Im Artikel Mit integrierter Unternehmensplanung zur data-driven Company stellen wir unser Reifegradmodell zur Planung vor. In diesem ist Data Literacy ein wichtiger Baustein. Daher erläutern wir hier, was der Begriff umfasst und wie Datenkompetenz konsequent ins Unternehmen integriert werden kann.
Data Literacy soll 2030 die am meisten gefragte Fähigkeit sein, sogar so fundamental wie die Fähigkeit heute einen Computer zu bedienen. Dies fand eine Studie von Censuswide Ende 2021 heraus, die über 1000 C-Level-Führungskräfte und 6000 Mitarbeitende zu dem Thema befragte.
Aber was verbirgt sich genau hinter dem Begriff Data Literacy und warum wird diese Fähigkeit so wichtig sein?
Data Literacy bedeutet übersetzt Datenkompetenz und man versteht darunter sowohl Kompetenzen im Umgang als auch in der Nutzung von Daten. Indem die Daten in den richtigen Kontext gesetzt werden, soll dabei Wissen generiert werden.
Reine Datenerhebung vs. Data Literacy
Den Unterschied zwischen der reinen Erhebung der Daten und erfolgreicher Anwendung von Data Literacy kann man an einem Beispiel verdeutlichen. Der Betreibende einer Internetseite möchte wichtige Kennzahlen wie Zugriffszahlen oder die Verweildauer von Besucher:innen auf seiner Internetpräsenz erfassen. Dies entspricht der reinen Datenerhebung. Die Anwendung von Data Literacy geht allerdings über diesen Schritt hinaus und beinhaltet auch die Auswertung dieser Daten sowie das Ableiten von Maßnahmen, um die Reichweite und die Erfahrung der User zu verbessern. Damit dies gelingen kann, müssen die Kennzahlen richtig verstanden und interpretiert werden.
Z.B ist für eine sichere und zuverlässige Unternehmensplanung und -steuerung die konsequente Nutzung von Datenbeständen unverzichtbar.
Teilkompetenzen von Data Literacy
Insgesamt setzt sich Datenkompetenz dabei aus verschiedenen Teilkompetenzen zusammen: dem Arbeiten mit Daten, dem Lesen von Daten sowie der Kommunikation von Daten.
- Zur Teilkompetenz des Arbeitens mit Daten gehören dabei u.a. die Fähigkeiten, Daten zu sammeln, zu organisieren, zu bereinigen, zu konvertieren sowie die Bewertung und Sicherung der Datenqualität.
- Das Lesen der Daten beinhaltet den richtigen Umgang mit Methoden und Werkzeugen zur Datenanalyse, die Auswertung und Interpretation von Daten sowie das Identifizieren von Problemen anhand der verfügbaren Daten.
- Die letzte Teilkompetenz, die Kommunikation von Daten, bezieht sich auf die Berichterstattung und Präsentation der Daten. Diese enthält das Zitieren, Teilen und Darstellen von Daten, das dann auch in einer passenden Art und Weise (z.B. mit der Wahl eines sinnvollen Diagrammtyps) geschehen muss.
Bei der Definition von Data Literacy kann man außerdem eine individuelle und eine organisatorische Ebene unterscheiden. Auf der individuellen Ebene erfordert die Datenkompetenz dabei von den einzelnen Mitarbeitenden ein Bewusstsein für den Wert der Daten sowie spezifische Kenntnisse und Fertigkeiten im Umgang mit diesen, während man auf organisatorischer Ebene von einer Datenkultur spricht. Ein Unternehmen, das seine Daten als kostbaren Datenschatz begreift, wird die erforderlichen Ressourcen bereitstellen und alle Prozesse darauf abstimmen, diesen Datenschatz zu heben und ihn gewinnbringend zu nutzen.
Grundsätzlich ist es zum Aufbau von Data Literacy in einem Unternehmen wichtig, dass jeder Mitarbeitende eine grundlegende Datenkompetenz besitzt. Je nach Rolle des jeweiligen Mitarbeitenden werden allerdings unterschiedliche Kompetenzniveaus benötigt, worauf später noch näher eingegangen wird.
Die große Lücke zwischen Vorstellung und Realität
Forrester führte Ende 2021 zwei Online-Umfragen bei je über 1000 Mitarbeitenden und Entscheidungsträger:innen von globalen Unternehmen zur Untersuchung der Kultur von Unternehmen im Bereich Datenkompetenz durch. Dabei wurde festgestellt, dass 82% der Entscheidungsträger:innen Datenkompetenz von den Mitarbeitenden erwarten und auch ein ähnlicher Anteil (79%) der Entscheidungsträger:innen glaubt, dass die jeweiligen Abteilungen den Mitarbeitenden erforderliche Datenkenntnisse weitergeben.
