Da KI die globale Arbeitswelt verändert, wird die Fähigkeit der Datenkompetenz in Zukunft sehr gefragt sein. So geben 79 % der Unternehmen an, dass Daten in den nächsten zwölf Monaten für die Entscheidungsfindung ihres Unternehmens immer wichtiger werden.¹ Aber was genau versteht man unter Datenkompetenz?
Gartner® definiert Datenkompetenz als die Fähigkeit, Daten im Kontext zu lesen, zu schreiben und zu kommunizieren, einschließlich des Verständnisses von Datenquellen und -strukturen, angewandten Analysemethoden und -techniken sowie der Fähigkeit, den Anwendungsfall und den daraus resultierenden Wert zu beschreiben.²
Warum sind diese Kompetenzen wichtig? Damit ein Unternehmen mit KI-gestützten, datengesteuerten Entscheidungen geführt werden kann, müssen alle Beschäftigten über ein gewisses Maß Datenkompetenz verfügen, nicht nur die Data Scientists. Ganz gleich, ob jemand erst ganz am Anfang seiner Karriere steht oder in der Chefetage sitzt: Die Fähigkeit, Daten zu verstehen, zu interpretieren und sie für die Kommunikation zu nutzen, ist eine wichtige Kompetenz für alle Mitarbeiter.
Schaffen Sie eine Umgebung, in der Ihre Teams die entsprechenden Schulungen erhalten, damit sie verstehen, wie Daten sie bei ihren täglichen Aufgaben unterstützen können. Dadurch lernen sie, wie sie besser Erkenntnisse aus Daten gewinnen und diese anwenden können. Infolgedessen werden diese Teams sich mehr datenintegrierte Workflows wünschen. Mit der Zeit wird dadurch das Vertrauen gestärkt und Ihre Mitarbeiter sind dann eher bereit, Entscheidungen an künstliche Intelligenz zu delegieren, weil sie die zugrundeliegenden Daten verstehen, die die KI-Empfehlungen beeinflusst haben.
Lernen Sie Watsonx kennen
Für KI-Updates anmelden
Wie geht man das Thema der Datenkompetenz richtig an?
1. Den Datenzugriff im gesamten Unternehmen demokratisieren
Viele Menschen denken, dass Schulungsprogramme für Data Science der erste Schritt auf dem Weg zu einem datengesteuerten Unternehmen sind. Aber das stimmt so nicht, denn im Grunde müssen die Daten erst einmal zugänglich gemacht werden. Denken Sie beispielsweise an ein Call-Center-System. Die meiste Zeit sind diese Daten quasi in der Anwendung „eingeschlossen“, das heißt sie sind für den Rest des Unternehmens nicht zugänglich. Wenn man die Daten allerdings (mit dem Einverständnis des Kunden) anderen Abteilungen zur Verfügung stellen würde, könnten die Analysen von Call-Center-Daten für die Aus- und Weiterbildung, die Verbesserung der Gesamteffizienz und die Optimierung der Kommunikation in diesem Teil des Unternehmens genutzt werden.
„Manchmal muss man den Menschen erst aufzeigen, wie wertvoll die verschiedenen Arten von Erkenntnissen sein können, vor allem im großen Maßstab und außerhalb der einzelnen Fachgebiete und Bereiche“, erklärt Tim Humphrey, Chief Analytics Officer bei IBM. Durch den Aufbau eines zentralen Repositorys, z. B. einer Data Fabric, können Mitarbeiter in Ihrem Unternehmen Daten problemlos speichern und darauf zugreifen. Das vereinfacht den Datenzugriff und öffnet die Tür für Technologien wie Datenanalyse und KI, um Workflows zu optimieren.
Um den Datenzugang zu demokratisieren, implementierte das GCDO bei IBM eine einheitliche Datenplattform, die eine zentrale Quelle für verwaltete Daten bietet und es den Benutzern ermöglicht, Daten zu importieren, umzuwandeln und zu analysieren. Seit ihrer Einführung hat die Plattform die Geschäftsergebnisse des GCDO schnell verbessert. In rund 18 Monaten erzielte das GCDO geschäftliche Vorteile im Wert von 1,3 Milliarden US-Dollar und eine Verzehnfachung des ROI aus Initiativen zur Daten- und KI-basierten Transformation.
