Kapitel 4. Menschen und Organisation auf Augmented Analytics vorbereiten

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com

In diesem Kapitel stellen wir bewährte Methoden vor, mit denen du deine Organisation so einrichten kannst, dass sie eine effektive Umsetzung von AA unterstützt. Wir konzentrieren uns auf die Rollen: geschäftlich, technisch und dazwischen. Außerdem erörtern wir, warum dein Unternehmen ein Kompetenzzentrum für Analytik (CoE) braucht, um die Transformation der Analytik voranzutreiben.

Im Zusammenhang mit einer Transformation der Analytik verwenden wir die Begriffe Rolle und Persona mit spezifischen Bedeutungen. Rolle bezieht sich auf die übergreifenden Verantwortlichkeiten und Erwartungen, die mit einer umfassenden Funktion oder Position innerhalb der Transformation verbunden sind. Sie beschreibt den allgemeinen Umfang und Zweck einer bestimmten Kategorie von Verantwortung. Eine Persona hingegen geht tiefer und identifiziert eine bestimmte Aufgabe oder Position innerhalb dieser breiteren Rolle. Jede Persona hat ihre eigenen Aufgaben, Instrumente und Ergebnisse. Sie bietet einen detaillierten Überblick über die Personen, die die mit einer Rolle verbundenen technischen oder geschäftlichen Aufgaben erfüllen. Zur Verdeutlichung kannst du dir eine Rolle als eine weit gefasste Verantwortungskategorie vorstellen, während eine Persona eine detaillierte, nuanciertere Darstellung einer bestimmten Position innerhalb dieser Rolle ist.

In diesem Kapitel geht es darum, wie du das, was du bisher über die Arbeit mit Menschen und die technische Bereitschaft gelernt hast, erfolgreich umsetzen kannst, um die perfekte Grundlage für die Einführung und Nutzung von AA in deinem Unternehmen zu schaffen. Damit die Mitarbeiter/innen mit den Veränderungen zurechtkommen, ist es wichtig, dass du sie befähigst und aufklärst. Sie müssen die Chancen, die Wettbewerbsvorteile und die Verantwortung jedes Einzelnen bei diesem Wandel verstehen. Die technische Bereitschaft hingegen umfasst die technische Dateninfrastruktur, die Prozesse und die fortschrittlichen Ansätze zur Erfüllung der Geschäftsanforderungen.

Bevor wir jedoch erörtern, wie wir die Datenkompetenz der gesamten Organisation erhöhen können, müssen wir einen sehr effektiven Rahmen für die Steuerung von Veränderungen aus technischer und menschlicher Sicht vorstellen: das Einflussmodell. Dann werden wir die grundlegende Rolle des Datenbewusstseins in modernen Organisationen, die Kunst des Data Storytelling für eine effektive Kommunikation, die strategischen Vorteile eines datengesteuerten Managements und die Dynamik der Führung im Zeitalter der KI untersuchen. Wir besprechen den Use-Case-Ansatz und schließen mit einem Plan für die Befähigung, Schulung und Motivation von Führungskräften und Übersetzern im Bereich Analytik ab.

Maßgeschneiderte Augmented Analytics für verschiedene organisatorische Rollen

Diese ist ein Wandel, der von Menschen für Menschen gemacht wird. Deshalb musst du dich mit den Menschen in deinem Unternehmen und ihren Rollen auseinandersetzen. Alle Rollen sind für eine erfolgreiche Umstellung wichtig; sie haben ihre eigenen Anforderungen, Bedürfnisse und Schwerpunkte und sind alle miteinander verbunden. Zum Beispiel brauchst du eine Vielzahl von Datenwissenschaftlern, um Analysen durchzuführen. Aber ihr Handeln ist nur deshalb relevant, weil die Bedürfnisse und Erfahrungen der Geschäftsnutzer/innen das Unternehmen und dessen Gewinnentwicklung bestimmen.

Die Fähigkeiten, die für den Aufbau einer erfolgreichen Advanced-Analytics-Organisation erforderlich sind, lassen sich in drei Kategorien unterteilen: Geschäftswissen, analytische Fähigkeiten und technische Fähigkeiten, wie im Venn-Diagramm in Abbildung 4-1 dargestellt. Je nach Ausrichtung und Position im Unternehmen variiert die Kombination dieser Kategorien stark.

Abbildung 4-1. Analytische Transformationspersönlichkeiten in den drei Kompetenzkategorien

Nicht alle diese Rollen sind für dein Team notwendig; wir wollen dir nur einen Überblick über die möglichen Rollen bei der Transformation der Analytik geben. Die vier wichtigsten Rollen bei der Transformation sind in Abbildung 4-2 dargestellt. Erstens haben die Führungskräfte eine besondere Rolle bei der Transformation als analytics leaders. Dann gibt es die Personen, die zwischen Geschäft und Technologie stehen und Geschäftsanalysen durchführen. Wir wenden uns speziell an sie und weisen ihnen eine entscheidende neue Aufgabe bei der Umstellung zu: analytics translator.

Abbildung 4-2. Die vier wichtigsten Rollen bei der Transformation der Analytik

Der Analytiker nutzt Datenanalysen, um jeden Tag bessere Geschäftsentscheidungen zu treffen. Diese Rolle könnte fast jeder in deinem Unternehmen einnehmen; von Portfoliomanagern bis zu Marketingforschern, von Versicherungsvertretern bis zu Baugutachtern, von Maschinenführern bis zu Köchen - alle müssen in der Lage sein, mit analytischen Ergebnissen zu arbeiten und datenorientierter zu werden.

Du kannst (und solltest) diese Rollen sehr detailliert definieren. Die vierte Rolle, analytics professional, umfasst zum Beispiel spezialisierte Rollen wie Data Engineer, Data Scientist, Data Analyst und Software Developer sowie spezialisierte Support-Rollen wie Transformation Manager und Data Architect. Im Moment konzentrieren wir uns jedoch auf breitere Kategorien und bezeichnen alle Rollen, die wir gerade genannt haben, als Datenexperten.

Wenn deine Transformation die Stufe 2, den Reifegrad Data Active, erreicht, empfehlen wir dir, dich nur auf diese vier obligatorischen Rollen zu konzentrieren. Später kannst du sie noch weiter ausdifferenzieren. Für den Moment wollen wir sie im Detail erkunden, beginnend an der Spitze.

Leiter Analytik

Analytik-Führungskräfte sind die Vorbilder, die die datengetriebene Transformation vorantreiben, die analytische Denkweise fördern und sich für wirkungsvolle Anwendungsfälle für den Geschäftserfolg einsetzen.

"Alle guten Dinge kommen von oben." Dieses Sprichwort stimmt zwar nicht immer, aber es ist ein Körnchen Wahrheit dran: Der Impuls für Veränderungen ist natürlich stärker, wenn die Führung sie vorantreibt. Deshalb ist es so wichtig, dass die Unternehmensleitung und die Führungskräfte eine eigene Rolle mit eigenen Verantwortlichkeiten und Erwartungen einnehmen.

Rolle und Verantwortung

Alle Führungskräfte in einem Unternehmen müssen die Prinzipien der Analytik verinnerlichen und eine Denkweise kultivieren, die sich auf datengesteuerte Erkenntnisse und innovative Anwendungsfälle konzentriert, die die Geschäftsziele vorantreiben. Analytik-Führungskräfte spielen eine zentrale Rolle bei der Umsetzung des Wandels. Indem sie mit gutem Beispiel vorangehen, unterstreichen sie die Bedeutung des Einsatzes von Analytik für den Erfolg in allen Bereichen des Unternehmens.

Erforderliche Fähigkeiten

Ein gut ausgebildeter Leiter der Abteilung Analytik sollte über fundierte geschäftliche und technische Kenntnisse, grundlegende statistische Fähigkeiten und ein grundlegendes Verständnis der IT verfügen. Es ist von entscheidender Bedeutung, dass er mit den allgemeinen KPIs, der IT-Landschaft und den laufenden Projekten des Unternehmens vertraut ist und die Maße der zentralen Tendenz und der Stochastik kennt. Außerdem müssen sie verstehen, wie IT-Systeme zusammenarbeiten und wie das Unternehmen Daten nutzt, um Entscheidungen zu treffen, damit das Unternehmen wettbewerbsfähig bleibt und auf Marktveränderungen reagieren kann.

Denkweise

Führungskräfte sollten intrinsisch motiviert sein, zum Wandel beizutragen. Es wird Führungskräfte geben, die aus irgendeinem Grund nicht in der Lage sind, den Wandel mitzumachen, aber in den meisten Fällen wird es helfen, sie an Bord zu holen.

Die wichtigste Einstellung, die eine Führungskraft im Bereich Analytik haben sollte, ist Offenheit für die Möglichkeiten und Veränderungen, die dieser Wandel mit sich bringt. Sie sollten von Natur aus neugierig sein, immer tiefer in den Daten zu graben, Dinge zu hinterfragen und verborgene Erkenntnisse zu finden. Sie müssen auch strategisch darüber nachdenken, wie sie diese Erkenntnisse mit den übergeordneten Unternehmenszielen in Einklang bringen können. Ein gutes Maß an Skepsis ist jedoch ebenso wichtig, um die Qualität und Zuverlässigkeit der Daten sicherzustellen.

Anpassungsfähigkeit ist in der Datenanalyse von entscheidender Bedeutung, da ständig neue Methoden, Ansätze, Werkzeuge und Techniken auftauchen; aus demselben Grund sollten Führungskräfte in der Datenanalyse den Wunsch haben, sich ständig weiterzubilden. Auch die Zusammenarbeit ist wichtig: Datenanalyse ist oft eine funktions- und bereichsübergreifende Disziplin, die effektive Teamarbeit und das Aufbrechen von Silos erfordert.

Schließlich sind Belastbarkeit und Hartnäckigkeit notwendig, um die unvermeidlichen Herausforderungen und Hindernisse zu überwinden, die bei Datenprojekten auftreten. Viele Datenprojekte schlagen fehl. Führungskräfte müssen lernen, mit den Erwartungen ihrer Mitarbeiter/innen umzugehen und ihnen dabei helfen, fehlgeschlagene Anwendungsfälle als das zu begreifen, was sie sind: wertvolle Erkenntnisse darüber, was funktioniert und was einfach nicht funktioniert.

Bedeutung für den Wandel

Die Visionen und Ideen der Führungskräfte im Bereich Analytik sind der Treibstoff für den Wandel. In ihrer Rolle als Vorbilder entscheiden sie über Erfolg oder Misserfolg der Umstellung auf eine datengesteuerte Kultur. Wie du in Kapitel 3 gelernt hast, ist der Top-Down-Ansatz für den Wandel in der Analytik unerlässlich. Unterschätze nicht den Einfluss der Führungskräfte im Bereich Analytik: Ohne sie kann keine Umstellung gelingen.

Analytik Übersetzer

Analytik-Übersetzer/innen überbrücken die Kluft zwischen dem Analysebedarf der Geschäftseinheiten und dem technischen Analysefachwissen und übersetzen die aus den Daten gewonnenen Erkenntnisse in reale, groß angelegte Auswirkungen auf das Unternehmen.

Die zweite Rolle, die wir einführen wollen, ist vielleicht unerwartet: eine Art Botschafter, der dabei hilft, die Geschäftsbereiche enger mit der Analytik zu verbinden. Der Analytik-Übersetzer ist motiviert, Teil der Veränderung zu sein - schließlich ist dies eine freiwillige Aufgabe.

Unserer Erfahrung nach stellt sich immer wieder die Frage, wer diese Rolle ausfüllen soll, wer für die Bereitstellung der Fähigkeiten und Fertigkeiten verantwortlich ist, ob diese Leute zentral im CoE organisiert sind und ob sie von ihren Geschäftseinheiten abgezogen werden, wodurch eine operative Lücke entsteht. Lass uns die Rolle ganz klar definieren.

Analytik-Übersetzer/innen sorgen dafür, dass das Unternehmen einen echten Nutzen aus seinen Analytik-Initiativen zieht. Ähnlich wie Sprachübersetzer vermitteln sie Ideen und Erkenntnisse zwischen den Sprachen der Wirtschaft und der Analytik, entmystifizieren Buzzwords und interpretieren komplexe algorithmische Ergebnisse in geschäftlichen Begriffen. Sie fördern den Informationsaustausch, treiben die Akzeptanz unter den Geschäftsanwendern voran und tragen dazu bei, dass ein Konsens entsteht.

Übersetzer sind ein Teil des Unternehmens. Unabhängig davon, wo in der Organisation sie sich befinden, sind sie entscheidend für die Förderung des Austauschs, der die analytischen Erkenntnisse verbessert und die Akzeptanz unter den Geschäftsnutzern fördert. Es ist wichtig, eine Gemeinschaft aufzubauen, die regelmäßig bewährte Methoden und Erfahrungen austauscht. Ihre Bereitschaft zur Zusammenarbeit ist das, was Silos aufbricht.

Rolle und Verantwortung

Analytik-Übersetzer helfen Analytik-Führungskräften bei einem Brainstorming, um die Geschäftsprobleme zu identifizieren und zu priorisieren, die den größten Wert schaffen, wenn sie durch eine Analytik-Initiative gelöst werden. Dabei kann es sich um Möglichkeiten innerhalb eines einzelnen Geschäftsbereichs oder um unternehmensübergreifende Verbesserungen handeln. Übersetzer/innen sorgen dafür, dass die Lösung Erkenntnisse liefert, die das Unternehmen interpretieren und umsetzen kann. Sie kommunizieren die Vorteile der Lösung bereichsübergreifend, um die Akzeptanz zu fördern.

Erforderliche Fähigkeiten

Übersetzer/innen brauchen exzellentes Fachwissen; suche nach Experten in der Branche, die ein umfassendes Verständnis der Prozesse im gesamten Unternehmen haben. Sie sollten sich gut mit den KPIs des Unternehmens und anderen betrieblichen Kennzahlen und deren Auswirkungen auf Gewinn und Verlust auskennen.

Darüber hinaus brauchen Analytik-Übersetzer/innen eine Leidenschaft für quantitative Statistik und strukturierte Problemlösungen. Sie sind nicht unbedingt ausgewiesene Analysefachleute und brauchen keine tiefgreifenden technischen Kenntnisse in der Programmierung oder Modellierung, aber sie müssen wissen, welche Modelle oder Analysemethoden zur Verfügung stehen und wie sie am besten zur Lösung eines Problems eingesetzt werden können.

Übersetzer/innen müssen auch die Auswirkungen potenzieller Modellfehler verstehen, die zu Verzerrungen führen können, z. B. Überanpassungen und Ausreißer. Kurz gesagt: Kommunikation ist die entscheidende Fähigkeit in dieser Funktion. Übersetzer/innen sorgen dafür, dass die Ergebnisse, Erkenntnisse und das Wissen aus der Analyse an das Unternehmen und das Management weitergegeben werden.

