Damit sich die Investitionen in Richtung eines Data-Driven Unternehmens lohnen, stehen viele CIOs und Data-Verantwortliche derzeit vor der Aufgabe, den Wertbeitrag von Data-Projekten zu zeigen. Die strategische Aufgabe ist, die Time-to-Value für Data-Projekte zu senken. Dabei gilt: Der Weg dorthin ist individuell und braucht eine starke Vision, die bei jeder Entscheidung die Richtung vorgibt.

Time-to-Value senken: Daten schnell nutzbar machen

Beim Umbau zu einer Data-Driven Organisation gibt es in vielen Unternehmen ein echtes Zeitparadox: Es braucht Zeit, Softwarelösungen individuell, d.h. abgestimmt auf die Ziele des Unternehmen, zu implementieren. Doch gerade Zeit ist Mangelware im Rennen um neue Geschäftsmodelle. Vom Cloud- und SaaS-Paradigma versprechen sich Verantwortliche eine Lösung für dieses Paradox. Das Ziel ist, die Time-to-Value als Zeit bis zur Wertgenerierung des Investments zu minimieren.

Diese Time-To-Value-Optimierung geschieht durch das Aufsetzen einer umgreifenden Data Governance und durch die Entwicklung einer Organisation in Richtung einer Data Centricity.

Data Centricity

Data Centricity ist ein bewährtes Konzept, um die Zeit zur Wertschöpfung architekturell minimieren: Es beschreibt den Zugang zu nahtlos integrierten konsolidierten Data Hubs als zentrale Daten-Provider.

Capabilities to accomplish top goals of Group Data Organization
Abbildung 1: Fähigkeiten zur Erreichung der wichtigsten Ziele der Group Data Organisation

Wie die Grafik zeigt, verbergen sich hinter Data Centricity viele weitere Konnotationen – das Schlagwort hat sozusagen viel „Gepäck“ und umfasst zum Beispiel auch diese Konzepte:

  • Verteilung und Zugriff von Daten, zum Beispiel mit Konzepten zur Datenföderalisierung und DATA MESH,
  • mit dem Aspekt, auf Daten zugreifen zu können,
  • und ein Employee Enablement, das auf DATA LITERACY zielt, und durch Change Management begleitet und auf Wirksamkeit überprüft wird.

Verbesserungen in diesen Dimensionen wirken sich direkt positiv auf die Time-to-Value von Data-Projekten aus.

Datenstrategie: Die Vision für das Unternehmen mit Leben füllen

Ein erster wichtiger Schritt für die Operationalisierung der Unternehmensstrategie in Richtung Data-Driven ist die Daten-Strategie. Sie legt die Richtlinie und setzt die Leitplanken im Umgang mit Daten und bereitet den Weg durch verbindliche Handlungsanweisungen, um die notwendigen Schritte zu einer Data-Driven-Organisation durchzuführen; allerdings werden in einer Datenstrategie keine operativen und technischen Umsetzungen durchgeführt – dieses Ziel ist beispielsweise Aufgabe des Data Management, für welches schlussendlich die Datenstrategie Auftraggeber ist.

Dabei gilt: Ohne Rückgriff auf die Gesamtstrategie des Unternehmens hat die Datenstrategie kein Ziel. Und ohne begleitende Veränderungen auf Organisationsebene kommt die Datenstrategie kaum über das virtuelle Papier hinaus, auf dem sie festgehalten ist.

Eine Datenstrategie zu implementieren, braucht eine hohe Motivation sowie viel Initiative und Durchhaltevermögen. Bei der aktuellen Reife vieler Organisationen müssen häufig zunächst Themen wie Datenkultur, Data Sponsorship und Data Governance weitergetrieben werden; sie zahlen auf die Umsetzung der Datenstrategie ein. Auf strategischer Ebene müssen genau die passenden Methoden und Werkzeuge identifiziert und implementiert werden, die die Organisation am effektivsten unterstützen. Von der Vision des Unternehmens werden die notwendigen Fähigkeiten für die Datenorganisation abgeleitet, denn erst mit ihnen ist die Umsetzung der Datenstrategie möglich. Gleichzeitig gibt es Anforderungen, die erfüllt werden müssen: etwa, dass die Integrität und Qualität von Datensätzen gewährleistet bleibt, dass gesetzliche Anforderungen erfüllt werden, oder dass alle im Unternehmen vorhandenen Daten nutzbar sind. Mit besserer Datenqualität können Prozesse optimiert werden, was sich insgesamt in einer Zeitersparnis zeigt. Mittelfristig wird so die Time-to-Value optimiert.

Prozessstandardisierung: Data Governance als Enabler für Data-Driven

Um die Time-to-Value für Maßnahmen zur Umsetzung der Datenstrategie zu verkürzen, sollten Implementierungsprojekte sich nicht rein auf die Konfiguration von Geschäftsprozessen oder das Datenmanagement konzentrieren. Um den potenziellen Nutzen von Daten zu verstehen, bringt es mehr, sich dem übergeordneten Ziel der Steigerung des Datenwerts zu widmen: der Anpassung von Daten-Governance-Prozessen.

