Alle sagen, sie seien datengetrieben. Die Zahlen sagen etwas anderes

Warum die meisten Datenprojekte ins Stocken geraten, bevor sie überhaupt eine Entscheidung treffen, und was kommt nach dem Dashboard?

Fast jedes große Unternehmen behauptet, datengetrieben zu sein: Das zeigt sich in ihren Strategiefolien, Jahresberichten und der Rechtfertigung für Data Lakes, Lagerhäuser und unzählige Dashboards, die auf Bildschirmen im Büro leuchten.

Dann schau dir an, wer das alles tatsächlich benutzt.

Seit Jahren schätzt Branchenforschung die Einführung von Business Intelligence und Analytics auf irgendwo zwischen 20 % und 35 % der Beschäftigten. Ungefähr jeder vierte Mensch berührt die Daten, für die ihr Unternehmen Millionen ausgegeben hat. Noch auffälliger ist, dass sich diese Zahl kaum über zwei Jahrzehnte neuer Werkzeuge, neuer Plattformen und neuer Wellen von Begeisterung bewegt hat. Die Technologie verändert sich ständig. Die Adoptionsrate nicht.

Diese Lücke haben wir in einem kürzlichen Podcast-Gespräch untersucht. Die Antwort, die wir gefunden haben, ist unangenehm, weil sie die Rolle der Unternehmensmentalität und nicht nur der Software hervorhebt.

Die falsche erste Frage

Wenn ein Unternehmen beschließt, “ernsthaft mit Daten umzugehen”, beginnt es meist damit, zu fragen, welche Daten es sammeln sollte. Die Frage geht direkt an die IT-Abteilung, die genauso reagiert wie IT-Abteilungen: mit Pipelines, Infrastruktur und einem Ort, an dem alles untergebracht werden kann.

Obwohl dies wie ein Fortschritt erscheint, ist es das oft nicht.

Die bessere Frage wird fast nie zuerst gestellt: Welche Entscheidung versuchen wir eigentlich zu verbessern? Ohne diesen Anker kann ein Unternehmen ein technisch einwandfreies System aufbauen, das niemand einen Grund hat, es zu öffnen. Infrastruktur ohne Entscheidungsmodell ist einfach sehr teurer Speicher.

Das ist eine täuschend einfache Neuinterpretation. Viele Datenstrategien werden von Grund auf entwickelt und stellen Infrastruktur über die Nutzer der Nutzer. Die technischen Systeme werden immer fortschrittlicher, während die Menschen weiterhin auf Excel angewiesen sind.

Die Schichten, die nirgendwohin führen

Die typische Fahrt sieht auf einem Diagramm geordnet aus. Zuerst ein Datensee, in dem alles landet, oft unorganisiert. Dann ein Data Warehouse, das die Daten so strukturiert, dass sie abgefragt werden können, aber nur von Leuten, die SQL schreiben können. Dann eine Schicht von Dashboards und Berichten, die schließlich Zahlen für Manager und Analysten zugänglich machen.

Jede Schicht ist echte Arbeit. Jede ist verteidigbar. Und doch ist das Ziel fast immer dasselbe: ein Bildschirm, der zeigt, was bereits passiert ist.

Das ist die stille Begrenzung der Dashboard-Ära. Dashboards beschreiben die Vergangenheit. Sie sind darin ausgezeichnet. Was sie nicht tun können, ist, dich die Frage stellen zu lassen, die Entscheidungen tatsächlich erfordern: Was passiert, wenn? Was passiert mit der Nachfrage, wenn ich die Preise um 5 % erhöhe? Wie viel mehr muss ich noch bestellen? Was bedeutet das mit den Lagerkosten, den Margen und den Kunden, die still und leise weggehen? Ein Dashboard hat keine Antwort. Es wurde nie dafür gebaut.

Von der Beschreibung der Vergangenheit bis zum Testen der Zukunft

Hier setzen wir unsere Wette. Wir bauen im Grunde einen digitalen Zwilling einer Organisation auf: ein funktionierendes Modell, das so detailliert ist, dass ein Manager eine Entscheidung testen kann, bevor er sich darauf einlässt.