Denkweise

Analytik-Übersetzer brauchen eine innovative, offene und unternehmerische Denkweise. Ihre Begeisterung, ihr Engagement und ihr Geschäftssinn helfen dem Unternehmen, technische, politische und organisatorische Hindernisse zu überwinden. Analytik-Übersetzer/innen brauchen auch eine gewisse Frustrationstoleranz; sie sollten verstehen, dass Scheitern Teil des Prozesses ist.

Die wichtigste Fähigkeit, die ein erfolgreicher Analytik-Übersetzer besitzt, ist ein fundiertes Geschäftswissen. Der beste Weg, diese Rolle zu besetzen, ist daher, motivierte interne Kollegen zu schulen. Die statistischen und technischen Fähigkeiten von jemandem mit jahrelanger Erfahrung aufzubauen, ist erfolgversprechender, als zu versuchen, all dieses Wissen an neue externe Mitarbeiter/innen zu vermitteln.

Derzeit gibt es keine Zertifizierungen oder Abschlüsse für Analytik-Übersetzer/innen. Einige Unternehmen gründen ihre eigenen geschäftsspezifischen Akademien für Analytik-Übersetzer/innen, die geschäftliche, methodische und technische Grundlagen vermitteln. So können sie ihre Schulungen häufig anpassen und auf den Reifegrad der einzelnen Übersetzer/innen eingehen.

Bedeutung für den Wandel

In einer Gemeinschaft organisiert, um Erfahrungen mit bewährten Methoden und Lessons Learned auszutauschen, werden die Analytik-Übersetzer/innen ein Schlüsselfaktor für den Erfolg der einzelnen Geschäftsbereiche sein, die sich im Wandel befinden. Diese Rolle ist für das Team unverzichtbar. Die frühzeitige Etablierung dieser Rolle und der Aufbau organisatorischer Kompetenz in diesem Bereich wird mittelfristig große Vorteile bringen, wenn du dich zu einem datenfortschrittlichen Unternehmen entwickelst.

Analytik Benutzer

Analytics-Nutzer sind Menschen die Analytics nutzen und die Ergebnisse verwenden, um Erkenntnisse zu gewinnen und zu interpretieren, Entscheidungen zu treffen und Werte zu schaffen.

Rolle und Verantwortung

Diese Rolle ist eher passiv und repräsentiert die meisten Menschen im Unternehmen - etwa 80 %. Sie sind stark in das Geschäft eingebunden und haben größtenteils keine direkte Beteiligung an der Datenanalyse. Die ganze Umstellung wird hauptsächlich für sie gemacht.

Dies ist die wichtigste Gruppe, die du für eine breite Akzeptanz von Analysen gewinnen musst. Der größte Hebel, um Datenkompetenz zu erreichen, besteht darin, diesen Menschen zu helfen, Barrieren zu überwinden und ihre täglichen Arbeitsabläufe datenorientierter zu gestalten.

Erforderliche Fähigkeiten

Die Fähigkeiten der Analytik-Nutzer/innen sind hauptsächlich geschäftsbezogen; einige haben vielleicht eine leichte statistische Orientierung, was die Problemlösungskompetenz sehr unterstützt. Sie müssen über ein angemessenes analytisches Bewusstsein verfügen.

Die Herausforderung besteht darin, dass diese Rolle so breit gefächert ist, dass sie sehr vielfältig ist. Es gibt Leute, deren Arbeit stark geschäftsbezogen ist und die nur selten mit Analytik in Berührung kommen. Andere sind direkt von den Ergebnissen der Analytik betroffen - zum Beispiel, weil sie Dashboards oder Wissensspeicher nutzen. Ihr Reifegrad in Bezug auf Technologie und analytische Fähigkeiten wird sehr unterschiedlich sein.

Denkweise

Diese Aufgabe als einheitliche Gruppe anzugehen, wird nicht zum Erfolg führen. Die einzelnen Analytik-Nutzer brauchen unterschiedliche Ansätze, um sich auf den Weg der Analytik zu machen. Im Gegensatz zu Analytik-Führungskräften und Analytik-Übersetzern - die in der Regel eine intrinsische Motivation haben, einen Beitrag zu leisten, die Notwendigkeit zu verstehen und die Veränderung durchzusetzen - werden die meisten Analytik-Nutzer wahrscheinlich durch ein Gefühl von Zwang motiviert sein. Von ihnen wird erwartet, dass sie als Teil ihrer Arbeit an der Umstellung mitwirken. Am Anfang ist ihnen wahrscheinlich nicht klar, wie wichtig ihr aktiver Beitrag zur Umstellung ist.

Ehrlich gesagt, ist das in Ordnung. Sie wollen einfach nur ihre Arbeit machen. Ein Verkaufsleiter will ein Verkaufsleiter sein, ein Underwriter will ein Underwriter sein, und ein Buchhalter will ein Buchhalter sein. Für sie ist die Datenanalyse kein Selbstzweck. Ihnen ist es meist egal, ob ihre Arbeitsabläufe durch Analysen unterstützt oder digitalisiert werden. Wichtiger ist es, sie in geeigneter Weise in die Transformation einzubeziehen, um den Wertbeitrag zu erhöhen, und das muss über die herkömmliche Qualifizierung und Bewusstseinsbildung hinausgehen.

Es ist daher schwierig zu sagen, welche Fähigkeiten für diese Rolle generell erforderlich sind; die Antwort lautet: Es kommt darauf an. Aber ein offener Geist ist eine wünschenswerte Eigenschaft in allen Transformations- und Veränderungsprozessen, und die sollte jeder haben.

Personas

Wenn du sehr früh in der Data Active-Phase bist - zum Beispiel, wenn du domänenspezifische Lösungen für das Reporting oder BI-Dashboarding anbietest - musst du deine User Personas viel früher definieren. Wenn dein Unternehmen den Übergang von Data Progressive zu Data Fluent erreicht, solltest du ein klares Bild davon haben, wie du die Nutzerrolle in Bezug auf die Wertströme in deinem Unternehmen und ihre Aktivitäten differenzieren kannst. Du kannst zwar auch ohne eine genaue Definition vorgehen, aber eine solche gibt deiner Arbeit und deinen Handlungen mehr Struktur und Fokus und sorgt dafür, dass sich die Nutzer/innen anerkannt fühlen. Jeder Auftrag hat eine eigene Perspektive sowie eine Reihe von Bedenken und potenziellen Hindernissen im Zusammenhang mit der Transformation.

Sehen wir uns einige Beispiele für Job-Personas für Analytik-Nutzer an:

Verkaufsleiter

Der Vertriebsleiter ist verantwortlich für das Erreichen der Verkaufsziele und die Motivation des Teams und stützt sich auf Analysen, um die Effektivität der Strategie zu beurteilen, Trends vorherzusagen und die Leistung des Teams zu bewerten. Um seine Ziele zu erreichen, ist es wichtig, die wichtigsten Kennzahlen zu kennen, z. B. die Lead-Conversion-Raten und die regionalen Vertriebsmuster.

Marketing-Spezialist

Der Marketingspezialist trägt viele Hüte, von der Orchestrierung überzeugender Kampagnen bis zum Verständnis des Kundenverhaltens. Analysen sind für sie wie ein Kompass, der ihnen zeigt, was bei ihrem Publikum ankommt. Wenn sie wissen, welche Kampagnen den besten ROI bringen oder wie eine bestimmte Zielgruppe auf Inhalte reagiert, können sie ihren Marketingansatz verfeinern.

Buchhalter

Buchhalterinnen und Buchhalter sorgen dafür, dass das Unternehmen steuerlich solide und zukunftsorientiert bleibt. Analysen bilden die Grundlage für Prognosen und Strategien. Ein Blick in detaillierte Finanzberichte ermöglicht es Buchhaltern, die Budgetierung zu optimieren, die Feinheiten der Rentabilität zu verstehen und datengestützte Finanzentscheidungen zu treffen.

Supply Chain Manager

Supply Chain Manager sorgen dafür, dass die Produkte nahtlos von den Lagern zu den Kunden fließen und choreografieren den komplizierten Tanz von Angebot und Nachfrage. Analytik ist ihr Frühwarnsystem, das sie auf mögliche Unterbrechungen der Lieferkette, ungleiche Bestände oder Schluckauf bei Lieferanten aufmerksam macht. Ein klarer Überblick über die Nachfrageprognosen oder die Leistung der Lieferanten kann die Abläufe rationalisieren und kostspielige Fehltritte verhindern.

Personalleiter

Über die Einstellung hinaus sind Personalleiter/innen die Verwalter/innen der Unternehmenskultur und des Mitarbeiterwachstums und stellen sicher, dass das Unternehmen ein florierendes Umfeld für Talente bleibt. Mithilfe von Analysen können sie Einblicke in den Herzschlag des Unternehmens gewinnen: Sie können die Mitarbeiterzufriedenheit verstehen, Einstellungsengpässe erkennen und die Entwicklung von Talenten aufzeichnen.

Kundenbetreuerin

Als Schlüssel zur Kundenzufriedenheit nutzen Kundendienstmitarbeiter/innen Analysen, um die Serviceleistung zu bewerten, häufige Probleme zu erkennen und die Servicequalität zu verbessern. Anhand von Metriken zur Lösungszeit und Kundenfeedback werden Serviceverbesserungen vorgenommen.

Produktmanager

Produktmanager/innen treiben die Produktentwicklung vom Konzept bis zur Markteinführung voran und nutzen Analysen, um Kundeninteraktionen, die Beliebtheit von Funktionen und Verbesserungsmöglichkeiten zu verstehen. Einblicke in das Nutzerverhalten geben Aufschluss über Innovation und Wettbewerbsfähigkeit des Produkts .

Die richtigen Personas hängen von deinem Unternehmen und seinem Geschäftsmodell ab. Wenn du sie entwirfst, solltest du versuchen, verschiedene Zuständigkeiten und Analyseanforderungen zu definieren. Stelle Fragen wie:

  • Was leistet diese Person in der Wertschöpfungskette?

  • Wofür sind sie verantwortlich?

  • Was sind ihre analytischen Bedürfnisse?

  • Vor welchen Herausforderungen stehen sie?

  • Was zeichnet sie aus? Müssen sie bei deiner Transformation individuell behandelt werden ?

Ein Buchhalter hat zum Beispiel andere Anforderungen an die Analytik als ein Risikoingenieur. Dem Buchhalter geht es in erster Linie um deskriptive Standard-BI-Analysen, während der Risikoingenieur Bewertungsinstrumente benötigt, wie z. B. potenzielle Als-ob-Analysen, und vielleicht sogar Gen-KI verwendet, um komplexe Risikoerhebungen Dritter zusammenzufassen.

Versuche, diese Fragen für die Personas der Analytik-Nutzer in deinem Unternehmen zu beantworten. (Ein Beispiel findest du in der Seitenleiste "Beispiel für eine Persona: Versicherungsvertreter" ). Wenn du einen besonderen Bedarf an Analysen feststellst, behandle jede Persona einzeln.

Bedeutung für die Umsetzung der Transformation

Analytiknutzer sind entscheidend für die Umstellung eines Unternehmens auf Analytik, da sie die Mehrheit derjenigen darstellen, die Dateneinblicke nutzen und sie für die Entscheidungsfindung einsetzen und den Wandel zu einer erkenntnisorientierten Kultur verkörpern. Ihre unterschiedlichen Hintergründe erfordern maßgeschneiderte Analyselösungen, die den verschiedenen Bedürfnissen gerecht werden und durch wertvolles Feedback eine breite Akzeptanz und kontinuierliche Verbesserung fördern. Entscheidend ist, dass ihre Rolle über die Technologie hinausgeht und sie einen Bewusstseinswandel in der gesamten Organisation vorantreiben, indem sie die Vorteile der Analytik in ihren täglichen Arbeitsabläufen aufzeigen. Das Engagement dieser Gruppe ist von entscheidender Bedeutung und macht sie zu Schlüsselfiguren bei der Integration von Analytik in die Unternehmens-DNA und der Sicherstellung des Erfolgs des Transformationsprozesses.

Analytik-Profi

Schauen wir uns nun die letzte der vier Rollen an, nämlich die Menschen, die die Transformation umsetzen: Analytiker/innen. Analytiker/innen sind professionell ausgebildet in fortgeschrittener Datenanalyse, Statistik, ML, Datenverarbeitung und/oder Programmierung.

Rolle und Verantwortung

Außenstehende stellen sich diese Rolle oft als eine einheitliche Gruppe mit einheitlichen Fähigkeiten vor, aber das ist natürlich nicht der Fall. Sicherlich haben die meisten von ihnen ausgeprägte technische Fähigkeiten, aber jede einzelne Spezialisierung hat ihre Daseinsberechtigung und ist entscheidend für die Entwicklung der analytischen Reife des Unternehmens. Wir werden uns die einzelnen Personas für diese Spezialisierungen gleich genauer ansehen.

Erforderliche Fähigkeiten

Trotz ihrer Unterschiede sind Analytiker/innen eher auf der technischen Seite des Kompetenzspektrums angesiedelt. Programmierkenntnisse sind für sie entscheidend, da sie Geschäftsanforderungen in maschinenausführbare Formen übersetzen. Mathematische und statistische Kenntnisse sind ebenfalls wichtig, werden aber nur für bestimmte Aufgaben benötigt. Im Allgemeinen ist es wichtig, dass sie ein gutes Verständnis für das Geschäft haben.

Denkweise

Entscheidend für den Erfolg eines Analytikers ist eine unermüdliche Neugier, die Bereitschaft zu experimentieren und die Grenzen des Möglichen zu erweitern, um verborgene Erkenntnisse aufzudecken. Außerdem müssen sie kooperativ sein und die nahtlose Integration von Datenerkenntnissen und Geschäftsfunktionen sicherstellen. Agiles Denken und kontinuierliche persönliche Weiterentwicklung ermöglichen es ihnen, sich schnell an die sich ständig verändernde Datenlandschaft anzupassen, während ihre Hartnäckigkeit bei der Problemlösung ihnen hilft, technische und konzeptionelle Hindernisse zu überwinden.

Ein guter Datenexperte sucht nicht nur nach der besten Lösung, sondern hat auch einen ausgeprägten Geschäftssinn, der sicherstellt, dass seine Bemühungen mit den strategischen Zielen und der Vision des Unternehmens übereinstimmen. Damit übernimmt er die Verantwortung für den Wert der Lösung und treibt die Akzeptanz aktiv voran.

Bedeutung für den Wandel

Analytiker/innen sind die wichtigsten Katalysatoren bei der technischen Umgestaltung der Analytik in einem Unternehmen. Sie haben die doppelte Aufgabe, komplexe Geschäftsziele zu verstehen und sie in aussagekräftige Analyselösungen zu übersetzen. Sie erstellen, verfeinern und optimieren Modelle, um sicherzustellen, dass die aus den Daten gewonnenen Erkenntnisse sowohl genau als auch umsetzbar sind. Ein Markenzeichen ihrer Expertise ist ihr Engagement für die Datenintegrität, um sicherzustellen, dass die Daten zuverlässig, nutzbar und analysierbar sind.

