Der Umfang der weltweit produzierten Daten wächst exponentiell. Schätzungen der International Data Corporation (IDC) zufolge werden bis Ende 2024 etwa 180 Zettabyte an Daten generiert. Ein Grossteil davon ist redundant, veraltet, unstrukturiert oder liegt in unterschiedlichen Formaten vor. Dies führt zur Entstehung von Datensilos und teuren «Datenfriedhöfen». Studien zeigen, dass nur rund 2–5 % der produzierten Daten tatsächlich genutzt werden. Der Rest bleibt ungenutzt, da technische, organisatorische oder datenschutzrechtliche Hindernisse einer Verwertung im Weg stehen.
Daten und die daraus gewonnenen Informationen waren schon immer wichtige Erfolgsfaktoren für Unternehmen. Der technologische Fortschritt ermöglicht es heute mehr denn je, Daten effizient für Entscheidungen zu nutzen und neue Geschäftsmodelle zu entwickeln. Insbesondere qualitativ hochwertige Daten sind die Grundlage für den Einsatz Künstlicher Intelligenz (KI).
Welche Daten ein Unternehmen nutzt und wie diese eingesetzt werden, wird zunehmend zu einem entscheidenden Erfolgsfaktor. Deshalb ist es für Unternehmen essenziell, eine klare Datenstrategie zu entwickeln und umzusetzen. Doch was genau umfasst eine Datenstrategie, und wie wird sie erfolgreich eingeführt? Dies wird im Folgenden erläutert.
Eine Datenstrategie ist ein umfassender Plan, der beschreibt, wie ein Unternehmen seine Daten erfasst, verwaltet, analysiert und nutzt, um seine Ziele zu erreichen. Dabei umfasst eine Datenstrategie folgende Aspekte:
1. Strategische Ausrichtung
Definition der übergeordneten Ziele, die das Unternehmen durch den Einsatz von Daten erreichen möchte, z. B. Effizienzsteigerung, die Entwicklung neuer Geschäftsmodelle oder verbesserte Kundeninteraktion. Die Datenstrategie sollte mit den Unternehmenszielen sowie anderen Bereichsstrategien (z. B. Marketing, IT) abgestimmt sein.
2. Nutzenversprechen (Value Proposition)
Klärung des Mehrwerts, den die Datennutzung für das Unternehmen, seine Produkte und Dienstleistungen sowie für die Kunden bringt.
3. Datenmanagement
Festlegung, welche Daten zu welchen Zwecken benötigt werden, sowie Entwicklung von Richtlinien und Verfahren zur Erfassung, Speicherung und Verwaltung von Daten.
4. Datenqualität
Massnahmen zur Sicherstellung der Genauigkeit, Vollständigkeit und Konsistenz der Daten.
5. Datenintegration
Verfahren zur Zusammenführung von Daten aus unterschiedlichen Quellen, um ein ganzheitliches Bild zu erhalten.
6. Datenanalyse
Methoden zur Analyse von Daten, um wertvolle Erkenntnisse für die Entscheidungsfindung zu gewinnen.
7. Datenarchitektur
Technologische Infrastruktur, die erforderlich ist, um Daten effektiv und sicher zu speichern und zu verarbeiten.
8. Daten-Governance und Datensicherheit
Richtlinien, um sicherzustellen, dass Daten korrekt und sicher verwaltet werden. Dies schliesst Datenschutz und Compliance mit ein.
Zur Entwicklung einer Datenstrategie gibt es verschiedene bewährte Frameworks. Ein umfassendes und weitverbreitetes Framework ist das DAMA-DMBOK (Data Management Body of Knowledge), das von der Data Management Association (DAMA) entwickelt wurde. Es gilt als Standardwerk im Bereich Datenmanagement und bietet eine systematische Darstellung der wichtigsten Wissensbereiche und Best Practices für den Umgang mit Daten als wertvolle Ressource.
Für die erfolgreiche Entwicklung der Datenstrategie sind folgende Punkte zu berücksichtigen:
1. Verbindliche Roadmap erstellen
Die Erstellung einer Roadmap hilft, die Datenstrategie strukturiert zu entwickeln. Dieser Plan sollte regelmässig überarbeitet und an neue Anforderungen angepasst werden. Zudem sollte die Weiterentwicklung der Datenstrategie in einen kontinuierlichen Prozess übergehen.
2. Top-Down- und Bottom-up-Ansatz kombinieren
Eine erfolgreiche Datenstrategie verbindet die Perspektiven von oben (Unternehmensziele und strategische Ausrichtung) und unten (operative und technische Anforderungen).
Top-Down:
In Abstimmung mit den Unternehmenszielen werden strategisch wichtige Anwendungsfälle und Customer Touchpoints identifiziert. Dabei wird geklärt, welche Daten bereits existieren und welche für zukünftige Geschäftsziele benötigt werden. Gleichzeitig sollten die Regeln zur Daten-Governance festgelegt werden.
Bottom-up:
Diese Perspektive legt den Fokus auf die technischen Anforderungen. Es wird definiert, wie Daten erhoben, strukturiert und verarbeitet werden. Auch die Architektur und Regeln zur Datenqualität sowie Datensicherheitsbestimmungen müssen spezifiziert werden.
3. Stakeholder einbinden
Die Entwicklung einer Datenstrategie sollte verschiedene interne und externe Stakeholder einbeziehen, um sicherzustellen, dass alle relevanten Perspektiven und Anforderungen berücksichtigt werden.
Die Erstellung und Weiterentwicklung einer Datenstrategie sind aufwändige Tätigkeiten, die Zeit und Know-how erfordern. Doch sie sind unverzichtbar für Unternehmen, die ihre Entscheidungen auf Basis fundierter Daten treffen und Künstliche Intelligenz effizient nutzen möchten. Wer eine solide Datenbasis schafft, sichert sich langfristig Wettbewerbsvorteile in einer datengetriebenen Wirtschaft.