in einem einzigen Datensammler zentralisiert werden können. Dazu können Sie zum Beispiel mithilfe spezieller Konnektoren, auch APIs genannt, Brücken zwischen den Silos schlagen.

Der zweite Weg besteht darin, in Ihrem IT-System eine Plattform zu implementieren, auf der alle Daten zentralisiert werden.

Die Plattform fungiert als Datenaggregator und konsolidiert die Daten, indem sie Duplikate aufspürt und die aktuellsten Informationen speichert. Die Einführung eines Datenkatalogs sorgt dafür, dass nach der Einrichtung nicht erneut Datensilos entstehen.

Aber Vorsicht: Die Qualität der Daten, ihr optimierter Fluss zwischen den Abteilungen und ihre koordinierte Nutzung im Dienste der Leistung sind auch ein Projekt, in das Menschen involviert sind!

Der Austausch von Best Practices, Schulungen und Sensibilisierungsmaßnahmen, kurz gesagt die Förderung einer Datenkultur im Unternehmen, ist der Schlüssel zur endgültigen Zerstörung von Datensilos.

Zeenea zum besten Datenkatalog auf dem Markt für Data Democratization gewählt – BARC

Zeenea zum besten Datenkatalog auf dem Markt für Data Democratization gewählt – BARC

von | Feb. 7, 2022 | Datenkatalog, News & Events

Am 20. Oktober 2021 veranstaltete BARC ein interaktives Webinar, bei dem drei etablierte Anbieter auf dem Markt für Datenkataloge (Alation, Collibra, Informatica) und drei Herausforderer (dataspot, Synabi, Zeenea) ihre Lösungen vorstellten. Zeenea gewann die Gunst des Publikums und wurde von BARC folglich als die beste Lösung für Data Democratization gekürt.

BARC-Webinar: 6 Datenkatalog-Lösungen im direkten Vergleich

Datenkataloge unterstützen Organisationen spürbar bei der Wertschöpfung aus Daten. Immer mehr Initiativen zur Implementierung und Nutzung von Datenkatalogen können inzwischen beobachtet werden, aber nur wenige davon werden in den Unternehmen effektiv angenommen und eingesetzt. In einem interaktiven Webinar stellte BARC drei traditionellen Marktführern (Alation, Collibra und Informatica) drei Herausforderer (Zeenea, dataspot und Synabi) gegenüber, um ihre Produkte im direkten Vergleich zu präsentieren. Die Veranstaltung verlief in drei Etappen.

Zunächst stellte BARC die Liste der in die engere Wahl gezogenen Anbieter vor. Anschließend wurde das Szenario präsentiert: Wie wählt man die beste Datenkatalog-Lösung im Kontext einer Data Democracy aus? Die verschiedenen Anbieter sollten zeigen, warum gerade ihre Lösungen am besten geeignet sind, um eine echte Data Democracy zu schaffen und den Zugang zu Daten für möglichst viele Personen in einer Organisation zu erleichtern.

webinar-barc-2021-data-catalog-1

Nun hatte jeder Anbieter 20 Minuten Zeit, um seine Lösung vorzustellen und deren Unterscheidungsmerkmale zu demonstrieren. Der Zeenea Data Catalog wurde von Luc Legardeur – Mitbegründer und VP International Sales – vorgestellt. Während und nach den Präsentationen konnte das anwesende Publikum Fragen stellen.

Anschließend teilte BARC seine Best Practices für die Auswahl eines Datenkatalogs sowie einige Schlussfolgerungen zu den vorgestellten Lösungen. Das Publikum wurde außerdem aufgefordert, jede Lösung anhand eines Bewertungssystems zu beurteilen.

Sehen Sie sich hier das gesamte Webinar an: https://pages.barc.de/en/data-cataloging

Die wichtigsten Stärken des Zeenea Data Catalog aus Sicht des Publikums

Zeenea konnte im Vergleich mit den führenden Anbietern durchaus überraschen. Das Publikum honorierte zunächst einen Faktor, den Zeenea von vielen Wettbewerbern unterscheidet: die Plattform zeichnet sich vor allem durch die Benutzerfreundlichkeit seiner beiden Anwendungen Zeenea Studio und Zeenea Explorer aus. Auch die Einfachheit der Data Discovery innerhalb des Katalogs und das Data-Lineage-Feature wurden hervorgehoben.

webinar-barc-2021-data-catalog-2

Darüber hinaus bietet unser Datenkatalog eine hohe Flexibilität, welche insbesondere durch ein vollständig anpassbares Metamodell zum Ausdruck kommt. Letzteres ist keinesfalls starr und vordefiniert, sondern ständig für neue Use Cases in der Organisation erweiterbar. Dies ist in der Tat einer der Hauptunterscheidungspunkte unseres Produkts auf einem hart umkämpften Markt.

