Datengesteuertes Unternehmen

Wie einige Unternehmen die Datenanalyse in den Mittelpunkt einer jeden Entscheidung stellen.

Es kommt nicht darauf an, wie viel Daten Sie erfassen, solange Ihre Organisation nicht über die Fähigkeiten – und den Willen – verfügt, sie zu nutzen. Hier stellen wir einige bei der Arbeit mit Hunderten von Unternehmen herausgefundenen Erfolgsmethoden für eine Kultur vor, die Analyseprojekte wirklich rentabel machen kann.

Wie viele Unternehmen hat der Energieriese Chevron manchmal Probleme, fähige Datenwissenschaftler zu finden. Deshalb veranstaltete das Unternehmen im letzten Jahr einen Wettbewerb zu Problemlösungen, um unter seinen mehr als 64 000 Beschäftigten potenzielle Analytiker zu finden.

Chevron bewarb den Wettbewerb bei rund 350 Mitarbeitern, die Interesse an Datenanalyse bekundet hatten. Zur Einführung wurde eine Telekonferenz abgehalten, um den Wettbewerb zu erläutern, bei dem die Teilnehmer aufgefordert wurden, Dinge vorauszusagen wie den Ertrag eines Ölvorkommens oder den Ölpreis zu einem bestimmten Zeitpunkt.

Zu den Gewinnern des Wettbewerbs, der seither jährlich stattfindet, gehörte eine Frau, die einen Statistik-Background hat, aber in einer Position für das Lieferantenmanagement tätig war. Sie sei inzwischen zu einem „Analyse-Rockstar“ geworden, sagt Margery Connor, Leiter des Center of Excellence for Advanced Analytics von Chevron. „Ohne diesen Wettbewerb hätten wir sie möglicherweise nie gefunden.“

Im Lauf der Jahre hat sich die in San Ramon, Kalifornien, beheimatete Firma Chevron in ein datenorientiertes Unternehmen verwandelt, das Datenanalyse und Operations Research innerhalb der gesamten Organisation zur Priorität erklärt hat.

„Datengesteuert bedeutet, dass Schlussfolgerungen anhand von Fakten und Tatsachen gezogen werden“,

Kirk Borne, Chef-Data Scientist bei Booz-Allen Hamilton

Die meisten Leute bekommen bei ihren täglichen Aufgaben eine Menge Daten in die Hand.

Margery Connor, Leiterin des „Center of Excellence for Advanced Analytics“ bei Chevron

Um leichter feststellen zu können, ob jemand diesem Bild entspricht, befürwortet Alexis Fink „ein Modell der Portfolio-Überprüfung zur Beurteilung der Problemlösungsfähigkeiten in der Datenanalyse“. So kann sie zum Beispiel, indem sie ein Projekt durchgeht, bei dem der Kandidat den Verlauf geändert hat, seinen Ansatz bei der Verwendung von Informationstechnik zur Lösung von Problemen beurteilen.

„Man kann ihr Urteilsvermögen abschätzen“ und ihre Eignung für eine bestimmte Position, so Alexis Fink. „Ob sie zum Beispiel eine statistische Analyse verwendet haben, um zu sehen, ob sich ein Muster gebildet hat, das die Änderung rechtfertigte.“ Die weitere Durchsicht der Arbeitsproben des Kandidaten hilft ihr, „die Qualität ihres Programmcodes festzustellen und die Eignung der statistischen Analyse, die sie durchführen“.

Borne empfiehlt, nach Personen zu suchen, die sich verpflichtet sehen, ein Leben lang zu lernen und die ihre Fähigkeit gezeigt haben, Veränderungen zu akzeptieren. Diese Eigenschaften scheinen eine hervorragende Voraussetzung für die Arbeit an datengestützten Projekten zu sein.

Bei Booz-Allen Hamilton, sagt er, „haben wir interne Schulungen für Mitarbeiter, die Datenwissenschaftler werden oder Kenntnisse der Datenanalyse erlernen möchten. Der Kurs dauert fast ein Jahr lang eine Stunde pro Woche. Um sich zu qualifizieren, müssen die Mitarbeiter einen Mathematik- und Programmiertest bestehen.“

Aufbau einer datengesteuerten Kultur

Eine auf Daten gestützte Unternehmenskultur honoriert Datensammler aus allen Bereichen der Organisation. Sie wird von Führungskräften geleitet, die wissen möchten, welche Empfehlungen aus den Daten hervorgehen, die eine Struktur für die Entscheidungsfindung entwickeln, welche eine Datenanalyse beinhaltet und die ihre Planung auf diese Analyse gründen.

