5 Schritte zum Aufbau einer Unternehmensdatenstrategie, direkt von einem Experten

Daten können ein beängstigendes Wort sein.

Es sollte nicht sein, aber es ist so. Vor allem, weil die Leute Schwierigkeiten haben, damit umzugehen.

Viele Unternehmen sind an einem Punkt angelangt, an dem sie über so viele Daten verfügen, dass sie nicht mehr wissen, wohin sie als nächstes gehen sollen. Andere glauben, dass sie so klein sind, dass keine Notwendigkeit besteht, in eine Unternehmensdatenstrategie zu investieren.

Die Wahrheit ist, dass Sie unabhängig von der Größe Ihres Unternehmens und dem aktuellen Stand Ihrer Daten von der Implementierung einer Datenstrategie profitieren werden.

Um Ihnen den Einstieg zu erleichtern, haben wir das Fachwissen von in Anspruch genommen Zosia Kossowski, der Gruppenproduktmanager für das Business-Intelligence-Team bei HubSpot (d. h. unser interner Datenstrategieexperte).

Wenn Sie mit der Lektüre dieses Artikels fertig sind, werden Sie eine bessere Vorstellung davon haben, wie hoch der aktuelle Datenreifegrad Ihres Unternehmens ist, welche Faktoren Sie berücksichtigen sollten, bevor Sie Ihre Strategie entwickeln, und welche Schritte Sie dabei unterstützen können.

Entgegen der landläufigen Meinung ist eine Unternehmensdatenstrategie nicht nur für große Unternehmen mit großen Datenmengen gedacht. Tatsächlich können kleine Unternehmen davon profitieren, frühzeitig in eine Datenstrategie zu investieren und die Grundlage für ihre Skalierung zu schaffen.

Vorteile einer Unternehmensdatenstrategie

Die häufigste Gefahr, mit der viele Unternehmen konfrontiert sind, besteht darin, dass jedes Team zwar viele Daten sammelt, diese jedoch auf seine eigene Weise interpretiert. Es gibt keine Standardberichtsmethode und jedes Team meldet möglicherweise einen anderen Wert für dieselbe Metrik.

Dies bedeutet, dass am Ende jeder unterschiedliche Daten erhält und nicht genau weiß, was richtig ist. Wenn es keine einzige Quelle der Wahrheit gibt, wird es unglaublich schwierig, Ihren Daten zu vertrauen und wertvolle Erkenntnisse zu gewinnen.

„Daten existieren nicht nur in einem Silo“, sagte Kossowski. „Das Marketingteam wird nicht nur marketingspezifische Daten verwenden, auf die kein anderes Team Einfluss hat. Sie werden auch Informationen aus verschiedenen Bereichen abrufen wollen.“

Sie fährt fort: „Deshalb ist ein Element der Governance und Standardisierung sowie eine gemeinsame Sprache wirklich wichtig, um sicherzustellen, dass diese Teams miteinander kommunizieren können.“

Durch die Implementierung eines EDS verhindern Sie also Informationssilos, schaffen Vertrauen in die Daten und ermöglichen die Entscheidungsfindung.

Was Sie beim Aufbau einer Unternehmensdatenstrategie beachten sollten

1. Ihr aktueller Datenreifegrad

Das erste, was Kossowski empfiehlt, bevor Sie Ihre Strategie ausarbeiten, ist eine Selbsteinschätzung.

Fragen Sie sich: Wo steht Ihr Unternehmen in der Datenreifephase?

Dell verfügt über ein weit verbreitetes „Data Maturity Model“, das Unternehmen dabei hilft, festzustellen, wie datengesteuert ihr Unternehmen tatsächlich ist. Es gibt vier Phasen:

• Datenbewusst – Ihr Unternehmen hat sein Berichtssystem nicht standardisiert und es besteht keine Integration zwischen Ihren Systemen, Datenquellen und Datenbanken. Außerdem mangelt es an Vertrauen in die Daten selbst.
• Datenkompetent – Es besteht immer noch ein Mangel an Vertrauen in die Daten, insbesondere in ihre Qualität. Sie haben vielleicht in ein Data Warehouse investiert, aber es fehlen noch einige Teile.
• Datenaffin – Ihr Unternehmen ist in der Lage, Geschäftsentscheidungen anhand Ihrer Daten zu treffen. Es müssen jedoch noch einige Hürden zwischen Unternehmensleitern und der IT geklärt werden, da die IT daran arbeitet, zuverlässige Daten auf Abruf bereitzustellen.
• Datengesteuert – IT und Business arbeiten eng zusammen und sind auf einer Wellenlänge. Nun liegt der Fokus auf der Skalierung der Datenstrategie, da die Grundlagenarbeit (insbesondere die Integration von Datenquellen) bereits erfolgreich umgesetzt wurde.