Das IBM GCDO konnte seinen ROI mit Initiativen zur Daten- und KI-basierten Transformation verzehnfachen.
Implementieren Sie eine Architektur, die einen schnellen und einfachen Zugriff auf Daten in einem verteilten Datenbestand ermöglicht.
Bereinigen Sie vorhandene Daten sorgfältig und achten Sie auf Datenschutz, Sicherheit und Compliance, wenn Sie Datensätze kombinieren, um sicherzustellen, dass die Daten sinnvoll sind.
Prüfen Sie die relevanten Datenzugriffsrechte, Lizenzen und Freigabeberechtigungen, wenn Sie Daten aus verschiedenen Quellen, Ökosystemen und Silos integrieren, damit die Erkenntnisse nicht auf einer funktionalen Ebene festhängen, sondern unternehmensweit skaliert werden können.
2. Klare und transparente Organisation von Informationen
Sobald Sie eine Plattform für den verwalteten Datenzugriff eingerichtet haben, müssen Sie den Entscheidungsträgern helfen zu verstehen, wie sich die Daten durch die Pipeline bewegen. Deshalb sollten Sie den Wert, die Herkunft und die Qualität der Daten klar und deutlich vermitteln. Achten Sie darauf, dass Sie dabei jede Kompetenzstufe ansprechen. Das ist der schnellste Weg, um sowohl technisch versierten als auch technisch nicht versierten Nutzern den Zugang zu Daten zu ermöglichen und das Vertrauen in KI-Initiativen zu stärken (es gibt schließlich wirklich Menschen, die Angst vor Technik haben, man spricht auch von „Technophobie“). Wenn Daten auf transparente und erklärbare Weise organisiert sind, können die Menschen die Daten vor und nach der Anwendung von KI leichter verstehen.
Zwar muss nicht jeder über das Wissen eines Data Scientists verfügen, aber es sollte zumindest jeder ein Verständnis der Daten, ihrer Herkunft und ihrer Bewegung innerhalb der kompletten Prozesse haben – und nicht nur für einen Teil eines Prozesses. Um dieses Verständnis zu erlangen, müssen Sie ein paar wichtige Fragen stellen.
- Aus welcher Quelle stammen die Daten? Ist die Quelle vertrauenswürdig?
- Auf welche Metadaten, Regeln und Compliance-Richtlinien stützen sie sich?
- Welche Bedeutung haben die von diesem Algorithmus generierten Daten für die vorgesehenen Nutzer?
- Wie kann ich den geschäftlichen Nutzen dieser Daten erklären, um bessere Geschäftsergebnisse zu erzielen?
Ihre Teams sollten in der Lage sein, nach Daten zu suchen, Zugriff auf alle Daten zu erhalten, auf die sie zugreifen sollen, und diese dann in Geschäftsanwendungen zu nutzen.
Verwenden Sie Metadaten und standardisieren Sie die Definitionen und die Terminologie, die mit den Daten verbunden sind, in allen Geschäftsbereichen.
Finden Sie KPIs, die zeigen, wie Datenkompetenz zum Erreichen der Geschäftsziele beiträgt. Sammeln Sie aussagekräftige Erkenntnisse, überwachen Sie die Datennutzung und testen und optimieren Sie jeweils nur einige wenige Initiativen.
Helfen Sie den Teams, die Datenherkunft zu verfolgen und zu verstehen und stellen Sie sicher, dass dies im gesamten Unternehmen einheitlich geschieht.
3. Datenanwender schulen, um Daten verantwortungsvoll zu nutzen und zu analysieren und Daten mithilfe von KI in Maßnahmen umzusetzen
Mit Schulungen zur Datenkompetenz lernen Ihre Mitarbeiter, wie sie Daten lesen, entschlüsseln und für eine bessere Entscheidungsfindung nutzen können (insbesondere, wenn sie auf einem Modell basieren). Aber Teams können Daten damit auch als Wettbewerbsvorteil nutzen. Um das Gelernte anzuwenden und Daten mit Geschäftsergebnissen zu verknüpfen, müssen Ihre Teams die ihnen zur Verfügung stehenden Datentools gut verstehen und wissen, wie sie zur Erreichung ihrer Ziele eingesetzt werden können. Letztlich brauchen Sie Experten, die Daten und KI verständlich machen können, indem sie die Bedeutung von Daten für die Anwender herausstellen. Ein Programm für Datenkompetenz ist dann erfolgreich, wenn Ihre Teams die Daten in fesselnde, visuelle Storys verpacken, die den Menschen im Gedächtnis bleiben, und Daten in umsetzbares Wissen und konkrete Geschäftsergebnisse verwandeln können.