Ihre Rolle geht jedoch über technische Aufgaben hinaus. Sie sind Geschichtenerzähler, die mit dem Analytik-Übersetzer zusammenarbeiten, um komplexe Datenergebnisse in klare, verständliche Erkenntnisse zu übersetzen, die die Geschäftsstrategien vorantreiben. In einer sich ständig weiterentwickelnden Datenlandschaft stehen sie an vorderster Front, wenn es darum geht, sich ständig anzupassen und mit den neuesten Methoden und Tools auf dem Laufenden zu bleiben.

Technische Fachpersonas

Schauen wir uns unter einige spezialisierte Analytiker/innen und ihre Rollen auf dem Weg zur Analytik an. Sie sind alle unterschiedlich und nicht alle sind auf jeder Reifegradstufe gleich wichtig. Sie sind auch voneinander abhängig. Um die professionellen Rollen ein wenig mehr zu differenzieren und zu strukturieren, teilen wir sie in zwei Gruppen ein: technische Rollen und unterstützende Rollen. Die technischen Rollen sind diejenigen, die sich die meisten Laien vorstellen - Datenanalysten, Statistiker, Datenwissenschaftler und Dateningenieure und andere:

Datenwissenschaftler/in

Entwickelt fortschrittliche Modelle und Algorithmen, um Erkenntnisse und Vorhersagen aus Daten zu gewinnen. Data Scientists sind eher auf der mathematischen und statistischen Seite des Kompetenzspektrums angesiedelt. Im Vergleich zu Analytikentwicklern und Datenanalysten verfügen sie in der Regel nur über begrenzte Programmierkenntnisse, sind aber mit ML und statistischen Analysen bestens vertraut.

Datenanalytiker/in

Gewinnt Erkenntnisse durch Abfragen von Daten, statistische deskriptive und diagnostische Analysen, Berichte und Visualisierung von Daten. Datenanalysten nutzen häufig Tools wie SQL, Excel und BI-Plattformen sowie analytische Programmiersprachen wie Python und R. Sie verfügen in der Regel über ein mittleres Geschäftsverständnis und sind eine gute Schnittstelle zwischen Geschäftsübersetzern und Technologie.

Dateningenieur

Als einer der am meisten unterschätzten technischen Spezialisten bereitet der Data Engineer "Big Data" für die analytische oder betriebliche Nutzung auf und unterstützt damit die Arbeit von Datenanalysten und Data Scientists. Data Engineers verwalten und optimieren Data Lakes und Datenbanken, damit die Daten effektiv gespeichert, abgefragt und weitergeleitet werden können, und sie stellen die Genauigkeit und Verfügbarkeit der Daten sicher. Sie erstellen, pflegen und optimieren die Datenpipelines und die Architektur.

Analytik Entwickler

Diese Funktion entwickelt, implementiert, testet und integriert Analyselösungen und -anwendungen, Webanwendungen und API-Webservices. Analytics-Entwickler arbeiten eng mit Analysten und Wissenschaftlern zusammen und setzen analytische Erkenntnisse in Programmpakete, Engines und Software um.

Analytik Ingenieur

Stellt sicher, dass ML-Modelle und Analyselösungen nahtlos bereitgestellt, skaliert und gewartet werden. DevOps ist das Betätigungsfeld des Analytik-Ingenieurs. Sie werden in der Regel in einem späteren Stadium der analytischen Wertschöpfungskette benötigt und sind in den späten Phasen der Transformation entscheidend.

Analytik-Visualist

Spezialisiert auf die visuelle Darstellung von Daten und Erkenntnissen, oft mit Tools wie Tableau, Power BI und Markdown-Berichten. Analytics-Visualisten sind darauf spezialisiert, Daten zu erklären, anstatt sie zu erforschen. Sie haben ein Gespür für Design und Storytelling, daher ist Kommunikation ein wichtiger Teil ihrer Fähigkeiten. Sie entwerfen oft Dashboards und Benutzeroberflächen für analytische Anwendungen.

Spezialisten-Personas unterstützen

Es gibt auch einige unterstützende Rollen, die für die Transformation entscheidend sind. Bitte bedenke, dass diese Liste keineswegs vollständig ist:

Datenarchitekt

Verantwortlich für die Gestaltung und Implementierung der Dateninfrastruktur, die Skalierbarkeit und Zugänglichkeit gewährleistet. Datenarchitekten entwerfen den neuen zukunftssicheren Technologie-Stack und definieren Betriebsumgebungen für Analyselösungen. Sie müssen nicht im CoE angesiedelt sein, sollten sich aber eng mit ihren Kollegen auf der IT-Seite abstimmen.

Data Governance Beauftragter

Diese Funktion stellt die Datenqualität, den Datenschutz und die Einhaltung gesetzlicher Vorschriften sicher und fungiert als Hüterin der Qualität. Sie stellt sicher, dass die Analyseergebnisse auf einer zuverlässigen Grundlage beruhen. Data Governance während der Transformation ist eine komplizierte Aufgabe. Data-Governance-Beauftragte müssen dazu beitragen, die Menschen zu inspirieren und die kreative Denkweise zu fördern, die eine Umstrukturierung erfordert, und dies mit der Einhaltung von Vorschriften, Bestimmungen und Richtlinien in Einklang bringen - Verantwortlichkeiten und Aufgaben, die nicht gerade Spaß machen. Um diese wichtige Aufgabe zu erfüllen, brauchen sie Unterstützung.

Spezialist für Veränderungsmanagement

Diese Rolle hilft der Organisation bei der Anpassung an die neue datengesteuerte Kultur, indem sie Widerstände abbaut und Schulungen durchführt. Change Manager sind für jede Veränderung in einem Unternehmen von entscheidender Bedeutung, vor allem, wenn ihre Methodik auf den Weg der Analytik angewendet wird. Viele Menschen werden mit der Umstellung auf eine datengesteuerte Kultur kämpfen. Für die neue Kultur, die du etablieren willst, ist es wichtig, dass du den Menschen hilfst, ihren Platz in der Veränderung zu finden.

Business Analyst (BA)

Diese Rolle arbeitet oft eng mit Analytik-Übersetzern zusammen, um Geschäftsprobleme zu definieren, die durch Analytik gelöst werden können. Analytik-Übersetzer/innen übernehmen diese Position hauptsächlich im Rahmen der Analytik-Transformation, aber BAs sind oft in einer Organisation für IT-Anforderungen etabliert. Wie bereits erwähnt, können BAs sogar zu Analytik-Übersetzern werden, wenn sie im Unternehmen angesiedelt sind und nicht in spezialisierten Kompetenzeinheiten.

Fachexperten (KMU)

Fachleute in bestimmten Geschäftsbereichen. KMU liefern Kontext und Fachwissen, um sicherzustellen, dass die Analyselösungen relevant und umsetzbar sind. Sie arbeiten mit den BAs zusammen und unterstützen in erster Linie die Übersetzer von Analysen. KMU kommen in der Regel aus den Geschäftsbereichen; sie haben nicht unbedingt engen Kontakt mit dem CoE und sind nicht wirklich in die Analytik involviert. Sie sind hervorragende Kandidaten für die Rolle des Analytik-Übersetzers.

Analytics Transformation Manager

Die wichtigste unterstützende Rolle und die treibende Kraft hinter der Transformation, angesiedelt im CoE. Wenn du einen guten Transformationsmanager und ein unterstützendes Transformationsteam hast, bist du schon auf halbem Weg zu einer erfolgreichen Transformation. Diese Rolle ist sogar so wichtig, dass wir ihr einen eigenen Abschnitt widmen werden.

Analytics Transformation Manager

Analytics Transformation Manager spielen eine zentrale Rolle, wenn es darum geht, die strategische Vision voranzutreiben und sicherzustellen, dass sich das Unternehmen erfolgreich zu einer datengesteuerten Einheit entwickelt.

Du kannst einen oder mehrere Transformationsmanager haben. Abbildung 4-3 veranschaulicht, wie groß ihr Aktionsradius ist. Die richtige Person zu finden, wird eine Herausforderung sein, aber es lohnt sich.

Abbildung 4-3. Aktionsfelder für den Analytik-Transformationsmanager

Rolle und Verantwortung

Analytics Transformation Manager organisieren und ermöglichen den Wandel. Sie arbeiten eng mit den Stakeholdern zusammen, organisieren Awareness-Initiativen und fungieren als erste Anlaufstelle und Sprecher für das CoE. In späteren Phasen der Umstellung erweitern sich ihre Aufgaben auf die Verwaltung von Ressourcen, die Risikominderung und die Gewährleistung der Rentabilität. Während sich die Rolle des Change Managers darauf konzentriert, die Auswirkungen einer laufenden Veränderung abzumildern, gestaltet der Transformationsmanager aktiv die strategische Vision.

Strategie

Diese Funktion arbeitet mit der obersten Führungsebene zusammen, um die strategischen Ziele der analytischen Transformation zu definieren und sie mit den allgemeinen Geschäftszielen abzustimmen. Die Transformationsmanager planen, wie diese Ziele erreicht werden können, indem sie eine umfassende Roadmap mit Meilensteinen, Zeitplänen und Ressourcenzuweisung erstellen.

Messung

Transformationsmanager definieren, verfolgen und überwachen KPIs und andere Metriken für den Erfolg und die Auswirkungen der Transformation. Nach der anfänglichen Umstellung bewerten sie die laufenden Auswirkungen, ermitteln Bereiche für weitere Verbesserungen und stellen die Nachhaltigkeit der Umstellung sicher.

Ausführung

Transformationsmanager müssen den Fortschritt von Analyseprojekten und -initiativen überwachen, um sie auf Kurs und im Rahmen zu halten. Sie legen fest, wie die Transformation intern und extern kommuniziert wird. Sie identifizieren potenzielle Risiken, Abhängigkeiten und andere Herausforderungen und entwickeln Strategien, um diese zu mindern. Sie verwalten das Umstellungsbudget, teilen Personal- und Technologieressourcen zu und stellen sicher, dass sie effizient und effektiv eingesetzt werden. Sie suchen nach innovativen Werkzeugen, Methoden und Ansätzen, um die Umstellung der Analytik zu verbessern und pflegen die Beziehungen zu den Anbietern. Sie setzen sich auch für einen verantwortungsvollen Umgang mit Daten ein und stellen sicher, dass bei der Umstellung sowohl rechtliche Grenzen als auch ethische Überlegungen beachtet werden .

Befähigung

Transformationsmanager/innen entwickeln Strategien für das Veränderungsmanagement und setzen diese um, arbeiten mit den Interessengruppen im gesamten Unternehmen zusammen, um Unterstützung zu gewinnen, und fördern den Wissensaustausch und die Zusammenarbeit zwischen Teams und Abteilungen. Sie schaffen Mechanismen für regelmäßiges Feedback von Mitarbeitern, Interessengruppen und sogar Kunden und nutzen dieses Feedback, um den Transformationsprozess zu steuern und zu bewerten.

Erforderliche Fähigkeiten

Transformationsmanager brauchen neben ihren technischen und strategischen Kompetenzen auch eine breite Palette an Management- und kulturellen Fähigkeiten. Zu diesen "Soft Skills" gehören Führung, Kommunikation, Zusammenarbeit, Problemlösung und Anpassungsfähigkeit. Der Transformationsmanager muss kein Technikexperte sein, sollte aber über ein ausreichendes Grundwissen über die neuesten analytischen Innovationen, Technologien, Methoden und bewährten Methoden verfügen, um fundierte Entscheidungen treffen zu können.

Erfolgreiche Transformationsmanager brauchen einen visionären Ausblick; sie müssen Trends vorhersehen und die Organisation auf das vorbereiten, was kommen wird. Da nicht jeder im Unternehmen weiß, was Analytik ist und was sie leisten kann, muss der Transformationsmanager auch die Fähigkeiten eines Pädagogen und Coaches haben, der den Menschen auf allen Ebenen hilft, den Wert der Transformation zu verstehen und zu verstehen, wie sie sich beteiligen können.

Denkweise

Transformationsverantwortliche brauchen eine Haltung der kontinuierlichen Verbesserung. Sie müssen sich für den kulturellen Wandel einsetzen und sogar das Gesicht des Wandels werden, indem sie die Werte und Verhaltensweisen verkörpern, die das Unternehmen einführen will. Sie müssen sich den Herausforderungen stellen und den Wandel mit Leidenschaft und Eigenverantwortung vorantreiben. Und da der Weg des Wandels mit vielen Herausforderungen verbunden ist, sollten sie in der Lage sein, Rückschläge zu überwinden und den Schwung aufrechtzuerhalten.

Bedeutung für den Wandel

Auf dem ehrgeizigen Weg der analytischen Transformation wird der Analytics Transformation Manager zum Dreh- und Angelpunkt des Erfolgs. Diese Rolle geht weit über das reine Projektmanagement hinaus - es geht darum, eine datengesteuerte Zukunft zu gestalten und den Weg dorthin zu ebnen.

Die Expertise des Managers liegt nicht nur in der Strategieformulierung, sondern auch in der Orchestrierung aller Umsetzungsaktivitäten. Transformationsmanager bringen Stakeholder von der Chefetage bis zu den Mitarbeitern an der Front zusammen, um eine kollektive Zustimmung zu gewährleisten, indem sie Kommunikationslücken überbrücken. Sie entmystifizieren die Analytik und verwandeln sie durch gezielte Aufklärungsarbeit von einem einschüchternden Konzept in ein zugängliches, wertvolles Werkzeug für alle. Zu diesem Zweck organisieren sie Weiterbildungsinitiativen, um sicherzustellen, dass die Belegschaft auf die neue datenzentrierte Landschaft vorbereitet ist, und um ein breites Verständnis für den Wert der Analytik für das Unternehmen zu schaffen.

Ohne Transformationsmanager für den Bereich Analytik wird die Reise eines Unternehmens zur Reife der Analytik im Wesentlichen unorganisiert und unzusammenhängend bleiben. Sie sind das Gesicht der Transformation, und ihre Leidenschaft für die Transformation dient als Vorbild für viele andere, die sie für sich adaptieren. Die richtige Person zu finden, ist eine Herausforderung, die sich aber lohnt: Ein guter Transformationsmanager und ein unterstützendes Transformationsteam sind die halbe Miete für eine erfolgreiche Transformation.

Zusammenfassung der Schlüsselrollen

Tabelle 4-1 fasst die vier Schlüsselrollen von analytischen Transformationen zusammen. Erinnere dich daran, dass alle diese Rollen für den Erfolg erforderlich sind.

