Data Literacy dringt von der akademischen Welt in die Wirtschaft vor und ist einer der sichtbaren Trends in den jüngsten Schlagzeilen. Der Sammelbegriff Data Literacy vereint Fähigkeiten, die zur Verarbeitung von Daten und insbesondere dem Informationsgewinn aus Datenmengen befähigen. Im Groben geht es darum Daten zu verstehen, mit ihnen zu arbeiten, sie zu analysieren und gewonnene Informationen zu kommunizieren. Auch wenn Automatisierungen im Unternehmen den Datenverkehr stark regeln, sind die Business Anwender zumindest in der Verwendung und meist auch der Generierung der Daten involviert und müssen bestmöglich auf zukünftige Aufgaben und Herausforderungen vorbereitet sein. Sie sollen in die Lage versetzt werden datenbasierte, verlässliche Entscheidungen zu treffen. Genau hier setzt das Thema Data Literacy an und hilft Unternehmen, die soziale Komponente ihrer Datenstrategie zu gestalten.
In diesem Artikel zeigen wir Ihnen, wie Sie das Thema Data Literacy angehen und zeigen Ihnen Wege auf, den Trend für sich zu nutzen.
Bedeutung Data Literacy
Angelehnt an den Begriff Literacy (=Alphabetisierung) beschreibt Data Literacy die Ausdrucksfähigkeit und das Verständnis hinsichtlich Daten. Ähnlich wie bei der Verbreitung des Personal Computers im Arbeitsalltag werden unter dem Sammelbegriff neue Kompetenzen eingeführt, die in Zukunft unseren Arbeitsalltag bestimmen werden. Diese können in fünf Teilbereiche geclustert werden:
Erzeugung von Daten
Nicht für jeden Analysezweck sind bereits passende Daten verfügbar. Business Anwender sollten sich deshalb auch mit der Datenerhebung auskennen. Besondere Sorgfalt in der Erfassung und Auswahl von Datenpunkten sind notwendige Grundbausteine für spätere Analysen. Durch das Gesamtverständnis eines Analyseprojektes können Fehler in der manuellen Erfassung vermieden werden und die Daten an einem geeigneten Speicherort abgelegt werden. Offene Standards für die formale und inhaltliche Formatierung der Daten auszuwählen und anzuwenden erhöht die Wiederverwendbarkeit von Datenmengen drastisch. Unterstützt werden Anwender durch eine unternehmensweite geltende Governance und möglichst intuitiv zu bedienende Infrastruktur.
Unbeschränkte Manuelle Erfassung kann später eine intensive Datenbereinigung erfordern.
Insbesondere das Matching von Datensätzen ist eine Herausforderungen.
Management der Daten
Neben dem reinen Ablegen und Abrufen von Daten in passenden Datenstrukturen betrifft das Datenmanagement anwenderseitig auch Themen wie die Sicherung der Versionsstände und das Entwerfen und Anwenden von Zugriffskonzepten. Auch die Datenbeschaffung im Sinne des Auffindens von relevanten internen und externen Datenquellen zählt hierzu. Hier existiert eine Reihe an verschiedenen Tools und Hilfsprogrammen, die erst durch ein grundsätzliches Verständnis von Zusammenhängen und Beweggründen ihr volles Potenzial entfalten.
Benennungsrichtlinien und eine inkludierte Versionierung ermöglichen einen Single-Point-of-Truth, der für alle verständlich ist.
Verständnis der Daten
Das Verständnis der Daten setzt sich aus dem fachlichen und technischen Wissen über die Daten zusammen. Die fachliche Komponente ist meist durch die Ausführung der eigenen Tätigkeit und entsprechender Schulungen gegeben. Hinsichtlich der entstehenden Daten kann nicht nur gesagt werden, was erfasst wird, sondern auch wie die Daten üblicherweise aussehen und welchen Wertebereich sie annehmen. Das fachliche Know-How hilft dabei, Analysefragen zu formen. Das allgemeine technische Verständnis der Daten beruht darauf, dass Datenfehler, Datenkappungen und ein zugrundeliegender Bias erkannt und im Analyseprozess aufgegriffen werden kann.
Fachliches Wissen hilft zu verstehen, welche Bedeutung zum Beispiel negative Rechnungen haben.