Dieses Ziel zu erreichen, mag sehr aufwendig erscheinen, größtenteils handelt es sich aber nur um eine Formalisierung allgemeiner Verhaltensweisen.

Chevron stellt zum Beispiel ein Schulungsprogramm vor, bei dem Mitarbeiter aus den Fachabteilungen mit realen Daten und tatsächlichen Problemstellungen konfrontiert werden.

„Die meisten sehen bei ihrer alltäglichen Arbeit eine Menge Daten“, sagt Margery Connor. „Das sind die Daten, mit denen sie [im Schulungsprogramm] arbeiten sollen.“

Chevron bringt die Schulungsteilnehmer mit Analytikern zusammen, die Algorithmen verwenden, um Antworten zu liefern. Dieses praxisbezogene Schulungskonzept verstärkt die Fähigkeit der Angestellten, geschäftliche Problemstellungen zu formulieren und zu erkennen, wie die Daten bei der Lösung helfen können.

Im Lauf der Zeit kann ein Unternehmen diesen Prozess weiter formalisieren.

Neben anderen Richtlinien im Zusammenhang mit Daten hat Chevron unternehmensweit verfügt, dass bei jedem Projektvorhaben über einer bestimmten Dollargrenze spezifische Analysetypen eingesetzt werden müssen.

„Man muss nachweisen, dass man in den Daten oder wirtschaftlichen Annahmen Unsicherheiten berücksichtigt hat“, sagt Amy Absher, General Manager of Strategy Planning, Service and Control bei Chevron. „Die Finanzierung hängt von diesem Einblick ab.“

Für Großprojekte bei Chevron, so Margery Connor, „kommt eine unabhängige Gruppe von Vertretern aus der ganzen Firma zusammen und sieht sich die Entscheidungen, die wir treffen, an. Dabei werden die von uns berücksichtigten Alternativen und mit dem Projekt einhergehende Unabwägbarkeiten einbezogen, um festzustellen, ob wir vor dem weiteren Vorgehen eine umfassende Bewertung vorgenommen haben.“

Chevron führt außerdem eine formelle Projektprüfung durch, um die Voraussagen mit den Ergebnissen zu vergleichen.

„Die Tatsache, dass die Unternehmensleitung diese Analysearbeit erwartet und diese Fragen stellt, charakterisiert die Erwartungshaltung und den Stil überall bei Chevron“, so Amy Absher.

Heute arbeiten die meisten Unternehmen daran, nach und nach eine Datenkultur zu entwickeln, bemerkt Borne. Denen, die noch ganz am Anfang stehen, empfiehlt er, einfach ein Analyseprojekt ausfindig zu machen, bei dem gute Aussichten auf Erfolg bestehen.

So entschied sich ein von Borne beratener Finanzdienstleister zum Beispiel, seine Web-Analyse-Protokolle nach Anhaltspunkten zu durchsuchen, ob sich Kunden den Wechsel zu einem Mitbewerber überlegten.

„Sie fanden Indikatoren in den Daten“, erinnert sich Borne, bei denen es um „eine Vielzahl von Preisvergleichen ging. Sie verfassten eine sehr freundliche ‚Kundendienst‘-Reaktion, mit der sie Kunden einluden, sich einige der neuen Produkte oder Angebote der Firma anzusehen oder anboten, Fragen zu beantworten.“ Nach einem Vierteljahr „schätzten sie, dass sie der Firma mehr als 100 Millionen USD an potenziell verlorenen Kunden erspart hatten“.

Kleinere Unternehmen können ebensolche Auswirkungen verzeichnen, mit entsprechend geringeren Beträgen. Und nachdem die Analyseprojekte einen Nutzen liefern, können die Datenkultur und die Prozesse für die Unterstützung umfangreicherer Datenarbeit Schritt für Schritt weiter ausgebaut werden.

„Daten erfolgreich nutzen“ herunterladen


Newsletter

Lassen Sie sich unsere beliebten Planungsleitfäden und Erkenntnisse direkt an Ihr Postfach liefern.

Jetzt anfordern