Tabelle 4-1. Zusammenfassung der vier Schlüsselrollen bei der Transformation der Analytik
Leiter Analytik Analytik Übersetzer
Rolle und Aufgaben: Verfolgt eine analytische Denkweise, stimmt sich mit den Geschäftszielen ab und formuliert Ideen für seinen spezifischen Geschäftsbereich. Rolle und Aufgaben: Verbindet technische und geschäftliche Teams, gewinnt Erkenntnisse aus Daten und arbeitet über organisatorische Kompetenzzentren hinweg zusammen.
Erforderliche Fähigkeiten: Ausgeprägter Geschäftssinn, Grundkenntnisse in Statistik, IT-Verständnis und Bewusstsein für die Abhängigkeiten von IT-Systemen. Erforderliche Fähigkeiten: Solider Geschäftssinn, gute Kenntnisse in Mathematik und Statistik sowie grundlegende Informatikkenntnisse.
Bedeutung beim Vorantreiben der Transformation: Leitet Analyseprojekte und gibt die Richtung für die Transformation der Geschäftseinheit vor. Unverzichtbar für die Förderung einer datengesteuerten Unternehmenskultur. Bedeutung bei der Förderung der Transformation: Er überbrückt die Lücke, indem er die Analyse mit den Geschäftszielen abgleicht und komplexe Daten in verwertbare Geschäftserkenntnisse umwandelt.
Analytik-Profi Analytics Benutzer
Rolle und Aufgaben: Schlüsselpersonen bei der Umgestaltung der Analytik, einschließlich Datentechnik, -analyse und -wissenschaft. Rolle und Verantwortlichkeiten: Sie treffen in ihrer täglichen Arbeit datengestützte Entscheidungen, auch wenn sie nicht direkt in den Analyseprozess eingebunden sind.
Erforderliche Fähigkeiten: Gute Kenntnisse in Informatik, Mathematik und Statistik; Geschäftsverständnis für eine effektive Kommunikation mit Interessengruppen. Erforderliche Fähigkeiten: Fachwissen; grundlegende IT- und Statistikkenntnisse können die Fähigkeit zur Interpretation von Analyseergebnissen verbessern.
Bedeutung bei der Förderung der Transformation: Sie sind unverzichtbar für die Ausführung komplexer Datenaufgaben und entwickeln und überwachen datengesteuerte Entscheidungssysteme. Bedeutung für den Wandel: Anwendung von Datenerkenntnissen auf geschäftliche Herausforderungen; Förderung des Erfolgs von Analytik bei der Entscheidungsfindung.

Die Nutzergruppe der Analytiker, die bei weitem die Mehrheit ausmacht, ist die wichtigste Gruppe, die es für eine breite Einführung von Analytik zu gewinnen gilt. Diese Menschen dabei zu unterstützen, typische Barrieren zu überwinden, um in ihren täglichen Arbeitsabläufen datengesteuerter zu werden, ist eine wichtige Quelle der Einflussnahme.

Das Center of Excellence

Ein CoE ist, kurz gesagt, eine Einheit, die sich mit der Organisation der analytischen Transformation beschäftigt. Während der Data Active Reifephase sammelt und verbindet es alle losen Fäden der Analyseaktivitäten, die sich ergeben.

Ein Center of Excellence schaffen

Deine Transformation braucht einen CoE. Ohne ihn wirst du die Phase des Datenfortschritts nicht erreichen.

CoEs entstehen oft aus den hochentwickelten analytischen Fähigkeiten etablierter Geschäftsbereiche. Wir empfehlen, diese Bereiche und Einheiten frühzeitig zu identifizieren. Das CoE wird in der Regel vom Chief Information Officer oder Chief Operating Officer initiiert, mit dem Engagement von Vorstandsmitgliedern, die die Relevanz der Analytik für das Unternehmen verstehen.

Das CoE sollte nicht unbedingt alle Daten- und Analysefunktionen bündeln. Wir empfehlen sogar, die Verantwortung für Datenanalyse von der Verantwortung für Datenmanagement, Data Governance und Dateninfrastruktur zu trennen. Es steht außer Frage, dass diese Einheiten, Abteilungen und Zuständigkeiten sehr eng zusammenarbeiten müssen, aber wie Julius Cäsar einst sagte: "Divide et impera": teile und herrsche. Die gesamte Umstellung ist so umfangreich, dass eine einzige Abteilung selten über alle notwendigen Kompetenzen verfügt. Wenn eine solche Abteilung versucht, sich um alles zu kümmern, verliert sie schnell den Fokus und den Bezug zum Unternehmen.

Eine gute Unterteilung ist, wie bereits erwähnt, zwischen Datenmanagement, BI mit Standardberichten und Analysefähigkeiten mit Data Science. Der CoE kommt, wie bereits erwähnt, in einer späteren Reifephase ins Spiel, insbesondere beim Übergang von der Data Active-Phase zur Data Progressive-Phase, die intensive Transformationsaufgaben beinhaltet.

Aus diesem Grund kommen die Mitarbeiter des CoE selten aus der IT. Wir empfehlen sogar dringend, das CoE aus dem Unternehmen heraus zu entwickeln und nicht aus der IT. Wenn du keine engagierten und datenaffinen Geschäftsbereiche hast, die in der Lage sind, die Umstellung voranzutreiben, solltest du dich an die IT wenden, um die Verantwortung zu übernehmen. Aber erinnere dich daran, dass es bei der gesamten Umstellung darum geht, das Unternehmen zu unterstützen und Silos aufzubrechen. Idealerweise sollte ein spezielles CoE-Team aus den daten- und analytikversiertesten Abteilungen hervorgehen, damit das Team die Probleme und Bedürfnisse der Geschäftsbereiche vollständig versteht.

In der Informatik gibt es ein Sprichwort namens Conway's Law, das besagt: "Jede Organisation, die ein System entwirft (im weitesten Sinne...), wird ein Design produzieren, dessen Struktur eine Kopie der Kommunikationsstruktur der Organisation ist."1 In diesem Zusammenhang bedeutet das, dass durch die Einrichtung eines CoE auf der IT-Seite die Kompetenzen und die Verantwortung auf der IT-Seite bleiben. Wenn du aber wirklich Silos aufbrechen willst, musst du die Verantwortung für die Datenerfassung in die Nähe des Unternehmens bringen, indem du dein CoE auf der Unternehmensseite einrichtest.

Dies wirft jedoch ein grundlegendes Problem auf. Wir haben festgestellt, dass das CoE nicht für alle analytischen Fragen und Herausforderungen zuständig ist. Je nachdem, wie du die Arbeit aufteilst, wird das Datenmanagement (und möglicherweise andere Funktionen) von einer anderen Abteilung oder einem anderen Geschäftsbereich übernommen. Wenn du das CoE anfänglich besetzst, ziehst du Experten aus diesen Geschäftsbereichen ab. Das schwächt sie eine Zeit lang, aber die Abteilungsleiter/innen dieser Bereiche müssen sich daran erinnern, dass dies eine Investition in die Erreichung der Gesamtziele des Unternehmens ist.

Bei HDI Global haben wir uns 2019 zum Beispiel für diesen Ansatz entschieden. Das Unternehmen baute ein komplett neues CoE-Team auf, das eng mit den Geschäftsbereichen verknüpft war, und stellte die ersten Mitarbeiter aus den datenbasierten Bereichen ein: Naturkatastrophen, Underwriting, Controlling, Beratung und Risikomanagement.

Wenn du auf der Unternehmensseite nicht über die entsprechenden analytischen und technischen Fähigkeiten verfügst, kannst du einige Mitarbeiter aus der IT-Abteilung hinzuziehen, aber du solltest trotzdem der Unternehmensseite mehr Gewicht und Aufmerksamkeit schenken, wie in Abbildung 4-4 dargestellt. Mitarbeiter/innen aus den Geschäftsbereichen haben immer eine stärkere Verbindung zu den zukünftigen Stakeholdern und damit auch eine größere Glaubwürdigkeit.

Abbildung 4-4. Ein Exzellenzzentrum, das sowohl aus der IT als auch aus den Geschäftsbereichen kommt

Deine nächste Herausforderung besteht darin, die Geschäftsbereiche davon zu überzeugen, ihre besten Datenexperten für ein neues CoE abzugeben. Hier ist Kommunikation das A und O. Verbinde deine Forderung mit eurem gemeinsamen Verständnis der Unternehmensmission. Der Manager wird sicher nicht begeistert sein, aber er wird die Notwendigkeit verstehen.

Halte Ausschau nach Personen im Unternehmen, die außerhalb ihres Fachgebiets einen guten Ruf haben und für ihr Fachwissen respektiert werden. Wenn du sie davon überzeugen kannst, sich am CoE zu beteiligen oder ihn vielleicht sogar persönlich zu unterstützen, werden andere ihrem Beispiel folgen. Auch hier gilt: Unterschätze nicht die Bedeutung von Vorbildern für den gesamten Übergang.

Vor allem aber musst du die Leute überzeugen, die du anwerben willst. Manche Menschen fühlen sich vielleicht unsicher, wenn sie ihre Komfortzone verlassen, in der sie über das größte Fachwissen verfügen. Sie haben vielleicht Bedenken, ob das Unternehmen in der Lage sein wird, den kulturellen Wandel auf Dauer durchzuhalten.

Dein neues Team wird eine gemeinsame Dynamik entwickeln müssen, und das braucht Zeit. Wir empfehlen, dass du ihre bisherigen Erfolge in ihren aktuellen Bereichen hervorhebst und sie wissen lässt, wie wichtig ihre Fähigkeiten und Fertigkeiten für den Erfolg des Unternehmens in diesem wichtigen Schritt der Umstellung sind. Diese Menschen werden den Unterschied ausmachen. Sorge dafür, dass sie erkennen, dass dies eine Chance ist, den zukünftigen Erfolg des Unternehmens zu gestalten.

Entschärfe mögliche Ängste, nicht stark genug zu sein, um hier wirklich den nächsten Schritt zu machen. Zeige ihnen, dass sich die Einstellung geändert hat und dass das Unternehmen bereit ist für die Umstellung.

Ansätze zur Organisation eines CoE

Um zu verstehen, wie sich das CoE in die Organisation einfügt, befasst sich dieser Abschnitt mit zentralisierten und dezentralisierten Ansätzen und damit, welche davon am besten funktionieren, insbesondere in der Reifephase des Datenfortschritts (Stufe 3).

Der dezentrale Ansatz

In einem datenreaktiven Unternehmen (Stufe 1), also einem Unternehmen, das noch am Anfang seiner analytischen Entwicklung steht, gibt es in der Regel zentralisierte Daten- und Berichterstattungsfunktionen auf der IT-Seite und einige dieser Funktionen in den Geschäftsbereichen, von denen einige über fortgeschrittene Datenkenntnisse verfügen, andere nicht. Während die nicht datenversierten Geschäftsbereiche völlig von IT-Lösungen abhängig sind, gehen die anspruchsvolleren Geschäftsbereiche mit Daten und Erkenntnissen auf ihre eigene Art und Weise um. Sie reagieren flexibel auf die Bedürfnisse ihres eigenen Bereichs, sind innovativ und entwickeln neue Wege, Dinge zu tun. Das kann zu unzusammenhängenden und nicht aufeinander abgestimmten Bereichen führen, aber es bietet auch ein Höchstmaß an Unabhängigkeit.

Der dezentrale Ansatz kann sehr verlockend sein, aber seine Nachteile für die Organisation überwiegen die Vorteile. Die Entwicklungskapazitäten und das Design-Know-how der Bereiche für nachhaltige Analyseinfrastrukturen und -prozesse können unzureichend sein, was zu betrieblichen Ineffizienzen führen kann.

In Risikomanagement-Abteilungen arbeiten zum Beispiel oft Mathematiker: gut ausgebildete analytische Denker mit ausgeprägten Problemlösungsfähigkeiten. Es ist nicht ungewöhnlich, dass sie anfangen, ihre Arbeit mit den ihnen zur Verfügung stehenden Fähigkeiten zu optimieren, in der Regel Excel und VBA. In den besten Fällen verwenden sie eine funktionale Programmiersprache wie Scala, R, Python oder SQL. Sie neigen dazu, halbautomatische Lösungen für Berechnungen, Datenumwandlungen und so weiter zu erstellen, die ihr aktuelles Problem lösen. Allerdings lässt sich die Lösung oft nicht skalieren, weil sie nie gelernt haben, wie man eine analytische Lösung mit Abhängigkeiten zu anderen Bereichen oder zu unternehmensweiten Prozessen und Systemen entwickelt.

Die Geschäftsbereiche arbeiten unabhängig, wenn es um Daten und Analysen geht, und konzentrieren sich stark auf die Erfüllung spezifischer Geschäftsanforderungen. Oft gibt es eine schwache Steuerung und unklare Zuständigkeiten sowie wenig Möglichkeiten für andere Abteilungen, von diesen Lösungen zu profitieren. Die Zusammenarbeit und Unterstützung zwischen den Abteilungen ist aufgrund des Fehlens einer einheitlichen Strategie schwach. Durch diesen unzusammenhängenden Ansatz steigt das Risiko, dass innerhalb der Organisation erhebliche Silos entstehen. Diese Unzulänglichkeiten müssen behoben werden, sonst werden sie zu einem Hindernis für den Wandel.

Vielleicht bist du jetzt etwas verwirrt, denn wir haben erwähnt, dass die Dezentralisierung von Analysen eine der wichtigsten Voraussetzungen dafür ist, datengesteuert zu werden. Das ist sie auch, aber auf eine andere, besser organisierte und kollaborative Weise: ein föderaler Ansatz.

Der zentralisierte Ansatz

Das andere Extrem ist ein vollständig zentralisierter Ansatz für die Eigentümerschaft an den Analysen. Dieser Ansatz ist vor allem in kleineren Unternehmen anzutreffen und kann für diese ein durchaus brauchbares Geschäftsmodell sein. Dieser Ansatz wird oft gewählt, wenn es in den Geschäftsbereichen wenig oder gar keine technischen oder analytischen Fähigkeiten gibt, entweder weil sie in hohem Maße mit sich wiederholenden, einfachen, manuellen Arbeiten beschäftigt sind oder weil es nur einige wenige Experten gibt, die sich stark auf ein bestimmtes Thema konzentrieren, das wenig Automatisierungspotenzial bietet und in der Regel wenig mit Analyse zu tun hat. In der Regel gibt es ein stark zentralisiertes CoE, das sich um alle Kernfunktionen kümmert, einschließlich der Standardberichte.

Der größte Vorteil liegt auf der Hand: Gut ausgebildete Entwickler können die beste und effizienteste Infrastruktur und Datenverarbeitungsprozesse entwerfen. Allerdings fehlt es ihnen an Geschäftswissen und Einblick in die Kundenbedürfnisse. Um dieses Betriebsmodell erfolgreich anzuwenden, sollten die Leitprinzipien eine enge Zusammenarbeit, eine überschaubare Anzahl von Personen auf beiden Seiten, ein starkes Engagement für die Zusammenarbeit und die gleiche Aufmerksamkeit, Priorität und Anstrengung für alle Probleme, ob groß oder klein, sein. Letzteres ist eine der größten Herausforderungen, denn eine zentralisierte Einheit wird immer ein Engpass sein.