Dagegen gaben allerdings nur zwei Fünftel der Mitarbeitenden an, dass das Unternehmen die erforderlichen Datenkenntnisse vermittelt. Die Mitarbeitenden fühlen sich nicht optimal für zukünftige Aufgaben bezüglich des Themas Datenkompetenz vorbereitet. Es klafft hier also eine große Lücke zwischen der Vorstellung der Entscheidungsträger:innen und der Realität in den Unternehmen, was deutlich aufzeigt, dass in diesem Bereich Handlungsbedarf besteht.
Warum ein Unternehmen Data Literacy aufbauen sollte
Der Aufbau von Datenkompetenz im gesamten Unternehmen ermöglicht es, das Geschäftspotenzial auszuschöpfen. Gerade die Planung kann nur dann zuverlässig funktionieren, wenn sie auf korrekten Daten basiert. Die Qualität und Nutzbarkeit der Daten können mit Data Literacy sichergestellt werden. Ein Fehlen von Datenkompetenz beim Sammeln oder Eingeben von Daten kann zu mangelnder Datenqualität führen. Auf solchen Daten basierende Auswertungen und Planungen liefern weniger oder sogar falsche Ergebnisse (Garbage In, Garbage Out-Prinzip). Zudem sorgt das Vorhandensein von Data Literacy dafür, dass Entscheidungen nicht nur aus dem Bauchgefühl heraus, sondern auf der Basis von Daten getroffen werden. Dadurch können Abläufe optimiert, Fehler vermieden sowie Zeit und Ressourcen gespart werden. Es kann also die Entscheidungsfähigkeit verbessert und der Umsatz gesteigert werden. Der Aufbau von Data Literacy bildet damit auch eine Grundlage zur Entwicklung einer Data Driven Company, also einem Unternehmen, das konsequent seine Datenbestände zur Entscheidungsfindung und zur Analyse nutzt, um so neue Chancen und Möglichkeiten zu erschließen und damit die Innovations- und Wettbewerbsfähigkeit zu verbessern. Außerdem kann durch die Auswertung der Daten die Customer Experience verbessert werden. So kann beispielsweise bei einer Internetpräsenz analysiert werden, auf welchen Seiten sich die User länger aufhalten, welchen Links sie folgen und wo sie den Internetauftritt wieder verlassen und dadurch eine Umgestaltung der Website vorgenommen werden, um dem Kunden ein besseres Erlebnis zu bieten.
Auch die Etablierung einer gemeinsamen Datensprache gehört zum unternehmensweiten Aufbau von Data Literacy. Hierbei ist es wichtig, dass in einem Unternehmen feste Begriffsdefinitionen vorliegen, damit bei einer Diskussion auch alle von exakt dem gleichen Begriff reden und nicht aneinander vorbeigesprochen wird. Regeln bezüglich des Dashboard-Designs zu einer vereinheitlichten Darstellung tragen ebenfalls zum besseren und schnelleren Verständnis von Diagrammen bei, sodass Fehlinterpretationen vermieden werden können.
Des Weiteren handelt es sich bei Data Literacy um eine Schlüsselkompetenz im digitalen Wandel. Durch die Digitalisierung wächst die Menge an Daten exponentiell. Es liegen zudem nicht nur strukturierte Daten aus beispielsweise ERP-Systemen oder Data Warehouses vor, sondern auch eine Vielzahl unstrukturierter Daten aus unterschiedlichsten Quellen, beispielsweise Sensordaten, Daten aus sozialen Netzwerken etc. Diese riesige Menge an Daten, die kontinuierliche Weiterentwicklung der digitalen Technologien sowie deren Vernetzung bietet den Unternehmen dabei eine große Chance, Informationen aus den Daten zu bekommen, die Geschäftsprozesse zu verbessern und Vorhersagen für die Zukunft zu machen. Allerdings birgt diese Entwicklung auch die Gefahr, dass man den Anschluss verliert und einen Wettbewerbsnachteil erleidet, falls man nicht kompetent mit der Fülle an Daten umgehen und diese gewinnbringend nutzen kann.
Ein weiterer wichtiger Grund zum Aufbau von Data Literacy im Unternehmen ist eine erhöhte Zufriedenheit der Mitarbeitenden. Durch eine gesteigerte Datenkompetenz und einen transparenten Umgang mit Daten können Mitarbeitende besser den Sinn ihrer Arbeit allgemein und bei der Einsetzung neuer Tools oder Technologien verstehen, was zu einer höheren Arbeitsmotivation und Akzeptanz von Veränderungen führt. Die oben bereits erwähnte Studie von Forrester stellte beispielsweise fest, dass eine hohe Datenzufriedenheit der Mitarbeitenden oft zu einer hohen Gesamtzufriedenheit mit dem Unternehmen führt. Die Wahrscheinlichkeit, dass Angestellte in einem Unternehmen bleiben wollen, nimmt ebenso mit steigender Datenzufriedenheit stark zu.