Johnson & Johnson unterstützt seine Mitarbeiter mit Schulungen zur optimalen Nutzung fortschrittlicher und neuer Technologien, einschließlich KI. „In Zusammenarbeit mit IBM haben wir ein KI-gestütztes Modell zur Ermittlung von Fähigkeiten für die Technologiefunktion entwickelt, das anonymisierte externe Daten mit Kompetenzdaten aus unseren internen Datensätzen kombiniert“, sagt Jim Swanson, Chief Information Officer bei Johnson & Johnson.
„Wir konnten die Daten zu den Fähigkeiten der Mitarbeiter, die in den von meiner IT-Organisation verwendeten Tools enthalten sind, in das Modell einspeisen. Die KI war dann in der Lage, den Kenntnisstand eines jeden Mitarbeiters in jeder der Fähigkeiten zu bestimmen, die wir hervorheben wollten, um einen umfassenden Überblick über die individuellen Stärken und Schwächen zu erhalten“, sagt Swanson.
Wie Johnson und Johnson können Unternehmen Datenkompetenz aufbauen, indem sie mit einer stark vernetzten Geschäftsstrategie auf der Ebene der Führungskräfte beginnen und diese auf die verschiedenen Bereiche der Stakeholder übertragen.
„Wenn Stakeholder sich darüber beschweren, dass ihre Datenbemühungen ‚gescheitert’ sind oder nicht das gewünschte Resultat gebracht haben, liegt das oft daran, dass die Strategie der Geschäftsleitung nicht klar definiert ist und die Datenkompetenz der Stakeholder nicht über alle Bereiche und das Team hinweg abgestimmt ist“, sagt Jennifer Kirkwood, Partner, Global Head of Talent Data, IBM Consulting.
Stellen Sie sicher, dass Fachleute auf allen Ebenen des Unternehmens die Techniken der Datenvisualisierung und des Storytellings anwenden können, die für ihre strategischen Geschäftsziele am besten geeignet sind, und verankern Sie diese Schulung in einem Programm zur Steigerung der Kommunikationsfähigkeit.
Stellen Sie sicher, dass Ihre Schulungsprogramme die realen Bedürfnisse der verschiedenen Rollen widerspiegeln und die Daten mit dem täglichen Wert für die Stakeholder verknüpfen.
Stellen Sie Mitarbeiter mit technischen Zertifizierungen oder P-TECH-Abschlüssen ein, um Qualifikationslücken zu schließen. Verwenden Sie Dashboards, die Metriken und KPIs definieren, um zu verfolgen, wie sich Ihr Unternehmen im Hinblick auf eine stärkere Datenorientierung weiterentwickelt.
4. Empathische Unternehmensführung zur Förderung von Datenchampions
Neugier ist das Herzstück für datengesteuerte Entscheidungsfindung und den Aufbau einer Kultur der Datenkompetenz. Mitarbeiter und Führungskräfte, die sich mit Daten auskennen, fragen immer nach dem „Warum“ und nehmen nie etwas für bare Münze. Diese Einstellung ist entscheidend, um sicherzustellen, dass die von der KI ausgegebenen Empfehlungen auch weiterhin genau den Bedürfnissen Ihres Unternehmens entsprechen.
Ihre Aufgabe ist es, gut zuzuhören und gemeinsam mit Ihren Teams – je nach Rolle der einzelnen Mitglieder – herauszufinden, welche Datenkompetenzen dem Unternehmen Ergebnisse liefern können. Anhand dieser Informationen erstellen Sie dann einen Trainingsplan.
