Data Science: Herausforderung für alle C-Level-Manager

Warum nicht nur CIOs und CTOs, sondern alle C-Level Manager eines Unternehmens Daten verstehen sollten. Und warum es bei Big Data vor allem darum geht, die richtigen Fragen zu stellen.

Thema: Executive Education
Data Science: Herausforderung für alle C-Level-Manager

Bauchgefühl und Instinkt waren gestern, was heute zählt, ist Big Data: Daten sind die neue harte Währung der Zukunft, die über Erfolg im Business entscheidet, denn kaum ein Business wird ohne Digitalisierung überleben. Und wo Digitalisierung ist, da gibt es auch digitale Daten.

Wie man aber Daten richtig nutzt und jene identifiziert, die wirklich den Vorsprung bedeuten – darüber ist das Know-how in vielen Unternehmen noch immer recht überschaubar gesät.

Interdisziplinäres Daten-Knowhow als roter Faden im Unternehmen

Das Wissen um Daten und ihren Einsatz ist längst nicht mehr nur eine Angelegenheit von Datenexperten und Data Scientists in den IT-Abteilungen. Top-Führungskräfte müssen ebenfalls einordnen können, wie Daten gewonnen und ausgewertet werden, und wann welche Datenerhebungen überhaupt Sinn machen: „Digitale Grundfertigkeiten sind für alle Bereiche entscheidend. Ein umfassendes Datenwissen muss sich von oben nach unten durch das Unternehmen ziehen“, betont Axel Polleres, Chef des Departments Information Systems & Operations Management und des Instituts für Daten-, Prozess- und Knowledge-Management an der WU Wien.

An der WU Executive Academy, wo die Post-Graduate- und MBA-Lehrgänge der WU Wien durchgeführt werden, ist Polleres auch wissenschaftlicher Leiter des Professional MBA Digital Transformation & Data Science. Harald Trautsch, CEO von Dolphin Technologies und Absolvent des Global Executive MBA der WU Executive Academy, hält im Rahmen dieses MBA-Programms eine „Industry Keynote“ für Data Science. Darin erfahren die Teilnehmer, wie Unternehmen in der Praxis mit Daten umgehen und diese einsetzen.

Von gutem Manager zu saugutem?
Leadership for Transformation –
Ihre Mailserie zum Erfolg. Holen Sie sich jetzt für kurze Zeit die kostenlosen Inhalte zum Thema: Konfliktmanagement.
Jetzt entdecken
 

Für Trautsch hat Data Science auch eine interdisziplinäre Funktion, um andere Bereiche besser zu verstehen: „Data Science ist ein gutes Instrument, um wissenstechnische Breite zu schaffen und nicht nur im eigenen Scheuklappen-Silo zu bleiben.“ Daten zu sammeln und auswerten zu können reiche nicht: „Datenauswertungen sind nur so gut wie die Fragen, die gestellt werden. Deshalb erhalten verschiedene Menschen auch unterschiedliche Informationen aus den erhobenen Datensets, weil sie eben andere Fragen stellen“.


Entscheidendes Datenverständnis auf C-Level Ebene

Jede Führungskraft und jeder Entscheider in einem Unternehmen – vor allem aber das Top-Management - benötigt daher ein umfangreiches Datenverständnis – mit unterschiedlichen Implikationen und Schwerpunkten.

1. CEO: Daten als Entscheidungshilfe

Gerade für CEOs sind Daten mitunter wesentlich, um gute Entscheidungen treffen zu können. "CEOs sollten sich das berühmte Bauchgefühl und den Entrepreneurial Spirit für Dinge aufheben, zu denen Datenerhebungen nicht möglich sind. In allen anderen Situationen brauchen sie die richtigen Informationen aus vorhandenen Datenquellen, um gute Entscheidungen zu treffen. Die richtigen Kennzahlen und KPIs können mit entsprechender Analyse und Auswertung unternehmerische Entscheidungen deutlich verbessern", betont Trautsch.

Entsprechend groß ist auch oft die Erwartungshaltung an Data Science. „Hier geht es darum, wie ich Algorithmen und Künstliche Intelligenz anwenden kann, um das Maximum aus den Daten herauszuholen“, weiß Polleres: "Man muss sich aber die Frage stellen, wozu genau man Daten braucht. Wenn man Daten sammelt nur um sie zu haben, ist das nicht zweckmäßig und auch nicht effizient.“ Unternehmen müssen daher Daten systematischer erheben, um ihre Fragen zielgerichtet beantworten zu können.

2. CIO und CTO: Datensicherheit stärken

CIOs und CTOs sitzen bei Daten sozusagen an der Quelle und haben ihre n Rollen und Funktionen entsprechend auch ein ausgeprägtes Wissen um Big Data, Datenerhebungen und -analysen und das sinnvolle Zusammenführen von Daten aus verschiedenen Systemen.

Eine fast noch wichtigere Rolle sieht Polleres allerdings für CIOs und CTOs im Bereich der Data Governance: „Der CIO/CTO muss für ein gelebtes Grundverständnis zum Thema Datensicherheit im gesamten Unternehmen sorgen – und das über alle Ebenen hinweg.“

3. CFO: Finanzplanung verbessern

Der CFO wiederum ist dafür verantwortlich, die richtigen Finanzdaten erheben und auswerten zu lassen. Dabei ist aber nicht nur der retrospektive Blick auf Umsätze, Kosten und Erträge relevant.