Analyse der Daten
Bei der Analyse von Daten muss die grundlegende Fähigkeit erlernt werden Fragestellungen in Transformationsschritte der zur Verfügung stehenden Daten aufzubrechen. Zusätzlich bietet sich die Unterstützung durch Softwaretools an. Nicht jeder muss einen eigenen Programmcode schreiben können, jedoch ist ein sicherer Umgang mit gewählten no-code oder low-code Tools wichtig. Je nach Komplexität der Auswertung helfen statistische Kenntnisse. Ist der Blick in die Zukunft interessant, kann Machine Learning verwendet werden um auf Basis von alten Daten in die Zukunft zu blicken. Ein Einstieg in das Thema aus Unternehmenssicht finden Sie in unseren Whitepaper.
Kommunizieren von Daten
Damit aus Daten ein Mehrwert erlangt werden kann, müssen aus den Ergebnissen Entscheidungen abgeleitet und kommuniziert werden. Die Fähigkeit Daten in Form von Visualisierungen und Kennwerten zielgruppengerecht zu kommunizieren, ist durch die hohe Informationsdichte im Berufsalltag besonders wichtig. Der Kontext sollte dabei ebenfalls aufbereitet werden, um Ergebnisse auch mit Außenstehenden zu teilen.
Mit Visualisierungen sind Informationen leichter aufnehmbar
Treiber des Themas
Die im Begriff Data Literacy vereinten Kompetenzen erinnern stark an die Fähigkeiten der Mitarbeitenden in der Business Intelligence, Data Analytics oder Data Science Abteilung. Diese sollten fachlich bereits auf einem fortgeschrittenen Level sein. Data Literacy gehört jedoch zu den neuen Grundfähigkeiten, die jeder Business Anwender mitbringen sollte. Dafür gibt es mehrere Gründe:
Self-Service Systeme nehmen an Bedeutung zu
Nicht jede Analyse ist so komplex, dass sich die Aufstellung eines Data Science Teams lohnt. Da das notwendige Domänenwissen bezüglich Fragestellung, Zielsetzung und Datenverständnis bereits in der Fachabteilung vorhanden ist, sollten die Anwendungsideen direkt dort entwickelt und möglichst auch umgesetzt werden. Unterstützende Plattformen wie SAP Data Intelligence vereinfachen den Weg für Anwender, setzen jedoch grundlegende Datenkompetenz voraus.
So kurbeln Sie Ihr Business durch
Künstliche Intelligenz und Machine Learning an
Digitalisierung des Arbeitsalltages
Der Trend geht zum papierlosen Büro und unterstützenden Applikationen auf mobilen Endgeräten. In einem solchen digitalen Arbeitsalltag ist ein Grundverständnis für Daten benutzerseitig wichtig. Kein System kann so robust oder intuitiv aufgebaut sein, dass der Benutzer komplett an die Hand genommen wird. Wie oft haben Sie es schon erlebt, dass zum Beispiel Pflichtfelder in Informationssystemen mit unsinnigen Werten ausgefüllt wurden und das System unzulänglich verwendet wurde? Die Motivation für den wahrgenommen Mehraufwand in bestimmten Arbeitsschritten muss in der Mentalität verankert werden, wobei Data Literacy helfen kann.
Zunahme an Daten
Die Menge an Daten nimmt jährlich um ca. 27% zu. Wo früher der primäre Berührungspunkt von Daten für Business Anwender eine Excel-Tabelle war, stehen heute neue automatische Datenquellen und unterschiedliche Formate. Geschäftsprozesse und Sensoren liefern eine große Datenflut, deren Informationsextraktion eine herausfordernde, aber lohnenswerte Aufgabe ist.
Fortgeschrittene Analysen
Der Trend geht dahin, nicht einfach nur verstehen zu wollen, was passiert ist, sondern auch warum es passiert ist, oder sogar was mit einer gewissen Wahrscheinlichkeit in Zukunft passieren wird. Darauf werden beispielsweise mit Machine Learning Antworten gefunden. Während Anwender nicht zwingend fortgeschrittene Analysen durchführen müssen - dafür haben Sie im besten Fall die Unterstützung einer Data Science Abteilung oder ausgewählter Experten - sollte für die Kommunikation der Ergebnisse und die Bewertung der abgeleiteten Entscheidungen eine gewisse Gewöhnung an stark datenbasierte Analysen vorhanden sein.