Diese Datenfürsprecher sind innerhalb von IBM in dem Sinne voll befugt, dass sie, wenn sie eine gleichgesinnte Gruppe z. B. in der Debitorenbuchhaltung oder der Lieferkette finden und mit Daten und KI-Fähigkeiten vorankommen wollen, dies tun können, ohne um Erlaubnis oder Finanzierung bitten zu müssen. Wenn Sie sicherstellen, dass die Mitarbeiter verstehen, wie Daten im gesamten Unternehmen funktionieren und wo KI in das Ganze passt, bauen Sie eine Kultur der Datenverantwortung auf. Dies führt letztlich zu einem Netzwerk von Datenchampions in Ihrem Unternehmen, sodass Datenkompetenz Teil eines positiven Lernzyklus wird.
Verfolgen Sie einen Ansatz, bei dem der Anwendungsfall im Vordergrund steht, um den Wert der Datenkompetenz für die Führungskräfte in allen Bereichen des Unternehmens zu unterstreichen und die Zustimmung der leitenden Stakeholder zu gewinnen.
Regen Sie zu offenen Gesprächen auf allen Ebenen an und beziehen Sie unterschiedliche Perspektiven ein, um bessere Ergebnisse zu erzielen. Erklären Sie immer wieder, welchen Wert die Daten für das Unternehmen haben.
Seien Sie ein Vorbild für ideales Verhalten, z. B. dass man Daten nicht für bare Münze nehmen und Teams zu Erkenntnissen, die Fragen aufwerfen, herausfordern sollte. Ermutigen Sie die Teams, sich innerhalb und außerhalb des Unternehmens zu vernetzen, damit unterschiedliche Perspektiven in allen Aspekten der Arbeit vertreten sind.
Da Daten und künstliche Intelligenz in jedem Aspekt der Unternehmensführung eine zentrale Rolle spielen, ist Datenkompetenz eine Grundvoraussetzung für den Aufbau einer datengesteuerten Kultur. Als Datenverantwortlicher in Ihrem Unternehmen fördern Sie den Wandel und unterstützen größere Unternehmensziele, indem Sie eine gemeinsame Sprache einführen, die auf Daten basiert. Das mag vielleicht eine Herausforderung sein, aber diese ambitionierten Ideen füllen eine dringend benötigte Lücke, und die Investition ist es wert. Die Zukunft Ihres Unternehmens hängt nämlich davon ab.
Hören Sie jetzt nicht auf. Fördern Sie weiterhin die Entwicklung der richtigen Datenkompetenzen auf der Grundlage Ihrer Geschäftsziele und etablieren Sie sich als Teamkollege in der Chefetage und in der gesamten Belegschaft. „Um wirklich datenkompetent zu sein, sollte diese Denkweise in allen Rollen zu finden sein und nicht nur in den unteren, oberen oder mittleren Positionen“, so Humphrey. Mit anderen Worten: Datenkompetenz ist eine zyklische Aufgabe für jede Ebene des Unternehmens.
Denken Sie vor allem daran, dass Sie ein Vorbild sind. Als Datenverantwortlicher gehen Sie mit gutem Beispiel voran und sorgen dafür, dass sich Ihre Teams wohlfühlen, wenn sie über Daten sprechen und mithilfe von Daten bessere Geschäftsergebnisse erzielen. Mit Ihrem Engagement und Ihrer Datenkompetenz setzen Sie Datenerkenntnisse in die Tat um und legen den Grundstein für eine Kultur der Datenchampions und datengesteuerten Entscheidungsfindung für die kommenden Jahre.
Fußnoten
¹ „Voice of the Enterprise: Data & Analytics, Data-Driven Practices“, 451 Research, 2022
² „How to Create a Balanced Data and Analytics Organizational Model“, Gartner, 10. Mai 2022. GARTNER ist eine eingetragene Marke und Servicemarke der Gartner, Inc. und/oder ihrer verbundenen Unternehmen in den USA und anderen Ländern und wird hier mit Genehmigung verwendet. Alle Rechte vorbehalten.
³ „2023 Chief Data Officer Study: Turning data into value“, IBM Institute for Business Value, 2023
⁴ „Voice of the Enterprise: Data & Analytics, Data-Driven Practices“, 451 Research, 2022
⁵ „Voice of the Enterprise: Data & Analytics, Data Management and Analytics“, 451 Research, 2021