Business-IT
15.01.2019
Kommentar

Die sieben Todsünden des Datenmanagements

Die sieben TodsündenDie sieben TodsündenDie sieben Todsünden
Bild: Shutterstock / jorgen mcleman
Es gibt einige Fallstricke, über die Datenexperten immer mal wieder stolpern. com! professional zeigt die sieben Todsünden im Datenmanagement auf.
Dieser Beitrag wurde erstellt von Tom Becker, General Manager bei Alteryx.
Manche Unternehmen sitzen, ohne es zu wissen, auf ungeheuren Datenschätzen. Mit Big Data, also dem Sammeln und Auswerten großer Datenmengen, lassen sich Geschäftsprozesse optimieren und mehr Ziele zeit- und ressourceneffizienter erreichen. Die Protagonisten sind dabei die Data Scientists und Datenanalysten, die in den Tiefen der Datenbanken nach Erkenntnissen und Wissen forschen. Sie bereiten auf, ordnen, analysieren und interpretieren die Ergebnisse und leiten daraus die nächsten Schritte für die Unternehmen ab. Erst kürzlich beschrieb die „Harvard Business Review“ den Beruf des Data Scientists als „Sexiest Job im 21. Jahrhundert“ - ein Beruf, der mathematisches Verständnis, Technikaffinität, abstraktes Denken sowie Kommunikationsstärke erfordert. Diese Kombination ist recht schwer zu finden, weswegen rosige Zeiten für Datenspezialisten herrschen. Dennoch gibt es einige Fallstricke, über die Datenexperten hin und wieder stolpern. Was genau sind die Todsünden im Datenmanagement und was kann man dagegen tun?

1. Wollust 

Wer erliegt nicht bereitwillig Verführungen? Nur zu gern glaubt man Menschen, die einem das Blaue vom Himmel herunterversprechen – und es dann doch nicht so ganz halten können. Jeder will zum Beispiel ein grandioses, smartes Visualisierungs-Tool für Daten-Workflows haben, das am besten noch selbstständig Reports erstellt. Denn diese sind im modernen Analytik-Lebenszyklus unerlässlich. Bevor man jedoch in neue Technologien investiert, die allein die optische Wirkung verbessern, muss gesichert sein, dass die Basis stabil ist. Die besten Visualisierungs-Tools bringen nichts, wenn eingegebene Daten unvollständig oder unkorrekt aufbereitet sind.

2. Stolz

Für Datenanalysten ist es wichtig, in einem Unternehmen zu arbeiten, das den Nutzen von Datenanalysen versteht und vor allem bereit ist, Geld und Zeit zu investieren. Dabei geht es nicht nur darum, auf den Zug aufzuspringen und möglichst groß und breit alles in Grund und Boden zu analysieren. Klein anfangen lohnt sich: Braucht es wirklich eine neue API, um jedem Mitarbeiter den optimalen Weg zur Kaffeemaschine zu zeigen? Müssen Reports wirklich High-End-Designs enthalten? Muss gleich das große Ganze untersucht werden und das Steuerruder in eine andere Richtung herumgerissen werden?
Hier gilt es, Stolz zu verhindern: Datenanalyse ist nur dann nützlich, wenn sie dem Unternehmen einen entscheidenden Mehrwert bringt. Alles andere ist verschwendete Zeit.

3. Zorn

Für viele Menschen ist es ein unerfüllter Traum, in einem Unternehmen zu arbeiten, das die eigene Arbeit zu schätzen weiß. Das trifft auch auf manche Datenexperten zu, denn sie handeln meist im Verborgenen und die Ergebnisse ihrer Arbeit sind nicht direkt oder manchmal erst nach geraumer Zeit sichtbar. Da das Feld noch sehr jung ist, müssen einige Kollegen und mitunter auch die Führungsetage noch lernen, was es bedeutet, datengetrieben zu arbeiten und auch unliebsame Entscheidungen zu treffen. Es ist ein Lernprozess für alle, und viele Teammitglieder sind es gewohnt, Entscheidungen auf Basis von persönlichen Einschätzungen und Bauchgefühl zu treffen. Das ändert sich nur langsam. Doch bis dahin sollten Datenexperten nicht der Frustration nachgeben, wenn sie alles immer wieder erklären oder gar ihre Daseinsberechtigung verteidigen müssen.
Zorn ist eine Todsünde für Datenexperten, die sich besser daran gewöhnen sollten, ihre Ergebnisse oder ihre Arbeit leicht verständlich zu erklären, und das gern auch mehrmals.

