Der erste Artikel unserer sechsteiligen Serie zum Datenstrategie-Design hat sich mit dem Setzen von Zielen und der Wahl der richtigen Analytik befasst. Danach haben wir Ihnen das Kundenkontaktpunkte Canvas als Werkzeug zur Optimierung der Kundenwege vorgestellt.
Der aktuelle Beitrag bringt Ihnen das Analytik-Reifegrad Canvas näher. Auch dieses wird in den Datengipfel-Seminaren der Strategieberatung Datentreiber eingesetzt und steht wie das komplette Datenstrategie-Designkit von Datentreiber als Open Source zur Verfügung.
Das Analytik-Reifegrad Canvas erfüllt vor allem zwei Aufgaben bei der Entwicklung Ihres Fahrplans zur datengetriebenen Organisation. Einerseits lässt sich damit der momentane Reifegrad Ihres Unternehmens oder Ihrer Abteilung visualisieren. Es macht somit, wie auch die anderen Canvas des Designkits, ein abstraktes Thema greifbar. Andererseits ist es ein ideales Priorisierungswerkzeug mit dessen Hilfe Sie Ihren analytischen Reifegrad schrittweise erhöhen können. Dabei werden sowohl die fachliche Seite (Anwendungsfälle) als auch die technische Seite (Werkzeuge) berücksichtigt.
Diese holistische Herangehensweise minimiert das Risiko von fehlgeschlagenen Projekten oder Insellösungen, die als Prototyp fernab von Ihren eigentlichen Geschäftsprozessen existieren.
Hinweis: Dieser Artikel ist keine Schritt-für-Schritt-Anleitung für das vorgestellte Canvas. Aber auch für das Analytik-Reifegrad Canvas gibt es ein detailliertes Tutorial. Zudem ist das Canvas Thema im Aufsteiger-Seminar „Data Thinking“. Dort wird es interaktiv mit den Teilnehmern bearbeitet und es gibt viele Gelegenheiten Beispiele aus dem eigenen Unternehmen zu diskutieren.
Auf welcher Stufe steht Ihre Analytik?
Das Analytik-Reifegrad Canvas basiert teilweise auf dem Analytics Maturity Model von Gartner. Es besteht aus zwei Bereichen, welche Ihnen erlauben, die anwendungsorientierte und die technische Sichtweise gemeinsam zu betrachten.
Der obere grüne Bereich beschäftigt sich mit der Verwertung der Daten, also den analytischen Anwendungsfällen, und soll unter anderem folgende Fragen beantworten:
- Welche analytischen Anwendungen haben Sie bereits im Einsatz?
- Für welche Zwecke werden diese verwendet?
Der Reifegrad in diesem Bereich nimmt von links nach rechts zu. Mit diesem steigt einerseits die mögliche Wertschöpfung aus den Daten, aber gleichzeitig auch die Komplexität der Anwendung. Um dies zu veranschaulichen, seien hier beispielhaft zwei Reifegrade herausgegriffen:
- Berichtswesen (Business Reporting): Das Berichtswesen extrahiert, kombiniert und aggregiert Daten aus unterschiedlichen Systemen. Es bereitet diese für Anwender in unterschiedlicher Form auf. Die Informationen, welche die Anwender aus den Daten gewinnen, sind die Basis für Ihre Handlungen. Das Treffen einer Entscheidung ist ein Beispiel einer solchen Handlung. Berichtsmappen oder Dashboards für Unternehmenskennzahlen wie Umsatz oder Deckungsbeitrag seien hier exemplarisch genannt.
- Automatisierung (Business Automation): Bei der (intelligenten) Automatisierung werden Prozesse selbständig durch (datengetriebene) Maschinen gesteuert und fortlaufend (analytisch) optimiert. Es gibt keine Anwender im eigentlichen Sinn. Mitarbeiter nehmen nur mehr eine kontrollierende Funktion ein. Anwendungen wie diese finden sich beispielsweise im Bereich der dynamischen Preissetzung („Dynamic Pricing“) oder der intelligenten Lagerhaltung in komplett automatisierten Hochregallagern.
Der untere gelbe Bereich, die Verfeinerung der Daten, beantwortet die Frage, welche analytischen Werkzeuge oder Software-Systeme für die Anwendungen erforderlich sind. Hier nimmt die Komplexität von unten nach oben zu. Zudem bauen die einzelnen Stufen aufeinander auf. Dies können Sie an den folgenden beispielhaft beschriebenen Stufen sehen:
- Diagnostische Analytik (Diagnostic Analytics): Diagnostische Analytik erlaubt mittels dem Aufzeigen von Trends, Mustern oder Korrelationen die Beantwortung der Frage warum etwas passiert ist. Sie zeigt also vor allem Zusammenhänge auf.