Zeenea: Der Datenkatalog für Data Democratization

Die am Webinar teilnehmenden Anbietern sollten vor allem zeigen, wie ihr Tool die Demokratisierung von Daten in Organisationen unterstützen kann. Nach jeder Präsentation wurde das Publikum daher gebeten, die Eignung des Tools zur Umsetzung von Data Democratization auf einer Skala von 1 bis 10 (1 = „keine Unterstützung“; 10 = „volle Unterstützung“) zu bewerten. Zeenea erhielt die höchste Durchschnittsnote und entschied den Wettbewerb damit, vor etablierten Akteuren wie Informatica oder auch Alation, für sich.

webinar-barc-2021-data-catalog-3

Bewertung von Timm Grosser

Senior Analyst Data & Analytics bei BARC

Allgemeine Einschätzung

“In my opinion, the presentation emphasized the easy extension of the metadata model. For example, it was shown how easy it is to add new “properties” to a data object and then make them available in analytics, searches, etc. without having to rework the metadata model or the application. Zeenea calls this concept the “organic data catalog”, a term I use myself to convey a similar meaning. The visual highlight was the discovery functions for objects and their dependencies.”

Zeenea gewinnt den Wettbewerb

“Zeenea, the only pure knowledge graph in the contest, was the best received by the audience, even if the gap to the other providers was only marginal. In my opinion, knowledge graphs are particularly interesting when metadata structures need to be flexible and extended. A useful side effect is that the metadata is equally comprehensible to humans and machines as correlations are stored directly in the graph and not in the application. In my opinion, knowledge graphs will therefore take a stronger position in modern data & analytics landscapes in the future, leading among other things to a reduction in information silos.”

Mehr Informationen zum Knowledge Graph gibt es in:

banner-5-technological-breakthroughs

BARC stellte ebenfalls fest, dass Cloud-Lösungen wie Zeenea immer stärker nachgefragt werden. Sie ermöglichen eine bessere Nutzung von Rechenleistung und Shared Services sowie eine leichtere Ausbreitung der Lösung im Unternehmen.

Lesen Sie die vollständige Analyse im BARC-Blog: 

Über BARC

BARC (Business Application Research Center) ist ein deutsches Unternehmen, das sich auf die Marktforschung und Beratung im Bereich der Unternehmenssoftware spezialisiert hat. Zu den Fachgebieten gehören Business Intelligence und Analytics, Datenmanagement, Content Management (ECM), Customer Relationship Management (CRM) und Enterprise Resource Planning (ERP). Seit über 20 Jahren unterstützen die BARC-Analysten Unternehmen bei der strategischen Ausrichtung ihrer Organisation und der Bewertung von Software.

Website: http://barc-research.com/

Wenn Sie mehr über das Webinar erfahren möchten oder weitere Informationen über unseren Datenkatalog benötigen:

KONTAKTIEREN SIE UNS

Die wichtigsten Rollen für Ihr Data- und Analytics-Team

Die wichtigsten Rollen für Ihr Data- und Analytics-Team

von | Juli 8, 2021 | Daten-Inspiration

Wie bereits mehrfach erwähnt, ist die digitale Transformation ohne Daten und Analysen nicht möglich. Wenn die Technologie nicht richtig verwaltet wird, kann sie ein Punkt sein, an dem viele Unternehmen scheitern, aber sie ist oft nicht das größte Hindernis!

Laut der jährlichen Umfrage von Gartner zum Thema „Chief Data Officer“ sind die größten Hindernisse auf den Faktor Mensch zurückzuführen – Kultur, Data Literacy und erforderliche Kompetenzen. Eine ähnliche Tendenz lässt sich aus einer anderen Studie von der Gartner ableiten, der „CEO and Senior Business Executive Survey“, in der das „Talentmanagement“ als „wichtigste Kompetenz im Unternehmen, die entwickelt oder verbessert werden muss“ genannt wurde.

In diesem Artikel möchten wir uns auf die Rollen und Führungskräfte im Bereich Daten und Analytics konzentrieren, die für Unternehmen, die datengesteuert arbeiten möchten, von entscheidender Bedeutung sind.

Unterstützende Rollen

Chief Data Officer

Der Chief Data Officer, kurz CDO, ist für die Verbesserung der Qualität, der Zuverlässigkeit und des Zugangs zu Daten zuständig. Außerdem ist es seine Aufgabe, aus seinem Datenbestand und seinem Datenökosystem im Allgemeinen einen Mehrwert zu schaffen. Durch die Auswertung seiner Daten kann der CDO einen Mehrwert erzeugen und somit dem Unternehmen die Möglichkeit verschaffen, bessere Entscheidungen zu treffen. Es gibt zahlreiche Varianten des Titels wie z. B. CAO (Chief Analytics Officer), CDAO (Chief Data & Analytics Officer), CDIO (Chief Digital Information Officer) usw.

