Data Booster
4 Min. Lesezeit
November 18, 2024
Der Gedanke „Daten als Produkt“ hat sich durchgesetzt: Daten gelten als geschäftskritisches Gut, das gemanagt, vermarktet und auf Wert hin optimiert werden muss. Ein Datenprodukt ist jedes Werkzeug, jede Plattform und jede Funktion, die auf Datensätzen aufbaut und daraus Erkenntnisse oder Nutzen für Anwendende erzeugt.
Was heißt das für Data Literacy? Damit eine Data-as-a-Product-Strategie funktioniert, müssen alle Mitarbeitenden das Konzept und ihre eigene Rolle darin verstehen. Dafür braucht es ein klares, zielgerichtetes Training, das nicht nur erklärt, was Data as a Product bedeutet, sondern auch, was jede und jeder Einzelne dazu beiträgt.
Hinzu kommt: Eine solche Strategie gelingt nur, wenn die Fachbereiche von Anfang an mitarbeiten. Sie wissen, welche Datenprodukte echten Wert schaffen, ob in internen Prozessen, im Kundenerlebnis oder in der Innovation. Wenn Sie Fachteams darin schulen, Chancen für Datenprodukte zu erkennen, etwa Use Cases für Machine Learning, arbeiten sie deutlich besser mit den Datenteams zusammen. So entstehen Datenprodukte, die technisch sauber sind und zugleich auf den Bedarf des Geschäfts einzahlen, also praktisch nutzbar und wirksam.
Seit der AI Act im vergangenen Sommer in Kraft getreten ist, nimmt das Thema in den Trainingsprogrammen immer mehr Raum ein. Organisationen erfüllen nicht nur Compliance-Vorgaben, sie sehen auch die Risiken und suchen nach einem Weg, diese in der Breite verständlich zu vermitteln. Die Frage ist, wie das gelingt, ohne dass eine Pflichtschulung zum Wegklicken daraus wird.
Bei Data Booster verbinden wir KI-Governance und AI Literacy in einem Programm. Mitarbeitende lernen, welche Regeln und ethischen Standards für sie gelten (was sie tun müssen), und erwerben zugleich die Kompetenzen, um das Potenzial von KI zu nutzen (was sie tun können). So kennen sie nicht nur ihre Pflichten, sie trauen sich auch, KI verantwortungsvoll für den Wert des Unternehmens einzusetzen. Dieser Ansatz führt zu engagierten, sachkundigen Teams, die den Chancen wie den Risiken von KI im Arbeitsalltag gewachsen sind.
Das neue Feld in der Data Literacy ist die entscheidungsgetriebene Analytik: Analysen hängen direkt an konkreten Geschäftsentscheidungen. Es geht darum, mit Daten wichtige Entscheidungen zu stützen, statt Informationen zu sammeln oder Berichte mit endlosen Diagrammen zu füllen. Im Mittelpunkt stehen die Daten, die zu Erkenntnissen führen, aus denen jemand etwas macht.
Dieser Ansatz räumt mit zwei Gewohnheiten auf: dass alle Daten gleich wichtig seien und dass das neueste Werkzeug die Antwort sei. Stattdessen zählt der klare, zweckgebundene Einsatz von Daten für bessere Entscheidungen. Wir empfehlen dazu das Buch von Stefano Puntoni über decision-driven analytics, in dem er die vier Säulen des Ansatzes erklärt.
Für Data-Literacy-Programme ändert das viel, denn der Ansatz passt besser zu Menschen ohne starken Daten- oder Analysehintergrund. Für viele Mitarbeitende, gerade in nicht-technischen Rollen, ist es überfordernd, aus großen Datenmengen Erkenntnisse ziehen zu sollen, ohne die nötigen Kompetenzen zu haben. Statt aus ihnen Datenfachleute zu machen, bringt man ihnen besser bei, mit klaren, strukturierten Geschäftsfragen an Daten heranzugehen.
Diese Kolleginnen und Kollegen entscheiden ohnehin schon, oft aus Erfahrung und Bauchgefühl. Wenn ein Training genau diese Fragen aufgreift und sie mit Daten beantwortet, wird die Sache greifbar und passt zu ihrem Arbeitsalltag. Sie wenden Daten auf eine Weise an, die ihnen vertraut und nachvollziehbar ist, und gewinnen Sicherheit darin, Entscheidungen mit Daten zu unterlegen.
Data-Literacy-Initiativen richten sich meist an Fachleute im Business und an Spezialtrainings für Datenexpertinnen und -experten. Dabei gibt es große Gruppen, die enormen Einfluss darauf haben, wie gut eine Organisation ihre Daten nutzen kann. Wer täglich mit den operativen Systemen arbeitet, bestimmt die Datenqualität, denn dort beginnt die Datenkette. Je nach Organisation sind das andere Menschen: der Kundenservice, das Lager, die Zustellung oder die Kolleginnen und Kollegen im Laden.
Wir haben mit mehreren Organisationen gesprochen, die Programme auch für diese Gruppen planen. Entscheidend ist, es auf die jeweilige Rolle zuzuschneiden und kurz zu halten. Und: Diese Menschen sitzen nicht den ganzen Tag am Laptop. Wir haben kreative Lösungen gesehen, etwa Ansprache per SMS statt per E-Mail, Trainings fürs Tablet und kurze Videos fürs Handy. Wir erwarten, dass dieser Trend in den kommenden Jahren anhält, und freuen uns auf weitere Ideen.
Wer diese Entwicklungen in seine Data-Literacy-Strategie aufnimmt, ist am besten aufgestellt, um zu innovieren, geschäftlichen Wert zu schaffen und im globalen Wettbewerb vorn zu bleiben.
Mitglied bei
Nominiert
