Einblick Ausgabe 3/2019

„Man soll die Welt nicht belachen, nicht beweinen, sondern begreifen.“
Baruch de Spinoza

Das Analytics Haus: Bausteine für die Datenanalyse in Organisationen

Welche Daten werden im Analytics-Kontext gewonnen und was braucht es für einen stimmigen Analytik-Ansatz? Diese beiden Fragen beantwortet das Analytics Haus. Neben den vielen möglichen Datenquellen zeigt es exemplarisch die besonders wichtigen Bereiche Kunden, Finanzen, Mitarbeitende und Geräte (das sogenannte Internet der Dinge, Englisch IoT abgekürzt).

Ob es nun die Anzahl Likes auf dem firmeneigenen Instagramkanal ist, die Verkaufszahlen pro Region, die Durchschnittsfluktuationsrate oder die meist frequentierten Orte – solche Daten werden erst dann zu handlungsrelevanten Informationen, wenn sie richtig aufbereitet und genutzt werden.

Dafür braucht es eine geeignete IT-Infrastruktur bestehend aus integrierten Datenbanken (sogenannten Data Warehouses), Minimalstandards, um die Daten verlässlich und vergleichbar zu machen, sowie clevere Werkzeuge, um die Daten einfach zusammen zu stellen und darstellen zu können. Diese Werkzeuge erfordern aber ein nicht zu unterschätzendes Maß an Know-how und sogenannter Data Literacy (d. h. Kompetenz im Umgang mit großen Datenmengen). Gerade das Zusammenspiel von Daten-Spezialisten und Generalisten ist dabei entscheidend, um zu gewährleisten, dass die richtigen Daten in der richtigen Form die richtigen Entscheidungen unterstützen.

Neben der Infrastruktur und den Kompetenzen sind ein systematischer Analytics-Ansatz, eine übergeordnete Strategie (welche Ziele verfolgen wir mit der Datenauswertung?) sowie klar definierte Prozesse und Rollen für die Datensammlung, -aufbereitung, -bereitstellung, – und -auswertung bzw. -nutzung wesentlich.

Jedoch helfen auch genau definierte Datenanalyseprozesse und Rollen nichts, wenn die dahinterliegende Organisationskultur sich nicht darauf einlässt und statt Transparenz- und Evidenzorientierung weiterhin auf Eminenz oder Eloquenz setzt. Damit wird Change Management zur wichtigen flankierenden Maßnahme für jeden ganzheitlichen Analytics-Ansatz. Und Change Management braucht wiederum selbst Analytics, beispielsweise in Bezug auf Transformations-Aufwände (z. B. die Anzahl investierter Beratertage), Prozesskenngrößen (Anzahl Teilnehmende an Veranstaltungen oder Intranetbeiträge) und Ergebnisse (etwa Zufriedenheitskennzahlen, Einsparungen).

Top