Maßnahmen zum Aufbau von Data Literacy
Ein wichtiger Schritt, um Data Literacy in Ihrem Unternehmen aufzubauen, ist die Etablierung einer Datenkultur. Darunter versteht man eine Reihe kollektiver Verhaltensweisen und Vorstellungen, bei denen Betriebsabläufe, Denkweise und Identität eines Unternehmens mit Daten verknüpft werden. Ermitteln Sie zunächst durch Umfragen oder Interviews in Ihrem Unternehmen den Ist-Zustand, also das aktuelle Niveau der Datenkompetenz, bevor Sie mit dem Aufbau der Datenkultur beginnen.
Gemäß Qlik und Accenture sollten Sie bei der Etablierung einer Datenkultur die folgenden sieben Prinzipien beachten.
Sieben Prinzipien der Datenkultur
1. Entwickeln Sie eine Kultur der Neugier,
da es bei Data Literacy nicht etwa nur um die Arbeit mit Daten geht, sondern es sollten auch andere nicht-technische Fähigkeiten erlernt werden, z.B. kritisches Denken, Kreativität oder Neugier. Dies kann dann beispielsweise dazu führen, dass Mitarbeitende eigene Annahmen über Daten überdenken oder verschiedene Sichtweisen einnehmen können.
2. Überzeugen Sie alle Mitarbeitenden
von der Wichtigkeit und den Vorteilen, welche die Datenkompetenz sowohl für das Unternehmen als auch für sie selbst mit sich bringt. Ihr Unternehmen hat gerade dann Erfolg, wenn die Mitarbeitenden in der Lage sind, kritisch mit den Daten umzugehen, diese zur Erkenntnisgewinnung nutzen und damit dann bessere Entscheidungen treffen können.
3. Fokussieren Sie sich auf die gewünschten Ergebnisse.
Damit man die Daten effektiv nutzen kann, muss das zu lösende Problem bekannt sein. Sie sollten also vor der Analyse der Daten zunächst die Probleme identifizieren und darauf aufbauend Ziele definieren.
4. Nehmen Sie eine systemische Perspektive ein.
Verschiedene Abteilungen in Ihrem Unternehmen sollten zusammenarbeiten und sich gegenseitig unterstützen, die Daten aus allen Abteilungen sollten also für jede mitarbeitende Person zugänglich sein, sofern keine rechtlichen oder sonstigen Gründe dagegensprechen. Durch die Zusammenarbeit der Abteilungen wird ein kollektives Problemlösen gefördert, was sich positiv auf Effizienz und Effektivität bei der Arbeit mit den Daten auswirken kann.
5. Wählen Sie die erforderlichen Technologien aus,
die eine Abteilung oder bestimmte Mitarbeitende brauchen.
Hierzu müssen allerdings zunächst Datenrollen festgelegt werden, da nicht alle Mitarbeitenden über die gleichen Datenanalysefähigkeiten verfügen müssen. Stattdessen sollten Mitarbeitende in ihren jeweiligen Aufgabengebieten ihre Datenkenntnisse erweitern, um produktivere und effizientere Ergebnisse erzielen zu können. Laut CAMELOT kann man dabei vier Rollen unterscheiden. Data Believer besitzen dabei ein umfassendes betriebswirtschaftliches Wissen und verstehen und glauben an die Relevanz von Daten. Data Translator nutzen Daten täglich, sie können die Daten in einen geschäftlichen Kontext stellen und verfügen über eine grundlegende Datenanalyse- sowie eine gute Kommunikationskompetenz. Data Governor dagegen besitzen bereits eine ausgeprägte Datenanalysekompetenz. Sie nutzen täglich statistische und analytische Methoden, ihnen fehlt jedoch das Gesamtbild. Bei der letzten Datenrolle handelt es sich um die Data Master Minds, welche ebenso sehr vertraut mit statistischen und analytischen Methoden sind. Zudem können sie die Daten in einen geschäftlichen Kontext stellen und besitzen ein umfassendes betriebswirtschaftliches Wissen.
Ergänzend zu den vier Rollen von CAMELOT haben wir noch eine fünfte Datenrolle hinzugefügt, Data Evangelists. Diese können für die anderen Rollen das Mentoring übernehmen. Zudem begeistern sie die Mitarbeitenden für die Nutzung von Daten und helfen ihnen, kreativer und effektiver mit den Daten umzugehen. Sie besitzen dabei sehr stark ausgeprägte Datenanalysekompetenzen sowie sehr gute Kommunikationsfähigkeiten.