Ein zentralisiertes CoE muss Prioritäten setzen, um seine begrenzten Kapazitäten zu verwalten. Es kann bei Veränderungen in der Organisation hinterherhinken und Schwierigkeiten haben, schnell darauf zu reagieren. Die Zentralisierung führt selten zu einer gemeinsamen Verantwortung für die Datenbereitstellung im gesamten Unternehmen. Der IT-Abteilung fehlt oft der Einblick in die geschäftlichen Abhängigkeiten und die Besonderheiten der CoE-Lösungen, so dass sie sich weigert, über den technischen Teil der Lösung hinaus die volle Verantwortung zu übernehmen.

Der föderale Ansatz

Wir stellen dir jetzt das föderale Modell vor, einen Ansatz, der zwischen den beiden Extremen liegt - ein Modell, von dem wir glauben, dass es die einzige Möglichkeit ist, Eigenverantwortung, technische Raffinesse und Zusammenarbeit erfolgreich zu kombinieren. Dieses Modell wird dich letztlich auf eine höhere kulturelle Ebene bringen und einen Mehrwert für das Unternehmen schaffen.

Es gibt keine einheitliche Definition für ein föderiertes System, und es manifestiert sich in verschiedenen Organisationen unterschiedlich, je nachdem, ob das zentrale CoE oder die dezentralen Einheiten stärker ausgeprägt sind und wie weit die Organisation in ihrer Transformation fortgeschritten ist.

Kurz gesagt, ist ein föderiertes Modell ein Modell, bei dem das CoE die Transformation zu Beginn zentral vorantreibt, die Organisation dann aber mit zunehmender Datenreife zu einem stärker dezentralisierten föderierten Modell übergeht.

Zu Beginn sind viele Aufgaben noch unklar. Die Technologie ist noch nicht ganz ausgereift, die Modelle für die Zusammenarbeit sind noch nicht definiert und es gibt noch kein gemeinsames Governance-Modell für die Analyse. Der CoE kann hier Abhilfe schaffen, indem er aufzeigt, wie Anwendungsfälle angegangen werden können, und Programme zur Verbesserung der Datenkompetenz oder zumindest des Analytikbewusstseins initiiert. Wir empfehlen daher, den CoE mit einem eher zentralisierten Ansatz zu beginnen und dann mit der Zuweisung von Rollen innerhalb der Geschäftsbereiche und dem Aufbau einer angemessenen Datenkompetenz innerhalb der Geschäftsbereiche zur Dezentralisierung überzugehen.

Diese Verlagerung legt auch den Grundstein für die Übertragung von mehr Verantwortung auf die Geschäftsbereiche, was zur Demokratisierung von Daten beiträgt: Mit stärkeren Analysefähigkeiten können die Geschäftsbereiche zu Datenlieferanten werden, nicht nur zu Konsumenten. Das ist die Idee hinter dem Data Mesh, einem Konzept für die Datenarchitektur, das Zhamak Dehghani in ihrem Buch Data Mesh (O'Reilly) definiert. Dehghani beschreibt Data Mesh als gemeinsame Verantwortung für Datenprodukte in verschiedenen Geschäftsbereichen. Sie argumentiert, dass die Behandlung von Daten und Erkenntnissen als Vermögenswerte, die ein entsprechendes Eigentum verdienen, Unternehmen zu einer höheren Datenkultur führt.

Aber lass uns einen Schritt zurückgehen. Warum ist es so wichtig, die Analytik auf einer höheren Reifestufe zu dezentralisieren ( ), wie in Abbildung 4-5 dargestellt?

Abbildung 4-5. Arten von föderierten Modellen nach Reifegrad

Erstens haben die Unternehmen mit dem zunehmenden Bewusstsein für Analytik ein größeres Verständnis für die Möglichkeiten, die Analytik für ihr Geschäft zu nutzen, entwickelt und sind sehr daran interessiert, datengesteuert zu werden. Dies führt dazu, dass sie mehr Ideen für die gewünschten Erkenntnisse entwickeln und mehr Anfragen (und Forderungen) nach Analyselösungen stellen. Wenn sie von einer zentralen Stelle aus agieren, können sie diesen Anforderungen nicht gerecht werden. Am Ende müssen sie Ideen bewerten, priorisieren und aussortieren, weil ihnen die Kapazitäten fehlen.

Der Vorteil eines föderalen Modells besteht darin, dass die Geschäftsbereiche den größten Teil ihrer Aufgaben selbst erledigen können, wodurch sie mehr Verantwortung für ihre Probleme übernehmen und einen Mehrwert für das gesamte Unternehmen schaffen können. Das ist ein gutes Gefühl und wichtig für die Etablierung einer neuen Kultur.

Darüber hinaus erledigen die Geschäftsbereiche meist allgemeine deskriptive und diagnostische Analyseaufgaben. In einer föderalen Struktur muss sich das CoE nicht mit diesen einfacheren Aufgaben befassen. Es kann sich auf die wirklich anspruchsvollen Fragen und die Unterstützung schwächerer Geschäftsbereiche konzentrieren. Die Geschäftsbereiche wiederum sind besser in der Lage, ihr neues Analysewissen mit ihrem Verständnis für das Geschäft und seine Bedürfnisse zu kombinieren. Es spart eine Menge Zeit und Mühe, wenn man selbst nachdenkt, anstatt stundenlang einem Dritten zu erklären, wie es geht.

Sei dir aber bewusst, dass eine zunehmende Föderation eine stärkere Führung oder zumindest eine Anleitung und ein Engagement für einen gemeinsamen Rahmen von Vorschriften und die Grenzen der Möglichkeiten jeder Einheit erfordert.

Es liegt an dir, wie du deinen föderalen Ansatz gestaltest. Wir empfehlen einen verteilten, dezentralen Ansatz wie die föderale Zusammenarbeit, der Effizienz, Eigenverantwortung und ein starkes Gefühl der Zusammengehörigkeit fördert. Es gibt jedoch ein ganzes Spektrum von Verbundmodellen. Suche nach dem Sweet Spot, der zur Größe, zum Geschäftsmodell, zur Personalausstattung, zur strategischen Vision und zum Reifegrad deiner Organisation passt. Finde heraus, was du brauchst und wo du stehst: Ist dein CoE der Transformationsmotor, den du noch brauchst, um die Transformation anzustoßen und alles ins Rollen zu bringen, oder ist es jetzt ein Unterstützer, der den Geschäftseinheiten hilft, auf ihrer individuellen Analytics-Reise exzellent zu werden?

Die erste zeichnet sich dadurch aus, dass das CoE als federführende Einheit bei der Transformation der Analytik eine zentrale Rolle spielt. Die Geschäftsbereiche haben damit begonnen, ihre Analysefähigkeiten und ihr Fachwissen unter der starken Führung des CoE zu pflegen und zu entwickeln. Während diese Abteilungen die grundlegenden Aufgaben erledigen, liegt die Verantwortung für die Ausführung, Umsetzung und Anwendung von Analysen, Daten und relevanten Anwendungsfällen weiterhin beim CoE.

Der zweite ist dadurch definiert, dass der CoE als kompakte, spezialisierte Einheit arbeitet. Sein Hauptaugenmerk liegt auf der Beratung. In seiner Funktion als Vermittler führt der CoE wichtige Initiativen an, wie z. B. zentrales Lernen, Sicherstellung der technischen Bereitschaft und Durchführung von Technologieforschung. Während sich das CoE und die Geschäftsbereiche die Fähigkeiten teilen, trägt das CoE die übergreifende Verantwortung dafür, dass die Umstellung erfolgreich verläuft. Die Geschäftsbereiche sind jedoch für die Anwendungsfälle und Analysen in ihrem Bereich zuständig.

Abbildung 4-6 zeigt die verschiedenen Ebenen der Föderation. Der nächste Abschnitt hilft dir dabei, die Vor- und Nachteile besser zu verstehen und zu überlegen, wie sich dein Ansatz im Laufe der Zeit ändern könnte, wenn deine Analyse-Reise voranschreitet.

Abbildung 4-6. Föderierte Geschäftsmodelle während der Transformation der Analytik

Um eine gemeinsame Analysestrategie zu verfolgen, brauchst du ein CoE. Das ist entscheidend. Sein Vorhandensein ist ein starker Indikator für eine ausgereifte Transformation der Analytik. Eine vollständig dezentralisierte oder zentralisierte Lösung ist dagegen ein deutlicher Hinweis darauf, dass ein Unternehmen auf Stufe 1, dem Data Reactive Reifegrad, arbeitet.

Wenn es das Ziel deiner Organisation ist, Data Progressive (Stufe 3) zu werden, wähle ein Modell irgendwo in der Mitte. Wir raten davon ab, mit einem vollständig (oder fast vollständig) zentralisierten Ansatz zu beginnen. Wenn die Geschäftsbereiche stark von der Analytik abgekoppelt sind, hast du vielleicht kaum eine andere Wahl, als sie zu zentralisieren. Aber auch dann solltest du immer versuchen, die Geschäftsbereiche so früh wie möglich in die Aktivitäten des CoE einzubeziehen. Es ist entscheidend, das Engagement, das Bewusstsein und die Neugierde der Geschäftsbereiche zu gewinnen. Versuche daher, die anfängliche volle Verantwortung für die Anwendungsfälle und ihre Umsetzung schnell vom CoE auf eine Kombination aus beiden Modellen zu verlagern und zumindest die Verantwortung für die analytischen Anwendungsfälle an die Geschäftsbereiche zu übertragen.

Je mehr Mitverantwortung du den Geschäftsbereichen übertragen kannst, desto leichter wird es sein, das Interesse der Mitarbeiter an Datenkenntnissen zu wecken und den Wandel der Analytik für den Geschäftserfolg zu nutzen. Aber das wird ein Marathon und kein Sprint; du wirst viel Ausdauer und Geduld brauchen.

Die Hauptaufgabe des CoE besteht darin, die analytische Transformation im gesamten Unternehmen voranzutreiben. Zu seinen Aufgaben gehören:

  • Sicherstellung der Datenliberalisierung

  • Ein Bewusstsein für Analytik und eine mitgebrachte Datenkompetenz schaffen

  • Aufbau einer "Leuchtturm"-Pipeline für die Ausführung von Anwendungsfällen, um die Organisation zum analytischen Denken anzuregen

  • Sammeln von Analysemöglichkeiten, die schnelle Erfolge und niedrig hängende Früchte bieten, um eine Dynamik zu erzeugen

  • Eng mit den Geschäftsbereichen und dem Datenmanagement zusammenarbeiten und ihre Strategien verbinden

  • Schaffung einer analytischen Kultur im Unternehmen

  • Die ehrgeizigsten und leidenschaftlichsten Mitarbeiter des Unternehmens davon überzeugen, sich die Transformation zu eigen zu machen

Zusammenfassend lässt sich sagen, dass du unbedingt ein CoE brauchst, um den Reifegrad von Data Progressive zu erreichen. Wir empfehlen einen föderalen Ansatz, der zu Beginn mit einem starken CoE beginnt und dann mehr und mehr dezentralisiert wird, sobald die Geschäftsbereiche vollständig eingebunden sind.

Mit dem Influence Model einen transformativen Wandel vorantreiben

Eine analytische Umstellung ist eine ernsthafte, oft schwierige organisatorische Veränderung. Viele Veränderungsinitiativen schlagen fehl, was oft an menschlichen Faktoren liegt. Die Mitarbeiter/innen - das Rückgrat eines jeden Unternehmens - müssen die Veränderung verstehen und voll und ganz annehmen, damit sie Wurzeln schlagen und erfolgreich sein kann.

Hier kommt das Influence Model ins Spiel: ein strategischer Rahmen, der auf fundierten akademischen Forschungen beruht und 2003 von McKinsey eingeführt wurde. Das Influence Model befasst sich mit dem Kern des erfolgreichen organisatorischen Wandels: dem menschlichen Element. Es geht nicht nur darum, einen Plan zu haben oder ein neues Softwaresystem zu implementieren; es geht darum, die Denkweise zu beeinflussen, Verhaltensweisen zu formen, ein einheitliches Verständnis zu schaffen und den Menschen zu helfen, an die Richtung der Organisation zu glauben. Dieses Modell konzentriert sich auf vier Schlüsselbereiche, die in Tabelle 4-2 dargestellt sind:

  • Förderung von Verständnis und Überzeugung

  • Verstärkung des Wandels durch formale Mechanismen

  • Entwicklung von Talenten und Fähigkeiten

  • Rollenmodellierung

Tabelle 4-2. Zitiert aus dem Einflussmodell von McKinsey
"Ich werde meine Einstellung und mein Verhalten ändern, wenn..." Prinzip
"...ich verstehe, was von mir verlangt wird, und es macht Sinn." Förderung von Verständnis und Überzeugung
"Ich sehe, dass unsere Strukturen, Prozesse und Systeme die Veränderungen unterstützen, um die ich gebeten werde. Verstärkung durch formale Mechanismen
"...ich habe die Fähigkeiten und Möglichkeiten, mich auf die neue Art zu verhalten." Entwicklung von Talenten und Fähigkeiten
"...ich sehe, dass sich meine Führungskräfte, Kollegen und Mitarbeiter anders verhalten." Rollenmodellierung

Jeder dieser Schlüsselbereiche befasst sich mit den psychologischen und verhaltensbezogenen Aspekten einer Veränderung, um sicherzustellen, dass die Veränderung nicht nur umgesetzt, sondern auch von den Mitarbeitern verinnerlicht wird.

Im Kern geht es bei diesem Modell darum, das "Warum" hinter dem Wandel zu verstehen und diesen Wandel effektiv zu gestalten. Das Influence Model liefert die Werkzeuge, die dir dabei helfen. Bei jeder Initiative oder jedem Veränderungsprozess, den du in Angriff nimmst, solltest du die vier "Bausteine", die in den nächsten Abschnitten beschrieben werden, sorgfältig berücksichtigen.

Förderung von Verständnis und Überzeugung

Menschen streben von Natur aus nach Übereinstimmung zwischen ihren Überzeugungen und ihrem Handeln. Eine häufige Herausforderung bei Veränderungen ist die Annahme, dass jeder bereits weiß, warum die Veränderung stattfindet. Zwei bemerkenswerte psychologische Tendenzen tragen dazu bei: der falsche Konsens-Effekt, bei dem Menschen das Ausmaß überschätzen, in dem andere ihre eigenen Einstellungen, Überzeugungen und Meinungen teilen, und der Fluch des Wissens, bei dem es Menschen schwerfällt, sich vorzustellen, dass andere etwas nicht wissen, was sie wissen.

Was ist also die Lösung? Führungskräfte müssen eine überzeugende Geschichte des Wandels entwerfen und Feedbackschleifen einrichten, um sicherzustellen, dass sie von allen verstanden wird. Digitale Plattformen und Sensibilisierungsinitiativen können dabei helfen, die Beschäftigten in diese Veränderungen einzubinden und ihnen das Gefühl zu geben, dass sie Teil der Reise sind. Wenn nicht alle von der Veränderung überzeugt sind, ist der Wandel vorbei, bevor er richtig begonnen hat.