Hier kommt es vor allem darauf an, realistisch einzuschätzen, wohin Ihr Unternehmen fallen wird.

„Ich denke, die größte Gefahr, die ich sehe, besteht darin, nicht wirklich ehrlich zu sich selbst zu sein, wenn es darum geht, wo sich Ihr Unternehmen in der Datenreifephase befindet“, sagte Kossowski.

Sie fügt hinzu, dass es nicht ausreicht, sich mit den Gefühlen auseinanderzusetzen, die Sie darüber haben, wie Sie von Daten angetrieben werden think Ihr Unternehmen ist. Schauen Sie sich die Fakten an.

Beginnen Sie damit, die Datenprobleme zu identifizieren, mit denen Ihr Unternehmen derzeit konfrontiert ist, denn das ist ein guter Indikator dafür, wo Sie stehen.

2. Ihre Branche und Unternehmensgröße

Die Branche, in der Sie tätig sind, und die Größe Ihres Unternehmens bestimmen, ob Sie für Ihre Datenstrategie einen zentralisierten oder verteilten Ansatz wählen.

Aber bevor wir diese Ansätze aufschlüsseln, lassen Sie uns über zwei Datenstrategie-Frameworks sprechen: Angriff und Verteidigung.

Während meines Gesprächs mit Kossowski brachte sie zur Sprache, wie dieses Framework funktioniert (im Detail erklärt). hier) hat HubSpot dabei geholfen, seine eigene Strategie zu entwickeln.

Bei der Datenverteidigung stehen Dinge wie Datensicherheit, Zugriff, Governance und Genauigkeit im Vordergrund, während sich die Datenoffensive auf die Gewinnung von Erkenntnissen konzentriert, die eine Entscheidungsfindung ermöglichen.

Jedes Unternehmen braucht ein Gleichgewicht zwischen Angriff und Verteidigung. Einige orientieren sich jedoch aufgrund ihrer Branche eher an einem Ende des Spektrums.

Eine Gesundheitsorganisation oder ein Finanzinstitut beispielsweise befasst sich wahrscheinlich mit hochsensiblen Daten, bei denen Datenschutz und Sicherheit von größter Bedeutung sind.

Der Erhalt von Echtzeitdaten und schnellen Erkenntnissen hat wahrscheinlich nicht die höchste Priorität, wohingegen die Bereitstellung von Leitlinien dafür, wer auf Daten zugreifen kann, wahrscheinlich schon oberste Priorität hat. Daher werden sie sich eher einem Verteidigungsrahmen zuwenden.

Auf der anderen Seite gibt es Technologieunternehmen, eine Branche, die sich tendenziell schnell entwickelt und stärker auf die schnelle Bereitstellung von Datenerkenntnissen angewiesen ist.

Sie setzen also mehr auf die Offensive. Allerdings gibt es in Technologieunternehmen (und anderen schnelllebigen Branchen) sicherlich Abteilungen, die sich mehr auf die Verteidigung konzentrieren, beispielsweise auf die Finanzen.

Nun zurück zu zentralisierten und verteilten Strategien.

Das von Ihnen verwendete Framework gibt Aufschluss darüber, welche Strategie Ihrem Unternehmen am besten dient.

In einer zentralisierten Struktur verfügen Sie über ein zentrales Berichts- oder Business-Intelligence-Team (BI), das die Daten sowie die Berichte verwaltet und aufbereitet.

