{"id":4574,"date":"2019-06-07T08:33:06","date_gmt":"2019-06-07T06:33:06","guid":{"rendered":"https:\/\/hub.hslu.ch\/informatik\/?p=4574"},"modified":"2026-02-11T14:52:34","modified_gmt":"2026-02-11T13:52:34","slug":"so-gelingt-der-wandel-zum-data-driven-business","status":"publish","type":"post","link":"https:\/\/hub.hslu.ch\/informatik\/so-gelingt-der-wandel-zum-data-driven-business\/","title":{"rendered":"So gelingt der Wandel zum Data Driven Business"},"content":{"rendered":"\n
By Dr. Ladan Pooyan-Weihs<\/a> am 07. Juni 2019<\/div>\n\n\n\n

Die Datenmengen in Unternehmen werden immer gr\u00f6sser. CAS-Leiterin Dr. Ladan Pooyan-Weihs beleuchtet diese Entwicklung und zeigt in acht Schritten, wie Unternehmen den Umstieg zum Data Driven Business schaffen.
<\/strong><\/p>\n\n\n\n\n\n

Zukunftstrends mit Predictive <\/span><\/span>Analytics ermitteln<\/strong><\/p>\n\n\n\n

Predictive Analytics zielt darauf ab, Zukunftstrends mit Hilfe mathematischer Methoden vorauszusagen. Ziel ist es, herauszufinden was passieren kann und zu erkl\u00e4ren warum. Das Prognoseverfahren ermittelt Trends und Risiken auf der Grundlage historischer und aktueller Daten aus dem Unternehmen und seinem Umfeld. Aber Achtung: Die gewonnenen Erkenntnisse zu nutzen, bedeutet auch in Konflikt mit gesch\u00fctzten personenbezogenen Daten zu geraten. Um dieses Problem zu l\u00f6sen, m\u00fcssen die Daten verschl\u00fcsselt werden.<\/p>\n\n\n\n

Modelle f\u00fcr ein datengesteuertes Gesch\u00e4ft
<\/strong><\/p>\n\n\n\n

Unternehmen stehen zwei Modelle f\u00fcr den Umstieg auf ein datengesteuertes Gesch\u00e4ft zur Verf\u00fcgung; ein vollst\u00e4ndig datengesteuertes oder ein dateninfundiertes Modell.<\/p>\n\n\n\n

1. Vollst\u00e4ndig datengesteuertes Modell
<\/strong><\/p>\n\n\n\n

Das Gesch\u00e4ftsmodell eines vollst\u00e4ndig datengetriebenen Unternehmens basiert auf der Monetarisierung der Informationen. Bei diesem Modell wird den Unternehmen die Rolle der intermedi\u00e4ren Vermittler zugewiesen. Unternehmen wie Uber, Airbnb, Ebay, Netflix und Apple Musik sind Beispiele f\u00fcr dieses Gesch\u00e4ftsmodell.<\/p>\n\n\n\n

2. Dateninfundiertes Modell
<\/strong><\/p>\n\n\n\n

Beim dateninfundierten Modell geht es um ein herk\u00f6mmliches Gesch\u00e4ftsmodell mit Produkten und m\u00f6glicherweise Dienstleistungen mit einem Fokus auf der Datenanalyse. In diesem Modell werden Kundendaten intensiv analysiert, um ein effizienteres und kundenzentrischeres Marketing voranzutreiben und interne Kernprozesse f\u00fcr mehr Umsatz anzupassen. Ein  Beispiel hierf\u00fcr ist Amazon. Die Website von Amazon ist durch Empfehlungsmaschinen getrieben. Diese analysieren grosse Datenmengen \u00fcber die Kundenkaufverhalten und geben Produktempfehlungen ab.<\/p>\n\n\n\n

Egal f\u00fcr welches datengesteuerte Modell sich ein Unternehmen entscheidet, sind folgende acht Regeln zu empfehlen: <\/strong><\/p>\n\n\n\n

1.  Datenanalyse ja, aber was ist der Plan?
<\/strong><\/p>\n\n\n\n

Zuerst sollten die Unternehmen eine Strategie festlegen und die Frage beantworten, ob die Datenanalyse helfen wird, die Unternehmensziele effizienter zu erreichen. Dann sollten sie eine Roadmap f\u00fcr die Neuerfindung der existierenden Prozesse, Investitionen in Assets und eine neue Organisationskultur erstellen. Die Entwicklung eines solchen Plans bringt die Daten, Tools und Personen zusammen und schafft den Rahmen daf\u00fcr, dass F\u00fchrungskr\u00e4fte eine gemeinsame Sprache entwickeln und sich auf Ziele und L\u00f6sungswege fokussieren.<\/p>\n\n\n\n

2.   Fr\u00fchzeitige Einbindung der IT<\/strong><\/p>\n\n\n\n

\"\"<\/a><\/figure>\n\n\n\n

Die Umsetzung einer datengesteuerten Strategie ist ein technologieaffines Projekt: Erstens m\u00fcssen Unternehmen in der Lage sein, mehrere Datenquellen zu identifizieren, zu bereinigen, zu kombinieren, parallel zu verwalten, sicher zu sch\u00fctzen und zu speichern. Zweitens ben\u00f6tigen sie das Know-how, um Analysemodelle f\u00fcr die Vorhersage und Optimierung von Ergebnissen zu erstellen. Drittens m\u00fcssen sie ihre IT-Architektur anpassen, weil veraltete IT-Strukturen neue Arten der Datenbeschaffung, -speicherung und -analyse behindern. Viertens m\u00fcssen sie neue Tools und Software einsetzen und mehrere Prozesse toolbasiert steuern. All dies kann ohne fr\u00fchzeitige Einbindung der IT nicht reibungslos und erfolgreich realisiert werden.<\/p>\n\n\n