4. Trägheit

„Entschuldigung, aber das schaffe ich nicht mehr“, ist ein Satz, den niemand gerne hört, wenn er oder sie jemanden um etwas bittet. Aber wer kennt es nicht: Ein neuer Kollege fragt etwas, und man weiß genau, dass die Antwort Stunden in Anspruch nehmen wird, Stunden, die man im Alltag meist nicht hat. In einer Welt, in der immer das Maximum mit weniger Budget erreicht werden muss, fällt dieser Satz leider des
Öfteren - und die hässliche Fratze der Trägheit zeigt sich. Es ist eben leichter zu sagen, man wisse es nicht oder man hat keine Zeit für so etwas.
Wie kann man diese Todsünde bereinigen? Indem man erklärt, zeigt und Alternativen bietet. Ein Kollege kommt immer mit Lappalien an und will Analysen haben, die keinen nennenswerten Mehrwert bringen, dafür aber viel Zeit kosten? Dann sollte ihm der Prozess verdeutlicht und gezeigt werden, damit der Kollege versteht, was eigentlich mit der Datenanalyse möglich und sinnvoll ist.

5. Völlerei

Das Gegenteil von Faulheit ist die Völlerei. Daten können einem Unternehmen Macht geben und Experten zu Kopf steigen. Man will ja auch zeigen, was alles möglich ist und was man kann. Aber ein Tag hat nur 24 Stunden und es ist un­realistisch und nicht zwingend sinnvoll, jeden einzelnen Datenpunkt in der Firma im Alleingang zu analysieren. Datenexperten sollten ihre Zeit weise einteilen, um nicht am Ende mit zu vielen Projekten im Burnout-Nirwana zu landen.

6. Gier

Die Möglichkeiten der Datenanalyse haben eine Goldgräberstimmung erzeugt. Große und kleine Berge von Daten können genutzt und erhoben werden. Aber muss man wirklich das Sternzeichen und den bevorzugten Bechertyp der Kunden kennen? Die Relevanz der Daten ist besonders wichtig, wenn man aussagekräftige Ergebnisse haben möchte, denn leider sind längst nicht alle Daten nützlich. Viel besser ist es, weniger, dafür aber gezielter Daten zu erheben und damit dann genauere Reports und Handlungsempfehlungen zu generieren. Das verhindert das chaotische Horten riesiger Datenmengen ohne nennenswerten Mehrwert, die im schlimmsten Fall Verwirrung stiften und nur die Datenbanken verstopfen.

7. Neid

Datenanalyse kann ein langwieriger, fehleranfälliger Prozess sein. Nur weil die Konkurrenz weiter als man selbst ist, heißt das nicht, dass sie besser ist oder gewonnen hat. Klar, große Konzerne können sich ganze BI- und Analytics-Abteilungen leisten und teure Analysesysteme auffahren. Entscheidend ist aber, ob der gewählte Weg zu den eigenen Bedürfnissen und Ansprüchen passt. Man sollte sich nicht entmutigen oder gar zum Neid verführen lassen, sondern sich lieber auf die eigene Rolle konzentrieren. Selbst im kleinen Rahmen lassen sich große Erfolge erzielen und mit den richtigen Werkzeugen und einem qualifizierten Team die richtigen Schlüsse ziehen. Neid macht einen in der Hinsicht nur blind.
Deswegen gilt: Nachforschen, wo die eigenen Stärken und Schwächen liegen, eigene Schwächen als Motivation zur Weiterentwicklung nehmen und die eigenen Ziele mit Elan und Energie verfolgen.

mehr zum Thema