„Diese [Struktur] kann in einer kleineren Organisation viel besser funktionieren, und insbesondere in einer Organisation, die der Verteidigung Priorität einräumt, weil man dann langsamer vorankommt“, sagte Kossowski. „Sie werden der Flaschenhals sein, aber Sie haben auch strenge Kontrolle über alles.“

Ein verteiltes Modell hingegen funktioniert besser für größere Teams, die den offensiven Ansatz verfolgen. Auf diese Weise kann jedes Team schnell handeln und ist in der Lage, die Arbeit auf eine Weise zu erledigen, die für es funktioniert.

In diesem Modell ist BI lediglich für die Plattformen und das Setzen der Leitplanken verantwortlich, während die Teams die Entwicklungsarbeit erledigen, erklärt Kossowski.

„Wenn man an eine Organisation denkt, wird es immer schwieriger, sie zu skalieren, wenn das Unternehmen größer wird und über ein stärker zentralisiertes Team verfügt“, sagte sie. „Um das zu erreichen, muss man letztendlich immer mehr Leute einstellen.“

„Ich denke also, dass man ab einer bestimmten Unternehmensgröße sowieso immer mehr zu einer dezentralen Strategie tendieren wird.“

Sobald Sie also verstanden haben, welches Framework für Ihre Branche und Größe am besten geeignet ist, können Sie die entsprechende Strategie umsetzen.

3. Ihr Datenmanagement-Team

Laut Kossowski ist Data Science derzeit das heißeste Thema im Datenmanagement. Und sie hat nicht unrecht.

Im Jahr 2012 wurde es von der Harvard Business Review benannt der sexieste Job des 21. Jahrhunderts. Fast 10 Jahre später, Glassdoor hat ihn zum zweitbesten Job in Amerika gekürt.

Wenn Sie jedoch darüber nachdenken, welche Rolle Sie Ihrem Datenmanagementteam hinzufügen sollen, sollte ein Datenwissenschaftler nicht Ihre erste Wahl sein.

Kossowski betont, dass Ihre Datenwissenschaft nur so gut sein wird wie die Daten, die ihr zugrunde liegen. Und wenn diese Daten nicht vertrauenswürdig sind, erhalten Sie keine wertvollen Erkenntnisse.

„Data Science ist kein Zauberstab, der schlechte Daten auf magische Weise in Erkenntnisse verwandelt. Unabhängig davon werden Sie diese Datengrundlage weiterhin benötigen“, fügt sie hinzu. „Ich denke, das ist ein großes Problem.“

Wenn Sie sich in einem frühen Stadium des Datenreifemodells befinden, hat Kossowski einen Vorschlag, worauf Sie Ihre Bemühungen konzentrieren sollten.

„Ein Data-Warehouse-Architekt oder sogar ein Datenanalyst, der Erfahrung im Schreiben von SQL und dem Aufbau von SQL-Tabellen hat“, sagt sie. „Wenn Sie nur eine Person einstellen und nicht über so viele Daten verfügen, kann das eine wirklich wirkungsvolle Einstellung sein, da eine Person viel tun kann, wenn Sie in einem kleineren Unternehmen tätig sind. Sie können viele verschiedene Aufgaben tragen und verschiedene Dinge lernen.“

Wenn es um eher technische Aufgaben geht, wie die Aufnahme von Daten in das Warehouse, können Sie dies mit Tools von Drittanbietern erledigen.

Was Sie in dieser Phase wirklich brauchen, ist jemand, der Ihnen bei der Strukturierung Ihrer Daten hilft.

1. Skizzieren Sie Ihre Datenarchitektur.

Das erste, was Sie tun möchten, ist, Ihre Daten auf granularer Ebene zu verstehen.

Stellen Sie sich folgende Fragen:

• Wo werden die Daten gespeichert?
• Welche Art von Daten werden Sie sammeln und aus welchen Quellen?
• Wie werden die Daten organisiert?

Ziel ist es, die Struktur Ihrer Daten zu verstehen.

Wenn Sie die Struktur nicht verstehen, können Sie keinen umfassenden Plan für die Verwaltung Ihrer Daten erstellen.

2. Definieren Sie die Beziehung zwischen BI und Ihren Teams.

Wenn es um die Datenstrategie geht, besteht einer der wichtigsten Schritte darin, die am Prozess beteiligten Teams zu definieren und Erwartungen an BI festzulegen.