Data and Analytics Manager

Wie der Name schon sagt, ist der Data and Analytics Manager für die Verwaltung von Unternehmensdaten sowie deren Analyse zuständig. Er ist auch für die Einführung im gesamten Unternehmen verantwortlich. Er leistet einen wesentlichen Beitrag zur Strategie und Vision der Datenabteilung, erstellt die Roadmap und ist für die Budget- und Datenressourcenplanung verantwortlich. Neben der Messung der Leistung ihres Analytics-Teams ist diese Rolle auch dafür verantwortlich, den Beitrag der Datenanalyse im Hinblick auf die Geschäftsziele zu überwachen.

Data Architect

Der Data Architect, auch Information Architect genannt, macht Daten verfügbar und teilt sie im gesamten Unternehmen, indem er darlegt, wie diese Assets für die Geschäftsergebnisse verantwortlich sind. Er trägt die Verantwortung der Datenmodelle, versteht die Auswirkungen verschiedener Datenanalyse-Szenarien auf die globale IT-Architektur (wie Data Science oder Machine Learning) und arbeitet mit der Finanzabteilung zusammen.

Analysten

Es gibt nicht nur eine Art von Analysten, sondern vielmehr ein breites Spektrum verschiedener Analysten. Ihre Rollen hängen von den jeweiligen Anwendungsfällen ab und variieren je nach Verantwortlichkeiten und erforderlichen Kompetenzen. Es gibt Datenanalysten, die ein grundlegendes Verständnis von statistischer Analyse haben. Sie sind selbst Experten, oder arbeiten eng mit diesen zusammen, um die verschiedenen Abteilungen, Prozesse oder Funktionen des Unternehmens zu unterstützen.

Projektmanager

Der Projektmanager ist für die ordnungsgemäße Umsetzung aller Projekte im Portfolio des Unternehmens verantwortlich. Die Rolle ist verantwortlich für die Planung, Durchführung und Lieferung von Projekten in Absprache mit den Fachkräften des Unternehmens. Während des gesamten Projektlebenszyklus überwacht der Projektmanager den Projektfortschritt und leitet seine Teams an, um Risiken zu minimieren. Er ist die wichtigste Anlaufstelle für Initiativen im Bereich Data und Analytics.

Datenrollen

Data Engineer

Der Data Engineer bildet die Schnittstelle zwischen Geschäfts- und IT-Einheiten und seine Aufgabe besteht darin, die Daten für die verschiedenen Datenkonsumenten (Data Scientists, Data Analysts usw.) zugänglich und verfügbar zu machen. Er ist in erster Linie für den Aufbau, die Verwaltung und den Betrieb von Datenpipelines zuständig. Er ist auch für die Leitung zeitaufwändiger Aufgaben zuständig, wie z. B. die Aufbewahrung von Datensätzen, die von nicht-technischen Nutzern erstellt wurden (z. B. mithilfe von Data Preparation Tools).

Ohne Data Engineers erzeugen Daten- und Analyseinitiativen höhere Kosten, benötigen mehr Zeit für die Implementierung und sind anfällig für Probleme hinsichtlich der Qualität und Verfügbarkeit der Daten.

Data Steward

Data Stewards haben die Aufgabe, die Daten aus den Datensystemen des Unternehmens zu steuern. Sie müssen die ordnungsgemäße Dokumentation der Daten sicherstellen und dafür sorgen, dass ihre Nutzer, wie z. B. Data Scientists oder Projektmanager, jederzeit einfach auf sie zugreifen können Mithilfe ihrer ausgeprägten Kommunikationskompetenz können sie die Verantwortlichen sowie die Personen, die über die Daten Bescheid wissen, identifizieren, die mit den Daten verbundenen Informationen sammeln, sie zentralisieren und dieses Wissen dauerhaft im Unternehmen sichern. Genauer gesagt bringen Data Stewards Metadaten in Erfahrung, d. h. sie erstellen eine strukturierte Sammlung von Informationen, die einen Datensatz beschreiben. Sie verwandeln diese abstrakten Daten in konkrete Assets für das Unternehmen.

