Aus unseren Gesprächen mit Wirtschaftsführern wissen wir, dass viele Unternehmen darüber nachdenken, Data Analytics zu implementieren oder ihre bereits veralteten Systeme zu aktualisieren, um wettbewerbsfähig zu bleiben. Da die Dislocation1 immer mehr an Fahrt aufnimmt, kommen viele Unternehmen zu der Erkenntnis, die Ergebnisse aus komplexen Datenanalysen effizient in ihren Entscheidungsfindungsprozessen zu integrieren. Dies bildet somit ein wirkungsvolles Mittel, um den eigenen Wettbewerbsvorteil in einer Omnichannel-Welt voranzutreiben.

Nachfolgend ein paar Erkenntnisse, die wir durch unsere langjährige Erfahrung im Rahmen der Unterstützung unserer Kunden bei der Implementierung von erfolgreichen Data Analytics Projekten erlangt haben:

  • Erstellen Sie einen strategischen Plan für Ihre Data Analytics Projekte und leiten Sie davon klar definierte Geschäftsziele ab. Diese sollten die Profitabilität der Projekte sicherstellen und alle Mitarbeiter zur Nutzung von Daten ermutigen.
  • Verfolgen Sie das Ziel einer breiten Datenkompetenz, zum Beispiel durch Test-and-Learn-Modelle und die Dezentralisierung der Datenhoheit.
  • Fehler passieren – berücksichtigen Sie dies für Ihre Planung und rechnen Sie nicht mit perfekt strukturierten Daten. Die richtige Vorbereitung der Daten für ein geplantes Projekt kann viel Zeit und Arbeitsaufwand in Anspruch nehmen. Folgen Sie dem Ansatz „Start simple, scale fast!“.
  • Investieren Sie in umfassende Trainings, um die analytischen Fähigkeiten in Ihrem Unternehmen zu verbessern, und die allgemeine Affinität für Data Analytics zu erhöhen.
  • Entwickeln Sie frühzeitig eine Strategie, die die Anforderungen an die benötigten IT-Systeme und -Prozesse sowohl während der Phase der Implementierung, als auch nach dem erfolgreichen Abschluss des Projektes abbildet. Stellen Sie sicher, dass ihre analytische Infrastruktur auch zukünftige Geschäftsanforderungen erfüllt.
  • Machen Sie sich bewusst, dass die Entscheidung zwischen einem Datawarehouse mit dem Schwerpunkt auf Standardisierung und einer neuen cloud-basierten Datenmanagementplattform (DMP) mit dynamischen Charakter ein wesentlicher und erfolgskritischer Faktor Ihres Projektes ist.
  • Vereinfachen Sie den Zugang zu Ihren Daten sowohl innerhalb des Projektteams, als auch im gesamten Unternehmen. Der Einsatz von Techniken zur Datenvisualisierung wird Ihren Mitarbeitern die Fähigkeit geben, die Ergebnisse zu interpretieren und ihnen ein Gefühl der Mitverantwortung für diese Daten geben.
  • Nutzen Sie Ihre Change Management Expertise: Die aus dem Projekt hervorgegangenen Algorithmen und automatisierten Systeme verändern in hohem Maße ihre Art zu arbeiten – unterstützen Sie Ihre Teams aktiv dabei diese Herausforderung zu meistern.
  • Stellen Sie ein unternehmensweites Verständnis für die Macht von Data Analytics und die daraus entstehenden Wettbewerbsvorteile sicher, angefangen auf der Vorstandsebene bis in die operativen Ebenen Ihrer Organisation. Da insbesondere analytischer Input erfolgskritisch ist, um diese Wettbewerbsvorteile zu erreichen, sollten Data Scientists einen aktiven Part in Entscheidungssituationen einnehmen.

Wir sind der festen Überzeugung, dass ein Data Analytics Projekt nur dann erfolgreich ist, wenn es einen Return on Investment (ROI) für das Unternehmen erzielt. Dies erfordert ein tiefgreifendes Verständnis der Bedeutung von Data Analytics und des Geschäftsproblems, das es zu lösen gilt. Nur dann erreichen Sie Unternehmenswachstum und die nachhaltige Bereitschaft, die Funktionalität von Daten innerhalb Ihrer Entscheidungsprozesse im Unternehmen anzuerkennen.

 

Über die Autorin:

Cecilia Floridi ist Expertin für nationales / internationales Marketing und Customer Relationship Management. Sie ist zudem Geschäftsführerin der DataLab. GmbH in Düsseldorf.

***

1 Quelle: https://www.linkedin.com/pulse/fmcg-ceos-talents-got-you-here-get-10-thoughts-talent-fernandez

Referenzen:

  1. Ransbotham, D. Kiron, and P.K. Prentice, “Beyond the Hype: The Hard Work Behind Analytics Success, MIT Sloan Management Review, March 2016 http://sloanreview.mit.edu/projects/the-hard-work-behind-data-analytics-strategy/
  2. Thomas H. Davenport “What makes big data projects succeed” HBR March 2014 https://hbr.org/2014/03/what-makes-big-data-projects-succeed