DDDM ist ein Ansatz der Unternehmensführung, welcher das Finden der bestmöglichen Entscheidung unter Berücksichtigung aller zur Verfügung stehenden Daten in den Fokus stellt. Moderne Analysetools mit interaktiven Dashboards helfen, falsche Annahmen und Spekulationen zu überwinden und die zu den Unternehmenszielen am besten passenden Managemententscheidungen zu treffen.
Die Frage, um welche „Daten“ es dabei konkret geht, ist leicht zu beantworten: Alle Daten aus internen und externen Quellen, welche für die zu treffende Entscheidung relevant sind. Je nachdem wie gut ein Unternehmen in der Lage ist, diese Daten aus unterschiedlichsten Quellen zu erheben und so aufzubereiten, dass diese in die Entscheidungsprozesse einfließen können. Neben dem quantitativen Anspruch entscheidet die Qualität der Daten über Aufwand der nachgelagerten Analyse. Müssen Daten erst aufwendig manuell aufbereitet werden, bindet das oft schon viele Ressourcen, bevor es überhaupt zu einer Analyse kommen kann. Dieser Aufwand kann durch ein Tool reduziert werden, das in der Lage ist Daten zu bündeln, aufzubereiten und in unterschiedlichen Betrachtungsebenen (z.B. Unternehmen, Standort, Team, Mitarbeiter, etc.) nach einem individuell anpassbaren Rechte-/Rollen-Konzept grafisch ansprechend und überschaubar darzustellen.
Hat man das erkannt und möchte eine Änderung projektartig herbeiführen, muss zunächst eine klare Definition der zu erreichenden Ziele bereitstehen. Nur wenn die Anforderungen an die technische Lösung klar formuliert werden können, hat man gute Chancen ein passendes Tool zu finden, welches über Jahre im Einsatz bleiben kann. Dafür ist eine Bewertung der Bedürfnisse und künftigen Entwicklungen einzelner Abteilungen erforderlich. Durch gleiche oder ähnliche Anforderungen an das Datenmodell, ergeben sich vorteilhafte Synergien.
Während die Liste der Ziele endlos sein kann, sind der Zeitplan und das Budget für die Umsetzung immer begrenzt, daher ist es ratsam, Ziele schnell zu priorisieren und mit einem Minimum Viable Product zu starten. Dieses optimiert sich selbst in einem iterativen Prozess u.a. durch Erkenntnisse aus Anwenderfeedback und beugt so Fehlentwicklungen und damit verbundenen Mehraufwänden vor.
So wichtig wie eine klare Zielvorstellung ist auch der Rückhalt, den das Projekt im Unternehmen hat. Fehlt die nötige Unterstützung und mangelt es an Durchsetzungskraft, wird sich das Projekt schnell in eine Quelle von Frustration verwandeln. Die Beschränkung auf eine Abteilung führt zu Silos, während die Einbeziehung aller Mitarbeiter die Entscheidungsfindung behindert. Hier erweisen sich erfahrene Partner als nützlich, um multidisziplinäre Projekte unter Einbeziehung aller Beteiligten abzuwickeln und dabei die Umsetzungsfristen und Gesamtziele im Auge zu behalten.
Bei der Wahl des richtigen Tools ist es wichtig, ein Gleichgewicht zwischen Komplexität, Skalierbarkeit und Geschwindigkeit zu finden, denn die Anforderungen werden mit der zunehmenden Datenreife des Unternehmens immer anspruchsvoller. Es gibt keine richtige oder falsche Antwort auf die Frage, ob man eine Standardlösung kaufen oder ein Entwicklungsteam beauftragen sollte. Sind die Anforderungen aus der Zieldefinition gewachsen und in ein Lastenheft eingeflossen, kann mit einer Entscheidungsmatrix schnell eine Auswahl getroffen werden, welche auch zukünftigen Anforderungen gerecht werden kann.
Die Einführung und Akzeptanz eines Tools, welches zu einer Anpassung der Arbeitsweise in der gesamten Organisation führen soll, ist eine echte Herausforderung. Sie erfordert u.a. eine gute Koordination, einen starken Willen sowie eine organisierte Vorbereitung mit interner Kommunikation, Schulungen, Testsitzungen und einen strukturierten Freigabe-Prozess. Ganzheitliches Change-Management ist auch hier der Schlüssel zum Erfolg.
Die Kosten für die Entwicklung, den Aufbau und die Implementierung müssen langfristig betrachtet werden, da sich der Nutzen und die Anforderungen mit der Reife der Daten weiterentwickeln werden. Die Vorteile der Umstellung auf datengetriebene Entscheidungen reichen von schnellerer Berichterstattung und transparenterer Entscheidungsfindung bis hin zu besserer Kostenkontrolle und Ressourcenzuweisung. Dies kann die Agilität künftiger Geschäftsentscheidungen mittel- und langfristig erhöhen. Um Investitionen zu rechtfertigen, könnten diese genannten Punkte ausreichen. Die Berechnung darauf zu beschränken, wäre aber zu kurzsichtig, da die Kosten weiteren Faktoren unterliegen. Im Wesentlichen sind das die Kosten für das Bereitstellen von Daten (z.B. Schnittstellen anpassen/bauen), zum Speichern von Daten (z.B. Server oder Cloud-Infrastruktur und deren Wartung) und Ressourcen zum Verarbeiten der Daten, wozu sowohl die technische als auch die menschliche „Rechenleistung“ gehört, welche die Qualität und Quantität der Erkenntnisse maßgeblich beeinflusst. Der Aufbau des BI-Teams, durch gezieltes Recruiting oder Entwicklung vorhandener Ressourcen, sollte daher hoch priorisiert und sowohl zeitlich als auch finanziell angemessen bedacht werden.
Nur so stehen den Kosten auch die gewollten Einsparungen gegenüber.
Der disruptive Aspekt von datenbasierten Entscheidungen kann so überwältigend sein, dass Unternehmen Schwierigkeiten haben, ihn zu akzeptieren. Der Grund dafür liegt oft in risikoscheuen Führungskräften, die in der Disruption eine potenziell negative Auswirkung auf das Unternehmen sehen (wollen) und lieber dem nächsten Führungsteam überlassen, den Sprung zu wagen. Daher gehört man lieber zu den Unternehmen, die zeitgemäß handeln und Mitbewerbern den cleveren Einsatz von Technologie vorleben. Jeff Bezos beschrieb das Vorgehen sehr knapp und fügt einen Aspekt hinzu der auch nicht außer Acht gelassen werden sollte:
„Man sammelt so viele Daten wie möglich. Man vertieft sich in diese Daten, aber dann trifft man die Entscheidung mit seinem Herzen.“
Stefan Reissing – Consultant
junokai