>> Weitere Informationen über Data Stewards <<

Analytische Rollen

Data Scientist

Ein Data Scientist ist dafür zuständig, Geschäftsprozesse zu modellieren und mithilfe von statistischen Algorithmen und Visualisierungstechniken Erkenntnisse zu gewinnen. Er verfügt in der Regel über einen Hochschulabschluss in Informatik, Statistik oder einer anderen verwandten Disziplin. Data Scientists tragen zum Aufbau und zur Entwicklung der Dateninfrastruktur eines Unternehmens bei und unterstützen die Organisation mit ihren Analysen, die bessere Entscheidungen ermöglichen. Sie erstellen Prognosen oder klassifizieren Informationen, um bessere Modelle zu entwickeln.

Citizen Data Scientist

Im Gegensatz zu einem Data Scientist ist ein „Citizen Data Scientist“ keine eigene Position. Es handelt sich vielmehr um einen „Power User“, der einfache analytische Aufgaben durchführen kann. Der Citizen Data Scientist ist eine Rolle, die sich als „Erweiterung“ anderer Rollen innerhalb der Organisation entwickelt hat. Das Potenzial von Citizen Data Scientists variiert abhängig von ihren Fähigkeiten und ihrem Interesse an Data Science und Machine Learning.

>> Weitere Informationen über Citizen Data Scientists <<

KI-/ML-Developer

Entwickler (Developer) von Machine Learning und künstlicher Intelligenz (KI) sind zunehmend dafür verantwortlich, den Funktionsumfang von Anwendungen durch den Einsatz von Machine Learning oder anderen KI-Technologien wie der Verarbeitung natürlicher Sprache, der Optimierung oder der Bilderkennung zu erweitern. Sie integrieren und setzen KI-Modelle ein, die von Data Scientists oder anderen KI-Experten entwickelt wurden und entweder von Dienstleistern angeboten werden oder selbst entwickelt wurden. Weitere Schlüsselkompetenzen sind das Erkennen und Verbinden potenzieller Data Assets, der Qualität, der Datenaufbereitung und der Art und Weise, wie Daten zur Ausführung von Modellen verwendet werden.

Schlussfolgerung

Die wachsende und strategische Bedeutung von Daten und Datenanalysen schafft neue Herausforderungen für Unternehmen und ihre Data- und Analytics-Manager Einige traditionelle IT-Rollen werden durch „Citizen“-Rollen aufgerüttelt, die von nicht-technischen Geschäftsanwendern übernommen werden. Es entstehen auch weitere neue hybride Rollen, bei denen sich Funktionen und Abteilungen überschneiden und die IT- und Geschäftskompetenzen kombinieren.

Durch die Zusammenführung dieser unverzichtbaren Rollen macht Ihr Unternehmen einen weiteren Schritt in Richtung einer datengetriebenen Organisation.

Was ist Data Literacy? Tipps zur Kontrolle Ihrer Daten

Was ist Data Literacy? Tipps zur Kontrolle Ihrer Daten

von | Okt. 28, 2020 | Data Governance, Daten-Inspiration

Seit einigen Jahren ist Data Literacy ein Trend. Den Unternehmen wird zunehmend bewusst, dass es sich dabei um eine wichtige Kompetenz auf dem Weg zu einer datengesteuerten Organisation handelt.

Technologie kann sich bei falscher Steuerung als Fehlschlag erweisen, doch ist sie meistens nicht die wichtigste Hürde, die zu nehmen ist. Denn laut der jährlichen Umfrage „Chief Data Officer“ von Gartner gelten kulturelle Faktoren als die größten Hindernisse – der Mensch, die Data Literacy und die notwendigen Kompetenzen.

Allerdings wissen viele Unternehmen immer noch nicht, was Data Literacy wirklich ist, bzw. wie sie ein Umdenken in ihrer Organisation bewirken können, um eine auf Daten ausgerichtete Kultur zu schaffen.

Aus ihrer Umfrage aus dem Jahr 2020 zog New Vantage Partners folgenden Schluss:

„Unternehmen konzentrieren sich weiterhin auf das Angebot von Daten und Technologien, statt die Nachfrage nach letzteren durch Führungskräfte und Mitarbeiter anzukurbeln. Es geht mehr um einen technologischen Druck als um ein Verlangen seitens der Menschen, mehr datenbasierte Entscheidungen zu nutzen, intelligentere Geschäftsprozesse zu entwickeln bzw. Daten und Analysen stärker in Produkte und Dienstleistungen zu integrieren.

In diesem Artikel möchten wir Ihnen erläutern, was Data Literacy bedeutet, warum sie für Ihr Unternehmen wichtig ist, und Ihnen Tipps für Ihren Weg zu mehr Data Literacy in Ihrer Organisation geben.

 

Definition von Data Literacy

Wie der eigentliche Begriff „Literacy“ (auf Deutsch Alphabetisierung), steht der Begriff für „die Kompetenz lesen zu können, um Wissen zu erwerben, auf zusammenhängende Weise zu schreiben und auf kritische Weise über gedruckte Dokumente nachzudenken“. Data Literacy ist die Fähigkeit, Daten zu konsumieren, um Kenntnisse zu erlangen, sie auf einheitliche Weise zu erzeugen und kritisch über sie nachzudenken.