Verstärkung durch formale Mechanismen

Unsere Verhaltensweisen sind in der Regel das Ergebnis von Verstärkung und Konditionierung. Aber Arbeitgeber machen das oft auf die falsche Art und Weise, ohne die Belohnungen mit dem gewünschten Verhalten in Einklang zu bringen. Finanzielle Belohnungen können zum Beispiel bis zu einem gewissen Punkt funktionieren, aber Geld ist wahrscheinlich nicht der ultimative Motivator; andere Faktoren, wie Sinn und Zusammenarbeit, haben vielleicht einen größeren Einfluss. Es kommt auch darauf an, wie du diese Belohnungen einsetzt: Sie können weniger effektiv sein, wenn sie zu vorhersehbar sind. Am besten ist es, wenn die Belohnungen fair, abwechslungsreich und wirklich zielgerichtet sind.

Außerdem muss die Organisation das Arbeitsumfeld der Beschäftigten verbessern, d.h. die Arbeitsbedingungen, Einschränkungen und die Kultur. Wenn das "neue" Umfeld die gleichen alten Strukturen und Prozesse bietet, kannst du keine Verhaltensänderung erwarten.

Entwicklung von Talenten und Fertigkeiten

Der Mensch ist in der Lage, im Laufe seines Lebens zu lernen und sich anzupassen. Aber ein paar Dinge können diesem Prozess im Weg stehen:

Inhärente Voreingenommenheit

Viele von uns sind sich unserer Wissenslücken nicht bewusst, weil wir von Natur aus voreingenommen sind. Wir wissen nicht, was wir nicht wissen.

Wahrgenommene Lösbarkeit2

Die Menschen gehen oft davon aus, dass komplexe Probleme irgendwie gelöst werden können, ohne sie tatsächlich anzupacken und die Ansätze zu testen. Das gilt besonders im Bereich der KI, wo die zugrundeliegende Technologie wunderbare Dinge auf vage verständliche Weise erreicht. Es ist wichtig, dass die Menschen verstehen, wie die Problemlösung tatsächlich funktioniert, denn eine Lösung zu finden, ist meist mit viel harter Arbeit verbunden.

Erlernte Hilflosigkeit

Wiederholte Fehler oder negative Erfahrungen können dazu führen, dass Menschen glauben, dass sie sich nicht ändern können, was zu einem Zustand der "erlernten Hilflosigkeit" führt. Unternehmen müssen den Glauben vermitteln, dass Anstrengungen zu Verbesserungen führen können. Mit dem Aufkommen der Analytik gibt es mehr Möglichkeiten denn je, dies in der Praxis zu zeigen.

Rollenmodellierung

Menschen imitieren ganz natürlich andere, sowohl unbewusst (z. B. indem sie die Sprachmuster anderer spiegeln) als auch bewusst (z. B. indem sie bewusst ein bestimmtes Verhalten übernehmen). Während viele bei Vorbildern an historische Persönlichkeiten oder Prominente denken, kann der Einfluss in Organisationen auch von unerwarteten Quellen kommen. In unserem digitalen Zeitalter schätzen die Menschen oft die Meinung von Menschenmassen, z. B. wenn wir Yelp-Bewertungen vertrauen oder Beiträge von LinkedIn-Nutzern mit einer großen Anhängerschaft lesen.

Für den Wandel bedeutet das: Unterschätze nicht die Rolle von Menschen mit großen "Einflusskreisen". Überzeuge diese Menschen frühzeitig von dem Zweck der Umstrukturierung und den damit verbundenen Chancen. Ihre Unterstützung wird dazu beitragen, die Umstellung schneller und nachhaltiger in den Köpfen der anderen zu verankern und sie so voranzutreiben. Aus diesem Grund sind die Führungskräfte im Bereich Analytik so wichtig: Sie gehen mit gutem Beispiel voran. Wie sie sich verhalten, so verhält sich auch die Organisation.

Es ist überraschend, wie oft diese kritischen Elemente bei größeren organisatorischen Veränderungen übersehen werden, obwohl die Grundlagen des Einflussmodells in der menschlichen Natur verwurzelt sind. Für einen erfolgreichen Wandel sollten all diese Elemente ganzheitlich angegangen werden. Sie mögen wie gesunder Menschenverstand erscheinen, aber im Chaos des Wandels können selbst die Grundlagen leicht vergessen werden.

Jedes Mal, wenn du eine neue Initiative, Lösung oder Änderung einführst, empfehlen wir dir, dich zu fragen, ob alle vier Elemente angemessen berücksichtigt werden. Wenn du zum Beispiel einen neuen Anwendungsfall einführst, könntest du dich fragen:

  • Habe ich den Zweck dieses Anwendungsfalls deutlich gemacht?

  • Können die Menschen die Ergebnisse dieses Anwendungsfalls richtig nutzen?

  • Sorgt die Einbettung dieser Prozesse für einen leichteren Zugang zu Erkenntnissen?

  • Wie "belohne" ich die Early Adopters?

  • Habe ich die Unterstützung von Menschen mit Einfluss?

Diese Art der Gegenkontrolle hilft dir, dein eigenes Handeln zu überprüfen und den Kurs gegebenenfalls zu korrigieren. Nutze diesen Rahmen. Er ist wirklich sehr mächtig.

Das Influence Model ist entscheidend für die Unterstützung der analytischen Transformation in Organisationen. Es konzentriert sich umfassend auf das menschliche Element, das für den Erfolg solcher Initiativen entscheidend ist. Indem es sich mit den psychologischen und verhaltensbezogenen Aspekten des Wandels befasst, stellt das Influence Model sicher, dass die Beschäftigten neue Technologien und Prozesse nicht nur annehmen, sondern auch verinnerlichen. So wird ein aufnahmefähigeres Umfeld für Veränderungen geschaffen, indem die Hauptursachen für das Scheitern von Umstrukturierungen angegangen werden. Es bringt die Verhaltensweisen und Einstellungen der Beschäftigten mit den Unternehmens- und Transformationszielen in Einklang, überwindet Widerstände und verbessert die Gesamtleistung des Unternehmens. Die Veränderung des Umfelds, in dem du arbeitest, ist nur die Hälfte der Schlacht.

Eine Kultur der Datenkenntnis kultivieren

Wir unterteilen das große Thema Datenkompetenz in vier Unterthemen(Abbildung 4-7): Datenbewusstsein, Data Storytelling, die strategischen Vorteile von datengesteuertem Management und die Dynamik der Führung im Zeitalter der KI. Jedes dieser Themen rüstet Führungskräfte und Übersetzer/innen mit den Fähigkeiten aus, die sie brauchen, um ihre Organisationen durch die transformative Kraft der Daten zu führen. Bei dieser Bildungsreise geht es darum, eine datenzentrierte Kultur zu schaffen, die von fundierten Entscheidungen und kontinuierlicher Innovation lebt.

Abbildung 4-7. Vier Schlüsselaspekte der Datenkompetenz

Du fragst dich vielleicht: Wieso ist Datenkompetenz überhaupt notwendig, wenn AA nur in deine Geschäftsabläufe integriert wird? Die Antwort ist einfach: Du brauchst ein hohes Maß an Datenkenntnis - vor allem bei deinen Analytikern -, um die Anwendungsfälle zu finden und zu entwickeln, die die kritischen Geschäftsabläufe im Sinne von AA ergänzen sollen. Auf der anderen Seite brauchen die Analytik-Nutzer - die breite Masse - kein hohes Maß an Datenkenntnis, um von diesen Arbeitsabläufen zu profitieren. Aber sie brauchen etwas, das man "Analytics Awareness" nennt, ein Konzept, das wir im nächsten Abschnitt erklären werden.

Deshalb erfordert jede Rolle eine andere Ausbildung. Analytik-Führungskräfte sollten sich (zumindest) auf Analytik-Bewusstsein und datengetriebenes Management konzentrieren, während Analytik-Übersetzer die gesamte Bandbreite dieser Ausbildung benötigen. Für Analytiker/innen bieten Bewusstsein und Storytelling eine solide Grundlage für die Einführung von Analytik, obwohl die erforderlichen Fähigkeiten je nach Position und Rolle variieren, wie du in Abbildung 4-7 sehen kannst. Schauen wir uns das mal genauer an.

Analytics-Bewusstsein kultivieren

Die Entwicklung hin zu einer datengesteuerten Entscheidungsfindung erfordert, dass Menschen, die keine Analytiker sind, das gesamte Spektrum der Datentechnologien und Analyseprozesse verstehen, damit sie effektiv mit Analytikern kommunizieren und Daten nutzen können, um strategische Vorteile zu erlangen. Das Hauptziel des Datenbewusstseins ist es, sicherzustellen, dass sie den Wert von qualitativ hochwertigen strukturierten Daten erkennen.

Das Herzstück des Datenbewusstseins ist das Verständnis des Datenanalyseprozesses: eine komplexe Reise von der Datenerfassung bis zu analytischen Erkenntnissen. Wenn du als Fachkraft in diesen Bereich eintauchst, wirst du die Integrität der Daten sicherstellen und die Qualität der Daten maximieren können.

Wenn du in die Welt der Daten eintauchst, musst du auch wissen, wie du sie visualisieren kannst. Analytik-Führungskräfte, Übersetzer/innen und Nutzer/innen können bewährte Methoden studieren, um zu lernen, wie man komplexe Datensätze in klare und überzeugende visuelle Erzählungen umwandelt. Jede Visualisierung ist ein wichtiges Bindeglied zwischen Daten und Entscheidungsfindung.

Die Reise des Datenbewusstseins geht weiter mit den Konzepten von KI, ML und Deep Learning. Das Verständnis dieser Begriffe und ihrer Anwendungen ermöglicht es Nicht-Analytikern, die Möglichkeiten und Grenzen von KI kritisch zu beurteilen, einen konstruktiven Dialog mit Datenwissenschaftlern zu führen und realistische Erwartungen an KI-Projekte zu formulieren. Dazu gehört auch, den verantwortungsvollen und realistischen Einsatz von KI-Tools, insbesondere von LLMs wie GPT, als Kernkompetenz zu betrachten, da sie heute zum täglichen Handwerkszeug von Fachkräften gehören.

Da die digitale und die physische Welt durch das IoT verschmelzen, tragen Sensoren und intelligente Geräte zu einer Datenexplosion bei, die nie dagewesene Möglichkeiten zur Verbesserung von Prozessen und zur Wertschöpfung bietet.

Storytelling mit Daten

In einer Ära der Datenübersättigung ist die Fähigkeit, eine fesselnde Geschichte zu erzählen, von größter Bedeutung. Data Storytelling überbrückt die Kluft zwischen reinen Zahlen und effektiver Kommunikation, indem es statistische Rationalität mit erzählerischer Klarheit verbindet. Diese Fähigkeit ist unerlässlich für Fachkräfte, die komplexe Datenergebnisse für verschiedene Zielgruppen innerhalb des Unternehmens präsentieren müssen.

Auch hier hilft es, zunächst den Zweck, das "Warum", hinter dem Data Storytelling zu verstehen. Das ist die Vorbereitung für ein tieferes Eintauchen in das "Wie": die Methoden und Techniken, die Daten in fesselnde Geschichten verwandeln, die auf die Bedürfnisse des Publikums und die Ziele der Präsentation zugeschnitten sind. Business Professionals müssen lernen, mit Daten auf eine Weise zu kommunizieren, die für ihr Publikum geeignet ist. Sie müssen die Feinheiten des Tons, des Kontexts und des Charakters beherrschen, um Präsentationen zu halten, die bei ihren Zuhörern ankommen und sie beeinflussen.

Indem sie ihre Fähigkeiten zum Geschichtenerzählen verbessern, werden Fachleute auch zu Kuratoren von Datengeschichten. Sie destillieren riesige Informationsmengen in zusammenhängende Geschichten, indem sie Techniken wie das Storyboarding anwenden. Diese strukturierte Herangehensweise stellt sicher, dass die Schlüsselbotschaften richtig vermittelt werden und die Zuhörer/innen engagiert und informiert bleiben.

Die Beherrschung visueller Werkzeuge ist ein weiterer wichtiger Teil des Data Storytellings. Diagramme und visuelle Formate haben alle ihre Stärken und Anwendungen. Die Wahl der richtigen Visualisierung ist eine strategische Entscheidung, die erheblich dazu beitragen kann, dass dein Publikum die Informationen besser versteht und aufnimmt.

Entrümpeln, also das Entfernen von Unnötigem, um sich auf das Wesentliche zu konzentrieren, ist nicht nur ein Designprinzip, sondern auch eine wichtige Kommunikationsstrategie. Indem sie lernen, Visualisierungen zu entrümpeln, stellen Fachleute sicher, dass Datenpräsentationen nicht nur ästhetisch ansprechend, sondern auch psychologisch überzeugend sind und die Aufmerksamkeit des Publikums auf das Wesentliche lenken.

Datenvisualisierung ist sicherlich weniger eine Wissenschaft als eine Kunst, aber sie ist ein wichtiger Teil der Datenkompetenz von Menschen, die im analytischen Umfeld arbeiten, und sollte nicht vernachlässigt werden.

Datengestütztes Management

zu einem datengesteuerten Unternehmen zu werden, ist mehr als ein technologisches Upgrade: Es ist eine grundlegende Veränderung der Entscheidungskultur. Für Manager/innen erfordert dieser Wandel ein tiefes Verständnis für den Wert von Daten und das praktische Know-how, um sie für strategische Zwecke zu nutzen.

Führungskräfte müssen von Anfang an die Vorteile der datengesteuerten Entscheidungsfindung kennenlernen und die zentrale Rolle der analytischen Wertschöpfungskette bei der Veredelung von Rohdaten in strategische Erkenntnisse erkennen. Dieses Verständnis ist entscheidend, um zu erkennen, wie Daten über die lokal begrenzte betriebliche Unterstützung hinaus zu einem zentralen Unternehmenswert werden und sogar den Weg für optimierte Prozesse und innovative Datenprodukte ebnen können. Ein zentraler Bestandteil dieses Wandels ist die Festlegung auf eine Analysestrategie. Wenn sich die Führungskräfte erst einmal dazu verpflichtet haben und mit der Umsetzung der Strategie beginnen, können sie Einblicke in häufige Fallstricke gewinnen und lernen, wie sie Herausforderungen mit strategischem Weitblick und operativem Scharfsinn meistern können. Außerdem werden sie in die Lage versetzt, ihre Bemühungen optimal auf die jeweilige Unternehmensstrategie abzustimmen.

Datenintegrität ist entscheidend. Manager/innen haben eine besondere Rolle als Hüter/innen der Datenqualität. Sie müssen verstehen, wie sich die Integrität der Daten eines Unternehmens auf dessen Gesundheit auswirkt, und proaktiv daran arbeiten, diese Integrität zu erhalten.

Die Manager/innen kümmern sich auch um den Faktor Mensch: Aufbau und Pflege von Datenverantwortung, Behebung von Kompetenzlücken und Förderung einer Kultur des kontinuierlichen Lernens und der Verbesserung.