- Prädikative Analytik (Predictive Analytics): Prädikative Analytik zeigt auf, basierend auf statistischen bzw. stochastischen Modellen, was passieren wird bzw. passieren könnte. Die aufgestellten Modelle bedienen sich unter anderem der zuvor identifizierten Zusammenhänge aus der diagnostischen Analytik.
Vereinfacht gesagt: die Muster der Vergangenheit, sind ein guter Indikator dafür, was in der Zukunft passiert. Die Stufe des höheren Reifegrads bedingt also die Vorhergehende. Dies gilt auch für alle anderen Stufen.
Beginnen Sie beim Arbeiten mit dem Canvas damit, die Ist-Situation von Analytics-Anwendungen und Analytics-Werkzeugen darzustellen. Den Fokus setzen Sie gemäß Ihren Anforderungen: beispielsweise Ihr gesamtes Unternehmen, eine Sparte oder vielleicht nur eine Abteilung.
Was ist Ihr nächst-bester Schritt?
Bereits in unserem ersten Artikel haben wir kurz beschrieben, welche Antworten die unterschiedlichen Analytik-Methoden liefern können. Je nach Komplexität und eben Reifegrad bringt Sie die Methode näher an die Entscheidung bzw. die Aktion.
Erst wenn Sie eine Anwendung für eine Methode bzw. ein Werkzeug haben, können Sie Mehrwert generieren. Konkretes Beispiel? Sollten Sie nach dem Visualisieren der Ist-Situation auf dem Analytik-Reifegrad Canvas viele Werkzeuge (gelber Bereich), aber keine Anwendungen (grüner Bereich) haben, verschwenden Sie möglicherweise Geld für Software ohne konkreten Einsatzzweck.
Umgekehrt, also wenn Sie viele Anwendungsfälle aber keine passenden Werkzeuge haben, um diese umzusetzen, ist es vielleicht höchste Zeit die Anwendungsfälle nach ihrem erwarteten Mehrwert zu priorisieren und dann die entsprechenden Werkzeuge bereitzustellen sowie Experten für diese Werkzeuge im Unternehmen anzustellen oder bei Dienstleistern einzukaufen.
Haben Sie Schwierigkeiten beim Finden von datengetriebenen Anwendungen? Auch hier gibt es Abhilfe: beispielsweise erlaubt Ihnen das Value Proposition Canvas Anwendungsfälle mit entsprechendem Wertangebot für Ihre Kunden zu identifizieren.
Nach Fertigstellung der Ist-Situation, welche auch bereits in Umsetzung befindliche oder geplante Anwendungen und Werkzeuge beinhalten sollte, können Sie anhand des Reifegrads einen schrittweisen Umsetzungsfahrplan entwickeln. Zu beachten ist, dass – wie im vorherigen Abschnitt erwähnt –, die Reifegradstufen aufeinander aufbauen. Deshalb sollten Sie auch Ihren analytischen Reifeprozess Schritt für Schritt planen.
Fazit und Ausblick
Dieser dritte Artikel unserer Datenstrategie-Design Beitragsserie hat Ihnen gezeigt, wie Sie mit dem Analytik-Reifegrad Canvas Ihren Standort in Bezug auf Analytik bestimmen können. Darauf aufbauend definieren Sie Ihren nächst-besten Schritt und setzen diesen in Kontext eines Fahrplans (im Sinne einer Roadmap) zum Erreichen des gewünschten Reifegrads.
Das Datenstrategie Canvas, behandelt im vierten Artikel: “Mit einer Datenstrategie gegen Ihren Informationsdurst“, hilft Ihnen beim Konzipieren und Konkretisieren der Elemente Ihrer Datenstrategie.
Das Datenlandschaft Canvas ist Thema des fünften Artikels: “Erkunden Sie Ihre Datenlandschaft“. Dieses hilft Ihnen dabei die technischen Voraussetzungen für Ihre Datenstrategie zu klären.
Der sechste und letzte Artikel: “Treffen Sie mit Ihrer Datenstrategie den Sweetspot” der Beitragsserie befasst sich noch einmal mit einem Gesamtüberblick über das Datenstrategie-Design.
Bereits erschienen in dieser Artikelserie:
Anmerkung: Verfasser dieses Beitrags ist unser Gastautor Martin Raffeiner, Geschäftsführer von datenbotschafter consulting.
————————————————————————————————————————————
Diese Beitragsreihe gibt Ihnen einen Einblick in die Inhalte der Datengipfel-Seminare. Werfen Sie einen Blick in unser Wertversprechen bzw. die detaillierten Inhalte des Einsteiger-Seminars Data Strategy & Culture bzw. des Aufsteiger-Seminars Data Design Thinking, falls Sie Interesse haben an einem der nächsten Termine teilzunehmen. Oder kontaktieren Sie uns, falls Sie bezüglich unserer Datenstrategie-Fortbildung noch weitere Fragen haben.