2019 hat Gartner die Data Literacy definiert als „die Kompetenz zum Lesen und Schreiben von sowie zur Kommunikation über Daten in ihrem Kontext, einschließlich des Verständnisses der Quellen und des Aufbaus von Daten, der angewendeten analytischen Methoden und Techniken, wie auch die Fähigkeit, die Nutzung, die Anwendung und der Wert, der sich aus den Daten ergibt, zu beschreiben“.

Auf Grundlage dieser Definitionen können wir also folgern, dass Personen, die über eine gute Data Literacy verfügen, unter anderem folgende Fähigkeiten besitzen:

      • Durchführen von Analysen anhand von Daten,
      • Heranziehen der Daten zur Kommunikation von Ideen über neue Dienstleistungen, Produkte, Abläufe oder auch Strategien,
      • Verständnis von Dashboards (z. B. Visualisierungen),
      • Treffen von Entscheidungen auf Grundlage von Daten und nicht auf Basis von Intuition.

Zusammengefasst bedeutet Data Literacy, die notwendigen Kompetenzen zu besitzen, um Daten auf individueller oder gemeinsamer Basis effizient zu nutzen.

 

Warum ist Data Literacy wichtig?

Gartner erwartet, dass bis 2020 80 % der Organisationen eine bewusste Entwicklung der Kompetenzen im Bereich der Data Literacy vornehmen werden, um extreme Mängel überwinden zu können. Bis 2020 werden 50 % der Organisationen nicht genug Kompetenzen hinsichtlich KI und Data Literacy besitzen, um ihre Geschäftsziele zu erreichen.

Die Zunahme im Volumen und in der Vielfalt der Daten (mit denen Unternehmen täglich überflutet werden) macht es notwendig, dass Mitarbeiter sich übergeordnete Kompetenzen mithilfe von Daten aneignen, wie kritisches Denken, Problemlösung und analytisches Denken. Da viele Organisationen immer mehr von Daten gesteuert werden, würde sich eine schlechte Data Literacy nachteilig auf ihr Wachstum auswirken. So hat Accenture in seiner Untersuchung „The Human Impact of Data Literacy“ (Die menschliche Auswirkung von Data Literacy) festgestellt, dass:

      • 75 % der Mitarbeiter sich bei der Arbeit mit Daten unwohl fühlen,
      • 1/3 der Mitarbeiter einen Krankheitstag aufgrund von Kopfschmerzen infolge der Arbeit mit Daten genommen haben.
      • Mangelnde Data Literacy Arbeitgebern fünf Tage Produktivität kostet, was einem jährlichen Produktionsverlust von mehreren Milliarden US-Dollar pro Mitarbeiter entspricht. 

Darüber hinaus deckte eine von Deloitte im Jahr 2019 durchgeführte Untersuchung auf, dass 67 % der Führungskräfte nicht mit dem Zugriff auf Datenressourcen oder ihrer Nutzung vertraut sind.

Daten stärken die Fähigkeit von Organisationen, geschäftliche Chancen physischer und digitaler Natur zu schaffen, indem sie die Genauigkeit verbessern, die Effizienz steigern und die Fähigkeit der Mitarbeiter stärken, einen größeren Mehrwert zu schaffen.

Daher ist es sowohl wichtig als auch unumgänglich, Ergebnisse aus Daten interpretieren, analysieren und kommunizieren zu können. Damit können verborgene Geheimnisse über Daten offengelegt werden, sodass ein Unternehmen gedeihen und sich einen Wettbewerbsvorteil verschaffen kann.

 

Tipps für eine Verbesserung der Data Literacy

Im Folgenden finden Sie einige Tipps zur Realisierung eines effektiven Data-Literacy-Programms, das Ihr Unternehmen bei der Kontrolle seiner Daten unterstützt:

Tipp 1: Ausarbeitung einer Vision hinsichtlich der Data Literacy und der entsprechenden Ziele

Jede Organisation, die in Daten- und KI-Kompetenzen investiert, sollte eigentlich bereits eine Vision und einen Datenfahrplan erstellt haben. Datenverantwortliche und IT-Abteilungsleiter sollten die Tätigkeitsbereiche, in denen Daten einen Mehrwert schaffen können, identifiziert und hierarchisiert haben.

Diese Schritte sind wesentlich für den Aufbau einer Organisation, die ihre Daten im Griff hat. Ebenso sind sie wichtig, um Probleme hinsichtlich des Verständnisses und der Nutzung der Daten zu verringern.