Führen im Zeitalter der KI

Als letzte Kompetenz von umfasst Data Thinking die strategische Denkweise, die erforderlich ist, um Daten in die DNA des Unternehmens zu integrieren. Führungskräfte erforschen die Synergie zwischen Design Thinking und Datenanalyse und nutzen Werkzeuge wie das Analytics Use Case Canvas, um Ideen zu entwickeln und Dateninitiativen mit Geschäftszielen und Nutzerbedürfnissen abzustimmen, um eine datenbewusste Organisation zu schaffen.

KI, einst ein weit entferntes Konzept, ist heute ein fester Bestandteil der Geschäftsgespräche. Da KI die Industrie umgestaltet, müssen vor allem Manager und Führungskräfte vom bloßen Bewusstsein zum aktiven Engagement übergehen und das Potenzial von KI zur Förderung von Innovation und Rentabilität verstehen. Diese Bildungsreise beginnt mit der Entmystifizierung von KI und ihren komplexen Zusammenhängen. Von dort aus können Führungskräfte lernen, KI-Chancen zu erkennen und zu fördern, die mit KI-Initiativen verbundenen Herausforderungen zu antizipieren und ein Umfeld zu schaffen, in dem KI gedeihen kann. Dieses Grundlagenwissen schafft die Voraussetzungen dafür, dass Führungskräfte eine KI-Strategie als Erweiterung der Analysestrategie und des Projektmanagements aufbauen können, um sicherzustellen, dass sich KI-Investitionen in greifbaren Geschäftsergebnissen niederschlagen.

Die projektbasierten Lernkompetenzen vermitteln Managern die Methoden, um den Lebenszyklus von KI-Projekten von der Idee bis zur Umsetzung zu managen. Es ist ein praktischer Fahrplan, ein Use-Case-Ansatz für den Erfolg von KI-Projekten, der die Entwicklung von Use-Cases, den Proof of Concept und die Feinheiten von KI-Engineering und Betrieb abdeckt.

Die Krönung dieser Reise ist die Integration des Unternehmens. Führungskräfte sollten die Weisheit der KI-Vordenker nutzen, indem sie bewährte Methoden in eine kohärente KI- und Geschäftsstrategie integrieren, die das Unternehmen durch die Komplexität der KI-Einführung führt und die notwendigen Fähigkeiten, den Technologie-Stack und die Managementpraktiken bereitstellt, um die transformative Kraft der KI zu nutzen. Wenn du dies verstehst und deinen Führungskräften vermittelst, legst du den Grundstein für eine erfolgreiche KI-Implementierung.

Auch wenn sich viele der beschriebenen Fähigkeiten auf neue Managementkompetenzen konzentrieren, sollten diese für alle analytischen Rollen geöffnet werden. Zu erkennen, wie Führungskräfte handeln und warum, wird ihnen helfen, sich anzupassen und sie als Vorbilder zu stärken. Durch diese Lernschwerpunkte werden Analytik-Führungskräfte und Übersetzer/innen nicht nur geschult, sondern auch befähigt, die Transformation der Analytik voranzutreiben, Datenkompetenz zu fördern, eine datenzentrierte Kultur zu entwickeln und ihr Unternehmen in eine Zukunft zu führen, in der Daten und KI ein integraler Bestandteil des Erfolgs sind. Sie sind diejenigen, die letztendlich den Wert von Anwendungsfällen für das Unternehmen identifizieren, bewerten und vorantreiben müssen, und es ist absolut notwendig, dass sie vollständig vorbereitet sind.

Das Befähigungsprogramm

Datenkompetenz allein ist kein Enabler. Du musst sie in ein Befähigungsprogramm einbetten. In diesem Abschnitt werden verschiedene Programme beschrieben, die sich speziell an Analytik-Führungskräfte und Übersetzer/innen richten, die unterschiedlich behandelt werden müssen. Bei den Führungskräften liegt der Schwerpunkt auf analytischem Denken, datengesteuertem Management, dem Verständnis der Analysestrategie und der Vorbildfunktion. Bei den Übersetzern liegt der Schwerpunkt auf ihrer Brückenfunktion und darauf, wie sie analytische Herausforderungen selbstständig angehen und gleichzeitig einen kollaborativen Ansatz verfolgen können.

Schulungsformate für Analytik-Führungskräfte

Führungskräfte brauchen einen Ausgangspunkt für ihre Reise und häufige Folgeveranstaltungen in Form von Formaten, die ihnen helfen, in ihrer Rolle zu wachsen. Dieser Startpunkt ist ein erster Workshop oder ein Camp, um alle auf die gleiche Seite zu bringen. Wir empfehlen, diesen Workshop abzuhalten, nachdem die Analysestrategie festgelegt wurde.

Diese Programme sind zeitaufwändig und teuer. Sie dauern ein oder zwei Tage, und Führungskräfte für diese Zeit von ihrer Arbeit abzuhalten, ist eine große Sache. Wenn du den richtigen Ort und die richtige Zeit gefunden hast, solltest du viel in die Erstellung von Inhalten mit Mehrwert in einem kohärenten Format investieren, das ihre Zeit nicht verschwendet. Dieser Workshop trägt nicht direkt zur Kapitalrendite des Unternehmens bei - es ist eine Investition in das Bewusstsein - also muss den Führungskräften klar sein, dass sie etwas von ihrem Zeiteinsatz haben werden.

Kombiniere deine Inhalte mit frischen und spannenden Elementen und schaffe ein Umfeld, das den Führungskräften Zeit gibt, Ideen zu teilen und auszutauschen, Beziehungen aufzubauen und sich zu vernetzen. Wir empfehlen nicht mehr als 20 Teilnehmer/innen pro Workshop, idealerweise eine wirklich bunte Mischung von Führungskräften aus verschiedenen Bereichen. Je nach Größe der Organisation kann es sein, dass du mehrere Veranstaltungen abhalten musst.

Erster Workshop

Der erste ein- bis zweitägige Workshop (oder "Camp") ist der Ort, an dem du bei allen Führungskräften der Organisation einen ersten Eindruck hinterlässt, also sei dir bewusst, dass der erste Eindruck nachhaltig ist. Das ist deine Chance, eine gemeinsame Sprache zu finden, sie für den Wandel und die damit verbundenen Chancen zu sensibilisieren und ihnen die erforderlichen Fähigkeiten und Rollen zu vermitteln. Dein Ziel ist es, die Unterstützung und das Engagement der Unternehmensleitung zu gewinnen und ein besseres Verständnis dafür zu erlangen, wie weitere Veränderungen gestaltet werden können.

Es ist wichtig, dem Workshop einen einprägsamen Ablauf zu geben. Hier ist die Struktur, die wir empfehlen:

Schritt 1: Erkläre den Zweck

Beginne mit einer ausführlichen Erläuterung des Zwecks und des strategischen Ansatzes für die Umstellung. Erläutere den Status quo, die Ziele des Unternehmens und deinen Fahrplan.

Schritt 2: Entmystifiziere die Buzzwords

Erkläre Datenanalyse und andere wichtige Begriffe und Konzepte wie Datenwissenschaft, deskriptive und prädiktive Analyse, künstliche Intelligenz und generative KI. Hilf jedem, Datenanalyse auf höchstem Niveau zu verstehen und zeige, wie sie in die strategische Entscheidungsfindung einfließt.

Nenne konkrete Beispiele, die so einprägsam sind, dass sie jeder nachvollziehen kann. Nimm zum Beispiel einen Fall, der den Weg der Analytik von der deskriptiven zur präskriptiven Analyse perfekt beschreibt, z. B. mit den Hauspreisen oder dem Iris-Datensatz (am besten fragst du deine Data Scientists; sie werden viele Inhalte liefern).

Schritt 3: Beispiele nennen

Gib Beispiele, indem du deine ersten internen Anwendungsfälle vorstellst oder, wenn du noch keine hast, externe Beispiele aus deiner Branche oder aus anderen Branchen verwendest. Erkläre sie und demonstriere sie, wenn möglich, live.

Schritt 4: Einführung des Use-Case-Ansatzes

Erkläre als Nächstes das analytikgestützte Management. Konzentriere dich vor allem auf die Ideenfindung und die Umsetzung von Anwendungsfällen. Zeige, wie deine Use-Case-Pipeline funktioniert und wie dein End-to-End-Ansatz aussieht. In Kapitel 5 findest du ein Beispiel für eine mögliche Umsetzung eines Use-Case-Ansatzes.

Schritt 5: Brainstorming

Lass die Teilnehmer ein Brainstorming zu ihren eigenen Use-Case-Ideen machen. Teile sie in Gruppen ein und führe sie durch einen Design-Thinking-Prozess, der das Publikum mit einem gut strukturierten Ansatz unterstützt: Beginne mit einer klar definierten Problemstellung des Falls, diskutiere dann den Geschäftswert und die benötigten Daten und zeichne eine mögliche zukünftige Lösung. Lass sie ihre Ideen vorstellen und sich gegenseitig herausfordern. Du wirst feststellen, dass dies eine Win-Win-Situation für alle Beteiligten ist, da es das analytische Denken fördert und gute Anwendungsfälle für dein Backlog generieren kann.

Schritt 6: Überprüfe ihre Ideen im Use-Case-Prozess

Als Nächstes zeigst du den Führungskräften, wie sich ihre Ideen in den Use-Case-Prozess einfügen, der als Ausgangspunkt dient. Zeige auf, wie Ideen auf ihre Machbarkeit und ihren geschäftlichen Nutzen geprüft und für mögliche Pilotprojekte in Betracht gezogen werden. Vielleicht kannst du sogar zeigen, wie ein Prototyp erstellt wird. Wähle einen kleinen, weniger komplexen Fall und zeige live, wie ML erste Erkenntnisse liefern kann. Du kannst dafür No-Code-Tools verwenden, die sich hervorragend eignen, um einen Arbeitsablauf zu demonstrieren und den Führungskräften ein Gefühl der Machbarkeit zu vermitteln, wenn sie erkennen, dass nicht alles programmiert werden muss.

Schritt 7: Einführung von Rollen und Verantwortlichkeiten

Jeder Manager und jede Führungskraft muss seine/ihre Rolle und seine/ihre Aufgaben im Rahmen der Umstrukturierung kennen und die Aufgaben und Zuständigkeiten seiner/ihrer Mitarbeiter/innen kennen. Sie müssen verstehen, welche Veränderungen die Umstellung mit sich bringt und welche neuen Aufgaben sie haben. Hilf ihnen zu verstehen, wie sie die Rolle des Analytik-Übersetzers in ihre Teams integrieren können. Sie müssen auch eine erste Vorstellung davon bekommen, wie sie die Integration von Analysen für die strategische Entscheidungsfindung angehen können.

Schritt 8: Den Status quo festlegen

Um den Wandel zu messen, brauchst du ein klares Bild vom aktuellen Reifegrad der Organisation. Bereite eine Umfrage vor, in der du die Teilnehmer/innen fragst, wie sie den Einsatz und die Relevanz von Analysen einschätzen und wie sie ihre eigene Bereitschaft, die Bereitschaft ihrer Teams und die Bereitschaft der Organisation als Ganzes einschätzen. Diese Erkenntnisse helfen dir, weitere Schwerpunkte für die Umstellung festzulegen und den Führungskräften ein Gefühl der Verantwortung zu geben.

Schritt 9: Akzeptanz erreichen

Hol dir im Monat nach dem Workshop die Zustimmung der Teilnehmer/innen. Frag jeden Einzelnen, was er tun will, um seine Rolle als Analytik-Führungskraft zu erfüllen und was er vom CoE braucht, um erfolgreich zu sein.

Die Ideen, die du während dieses Workshops bekommst, sind pures Gold - nutze sie, um deine nächsten Aktionen zu planen. Sieh dieses "Leadership Camp" als eine großartige Gelegenheit für alle Teilnehmer/innen, sowohl als Führungskräfte als auch für die Entwicklung des CoE.

Das erste Camp ist dein erster Auftritt in der Wahrnehmung aller Führungskräfte; sei dir immer bewusst, dass der erste Eindruck nachhaltig ist. Es ist die Chance, eine gemeinsame Sprache zu etablieren, ihnen die Chancen und den Wandel sowie die für die Umgestaltung erforderlichen Fähigkeiten und Rollen bewusst zu machen. Du kannst die Unterstützung und das Engagement deiner Führungskräfte gewinnen und besser verstehen, wie du weitere Veränderungen gestalten kannst.

Follow-up-Programme

Der erste Workshop auf ist nur der Anfang. Du entwickelst ein langfristiges Programm für das Engagement von Führungskräften im Bereich der analytischen Transformation, und das ist keine einmalige Sache. Dein Ansatz sollte lehrreich, erfahrungsorientiert und kulturell integriert sein. Tabelle 4-3 zeigt, wie ein solches Programm aufgebaut sein sollte.

Tabelle 4-3. Beispielstruktur für ein fortlaufendes Programm zur Befähigung von Führungskräften
Veranstaltung Frequenz Zweck Beschreibung
Runde Tische für Führungskräfte Alle zwei Monate Laufende Gespräche über ihre Erfahrungen mit Analytik Regelmäßig stattfindende Sitzungen befassen sich mit wechselnden Inhalten zu bestimmten Analysethemen, wie z.B. neuen Technologien oder Anwendungsfällen innerhalb oder außerhalb der Branche, und ermutigen die Führungskräfte, ihre Herausforderungen und bewährten Methoden zu teilen. Dieser kontinuierliche Austausch stellt sicher, dass die Weiterbildung kein einmaliges Ereignis ist, sondern ein fester Bestandteil der beruflichen Routine der Führungskräfte.
Vierteljährliche praktische Workshops zur Verbesserung der Fähigkeiten Alle vier Monate Stärkung der Rolle und Festigung der Soft Skills Die vierteljährlichen Workshops helfen den Führungskräften, ihre Rollen und Verantwortlichkeiten bei der Umstellung zu vertiefen. Der Schwerpunkt liegt dabei weniger auf den technischen Aspekten der Umstellung als vielmehr auf der Festigung von Soft Skills durch Übung und Wiederholung.
Analytik ThinkLabs Alle sechs Monate Gemeinsame Problemlösung In den ThinkLabs kommen Führungskräfte zusammen, um ihre analytischen Fähigkeiten auf reale geschäftliche Herausforderungen anzuwenden und dabei in funktionsübergreifenden Teams zu arbeiten, Probleme zu lösen und über den Tellerrand hinauszuschauen. Externe Redner/innen inspirieren zu Innovationen und bieten neue Perspektiven zu bestimmten Themen - z. B. Ideenfindung für KI-Anwendungsfälle oder Design Thinking für die Integration bestimmter Algorithmen in spezielle Arbeitsabläufe. Diese Veranstaltungen tragen auch dazu bei, den Bestand an Anwendungsfällen aktuell zu halten.
Leadership-Gipfel Einmal im Jahr Über den Fortschritt nachdenken und ihn feiern Dieses jährliche Gipfeltreffen ist der Höhepunkt des Engagementprogramms und bietet ein Forum, um über die Fortschritte des Jahres bei der Umgestaltung der Analytik nachzudenken. Es ist auch eine Gelegenheit, Erfolge zu feiern und die Beiträge von Einzelpersonen und Teams zu würdigen. Diese Veranstaltung spielt eine wichtige Rolle, um den Schwung aufrechtzuerhalten und die Agenda für das kommende Jahr festzulegen.