Ebenso müssen Sie zur Auswahl der erforderlichen Technologien eine Datenstrategie in Ihrem Unternehmen etablieren. Diese stellt einen Fahrplan für die Arbeit mit Daten vor und gibt an, wie man Entscheidungen bzw. Wissen aus Daten ableiten kann. Das Erstellen der Datenstrategie kann dabei in 6 Schritten erfolgen.
Zu Beginn erfolgt dabei eine Definition der Ziele, es wird also geschaut, wo Daten etwas verändern bzw. verbessern können. Danach werden die verschiedenen Datenquellen bestimmt und zusammengeführt, bevor mit der Visualisierung der Daten begonnen wird. In diesem Schritt werden Diagramme aus den Daten erzeugt, damit schnell Problemfelder oder Potenziale erkannt werden können. Anschließend sollte eine Data Governance im Unternehmen verankert werden. Unter diesem Begriff versteht man dabei das Einhalten rechtlicher Vorgaben wie der Datenschutzgrundverordnung sowie das Ermöglichen eines sicheren Datenzugriffs mit dem Ziel, eine einheitliche und gute Datenqualität zu erreichen. Des Weiteren soll eine Transparenz geschaffen werden, indem die Daten – wo es möglich ist – allen jeweils relevanten Mitarbeitenden vorliegen, sodass diese auch ihre Entscheidungen basierend auf den gleichen Daten treffen können. Im letzten Schritt zur Erstellung einer Datenstrategie soll die Nutzung von Daten fest in den Prozessen verankert werden, damit Entscheidungen auf Grundlage des bereinigten Datenbestands getroffen werden.
6. Bieten Sie Trainings bzw. Schulungen an.
Dabei sollten die Mitarbeitenden nicht nur vom Mehrwert von Datenkompetenz überzeugt werden und ihre Datenkenntnisse erweitern, sondern das erlernte Wissen auch in der Praxis anwenden können.
7. Prüfen Sie regelmäßig den Erfolg der Maßnahmen.
So kann die Zufriedenheit der Mitarbeitenden durch Umfragen oder Interviews erfasst und bewertet werden, damit Stress und Überforderung dieser vermieden werden kann. Durch den Vergleich mit dem anfangs erhobenen Ist-Zustand sehen Sie, wo Daten bereits zu Einsparungen und Verbesserungen geführt haben und wo noch Potenzial oder Schwächen vorliegen, damit die Strategie dementsprechend angepasst werden kann.
Welche Herausforderungen gilt es zu meistern?
Beim Aufbau von Data Literacy kommen viele Herausforderungen auf Ihr Unternehmen zu. So kann Widerstand und Desinteresse bei den Mitarbeitenden entstehen. Hier sollten Sie ihren Mitarbeitenden Raum und Zeit geben, um ihre Verhaltensweisen bezüglich Datennutzung und -umgang zu ändern. Bieten Sie konsequenten Support und Unterstützung an, beispielsweise durch regelmäßige Meetings. Zusätzlich sollte mit den Daten möglichst transparent umgegangen werden und den Mitarbeitenden verdeutlicht werden, welche Vorteile eine höhere Datenkompetenz dem Mitarbeitenden selbst sowie dem Unternehmen bieten können.
Weitere Herausforderungen ergeben sich dabei, wenn Schulungsmaterialien fehlen, unzureichend sind oder wenn im Unternehmen ein Mangel an qualifizierten Mitarbeitenden herrscht, weshalb Datenkompetenzschulungen nicht angeboten werden können. In diesem Fall bietet sich eine externe Unterstützung durch Schulungen oder Workshops an. Gerne unterstützen wir Sie hierbei. Sprechen Sie uns an!
Fazit
Zusammenfassend kann festgehalten werden, dass das Thema Data Literacy in Zukunft eine essenzielle Rolle für Unternehmen spielen wird. Es wird für Unternehmen wichtig sein, die Chancen, die sich durch die exponentiell wachsenden Datenmengen ergeben, zu nutzen, um sich so einen Wettbewerbsvorteil zu erarbeiten. So müssen die verfügbaren Daten z.B. sinnvoll in die Unternehmensplanung einfließen. Hierzu spielt der Aufbau von Datenkompetenz im gesamten Unternehmen eine große Rolle. Ebenso müssen eine Datenkultur und eine Datenstrategie entwickelt werden, damit das komplette Unternehmen inklusive aller Mitarbeitenden gemeinsam die gleichen Ziele verfolgt, um für die Zukunft gerüstet zu sein.
Das „PIKON Reifegradmodell für Ihre Unternehmensplanung“ dient als erste Orientierung auf dem Weg zur data-driven Company. Es hilft Ihnen bei der Selbsteinschätzung, in welcher Phase der Unternehmensplanung sich Ihr Unternehmen befindet.
Autoren:
Genevieve Victor
Kevin Klesen
Tobias Haßdenteufel