Geschäftsführung und HR müssen dem gesamten Unternehmen zu verstehen geben, dass es sich bei den Daten um ein strategisches Asset handelt, das einen Mehrwert schafft. Indem die Datenvision und der Fahrplan als Kontext herangezogen werden, können sie allen Mitarbeitern verständlich machen, warum Daten wichtig sind, wie sie einen Mehrwert schaffen und wie sie sich auf das Unternehmen auswirken.

Fehlen eine klare Datenvision und ein Plan für die Wertschöpfung mithilfe der Daten, kann das die Mitarbeiter frustrieren und sie werden nicht verstehen, warum sie sich engagieren sollen, und es wird ihnen an Motivation mangeln.

Darüber hinaus sollte eine Vision zur Data Literacy die gewünschten Kompetenzen und Fähigkeiten wie auch das Verständnisniveau beschreiben, das für die verschiedenen Einheiten und Rollen erforderlich ist.

Führungskräfte, IT- und HR-Abteilung müssen ein Rahmenwerk erstellen, um die Kontrollziele zu erreichen, die Fortschritte zu messen und ein Instrument zum Erhalt der Data Literacy zu schaffen.  Insbesondere geht es um die Entscheidung, wie die Entwicklung der Kompetenzen gemessen und überwacht wird, und in welchem Ausmaß verschiedene Parteien in der Organisation Daten nutzen müssen, um ihre strategische Zielvorgaben zu erfüllen.

Tipp 2: Bewertung der Kompetenzen ihrer Mitarbeiter

Idealerweise sollten die auf Data Literacy bezogenen Kompetenzen bereits im Einstellungsverfahren neuer Mitarbeiter beurteilt werden.  Auf diese Weise könnte die HR bereits feststellen, welche Weiterbildung zur Data Literacy dem neuen Mitarbeiter im Laufe der Zeit angeboten werden kann.

In jedem Fall kann die HR für die derzeitigen Mitarbeiter ihre auf Data Literacy bezogenen Kompetenzen je nach Rolle und Verantwortlichkeiten mithilfe der zuvor beschriebenen Schritte ermitteln und kartieren.

 

Tipp 3: Erstellung von Data-Literacy-Modulen

Laut Qlik bieten lediglich 34 % der Unternehmen Schulungen zum Thema Data Literacy an.

In den meisten Fällen ist es die HR-Abteilung, die die Unternehmensleitung bei der Identifizierung und Überwachung von Verbesserungsbereichen und Entwicklungschancen für Mitarbeiter unterstützt. Ebenso ist sie für die Organisation der Schulungen zu spezifischen organisatorischen Kompetenzen wie auch der notwendigen Zeit zuständig. Das gilt auch für die Data Literacy.

Sobald HR und Vorgesetzte sich ein allgemeines Bild über Stärken und Schwächen eines Mitarbeiters oder einer Geschäftseinheit in Bezug auf die Data Literacy verschafft haben, kann die HR ein personalisiertes effizientes Schulungsprogramm ausarbeiten, mit dessen Hilfe der Mitarbeiter seine Data Literacy und seine analytischen Verantwortlichkeiten verbessern kann.

Tipp 4: Überwachen, messen und wiederholen

Die Umsetzung eines wirkungsvollen Data-Literacy-Programms braucht Zeit. Firmenchefs müssen daher ihren Mitarbeitern die entsprechende Zeit geben, sich mit der Data Literacy vertraut zu machen und ihre Kompetenzen zu verbessern.  Im Laufe der Zeit wird der Blick auf Daten zu einem Bestandteil der Unternehmenskultur.

Schließlich ist es auch wichtig, Fortschritte bei der Data Literacy auf Unternehmensebene und individueller Ebene zu kommunizieren. Die Überwachung und Kommunikation der Fortschritte ist für eine weitere Bewertung des Fahrplans, der Vision und der Data Literacy Ihres Unternehmens entscheidend.

Eine solche langfristige Planung und Investition in die Schulung der gesamten Organisation, wie auf Daten zugegriffen wird, wie sie vor Ort verstanden und analysiert werden, intensiviert das Engagement und die Investitionen seitens der Teams für Data Science, maschinelles Lernen und KI.

Sobald Unternehmen Erfolge aus ihren Data-Literacy-Bemühungen sehen, werden sie in der Lage sein, Daten im ganzen Unternehmen einzusetzen, zu nutzen und maximalen Mehrwert daraus zu generieren!

Was ist Data Democracy?