Data Governance ist ein Enabler für die Implementierung einer Datenstrategie, da sie das Spannungsfelds zwischen Robustheit und Flexibilität der Architektur aufmacht. Und auf diesem Spielfeld bewegen sich viele Fragen, die bei einer Transformation anstehen, etwa die wachsende Datenvielfalt, die Hürden für einen ganzheitlichen Datenzugang, die Anzahl der digitalen Transaktionen oder schwer bewegliche Organisations- und Konzernstrukturen.

Data Governance hilft zudem bei einer höheren Datenqualität und stützt das Stammdatenmanagement, das eine Grundlage für innovatives datenunterstütztes Arbeiten ist. Dass hier noch Nachholbedarf besteht, zeigen die Projekte, mit denen viele Unternehmen derzeit ihr Stammdaten- und Datenqualitätsmanagement verbessern.

Übertragen der Strategie auf die Organisationsstruktur und die erforderlichen Fähigkeiten und Kapazitäten der Mitarbeiter
Abbildung 2: Übertragen der Strategie auf die Organisationsstruktur und die erforderlichen Fähigkeiten und Kapazitäten der Mitarbeiter

Vision kommunizieren: Employee Enablement

Ein wichtiger Unterstützer – wenn nicht gar eine wesentliche Voraussetzung für Data Governance – ist eine „Data-Driven Culture“. Ist sie eingeführt, treibt das die Data Governance auf Prozessebene und macht die Einhaltung der Governance-Leitlinien wahrscheinlicher.

Vorherrschende Herausforderung bei der Data-Governance-Anpassung ist der Kulturwandel im Hinblick auf die strategische und strukturelle Anpassung des Unternehmensökosystems. Das kann beispielsweise durch das Umstrukturieren von bestehenden Prozessen umgesetzt werden; also durch das Einpflegen einer unternehmensübergreifenden Prozessstandardisierung, die der neuen Strategie Rechnung trägt. Eine solches Unterfangen ist nur erfolgreich, wenn neue Prozesse genügend Befürworter finden.

um die Time-to-Value zu verkürzen; Nämlich dem sog. „Community Building“. Hier geht es darum, dass Executives initial Fürsprecher für das Projekt gewinnen, und Mitarbeiter mit einem Zielszenario begeistern. Das macht die Mitarbeitenden offener für anstehende Veränderungen und das Enablement. Beides sind wichtige Voraussetzungen für eine erfolgreiche Transformation, die sich teils massiv auf den Arbeitsalltag der Mitarbeitenden auswirken wird; konkret auf ihre Aufgaben und Prozesse, die sie ausführen, sowie ihre Arbeitsweise, und die Fähigkeiten, die sie benötigen. Wie effektiv Unternehmen ihre Mitarbeiter durch diesen Wandel führen, wird mitunter zum größten Faktor für nachhaltig erfolgreiche Ergebnisse.

CIO: Transformationstreiber, Enabler und Wertschöpfer

Der Umbau zu einer Data-Driven Organisation ist in vielen Unternehmen eins der Top-Management-Vorhaben. Dem CIO oder IT-Leiter kommt dabei eine strategisch besonders wichtige Rolle zu, da er (oder sie) für die operativen Grundlagen in Technologie und Infrastruktur sorgt. Häufig fällt ihm zudem die Rolle zu, wichtige Umstrukturierungen bei Prozessen anzustoßen, oder neue Fähigkeiten im Unternehmen aufzubauen. Nicht selten ist der zudem „Übersetzer“ und Enabler für die Management-Kollegen, mit dem Ziel: einzelne Maßnahmen in den großen Kontext der Unternehmensstrategie zu setzen.

Damit die Aufmerksamkeit hoch und das (neu-deutsch) „Buy-in“ seiner Management-Kollegen erhalten bleiben, stehen viele CIOs derzeit vor der Aufgabe, den Wertbeitrag von Data-Initiativen zu belegen und die Time-to-Value zu senken. Das wertet diese Rolle weiter auf, und richtet Initiativen im besten Fall sogar auf dieses übergeordnete Ziel aus: welche Maßnahmen führen am schnellsten dazu, dass Daten Wert erzeugen. Eine Operationalisierung dieses Wertbeitrags durch Daten sind Datenmarktplätze.

S/HANA Studie Banner

SAP S/4: Studie zur Transformation

Die Studie „Erwartungen an S/4HANA in 2022" von techconsult und CamelotITLab zeigt Stolpersteine der Migration und wie sie vermieden werden können. Mit Daten von 200 Unternehmen aus Deutschland.

Hier geht es zum Download

Empfohlene Artikel

Digital Supply Chain

Augmented Reality (AR) revolutioniert die Pharmaproduktion

Unter Augmented Reality (AR) versteht man die Integration digitaler Informationen in eine reale Umgebung, zum Beispiel durch Einblendung von zusätzlichen …

weiterlesen
Data & Analytics

Warum Value-Driven Data Quality Management für Unternehmen unerlässlich ist

Richtige Entscheidungen leben von den richtigen Informationen, und Unternehmen sind heute mehr als je zuvor auf belastbare Informationen aus ihren IT-Systemen …

weiterlesen
MDG

Die Integration von Stammdatenprozessen in Geschäftsprozesse: Bewährte Methoden

Unternehmensrichtlinien und eine dynamische Benutzeroberfläche sorgen dafür, dass die Daten auf Anhieb korrekt eingegeben werden und für die …

weiterlesen

Denken Sie Ihre Value Chain neu mit uns

Kontaktieren Sie uns