In einer großen Organisation, die sich noch nie Gedanken über eine Datenstrategie gemacht hat, werden Sie häufig feststellen, dass jedes Team einem anderen Modell folgt und eine andere Beziehung zu BI hat, was es für BI schwierig macht, rationalisiert und standardisiert zu arbeiten.

Außerdem verwischt es die Grenzen zwischen den Rollen des Datenanalysten und der BI.

Der Datenanalyst sollte die für sein Team spezifische Geschäftslogik und die Struktur der gesammelten Daten kennen. BI hingegen sollte keine spezifischen Kenntnisse über den von ihr unterstützten Betriebsbereich benötigen und sich stattdessen auf die Datenquelle und die Verwaltung der Plattform konzentrieren, um den Analysten zu unterstützen.

Wenn BI seinen Prozess regelmäßig an die spezifische Geschäftslogik des Teams anpasst, verlangsamt dies alles und führt zu einem ständigen Umlernbedarf.

Kossowkis Vorschlag? Entfernen Sie die Geschäftslogik aus der BI-Ebene und arbeiten Sie an Dingen, die für möglichst viele Teams relevant sind.

Erstellen Sie außerdem ein Standard-Analystenprofil und ein Modell für die Beziehung zwischen BI und Teams.

„Es wird immer noch einige Stellen geben, an denen wir an Datensätzen und nicht an der gesamten Plattform arbeiten“, sagte Kossowski, „aber so weit wir können, bereinigen wir die Basisdaten und machen den Beitritt einfacher, aber nicht.“ tatsächlich diese Verknüpfungen und die Logik dafür durchführen.“

3. Weisen Sie den Besitz zu.

Nachdem Sie die Beziehung zwischen Ihren Teams und BI hergestellt haben, besteht der nächste Schritt darin, zu definieren, wem was gehört.

Normalerweise gibt es für jeden Teil der Daten einen anderen Eigentümer. Beispielsweise kann eine Person oder ein Team Eigentümer der Betriebsdaten sein, während eine andere Person oder ein Team Eigentümer der Berichtsdaten ist.

Möglicherweise müssen Sie auch Eigentümer in verschiedenen Phasen der Pipeline zuweisen. Das BI-Team kann zu einem bestimmten Zeitpunkt Eigentümer der Daten sein und sie dann an die Analysten weitergeben.

Kossowski glaubt, dass die Verantwortung bei den Teams beginnt, die die Daten produzieren.

„Sie müssen ein gewisses Maß an Verantwortung für die Daten haben und ein gewisses Maß an Verantwortung haben, wenn etwas nicht stimmt“, sagte sie. „Denn wenn es an der Quelle falsch ist, kann BI nur sehr wenig ausrichten.“

Sie fährt fort: „Und wenn man versucht, auf dieser Ebene Patch-Patches einzubauen, wird man später nur noch auf weitere Probleme stoßen, daher ist diese Beziehung auch wichtig.“

4. Richten Sie eine Daten-Governance ein.

Bei der Datenverwaltung handelt es sich um eine Reihe von Richtlinien und Vorschriften, die festlegen, wie Daten erfasst und gespeichert werden, um Genauigkeit und Qualität sicherzustellen.

Vereinfacht ausgedrückt bedeutet Data Governance: „Hey, möchten Sie diese von uns erstellte Quelle der Wahrheitsdaten nutzen und Teil davon sein? Dann müssen Sie diese Kriterien erfüllen."

Dazu kann die Einhaltung von Kodierungsstandards, die Bereitstellung einer bestimmten Anzahl von Prüfern und die Einhaltung eines bestimmten Dokumentationsprozesses gehören.

„Wenn wir über Governance und Akzeptanz nachdenken, geht es in erster Linie um die Mechanismen, die man zur Einhaltung einsetzen kann“, sagte Kossowski.

Bei der Governance müssen zwei Aspekte berücksichtigt werden: der kulturelle Aspekt und der technologische Aspekt.

Wie bringen Sie Ihre Teams aus kultureller Sicht dazu, diese Standards zu übernehmen? Und welche Prozesse können Sie aus technischer Sicht automatisieren, sodass nicht alles eine Verhaltensänderung erfordert?

