Wouter Neef
5 Min. Lesezeit
December 19, 2024
Data Literacy ist ein Sammelbegriff für viele verschiedene Kompetenzen. Um zu erkennen, ob Ihr Data-Literacy-Programm geschäftlichen Wert schafft, schauen Sie zuerst auf die Kennzahlen des Programms. Zwei konkrete Beispiele: die Zahl der abgeschlossenen Trainings Ihrer Mitarbeitenden oder die durchschnittlichen Ergebnisse der Messung nach dem absolvierten Data-Literacy-Training. Solche Kennzahlen zeigen auf einen Blick, ob die Teilnehmenden das Programm tatsächlich durchlaufen.
Einem abgeschlossenen Training lässt sich schwer direkt ein Geldwert zuordnen, aber es ist ein Frühindikator dafür, wie viel datengetriebenes Arbeiten später einbringt. Wenn Sie die Zahl der Abschlüsse oder die durchschnittlichen Ergebnisse über die Zeit verfolgen, können Sie sie mit Kennzahlen wie Umsatzwachstum, Kundenbindung oder Umsatz pro Mitarbeitenden in Beziehung setzen. Messen Sie vor und nach dem Rollout, erhalten Sie eine belastbare Schätzung des geschaffenen Werts.
Die Zahl der Abschlüsse zu messen ist einfach und funktioniert in fast jedem Programm. Daneben gibt es anspruchsvollere Kennzahlen, die schwerer zu erheben, für Ihr Geschäft aber aussagekräftiger sein können.
Ob Teilnehmende das Training nicht nur abschließen, sondern auch ihre Arbeitsweise ändern, zeigt die Nutzung der Werkzeuge. Wenn Sie messen, wie stark etwa Tableau, Power BI, Google BigQuery oder Thoughtspot genutzt werden, haben Sie einen greifbaren Beleg dafür, ob Ihr Programm das Arbeitsverhalten verändert.
Am besten messen Sie die Nutzung vor und nach dem Training, damit Sie sagen können, ob und wie stark sie sich verändert hat. Dafür eignen sich:
Die durchschnittliche Zahl der Nutzenden pro Woche oder Monat zeigt, welcher Anteil der Belegschaft welche Werkzeuge wie oft verwendet und ob diese Werkzeuge ausgeschöpft werden. Die Zahl der Abfragen und die abgefragte Datenmenge zeigen, wie viele Daten tatsächlich in die Arbeit einfließen. Und die Zahl der Personen mit Dashboard-Zugriff zeigt, wie viele Mitarbeitende beschreibende Analysen nutzen, etwa um Ziele zu verfolgen oder Entscheidungen auf Daten zu stützen.
Am Ende lassen sich all diese Kennzahlen auf die Geschäftsleistung der Organisation oder einzelner Teams zurückführen. Steigt der Umsatz spürbar, wenn Vertriebsleitungen ihre Dashboards häufiger nutzen? Steigt der Marketing-ROI, wenn Marketingteams öfter mit Datenwerkzeugen arbeiten? Solche Zusammenhänge zeigen, wie Ihr Programm über die Tool-Nutzung auf die Geschäftszahlen wirkt.
Nicht jeder Business Case dreht sich um geschaffenen Wert, manche drehen sich um vermiedene Kosten. Wenn Ihre Leute Daten nicht lesen, hinterfragen und nutzen können, wird daraus echte Arbeit: Berichte, die neu gebaut werden, weil niemand der ersten Fassung traut, Entscheidungen, die eine Woche auf eine Analystin warten, und Dashboards, die sich still und leise doppeln.
Das lässt sich beziffern. Fragen Sie eine Stichprobe von Teams, wie viel Zeit pro Woche sie mit Suchen, Prüfen oder Nacharbeiten von Daten verbringen, multiplizieren Sie das mit den Vollkosten pro Stunde, und Sie haben eine haltbare Schätzung dessen, was die Lücke heute kostet. Zwei weitere Zahlen bekommen Sie meist leicht vom Datenteam: die Länge der Warteschlange an Anfragen und den Anteil darin, den die Leute nach einem Training selbst beantworten könnten.
Nehmen Sie diese Zahlen als Ausgangsmessung. Sechs bis zwölf Monate später erneut erhoben, überzeugen eine kürzere Warteschlange und weniger Nacharbeit ein Führungsteam mehr als fast alles andere.
Ein Data-Literacy-Programm soll dafür sorgen, dass Antworten schneller da sind. Time-to-Insight, also die Zeit zwischen einer Frage und einer Antwort, der man traut, ist eine Kennzahl, die Fachbereiche sofort verstehen.
Messen Sie sie an einem festen Satz wiederkehrender Fragen, einmal vor dem Programm und einmal danach. Zwei Zahlen gehören daneben: der Anteil der Fragen, die ohne das Datenteam beantwortet werden (Ihre Selbstbedienungsquote), und die durchschnittliche Wartezeit einer Anfrage. Wächst die Kompetenz, steigt die erste Zahl und sinkt die zweite.
Harte Kennzahlen sagen, was sich bewegt hat, die Menschen sagen, warum. Schicken Sie den Teilnehmenden vor und nach dem Programm eine kurze Umfrage dazu, wie sicher sie sich im Umgang mit Daten fühlen und wie oft sie Daten in ihrer Woche nutzen. Hören Sie dort nicht auf: Fragen Sie auch ihre Führungskräfte, was ihnen in der Arbeit auffällt, denn selbst eingeschätzte Sicherheit und beobachtetes Verhalten sind zweierlei.
Bleiben Sie bei einer Handvoll Fragen, stellen Sie in jeder Kohorte dieselben, und berichten Sie die Ergebnisse neben Ihren Geschäftszahlen. Zusammen beantworten sie die Frage, die Ihr Führungsteam wirklich hat: Ändert das, wie wir arbeiten, und lohnt es sich weiterzumachen?
Am 24. September richten wir in Utrecht den 10. Data & AI Literacy Round Table aus: HR- und Datenverantwortliche in einem Raum, zur Frage, wer AI Literacy verantwortet und wie Sie den Erfolg belegen. Nur mit Einladung, 30 bis 40 Plätze.
Mitglied bei
Nominiert