Das Versprechen ist eine Veränderung der Haltung. Anstatt zu überprüfen, was im letzten Quartal passiert ist, kann ein Manager das nächste Quartal simulieren. Erhöhen Sie den Preis. Beobachten Sie Nachfrage, Fluktuation, Margen, Lagerbestände und Abläufe im Modell. Dann entscheide dich. Die Daten hören auf, ein Rückspiegel zu sein, und verhält sich wie ein Lenkrad.

Das ist das Herzstück dessen, was die Branche inzwischen Decision Intelligence nennt: Daten, Analyse und Arbeitsabläufe um die Entscheidungen zu verbinden, die das Unternehmen bewegen, statt um den Akt der Informationsspeicherung.

Die unglamouröse Wahrheit darunter

Nichts davon funktioniert, wenn die zugrunde liegenden Daten ein Chaos sind, und das ist fast immer so.

Hinter ausgefeilten ERP-Systemen, die Transaktionen reibungslos am Laufen halten, befindet sich die wahre Planung oft in dem, was im Grunde die “Excel-Hölle” ist: zahlreiche Tabellenkalkulationen, teils systemgeladen und teilweise manuell eingegeben, werden als E-Mail-Anhänge mit Namen wie Version 3 Final Final verteilt. Kritische Prozesse wie Finanzabschlüsse, Produkteinführungen und Prognosen haben oft keine angemessene Governance.

Die Arbeit ist also wenig glamourös. Nach unserer Erfahrung werden etwa 80 % eines Projekts mit der Bereinigung und Strukturierung von Daten verbracht, bevor eine einzelne Entscheidung modelliert werden kann. Garbage in, garbage out ist hier kein Slogan; Es ist das Budget.

Ein Konzept übernimmt die meiste Arbeit: die semantische Schicht. In einer Tabelle zeigt eine Formel auf eine Zelle – A1, B2 – und bricht in dem Moment, in dem sich etwas bewegt. Eine semantische Schicht weist stattdessen auf Bedeutung hin. “Einnahme” bedeutet immer Einnahme, wo immer sie leben. Baut man Berechnungen auf Konzepten statt auf Zellreferenzen auf, hört die zerbrechliche Maschinerie darunter auf, jedes Mal zu zerbrechen, wenn sich die Daten verschieben. Ebenso wichtig ist, dass Menschen, die SQL nie lernen werden, sich endlich selbst bedienen können.

Wo die eigentliche Arbeit anfängt

Die tiefere Bedeutung hier betrifft nicht Software. Wenn Daten wirklich zugänglich werden – wenn ein Manager eine Preisentscheidung modellieren kann, ohne sie über einen Controller oder Analysten zu leiten – beginnen die traditionellen Informationstorwächter anders auszusehen. Das ist weniger eine technologische Frage als eine organisatorische.

Es bedeutet nicht, die leitende Abteilung aufzulösen oder externe Expertise an den Rand zu drängen; Beide tragen immer noch hart erkämpftes Urteil. Das bedeutet, dass die Eigentümer umziehen müssen. Die Person, der eine Entscheidung gehört, muss die dahinterstehenden Daten steuern. Top-down-Strategie und Bottom-up-Infrastruktur müssen sich in der Mitte treffen.

Deshalb wird das Adoptionsproblem von der nächsten Plattform nicht gelöst werden, wenn sich die Ausgangsfrage nicht ändert. Bevor Sie die nächste Dateninitiative finanzieren, nennen Sie die wiederholbaren Entscheidungen, die sie verbessern soll. Wenn nicht, finanzierst du die Lagerung. Der Vorteil geht nicht an denjenigen, der die meisten Daten sammelt. Sie geht an denjenigen, der besser, schneller und transparenter mit den bereits vorhandenen Daten entscheidet. In den meisten Branchen ist das der Unterschied, der sich verstärkt.

Für weitere Informationen oder Anfragen: https://www.natzka.com/contact-us/

Hören Sie hier den Podcast:

Spotify: https://open.spotify.com/episode/31Uy2ZyiRP58PyE1gpBEDV
Apple Podcasts: https://podcasts.apple.com/de/podcast/das-palantir-playbook-wie-das-schweizer-startup-natzka/id1494839760?i=1000771622254