Was ist Data Thinking?
Heutzutage verschafft ein datengesteuerter Ansatz Ihrem Unternehmen einen Wettbewerbsvorteil, indem es seine relevanten Geschäftsprozesse optimiert. In einer Welt, in der immer mehr Konkurrenten ihre Daten selbst beherrschen, ist eine datengesteuerte Arbeitsweise sogar zwingend erforderlich. Dabei geht es nicht darum, ob Ihr Unternehmen bereits optimale Prozesse gefunden hat oder nicht, sondern vielmehr darum, wie schnell es sich an ein sich schnell veränderndes wirtschaftliches Umfeld anpassen kann.
Warum Data Thinking?
Data Thinking ist der Prozess, eine Organisation datengesteuert zu machen. Es handelt sich um einen ganzheitlichen Ansatz zum Aufbau und zur Nutzung des Datenpotenzials einer Organisation. Das Ergebnis von Data Thinking ist eine Datenstrategie, die:
- identifiziert alle geschäftsrelevanten Prozesse
- definiert KPI (Key Performance Indicators, d.h. Messgrößen), die den Erfolg dieser Prozesse anzeigen
- beschreibt Entscheidungen, die auf der Grundlage der Daten getroffen werden können, um diese Prozesse zu steuern und zu optimieren
- welche Daten (Metriken und Attribute) entlang dieser Prozesse gemessen werden müssen
Im Gegensatz zu herkömmlichen Big-Data-Initiativen in Unternehmen werden auf Data thinking zunächst verwertbare Daten/KPI ermittelt, bevor irgendetwas implementiert wird. Zusammen mit einem schlanken Datenansatz wird so der Aufbau kompletter und umfangreicher Dateninfrastrukturen vermieden, die letztendlich nicht die richtigen Daten liefern oder nicht genutzt werden, weil das Denken innerhalb der Organisation noch nicht datengetrieben ist.
Data Thinking kann nicht nur einmal angewendet werden. Es kann sehr gut zur Verbesserung bestehender Dateninfrastrukturen verwendet werden. Tatsächlich wird es am besten als Teil eines interativen schlanken Datenprozesses angewandt, bei dem die größten "Datengewinne" in einem ersten data thinking Schritt identifiziert werden, diese Gewinne dann in einem MVP (Minimum Viable Product) implementiert werden, die daraus resultierenden KPI zur Verbesserung der gemessenen Prozesse verwendet werden und das Feedback aus diesem MVP genutzt wird, um mit der nächsten data thinking Iteration fortzufahren.
Das Verfahren
Um dies zu erreichen, ist data thinking dem Design-Thinking-Prozess nachempfunden. Es wird versucht, eine Datenstrategie zu entwickeln, indem die Perspektive des (internen) Kunden eingenommen wird - in diesem Fall die Interessengruppen, die an Entscheidungen entlang der Prozesse beteiligt sind - und KPI definiert werden, die diese Entscheidungen unterstützen. Es handelt sich um eine team Anstrengung, bei der ein interner oder externer Datenexperte den Prozess steuert und Ideen und Feedback von den Interessengruppen einholt.
Die detaillierten Schritte von Data Thinking lehnen sich sehr eng an den Design Thinking Prozess an und werden im Folgenden beschrieben.