Entscheidend für CFOs ist, die bisher gewonnenen Daten für die strategische Finanzplanung zu nutzen. Dazu gehört auch, die Daten genau zu prüfen und zu hinterfragen. Trautsch: „Bei jeder Entscheidung, in jedem Businessplan geht es darum, die dahinterliegenden Daten zu verstehen. Warum sollten wir X Millionen Euro in das Projekt B investieren? Sind die Informationen und die dahinterliegenden Daten überhaupt valide?“

„Vielen Unternehmen ist darüber hinaus auch der monetäre Wert von Daten nicht bewusst“, gibt Axel Polleres zu bedenken. „Daten können Kosten verursachen oder zum hohen finanziellen Risiko werden – wenn etwa sensitive Kundendaten in die falschen Hände geraten, oder wenn die schlechte Datenqualität in Analyseprozessen falsche Ergebnisse produziert. IT-Infrastrukturen sind oft vulnerabel bei Cyberangriffen: hier stellt sich die Frage, ob es besser ist, die Daten auf eigenen Servern zu verwalten oder in einer Cloud zu speichern“, so Polleres.

4. COO: Prozesse optimieren

„Gerade, wenn es um operational Tasks geht, sind Daten unverzichtbar“, sagt Axel Polleres: „Der COO darf hier durchaus ein bisschen Kreativität an den Tag legen, um sich zu überlegen, was man aus Daten herausholen kann. Deshalb ist es auch so wichtig, dass er in die Data Governance eingebunden ist."

Data Science ist im akademischen Sinne immer ein interdisziplinäres Feld. Das sollte sich idealerweise auch in der Praxis widerspiegeln: Während das technische Knowhow eher beim CTO angesiedelt ist, liegt das Prozess- und Strukturwissen beim COO.

Auch für den COO sind dabei Kenntnisse in Data Governance von zentraler Bedeutung. „Man muss als Prozess- und Produktionsdaten verstehen, um Entscheidungen treffen und Abläufe und KPIs, beispielsweise im Quality Management, der Unternehmensstrategie anpassen zu können“, betont Trautsch. „Bessere Qualität bedeutet beispielsweise nicht notwendigerweise eine geringere, sondern eine optimale Fehlerquote. Nur so kann man sichergehen, nicht am Markt vorbei zu produzieren und durch höhere Preise Marktanteile zu verlieren.“

5. CMO: Teure Kampagnen verhindern

Im Bereich des Marketings steckt in Daten viel Potenzial. Etwa wenn es darum geht, Zielgruppen besser zu erreichen. „Hier kann man Daten zum Pricing, zu Seasonality Effekten und Customer Journey Analysen nutzen, um das Kundenverhalten besser zu verstehen, die richtigen Kunden anzuziehen und sie langfristig zu halten", sagt Polleres. Für Marketingkampagnen helfen Algorithmen und Methoden wie etwa das Clustering zudem, um die Zielgruppenerreichung zu verfeinern und sie via Kundensegmentierung individueller anzusprechen.

„Wer aber im Marketing auf die falschen Daten achtet oder sie falsch interpretiert, kann auch viel Geld verlieren“, warnt Trautsch. Er gibt ein Beispiel: „Ein Kunde wollte mit einer digitalen Werbekampagne neue Kunden für eine Smartphone App gewinnen. Seine Agentur achtete ausschließlich auf die Downloadzahlen und nicht auf Registrierungen oder tatsächliche Käufe. Das Ergebnis war, dass die Kampagne immer mehr auf die falsche Zielgruppe optimiert wurde und sich der Geschäftserfolg erst einstellte, als man die richtigen Metrics aus Erfolgsindikatoren identifiziert hatte.“

6. CPO und CHRO: Daten sind kein Allheilmittel

Im Recruiting und Human Resources Management werden viele sensible personenbezogene Daten erhoben und gespeichert, was wieder einen hohen Grad an Datensicherheit erfordert. Darüber hinaus sollten sich gerade Recruiter nicht zu sehr auf Algorithmen und daraus ermittelte Daten verlassen, sagt Axel Polleres: „Standardisierte Auswahlverfahren sind von Menschen gemacht und nur vermeintlich objektiv. Sie laufen Gefahr, gewisse Biases fortzuführen. Bei einer Vorauswahl der CVs kann das dazu führen, dass der Algorithmus bunte interessante Lebensläufe, die von den Vorgaben abweichen, ausselektiert."

Über Machine Learning können auch Biases gelernt werden. Dann gibt es keine Verantwortlichen für die Entscheidung – weil ja ein Algorithmus entschieden hat. „Man muss aber bei allen Benefits der Künstlichen Intelligenz transparent festhalten, wer die Verantwortung für die Letztentscheidungen trägt“, betont Polleres.

Auch bei der Umsetzung von HR-Maßnahmen werden wertvolle Daten gewonnen. Beispielsweise bei Mitarbeiterbefragungen, beim 360-Grad-Feedback. Dabei muss aber die Anonymisierung und die Sicherheit gwährleistet sein. Und man muss auch als HR-Verantwortlicher die richtigen Schlüsse ziehen können. Wenn sich unter Mitarbeitern die Unzufriedenheit wächst, dann bedeutet das noch nicht, dass ihren Job wechseln wollen. Aber das People-Office sollte sich Gedanken machen, welche Rahmenbedingungen verbessert werden können, um die Zufriedenheit zu steigern.

Executive Education - Schwung für Ihre Karriere

In Kooperation mit der WU Executive Academy liefert Ihnen der trend im …

trend TOP 500: Österreichs größte Unternehmen [RANKING]

Das trend Ranking der 500 größten Unternehmen Österreichs reiht die …

Dietrich Mateschitz bei Formel 1 Tests in Jerez, 2015
Die reichsten Österreicher: Die Liste der Milliardäre & Clans

Die 100 reichsten Österreicher besitzen mehr als 200 Milliarden Euro und …

Die binderholz Zentrale in Fügen
Binderholz – Europas größter Massivholzverarbeiter

Die Binder Beteiligungs AG, zu der eine Vielzahl kleinerer …