Wenn Sie über diese beiden Aspekte nachdenken, müssen Sie sowohl die Seite des Analysten als auch die Seite des Ingenieurs (oder Quellteams) berücksichtigen.

Kossowski erklärt, dass es für Entwicklungsteams schwierig sein kann, darüber nachzudenken, wie Daten aussehen, wenn sie im Lager ankommen, da sie kein zentraler Bestandteil ihres Produkts oder ihrer Verantwortung sind.

Sie erkennen möglicherweise nicht den greifbaren Nutzen der Daten, es sei denn, es handelt sich um ein datengesteuertes Unternehmen, das eng mit seinen Analysten zusammenarbeitet. In diesem Fall können die Analysten mitteilen, dass die Daten die Grundlage für die X-Entscheidung bilden. Solange die Daten also keine Y-Anforderungen darstellen, können keine Entscheidungen getroffen werden.

Für Analysten ist es einfacher, die Vorteile zu erkennen, da sie näher am Unternehmen sind und die direkten Auswirkungen erkennen können. Sie können erkennen, dass die Einhaltung von Data-Governance-Standards eine geringere Abhängigkeit von BI bedeutet, was zu schnelleren Abläufen führt.

„Die Erkenntnisse aus den Daten müssen als Grundlage für Entscheidungen über das Produkt dienen, denn nur so kann man die Produkt- und Entwicklungsteams erreichen

„Wir haben den Wert von Daten erkannt und denken über ihre Daten nach, während sie exportiert werden“, sagte Kossowski.

5. Regelmäßige Neubewertung.

Wo auch immer Sie sich für das Datenreifemodell entscheiden, Ihre Datenstrategie muss immer angepasst werden.

„[Bei HubSpot] haben wir einen Dreijahresplan und all diese Vorstellungen davon, was in jedem dieser Jahre passiert“, sagte Kossowski. Aber ich gehe voll und ganz davon aus, dass wir in einem Jahr, wenn wir es uns ansehen, einige Dinge anpassen wollen, basierend auf den Veränderungen.“

Angenommen, Sie führen eine neue Funktion in Ihrem Produkt oder Ihrer Dienstleistung ein und erfassen nun sensiblere Kundendaten. Dies erfordert möglicherweise einen defensiveren Ansatz. Wenn Ihr Unternehmen exponentiell wächst, müssen Sie möglicherweise auf eine verteilte statt einer zentralisierten Strategie umsteigen.

Auch wenn sich die Arbeitsweise Ihres Unternehmens nicht ändert, müssen Sie möglicherweise dennoch eine Neubewertung vornehmen. Hier sind zwei wichtige Indikatoren dafür, dass es an der Zeit ist, Ihre Datenstrategie zu überprüfen:

• Es herrscht Frust darüber, wie lange die Dinge dauern.
• Es besteht ein Mangel an Vertrauen in die Daten.

Kossowski sagt, es sei entscheidend, die Balance zwischen diesen beiden zu finden.

„Sie möchten nicht, dass BI alles erledigt, denn dann wird es nur lange dauern“, sagte sie, „aber Sie möchten auch nicht so viel Freiheit in der Analystengruppe haben, dass Sie sich auf keine wirklich verlassen können.“ Daten."

Eine gute Faustregel besteht darin, Ihre Strategie alle sechs Monate bis zu einem Jahr zu überprüfen. Sprechen Sie mit Unternehmensleitern, der IT-Abteilung und Ihren Teams, um zu verstehen, was alle über Ihre Fortschritte denken, und um festzustellen, welche Änderungen vorgenommen werden müssen.

Der Prozess zur Erstellung eines EDS variiert von Unternehmen zu Unternehmen, da Ihr Datenreifegrad, Ihre Branche und Ihre Unternehmensgröße bei den von Ihnen unternommenen Schritten eine Rolle spielen.

Durch eine Bestandsaufnahme der aktuellen Lage Ihres Unternehmens können Sie eine Strategie entwickeln, die den spezifischen Anforderungen Ihres Unternehmens gerecht wird.

Quelle: https://blog.hubspot.com/marketing/enterprise-data-strategy