Wie die beiden vorhergehenden Artikel zum Kundenkontaktpunkte Canvas bzw. zum Analytik-Reifegrad Canvas stellt Ihnen auch dieser vierte Beitrag der insgesamt sechsteiligen Serie ein Canvas aus der Datentreiber-Methodik zum Datenstrategie-Design vor.
Sollten Sie erst jetzt in die Beitragsserie einsteigen, sei hier auch noch einmal auf den ersten Artikel verwiesen. Dieser führt Sie allgemein an das Thema Datenstrategie sowie das von Datentreiber Martin Szugat entwickelte Datenstrategie-Designkit heran.
Zurück zum Datenstrategie Canvas, dieses ist, wie das gesamte Designkit, Open Source. Für eine detaillierte Anleitung für die Arbeit mit dem Canvas gibt es außerdem jeweils ein ausführliches Tutorial, welches Ihnen die Vorgangsweise im Detail vermittelt.
Darüber hinaus wird das Datenstrategie Canvas im Aufsteiger-Seminar Data Thinking bearbeitet. Auch dieses Datentreiber-Seminar hat interaktiven Workshop-Charakter, was sehr wichtig ist, da Datenstrategie-Design selten ein linearer Prozess ist. Somit muss jedes einzelne Canvas im Gesamtkontext des Datenstrategie-Designkits verstanden werden.
Wissen Sie überhaupt, wobei Ihnen Daten helfen sollen?
Das Datenstrategie Canvas ist in zwei Abschnitte mit jeweils drei Bereichen unterteilt. Der obere Abschnitt mit den Bereichen Erschließung, Verfeinerung und Verwertung hilft Ihnen das „Was“, „Wie“ und „Warum“ Ihrer Datenstrategie zu beantworten. Der untere Abschnitt (Werkzeuge, Personen, Partnerschaften) unterstützt Sie, die für die Umsetzung der Datenstrategie notwendigen Ressourcen zu identifizieren.
Bei der Bearbeitung des Canvas können Sie entweder von oben rechts nach oben links vorgehen, also welche Ziele (Warum?) verfolgen Sie mit der Verfeinerung (Wie?) welcher Daten (Was?). Alternativ können Sie für vorhandene Daten auf die Suche nach Anwendungsfällen gehen.
Daten bringen Ihnen dann Mehrwert, wenn die Verwertung dieser im Zusammenhang mit Ihren Unternehmenszielen stehen. Diese Verwertung kann Sie in unterschiedlichen Bereichen (Marketing, Vertrieb, …) bei diversen Zielen unterstützen (neue Produkte entwickeln, Prozesse verbessern, …). Das Erreichen dieser Ziele wirkt sich wiederum positiv auf Ihr Unternehmen aus.
Fragen Sie sich also beispielsweise welche Informationen Ihnen dabei helfen würden, Ihre Kosten zu reduzieren. Aus unserem ersten Artikel in dieser Beitragsreihe kennen Sie bereits die unterschiedlichen analytischen Methoden. Ist ein erster Schritt vielleicht mit Hilfe von deskriptiver Analytik die Erreichung bestimmter KPI zu verfolgen? Oder wollen Sie mit prädikativer Analytik („Predictive Analytics“) Umsätze prognostizieren, um davon die Auslastung abzuleiten und dementsprechend mit einer besseren Personaleinsatzplanung wiederum Kosten zu sparen?
Die identifizierten Anwendungsfälle können Sie zu einem späteren Zeitpunkt bzgl. der notwendigen analytischen Reife priorisieren. Wenn Sie Probleme beim Finden von Anwendungsfällen haben, hilft Ihnen das Geschäftsmodell oder das Analytik-Anwendungsfall Canvas dabei, noch einmal einen Schritt zurück zu gehen und diese Kernthemen (be-)greifbarer zu machen.
Wie kommen Sie von den Daten zur Information?
Zu den für Ihre Anwendungsfälle benötigten Informationen kommen Sie mittels Verfeinerung des Rohstoffs Daten.
Dazu bestimmen Sie, welche Schritte notwendig sind, um die Daten in die richtige Form von der Erschließung bis zur Verwertung zu bringen. Denken Sie also von der Quelle bis zur etwaigen Anwendung durch den eigentlichen Nutzer der Daten. Wo müssen beispielsweise Daten zusammengeführt werden? Welche Modelle müssen berechnet werden und wie wird das Ergebnis schlussendlich in den Arbeitsablauf des Empfängers integriert?
Die Fragen, welche Sie sich hier stellen sollten, müssen dabei aus allen notwendigen Perspektiven kommen. Denn es geht nicht nur darum Daten durch unterschiedliche Methoden (Aggregation, Transformation, Anreicherung, …) aufzuwerten. Es geht auch darum die Daten entsprechend etwaiger Anforderungen zu verarbeiten. Beispielhaft sei hier die Anonymisierung der Daten aus datenschutzrechtlichen Gründen genannt.
Woher kommen Ihre Daten?
Schlussendlich müssen Sie die Quellen Ihrer Daten bestimmen. Dabei kann es sich um bereits bestehende Datenquellen handeln oder Datenquellen, welche erst von Ihnen erschlossen werden müssen. Je nach Anwendungsfall und Komplexität der Erschließung kann sich Zweiteres lohnen oder eben nicht.
Wie bereits eingangs erwähnt, ist es auch möglich aus Sichtweise der Datenquellen zu starten. Für den Fall, dass Sie bereits viele Daten in Ihrem Unternehmen sind, versuchen Sie diese mit entsprechenden Anwendungsfällen zu verknüpfen. Erst dann liefern Ihre Datenschätze Mehrwert oder entpuppen sich als Datenmüll.
Daten sind nie kostenlos. Tritt der Fall auf, dass Sie viel mehr Daten als Anwendungsfälle haben, sollten Sie sich darüber Gedanken machen, ob die Kosten der Datenhaltung dieser ungenutzten Daten (Speicher, Betreuung aus technischer und Datenschutz-Sicht,…) sinnvoll eingesetzte Ressourcen sind.
Denken Sie auch bereits (strategisch) an die Umsetzung
Mit Hilfe des unteren Abschnitts des Datenstrategie Canvas können Sie transparent machen, welche Ressourcen Sie zur Umsetzung Ihrer Datenstrategie benötigen: Welche Werkzeuge, Personen und Partnerschaften brauchen Sie zur Realisierung?
Wichtig ist dabei, dass Sie einerseits bereits in einem frühen Stadium kritische Ressourcen identifizieren. Hier kann es sich zum Beispiel um Mitarbeiter mit speziellen Fähigkeiten handeln oder Software, die benötigt wird, aber noch gar nicht in Ihrem Unternehmen in Verwendung ist bzw. erst beschafft werden muss.
Andererseits sollten Sie sich Gedanken darüber machen, also strategische Überlegungen anstellen, wo Sie eventuell externe Hilfe benötigen bzw. mit dieser externen Unterstützung schneller zum Ziel kommen. Hierbei kann es sich sowohl um Wissen, aber auch natürlich um Daten handeln, die zugekauft werden müssen.
Fazit und Ausblick
Dieser vierte Artikel unserer Beitragsserie zum Datenstrategie-Design hat Ihnen gezeigt, wie Sie mit dem Datenstrategie Canvas Anwendungsfälle definieren und strukturiert deren Umsetzung durchdenken. Darüber hinaus können Sie für bereits vorhandene, aber nicht genutzte Datenquellen geeignete Verwertungsszenarien erarbeiten.
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.