Was ist Data Democracy?

von | Dez. 17, 2019 | Data Governance

„Das, was die Internet-Riesen vom Rest abhebt, ist nicht ihre Governance-Struktur, sondern die Kultur, die diese Unternehmen inspiriert und belebt.“

Eine Demokratie ist einfach ausgedrückt eine Regierungsform, in der alle das Recht haben, die Gesetzgebung in ihrem Land zu bestimmen. Wenn man das auf Daten überträgt, bezieht sich die Data Democracy auf alle Personen, die das Recht haben, auf Informationen ihres Unternehmens zuzugreifen und diese zu verstehen.

 

Eine Data Democracy ist kein Governance-Modell.

Abweichend von dem, was der Name suggerieren könnte, handelt es sich bei einer Data Democracy nicht um ein Governance-Modell.  Sie ist definitiv kein Modell, in dem über die Regeln, welche die Verteilung der Daten bestimmen, abgestimmt und diese gemäß einer Mehrheit festgelegt werden. Eine Data Democracy ist auch keine Organisation, in der Data Stewards die gewählten Vertreter des Betriebs nach einer Wahl darstellen.

Die Data Democracy steht für eine offene Unternehmenskultur, in der Freiheit mit Verantwortung einhergeht.

Das Hauptziel der Data Democracy besteht darin, Unternehmensdaten so weit wie möglich einer möglichst großen Anzahl von Personen, wenn nicht sogar allen, zugänglich zu machen. Jeder Mitarbeiter, auf jeder Ebene, soll in der Lage sein, einen Wert aus den Daten zu ziehen.

 

Wie ist die Data Democracy entstanden?

Um die Data Democracy besser verstehen zu können, muss man sie mit anderen Datenkulturen vergleichen. Diese sind:

Datenanarchie (Data Anarchy): Ein System, in dem die Fachabteilungen jeweils in ihrem Bereich versteckte Datenbanken („Schatten-IT“) entwickeln, die ihren unmittelbaren Interessen dienen.

Datenmonarchie (Data Monarchy): Ein System, das durch eine ausgeprägte Asymmetrie beim Zugang zu Daten je nach Rang in der Hierarchie gekennzeichnet ist.

Datenaristokratie (Data Aristocracy): Ein System, das sich durch einen höheren Freiheitsgrad als in der Datenmonarchie auszeichnet, der jedoch nur einer ausgewählten Untergruppe vorbehalten ist.

Und letztlich die Datendemokratie.

Das Leitmotiv dieses Ansatzes besteht darin, möglichst vielen Personen das Potenzial von Daten zugänglich zu machen. Mit dieser Zugangsfreiheit ergeben sich für das Unternehmen maximale Möglichkeiten zur Wertschöpfung. Jeder Mitarbeiter kann sämtliche zugänglichen und mit seinen Anforderungen kompatiblen Ressourcen nutzen, um lokal einen Mehrwert zu schaffen.

Diese Freiheit funktioniert nur dann, wenn elementare Regeln und Instrumente implementiert werden und jeder Mitarbeiter die Verantwortung dafür übernimmt, was er mit diesen Daten macht. Dazu müssen notwendige und ausreichende Informationen bereitgestellt werden, sodass jeder Mitarbeiter sie unter Einhaltung der Regeln angemessen nutzen kann.

 

Rechte und Pflichten eines Data Citizens siehe Infografik

Der demokratische Ansatz stellt eine interessante Herausforderung dar, das richtige Gleichgewicht im Unternehmen zu schaffen. Einerseits muss sichergestellt werden, dass das Recht auf Datennutzung auch wirklich ausgeübt werden kann, andererseits stehen diesem Recht eine Reihe von Pflichten gegenüber.

Das dem Mitarbeiter gewährte Recht auf Nutzung der Unternehmensdaten für seine eigenen Aktivitäten konkretisiert sich erst zu dem Zeitpunkt, zu dem dieser Mitarbeiter über die notwendigen Informationen verfügt, um die Daten zu identifizieren und aufzufinden, die er benötigen könnte.

Im Gegenzug muss der Mitarbeiter auch dafür sensibilisiert werden, welche Verantwortung er mit Nutzung der Daten übernimmt. Dies kann je nach Unternehmen oder auch je nach Art der angebotenen Daten angepasst werden.

Die folgende Infografik zeigt die Rechte und Pflichten aller Beteiligten (in Englisch):

data-democracy-rights-and-duties
Verschiedene Datenkulturen verstehen

Verschiedene Datenkulturen verstehen

von | Juli 16, 2019 | Data Governance

Wie es auch für die Organisationskultur gilt, zeichnet sich jedes Unternehmen, das mit Daten arbeitet, durch eine eigene Datenkultur aus. Wir sind der Meinung, dass sich die Internet-Giganten weniger durch ihre Governance-Struktur abheben, sondern vielmehr durch ihre Kultur, die diese Unternehmen inspiriert und belebt.