- Verstehen Sie das Geschäftsmodell
WelcheProzesse gibt es in der Organisation? Wie geschäftsrelevant sind sie (in Bezug auf Erfolg/Umsatzauswirkungen oder Hebel)? Welche Daten werden von welchen Abteilungen genutzt. Dies könnte eine "Pull"-Aufgabe sein, d.h. der Experte bittet die Beteiligten um Feedback, könnte aber auch ein erster "Analyse-Workshop" sein, insbesondere wenn es kein klares Bild der geschäftsrelevanten Prozesse in der Organisation gibt. - Beobachten
Der Datenexperte analysiert die verfügbaren Daten und vergleicht sie mit dem Feedback, das die Beteiligten im vorherigen Schritt gegeben haben. - Definieren des Datenmodells
Definiereneines ersten Datenmodells mit relevanten und/oder fehlenden Datenquellen, geschäftsrelevanten KPI, ggf. aufgeteilt nach Prozessen/Abteilungen, durch den Datenexperten. - Festlegung und Priorisierung der ersten Iteration
Präsentation der Ergebnisse aus den vorherigen Schritten (vorläufiges Datenmodell). Abgleich des bisherigen Stakeholder-Feedbacks mit den aktuellen und eventuell späteren Möglichkeiten der data stack. Ideen generieren: Welche Daten werden die Organisation in die Lage versetzen, welche Aktionen auszulösenMachbarkeitsbewertung der Ideen durch den Datenexperten und Priorisierung der Ideen durch das gesamte TeamDurchgeführt in einem "Data Thinking Workshop" durch Interessenvertreter und Experten - Daten-MVP
Als Teil eines übergreifenden Lean-Data-Ansatzes wird ein Daten-MVP zur Umsetzung der priorisierten KPI erstellt. Dies sollte so schlank wie möglich erfolgen, doch im Falle von Daten ist dies nichts, was man mit Stift und Papier im Rahmen eines Workshops machen kann - Entscheidungen auf der Grundlage von Daten
Auch im Rahmen eines übergreifenden Lean-Data-Ansatzes müssen vor der Verfeinerung und Erweiterung des Daten-MVP die Daten zur Steuerung der Prozesse genutzt werden. Daher sollte der Datenexperte als Analyst für die Organisation team fungieren und die Datenseite bei team Entscheidungen vertreten. Dies wird so lange notwendig sein, bis die Teams datengesteuertes Denken übernommen haben und selbst Daten von den Analysten oder über Selbstanalyse-Tools abrufen. - Wiederholen Sie
Bitte beachten Sie, dass die Frage, ob die Schritte "Prototyping" und "Testen" Teil der data thinking selbst oder Teil eines übergreifenden Lean-Data-Ansatzes sind, nur eine Frage des Geschmacks ist. Ich persönlich bevorzuge die letztere Variante, bei der data thinking nur der konzeptionelle Teil ist. Manche Leute definieren data thinking auch als einen Design-Thinking-Prozess zur Erstellung von Datenprodukten. Meiner Meinung nach wäre das nur der klassische Design Thinking-Ansatz. Data Thinking ist ein Prozess zum Aufbau einer Datenstrategie, kein Produkt.
Data Thinking ist mit der Digitalisierung und dem Process Mining verbunden. Die Digitalisierung kann eine Voraussetzung für die Implementierung eines data stack sein, das einen Prozess misst. Daher kann Data Thinking die Digitalisierung von geschäftsrelevanten Prozessen vorantreiben, um diese Prozesse auf der Grundlage von Daten weiterzuentwickeln und zu optimieren. Process Mining hingegen ist die eigentliche Messung aller notwendigen Daten entlang des Prozesses. Als solches ist es Teil eines Lean-Data-Ansatzes, wenn für einen Prozess noch keine oder nur wenige Daten verfügbar sind.
Data Thinking wird Ihrem Unternehmen helfen, datengesteuert zu werden und verborgene Datenpotenziale zu erschließen. Bei 9 friendly white rabbits setzen wir diese Methode regelmäßig in unseren Projekten ein. Obwohl data thinking natürlich auf eine Organisation als Ganzes angewendet werden kann, wird es sehr oft im Kontext einer einzelnen Abteilung oder sogar eines einzelnen Prozesses eingesetzt, zum Beispiel eines Verkaufsprozesses oder einer Customer Journey auf einer Website. Bei kleineren Projekten kann es "schlanker" sein, eine abgekürzte Methode anzuwenden, bei der der Analyseteil im "Pull"-Modus vom Experten durchgeführt wird, der die erforderlichen Informationen von den Beteiligten per E-Mail oder Telefonanruf einholt. Wenn die Komplexität des Prozesses gering ist, kann auch der Ideenteil vom Experten durchgeführt werden, und nur der MVP wird dann mit den Interessengruppen getestet, der dann iteriert wird.