Trend zur Datenplattform
Mit der steigenden Menge an Datenquellen im Unternehmen sind harmonisierte Daten in dem großen Ausmaß nicht mehr oder nur mit hohem Ressourceneinsatz möglich. Der Trend geht zu einer Datenplattform, die die Infrastruktur bereitstellt und die Verwertung in Hand der Fachabteilungen lässt. Verschiedene Ansätze, eine solche “Demokratisierung” der Datenverarbeitung zu ermöglichen, habe wir in einem vorherigen Blogartikel vorgestellt. Die zentrale Datenplattform soll die Experten der Fachabteilungen in ihrer Kompetenz stärken und zu mehr Eigenverantwortung im gesamten Datenlebenszyklus führen. Voraussetzung dafür ist ein entsprechendes Grundwissen bei den designierten Anwendern.
Komponenten
Kommen wir nun dazu, wie Sie Data Literacy in Ihren Unternehmen etablieren können. Auch wenn Data Literacy viel Einfluss auf die Kompetenzen der Business Anwender hat, so sind Schulungen nur eine der vielen Komponenten, die in einem Unternehmen zusammenspielen:
- Repräsentation im Management
- Schulung der Mitarbeiter
- Unterstützende IT-Landschaft
- Schaffen einer datengetrieben Unternehmenskultur
- Etablierung von Data Governance
Da die Digitalisierung kontinuierlich fortschreitet und der Weg zurück zu Stift und Papier unbegehbar ist, sollte das Thema Daten langsam auf der Managementebene ihres Unternehmens repräsentiert sein. Dafür kann beispielsweise die Position eines Chief Data Officers oder eines Chief Analytics Officers geschaffen werden. Hier werden unter anderem Trainingskonzepte zur Data Literacy aller Mitarbeiter entwickelt und überwacht, oder auch eine zentrale Datenstrategie für das Unternehmen festgelegt.
Neben dem allgemeinen Vorgehen einer Datenanalyse sollten umfangreiche Schulungen auch den Umgang mit diversen unterstützenden Tools näherbringen. Trotz Softwarebezug sollten die Schulungen nicht nur die Funktionen zeigen, die nach Bedarf im Arbeitsalltag abgerufen werden können, sondern auch methodische Kompetenzen im Umgang mit Daten lehren. Je mehr Praxisbezug eingebaut werden kann und je stärker unternehmenseigene Strukturen integriert werden, umso gelungener ist die Lerneinheit im Sinne der Data Literacy.
Die unterstützenden Softwaretools sollten für die Anwendergruppe geeignet sein und idealerweise mehrere Komponenten einer Datenanalyse abdecken. Intuitive Bedienbarkeit und ein ansprechende Oberfläche fördern das Engagement der Benutzer. Als herausragendes Beispiel kann hier Tableau genannt werden. Mit Drag-and-Drop erstellt, verleihen die Visualisierungen eine neue anschauliche Perspektive auf die zugrundeliegenden Datenmengen und auch die Gestaltung einer virtuellen Arbeitsmappe zur Weitergabe der Erkenntnisse wird unterstützt.
Insgesamt fördern begeisterte Key-User, weitergetragene Success Stories aus der Praxis und relevante Case Studies eine datengetriebene Unternehmenskultur. Je mehr es zum Standard wird, dass Entscheidungen datengetrieben getroffen werden, umso kleiner ist die mentale Hürde der Business Anwender vor eigenen Projekten.
Damit ein Unternehmen auch von den Prozessen her datengetrieben sein kann, müssen spezielle Data Governance Strukturen geschaffen werden. Die technische Infrastruktur geht Hand in Hand mit Richtlinien und Konventionen zu Datenmanagement und Informationssicherheit. Den Benutzern werden so Best Practices zur Orientierung an die Hand gegeben und einheitliche Standards geschaffen von denen jeder im Unternehmen profitiert.
Insgesamt führt Data Literacy dazu, dass im Unternehmen informierte Entscheidungen getroffen werden, die auf Erkenntnissen aus der Datenanalyse beruhen. Das Grundverständnis im Umgang mit Daten steigert die Datenqualität im gesamten Lebenszyklus von der Entstehung zu Archivierung. Analysefragestellungen können mitunter direkt von den Experten in den Fachabteilungen beantwortet werden.
Das Thema wird durch aktuelle Entwicklungen wie der Zunahme an Daten und Self-Service-Analysen in den Fokus gerückt. Um Data Literacy im Unternehmen zu verankern, müssen Governancestrukturen, ein Schulungskonzept für Datenkompetenzen, die richtige Auswahl an Softwaretools und die Verantwortlichkeit im Management für Daten zusammengeführt werden.
Wie sieht die Data Literacy in Ihren Unternehmen aus? Benötigen Sie Unterstützung bei der Auslegung Ihrer Data Literacy Strategie? Wir stehen Ihnen gerne mit unseren Wissen zur Seite.