Wir von Zeenea empfehlen die Einrichtung einer Datendemokratie. Die Datendemokratie steht für eine offene Unternehmenskultur, in der Freiheit mit Verantwortung einhergeht.

Am besten versteht man die Datendemokratie, wenn man sie mit anderen Datenkulturen vergleicht. Dies sind die wichtigsten Arten von Datenkulturen:

Datenanarchie

In diesem System fühlen sich die Fachbereiche schlecht von der IT-Abteilung versorgt und entwickeln jeweils in ihrem Bereich versteckte Datenbanken (sogenannte „Schatten-IT“), die ihren unmittelbaren Interessen dienen, und dabei sämtliche Regeln hinsichtlich Kontrolle und Konformität der Nutzung übergehen.

Im Jahr 2019 hat sich diese Art von Kultur als enorm risikoreich erwiesen (Datenverlust, Verletzung ethischer, gesetzlicher oder regulatorischer Regeln, Verschlechterung der Service-Qualität, Zunahme von Datensilos, usw.).

Datenmonarchie

Dieses System zeichnet sich durch eine sehr ausgeprägte Asymmetrie beim Zugang zu Daten je nach Position in der Hierarchie aus. Daten werden streng überwacht, das Niveau an Konsolidierung wird sorgfältig an das Organigramm angeglichen und ihre Verteilung erfolgt auf äußerst selektive Weise.

Diese Kultur herrschte lange Zeit in Business Intelligence-Projekten vor: Im Data Warehouse gesammelte Daten werden rigoros überwacht und dann in Berichten konsolidiert, zu denen nur einige wenige, den Entscheidungsträgern nahestehende Personen Zugang haben. Diese Kultur unterstützt einen „Top-down“-Ansatz und begünstigt eine eher defensive Strategie, in der Regeln, Beschränkungen und Kontrollen Daten absichern. Der theoretische Hauptvorteil liegt in einer quasi unfehlbaren Kontrolle über die Unternehmensdaten, jedoch führt dies ebenso zu einem sehr eingeschränkten, wenigen bevorzugten Gruppen vorbehaltenen Zugang zu Daten.

Datenaristokratie

Dieses System zeichnet sich durch einen höheren Freiheitsgrad als in der Datenmonarchie aus, diese Freiheit ist jedoch nur einer ausgewählten Untergruppe vorbehalten, hauptsächlich Mitarbeitern mit Fachprofilen (Datentechniker, Datenanalysten, Data Scientists, usw.).

Diese Kultur geht sehr häufig aus besonders erfolgreichen Governance-Projekten hervor. Eine solche Kultur kann bei offensiveren Strategien wie auch heterogenen Ansätzen von Vorteil sein – mit Top-down und Bottom-up-Ansatz. Jedoch gestattet sie dem Großteil der Mitarbeiter keinen Zugang zu Daten und entzieht infolgedessen dem Unternehmen Chancen auf bestimmte Innovationen und Wertsteigerungen.

Datendemokratie

Das zentrale Ziel der Datendemokratie lautet, Unternehmensdaten so weit wie möglich einer möglichst großen Anzahl von Personen, wenn nicht sogar allen, zugänglich zu machen. Jeder Mitarbeiter, auf jeder Ebene soll in der Lage sein, einen Wert aus den Daten zu ziehen.

Durch diesen freien Zugang ergeben sich für das Unternehmen maximale Möglichkeiten zur Wertschöpfung. Damit kann jeder Mitarbeiter sämtliche zugänglichen und mit seinen Bedürfnissen kompatiblen Ressourcen nutzen, um lokal einen Mehrwert zu schaffen. Die dadurch entstehende Sogwirkung kommt wiederum dem gesamten Unternehmen zugute.

Diese Freiheit funktioniert nur dann, wenn elementare Regeln und Instrumente implementiert werden und jeder Mitarbeiter die Verantwortung dafür übernimmt, was er mit diesen Daten macht. Dazu müssen notwendige und ausreichende Informationen bereitgestellt werden, sodass jeder Mitarbeiter sie unter Einhaltung der Regeln angemessen nutzen kann.

Laden Sie unser Whitepaper „Organisationsansätze für eine agile Data Governance?“ herunter

Ein demokratischer Ansatz stellt eine interessante Herausforderung dar, das richtige Gleichgewicht im Unternehmen zu schaffen. Einerseits muss sichergestellt werden, dass das Recht auf Datennutzung auch wirklich ausgeübt werden kann, andererseits stehen diesem Recht eine Anzahl von Pflichten gegenüber. Um mehr darüber zu erfahren, wie eine Kultur der Datendemokratie geschaffen werden kann, laden Sie unser Whitepaper herunter.

WHITEPAPER HERUNTERLADEN