Nutze und konsolidiere außerdem andere unterstützende Aktivitäten. Ziehe in Erwägung, dein internes Entwicklungsprogramm für Führungskräfte um ein Mentoring durch Analytik-Experten zu erweitern, um die Lernerfahrung zu personalisieren und direkte Unterstützung zu bieten. Gib den Führungskräften Zugang zu Online-Lernressourcen, damit sie ihre Fähigkeiten selbständig verbessern können.

Als formellerer Verstärkungsmechanismus können Dashboards den Führungskräften dabei helfen, ihren persönlichen Beitrag zum Wandel durch die Überwachung von KPIs zu verfolgen. Du kannst auch Community-Netzwerke in Betracht ziehen, aber mit Vorsicht. Plattformen wie Microsoft Teams können Führungskräfte überfordern, die ihre Inhalte manchmal als unerwünscht empfinden. Es ist besser, sich an regelmäßige, strukturierte Formate zu halten, um eine Informationsflut zu vermeiden.

Schulungsformate für Analytik-Übersetzer

ein langfristiges Programm für analytische Übersetzerinnen und Übersetzer zu entwickeln, erfordert einen Ansatz, der sich mit ihrer einzigartigen Rolle als Brücke zwischen den technischen Analyseteams und den geschäftlichen Interessengruppen weiterentwickelt.

Erster Workshop

Beginne mit einem intensiven Workshop, dem "Kick-off Workshop: Einführung in die Rolle des Übersetzers", der den Rahmen für die Reise des Analytik-Übersetzers setzt. Der Inhalt sollte die übergreifenden Ziele der Analyseumstellung, die Bedeutung ihrer Rolle als Übersetzer und die Abstimmung der technischen Fähigkeiten mit den Geschäftsstrategien umfassen. Sprich die Erwartungen der Teilnehmer/innen an, ihre Ziele und wie sie sich entwickeln wollen. Dieser Workshop ist wichtig, um die Teilnehmer/innen mit ihrer Rolle vertraut zu machen und ihnen das Grundwissen zu vermitteln, das sie brauchen, um erfolgreich zu sein.

Nachfolgeprogramme

Tabelle 4-4 enthält ein Beispiel für die Programmierung von, das als Folgemaßnahme zu diesem Workshop dienen kann.

Tabelle 4-4. Beispielstruktur für ein fortlaufendes Programm zur Befähigung von Führungskräften
Veranstaltung Frequenz Zweck Beschreibung
Deep-Dive-Sitzungen Jeden Monat Technischen und geschäftlichen Scharfsinn schulen Analytik-Übersetzer/innen sollten monatlich an Sitzungen teilnehmen, die einen tiefen Einblick in spezifische Analysetools, Methoden und Anwendungsfälle geben. Diese fortlaufende Reihe stellt sicher, dass die Übersetzer sowohl die Sprache der Daten als auch die Sprache des Geschäfts fließend beherrschen. Jede Sitzung sollte mit umsetzbaren Erkenntnissen enden, die die Übersetzer/innen direkt auf laufende Projekte anwenden können.
Analytik ThinkLabs Alle vier Monate Erleichterung der disziplinübergreifenden Zusammenarbeit Analytik-Übersetzer sollten auch an den in Tabelle 4-3 beschriebenen ThinkLabs teilnehmen. Übersetzer/innen können sicherstellen, dass die Teams innerhalb des Labors ein Gleichgewicht zwischen technischer Machbarkeit und wirtschaftlicher Tragfähigkeit wahren. Sie erleichtern die Kommunikation zwischen Datenwissenschaftlern, Ingenieuren und Geschäftsführern.
Als Verfechter der Analyse- und Geschäftsperspektive können Übersetzer/innen die Übernahme von aus Daten gewonnenen Erkenntnissen in den Ideenfindungs- und Prototyping-Prozess innerhalb des Labs fördern. Sie können die Diskussion in Ideensitzungen leiten und die Entwicklung von Konzepten mit ihrer Erfahrung aus anderen Anwendungsfällen unterstützen.
Analytik-Führungsgipfel Einmal im Jahr Über den Fortschritt nachdenken und ihn feiern Die Übersetzer/innen sollten auch am jährlichen Führungsgipfel teilnehmen, um Anwendungsfälle und Erfolgsgeschichten zu präsentieren, die zeigen, wie Analytik zu Geschäftsergebnissen geführt hat, und so den Wert datengestützter Entscheidungsfindung unter Beweis stellen. Sie können beratend tätig werden und an aktiven Präsentationen teilnehmen, die einen Einblick geben, wie Daten und Analysen die strategische Ausrichtung des Unternehmens mitgestalten können. Die Gipfeltreffen bieten eine Plattform für Übersetzer/innen, um Beziehungen zu Führungskräften aufzubauen und die Sichtbarkeit und Bedeutung von Analytik auf der Agenda der Führungskräfte zu erhöhen. Als Sprachrohr der technischen Interoperabilität können Übersetzer/innen artikulieren, was technologisch möglich ist.

Als Ergänzung zu diesen wichtigen Veranstaltungen empfehlen wir die folgenden unterstützenden Aktivitäten:

Aktive Beteiligung an der Umsetzung von Anwendungsfällen

Einer der wichtigsten Hebel für Übersetzer/innen, um ihrer Rolle gerecht zu werden, ist ihre aktive Einbindung in den Prozess der Anwendungsfallumsetzung. Sie sind nicht nur dafür verantwortlich, den Fortschritt der Umsetzung zu kommunizieren, sondern sollten auch immer mehr in die aktive Entwicklung einbezogen werden. Feedbackschleifen und Peer-Coding-Sitzungen mit den Analytikern werden dazu beitragen, die analytischen Fähigkeiten der Übersetzer zu verbessern und sie in die Lage versetzen, in Zukunft mehr ihrer eigenen Ideen umzusetzen, was dem föderalen Ansatz dient.

Mentoring- und Hospitationsprogramme

Analytik-Übersetzer/innen werden mit Führungskräften aus anderen Geschäftsbereichen und erfahrenen Analytik-Fachleuten zusammengebracht, um ein tieferes interdisziplinäres Verständnis zu fördern und Einblicke in verschiedene Geschäftsbereiche und analytische Prozesse zu erhalten. Die Übersetzerinnen und Übersetzer verbringen Zeit mit ihren Mentorinnen und Mentoren in deren täglichem Arbeitsumfeld, wodurch sie praktische Erfahrungen sammeln und potenzielle Parallelen im Bereich der analytischen Lösungen erkennen können. Diese direkte Zusammenarbeit schafft wertvolle Synergien und hilft den Übersetzern, ihre Rolle als Vermittler zwischen der Welt der Daten und der Geschäftsstrategie zu festigen und auszubauen.

Fortlaufende Zertifizierungskurse

Kontinuierliche Lern- und Weiterbildungskurse bieten Zertifikate in den neuesten Analysemethoden, aufkommenden Technologien und fortgeschrittenen lateralen Führungskompetenzen. Diese Kurse sollen die Fähigkeiten der Übersetzer/innen vertiefen und sie mit den neuesten Trends und Tools für eine effektive Datenanalyse und -interpretation ausstatten.

Projektpräsentationen

In regelmäßigen Projektpräsentationen zeigen Analytik-Übersetzer/innen, wie sie Analytik einsetzen, um greifbare Geschäftsergebnisse zu erzielen. Die Übersetzer erklären ihre Ideen, visualisieren ihre Erfolge, teilen bewährte Methoden und lernen neue Ansätze kennen. Diese Veranstaltungen sind wichtig, um die Übersetzer im Unternehmen anzuerkennen und ihr Vertrauen zu stärken.

Rückkopplungsschleifen

Durch die Einrichtung strukturierter Mechanismen, die den Übersetzern konstruktives Feedback von den Beteiligten geben, sind Feedbackschleifen für eine kontinuierliche Verbesserung unerlässlich. Sie geben wertvolle Einblicke in die Effektivität der Arbeit der Übersetzer und ermöglichen es ihnen, ihre Methoden und Ansätze zu verfeinern. Regelmäßiges Feedback stellt sicher, dass Übersetzer/innen in ihrer Rolle wachsen und sich kontinuierlich an die sich ändernden Bedürfnisse der Organisation anpassen können.

Schulung zur Datenkompetenz

Gute Inhalte allein reichen nicht aus, um den Erfolg zu sichern. Selbst wenn die Teilnehmer/innen die Notwendigkeit von Schulungen erkennen, ist Zeit immer ein limitierender Faktor. Für Analytik-Übersetzer/innen könnte ein spezielles, langfristiges Schulungsprogramm, das Teil ihrer vereinbarten Rolle ist und somit in ihren Zeitplan eingebaut werden kann, von Vorteil sein. Für die Zeitpläne von Managern ist ein langer Kurs jedoch wahrscheinlich nicht geeignet. Einigen Beschäftigten fehlt es vielleicht auch an Motivation und Ausdauer, um lange Kurse zu absolvieren. Zum Beispiel ist nicht jeder in der Lage, seine eigene Weiterbildung zu organisieren.

Unternehmen haben begonnen, dieses Problem zu erkennen. StackFuel zum Beispiel bietet ein Weiterbildungsprogramm an, das organisiertes und selbstbestimmtes Training innerhalb eines bestimmten Zeitrahmens kombiniert. Das sorgt für Struktur und hilft den Teilnehmern, ihre Fortschritte und ihre Datenkompetenz zu verfolgen. Dieser Ansatz stellt sicher, dass alle auf dem gleichen Stand sind und niemand übereilt vorgeht. Lege also die richtigen Formate für Führungskräfte und Übersetzer/innen fest und kombiniere sie dann mit Veranstaltungen und Programmen, die darauf ausgerichtet sind, die Gemeinschaft der Analytik-Übersetzer/innen einzubinden.

Technische Ausbildung

Wir haben auf die Datenkompetenz für die Geschäftsfunktionen besprochen, aber es ist auch wichtig, ein angemessenes technisches Entwicklungsprogramm für die Analytiker/innen zu haben. Es ist schwierig, hier allgemeine Empfehlungen zu geben: Die erforderliche Ausbildung hängt stark von der technischen Ausrichtung des Unternehmens und dem Analyse-Ökosystem ab. Wenn das Unternehmen zum Beispiel stark von Vertriebslösungen abhängig ist, brauchen die Mitarbeiter/innen eine spezielle Schulung zu diesen Lösungen.

Was wir empfehlen können, ist, sich auf allgemeine Analysefähigkeiten zu konzentrieren, z. B. grundlegende Statistiken, Datenverarbeitung und Open-Source-Programmiersprachen. SQL, Python und R sind wichtige Grundlagen für Programmierkenntnisse.

Neben neuen Fähigkeiten müssen Fachkräfte auch ihre technischen und methodischen Kenntnisse kontinuierlich verbessern. Unserer Erfahrung nach kennen Analytik-Fachleute ihre Bedürfnisse in der Regel am besten und wollen oft bestimmte Quellen nutzen, um ihr Wissen zu verbessern. Spezialisierte Anbieter wie DataCamp, Udacity, Udemy und LinkedIn Learning bieten ein breites Spektrum an Online-Schulungen an. Halte Ausschau nach ansprechenden und motivierenden Ressourcen. Analytiker/innen brauchen sicherlich keine vollständige Anleitung, aber Belohnungen und eine strukturierte Herangehensweise werden ihnen helfen, erfolgreicher zu sein. Unserer Meinung nach bietet das DataCamp aktuelle Inhalte und einen stark motivierenden Ansatz.

Außerdem gibt es eine Menge anderer Konzepte, die hilfreich sein können, um Menschen zu Datenprofis umzuschulen. Das Lesen von Büchern ist immer ein guter Ansatz. Du könntest auch in Betracht ziehen, an speziellen Programmen wie Springboard oder StackFuel Reskills teilzunehmen.

Fazit

Die wichtigste Erkenntnis aus diesem Kapitel ist die Bedeutung der vier analytischen Schlüsselrollen für das Unternehmen. Jede dieser Rollen hat Erwartungen; einige produzieren Inhalte, andere konsumieren sie. Besonders wichtige Funktionen haben die Führungskräfte, von denen erwartet wird, dass sie die gesamte Umstellung mit gutem Beispiel vorantreiben, und die Analytik-Übersetzer, die eine Brücke zwischen den beiden Welten von Geschäft und Analytik schlagen. Der Transformationsmanager gestaltet und lenkt die Transformation aktiv und begleitet den Wandel aktiv. Jede Rolle erfordert ein bestimmtes Mindset und Skillset und kann je nach Geschäftsmodell in verschiedene Personas mit eigenen Funktionen unterteilt werden.

Ohne diese Rollen wirst du nicht in der Lage sein, deine Umstrukturierung bis zum Erreichen von Stufe 3, dem Status "Datenfortschritt", umzusetzen. Außerdem musst du ein CoE einrichten, das die Umstellung in Gang setzt und alle Veränderungsinitiativen leitet und organisiert. Diese Einheit ist am besten in der Lage, die Geschäftsanforderungen zu verstehen und Analyselösungen umzusetzen.

Wenn die AA-Transformation in deinem Unternehmen voranschreitet, ist es wichtig, dass du deine Herangehensweise an die Anwendung von Analysen änderst. Die Bedienung der steigenden Nachfrage durch eine zentrale Einheit wird unweigerlich zu Einschränkungen führen, so dass du ab einem bestimmten Punkt die Verantwortung für die Nutzung von Analytik verteilen musst. Wir empfehlen einen föderalen Ansatz, der die dezentralen Einheiten befähigt und gleichzeitig die Koordination und Anleitung durch ein begleitendes CoE sicherstellt.

Im nächsten Kapitel werden wir erörtern, wie Anwendungsfälle das Unternehmen bei der Datenreife voranbringen können. Du wirst auch verstehen, wie AA für das Erreichen der letzten Stufe der Data Fluency wichtig ist. Wir werden die Hauptaspekte der Notwendigkeit von AA und der technischen Integration, ihre Vorteile und ihre Herausforderungen diskutieren.

1 Für unsere Zwecke bedeutet "ein System entwerfen", die Struktur eines Ansatzes für eine analytische Transformation zu definieren. Siehe Melvin Conway, "How Do Committees Invent?", Datamation, April 1968; und Martin Fowler, "Conway's Law", MartinFowler.com, 20. Oktober 2022.

2 Definiert von Professor Michael Löwe, 2007 FHDW Hannover, in einem direkten Gespräch mit seinen Studierenden in Vorbereitung auf eine Prüfung.

Get Erweiterte Analytik now with the O’Reilly learning platform.

O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.

Start your free trial