\n
\"\"<\/a>
(Bild: Ladan Pooyan-Weihs) <\/figcaption><\/figure>\n<\/div>\n\n\n

3. Wahl der richtigen Daten<\/strong><\/p>\n\n\n\n

Um die richtigen Daten zu identifizieren, hilft folgende Frage: Welche Entscheidungen k\u00f6nnten wir treffen, wenn wir alle Informationen h\u00e4tten, die wir br\u00e4uchten?<\/p>\n\n\n\n

H\u00e4ufig verf\u00fcgen Unternehmen bereits \u00fcber die Daten, die sie zur Bew\u00e4ltigung von Gesch\u00e4ftsproblemen ben\u00f6tigen. Das Problem ist, dass sie nicht wissen, wie diese Daten verwendet werden k\u00f6nnen, um Entscheidungen zu treffen. Diese Lage kann mit Unterst\u00fctzung der IT-Abteilung gemeistert werden.<\/p>\n\n\n\n

Zudem m\u00fcssen sich Unternehmen kreativ mit dem Potenzial externer und neuer Datenquellen wie Social Media oder der Datenstr\u00f6me von Sensoren, \u00fcberwachter Prozesse und externer Quellen auseinandersetzen. Die Kombination dieser Daten mit den internen Informationen k\u00f6nnen zu einem umfassenderen Blick auf die Probleme und ihre L\u00f6sungen f\u00fchren.<\/p>\n\n\n\n

Es ist wichtig, bei der Integration von Analytics daran zu denken, dass es bei Predictive Analytics mehr um den analytischen Prozess geht, als um die blosse Menge der gespeicherten Daten. Demnach sollten Unternehmen vor der Implementierung herausfinden, welche Datenmengen zum Einsatz von Analytics tats\u00e4chlich unerl\u00e4sslich sind.<\/p>\n\n\n\n

\u00abDer Umstieg auf ein datengesteuertes Unternehmen setzt einen Kulturwandel voraus.\u00bb <\/p> Dr. Ladan Pooyan-Weihs <\/cite><\/blockquote>\n\n\n\n

4. Planen bevor migrieren<\/strong><\/p>\n\n\n\n

Eine Migration ohne klare Planung f\u00fchrt langfristig zu Problemen. Zuerst sollte daher ein nicht kritischer Gesch\u00e4ftsprozess identifiziert werden. Dann muss jede Phase des Prozesses von der Datenaufnahme \u00fcber die Datentransformation bis zur Anwendung der Analytics und dar\u00fcber hinaus studiert werden. Dadurch entsteht eine ganzheitliche Sicht auf den Datenlebenszyklus vor der Implementierung, die als Voraussetzung f\u00fcr eine gute Zusammenarbeit zwischen der IT-Abteilung und dem Rest der Organisation dient. Dabei sollte die IT-Abteilung zwei Massnahmen ergreifen: Sie sollte einen Schulungsplan erstellen, um das vorhandene Wissen in k\u00fcrzester Zeit zu maximieren und sie sollte einen Testplan vorbereiten und mit kleinen Testf\u00e4llen anfangen.<\/p>\n\n\n\n

5.   Schutz vertraulicher Daten bei der Planung<\/strong><\/p>\n\n\n\n

Sensible Daten wie die Kreditkarten- und Bankkontoinformationen, AHV-Nummer, firmeneigene und pers\u00f6nlich identifizierbare Informationen sollten nie offengelegt und im Klartext gespeichert werden. Wichtig ist auch, dass der Schutz bei der Identifizierung beginnt und nicht nach der Bereitstellung der Daten.<\/p>\n\n\n\n

6.   Ressourcen und Wachstumsrate<\/strong><\/p>\n\n\n\n

Der Umstieg auf ein Data Driven Business kann unerwartete Kosten mit sich bringen. Viele Unternehmen ber\u00fccksichtigen die Kosten f\u00fcr die Datenreplikation, Datenkomprimierung, Speicherplatz, qualifizierter Ressourcen, m\u00f6gliche Akquirierung externer Zusatzdaten und das Management der Big-Data-Integration nicht in ihrem initialen Transformationsplan. Um unerwartete Kosten zu vermeiden, m\u00fcssen Unternehmen vor der Implementierung herausfinden, wie sie die Datenwachstumsraten mit den Skalierungskosten in Einklang bringen k\u00f6nnen.<\/p>\n\n\n\n

7.   Richtige Kompetenzen an Board holen<\/strong><\/p>\n\n\n\n

Die Skills f\u00fcr das Management einer traditionellen relationalen Datenbank k\u00f6nnen nicht gleich f\u00fcr das Management der Big-Data-Integration eingesetzt werden. Es bietet sich daher an, Schulungen f\u00fcr die bestehenden Mitarbeitenden zu organisieren. Das IT-Team kann bei Qualifikationsl\u00fccken punktuell mit externen Beraterinnen und Beratern erg\u00e4nzt werden. Es ist wichtig, dass ein Know-how-Transfer stattfindet.<\/p>\n\n\n\n

8.   Den Umstieg vorbereiten<\/strong><\/p>\n\n\n\n

Der Umstieg auf ein datengesteuertes Unternehmen kann nur dann erfolgreich realisiert werden, wenn F\u00fchrungskr\u00e4fte die auf Big-Data-basierenden Modelle verstehen und anwenden. Dies setzt einen Kulturwandel im Unternehmen voraus. Um diesen  voranzutreiben, sollten folgende Punkte umgesetzt werden:<\/p>\n\n\n\n