Von Daten zu Insights
Um effektiveres Marketing zu machen, die Customer Experience zu verbessern oder auch den Erfolg neuer Produkte und Services zu messen, werden in den meisten Unternehmen riesige Mengen an Daten erhoben. Am Ende stehen alle vor der gleichen Herausforderung: Was sollen wir mit den Daten anfangen? 4 Dinge über die man nachdenken sollte, bevor man einen Data Scientist anruft.
Daten an sich machen nicht schlau. Sie sind lediglich ein Medium, um Informationen zu speichern und zu verarbeiten.
Im Rahmen der Entwicklung eines datenbasierten Analyse Tools, sprach ich kürzlich mit einem IT Kollegen. Er erzählte mir von einem befreundeten Data Scientist und dessen aktuellen Projekten. Der interessante Insight: Der Freund wird von diversen Unternehmen als Data Scientist engagiert, macht aber eigentlich einen Beratungsjob. Warum? Weil in den Unternehmen nicht die Daten vorhanden sind, die es bräuchte, um etwas sinnvoll zu analysieren, weil die Kunden nicht wissen, was sie herausfinden wollen und weil die vorhandenen Daten nicht so aufbereitet sind, dass man damit eines der teuren, alles könnenden Tools auf dem Markt füttern könnte.
Um Wissen aus Daten zu ziehen, ist es wichtig zu verstehen, welche Informationen in den Datensätzen stecken und wie wir relevante Dinge aus Big Data herauslesen.
1. Leitfragen als Navigationshilfe nutzen
Im nächsten Schritt macht es Sinn sich zu überlegen, welche Daten einem dabei helfen, die Fragen zu beantworten. Es geht nicht darum zu erfassen, welche Daten bereits existieren, sondern darum, welche Daten zwingend benötigt werden. Perfektionismus ist hier unangebracht. Mut zu Wissenslücken zahlt sich hingegen aus. Niemand wird es schaffen alles zu überblicken, auch, weil sich in komplexen Zusammenhängen ständig etwas verändert.
2. Wenig Wissen ist besser als gar keins
Es sollte geprüft werden, welche Datensätze genutzt werden können und wo gegebenenfalls nachgebessert werden muss. Dabei werden sich schnell Schwachstellen zeigen und Hürden auftun. Das können Kleinigkeiten sein, wie ein vergessener Zeitstempel bei der Datenerfassung. Oder aber auch größere Probleme, wie komplett fehlende Datensätze, nicht vorhandene Schnittstellen, fehlende Ziele und KPIs oder Silodenken im Unternehmen.
Beschleunigen lässt sich dieser Prozess zum Beispiel durch interaktive Workshop-Formate mit allen wichtigen Stakeholdern, bei denen die relevanten Abteilungen frühzeitig ins Boot geholt werden.
Können Hindernisse nicht aus dem Weg geräumt werden, sollte man sie umgehen, um zügig ans Ziel zu kommen. Zu Beginn reicht es mit den vorhandenen Daten zu arbeiten und einfach loszulegen. Im Rahmen eines iterativen Vorgehens kann ständig nachgebessert und erweitert werden.
3. Durchblick durch Visualisierung gewinnen
Der Blick auf Zahlen ist für die meisten Betrachter wenig erhellend. Meine Empfehlung: Visualisiert eure Daten. Nutzt eine Dashboard-Logik und setzt Zahlen in Bilder um. So werden auch komplexe Zusammenhänge leichter verdaulich.
4. Wenn man nicht segeln kann, einfach rudern
Natürlich kann man Daten auf einheitliche Skalen bringen, man kann rechnen und zusammenfassen, Dinge in Bezug setzen, Differenzen ermitteln, aber: man muss nicht.
Oft ist die Daten Analyse mit viel Aufwand und Vorarbeit verbunden. Wir halten es mit dem Seglerspruch: „Wo man nicht segeln kann, muss man rudern“. Auch mit einfachen Lösungen kommt man dem Ziel näher.
Eine gute Möglichkeit, Actionable Insights zu generieren, ist es, relevante Daten sinnvoll zu kontextualisieren. Das Gruppieren von Datensätzen in Kombination mit Visualisierungen hat sich als effektive Methode herausgestellt.
Statt zu versuchen, ihre riesigen Daten-Ökosysteme ans Laufen zu bringen, tun viele Unternehmen gut daran, mit Pragmatismus, gesundem Menschenverstand und einem frischen Blick von außen schnelle, gute (nicht perfekte) Lösungen zu finden und umzusetzen.