Ausrichtung Ihrer Datenstrategie auf Ihre Geschäftsziele

AWSKunden sagen uns, dass eine mangelnde Abstimmung zwischen Datenprojekten und den Zielen ihres Unternehmens in der Regel zu einer missbräuchlich genutzten, zu technisch ausgereiften Datenplattform führt, die wenig Nutzen für das Unternehmen bringt. Die geringe Wiederverwendbarkeit von Datenbeständen, Dateninkonsistenz, schlechte Datenerkennung, lange Wartezeiten und eine geringe Datenqualität sind typische Beschwerden.

Zu den häufigsten Fehlern bei der Entwicklung einer Datenstrategie gehört es, sich zu sehr auf technische Tools und Trends zu konzentrieren, Edge-Tools zu verwenden und die Chance zu verpassen, Geschäftschancen zu beschleunigen, indem Geschäftsanwendern Daten zur Verfügung gestellt werden, die ihre eigene Terminologie verwenden, manuelle Aufgaben für die Berichterstattung über wichtige Kennzahlen automatisieren, Transparenz der Datenqualität bieten und Benutzern Autonomie bei der Datenerkundung geben.

Ihre Datenstrategie sollte sich auf die Lösung Ihrer Geschäftsprobleme konzentrieren, z. B. auf eine bessere Kundensegmentierung zur Steigerung der Konversionsraten, die Verbesserung der Kundenzufriedenheit durch Personalisierung, die Verringerung der Kundenabwanderung durch Antizipation von Kundenbindungsmaßnahmen, das schnellere Testen neuer Produkte und neuer Funktionen mit A/B-Tests zur Verbesserung des Kundenerlebnisses und allen anderen Strategien, die die Wirkung von Unternehmen oder Marken verbessern können.

Unternehmen unterschätzen häufig Data Governance. Die meisten Anstrengungen in diesem Bereich erfolgen auf der Analyseebene, und nur sehr wenige Prozesse sind automatisiert. Dies führt zu einem erheblichen Mehraufwand für Datentechnikteams, die die Daten verstehen und sie an die Datennutzer übersetzen müssen, ohne den mit den Daten verbundenen Geschäftsbereich zu verstehen. Wenn Data Governance von der Datenaufnahme bis zur Datennutzung angewendet wird, kann dies die Datenstrategie unterstützen. Prozesse, die eine umfassende Standardisierung, Klassifizierung und Qualität von Daten unterstützen, ermöglichen es Menschen, einfach mit Daten zu interagieren und automatisiert darauf zuzugreifen.

Entdecken Sie den aktuellen Stand Ihres Unternehmens

Es ist schwierig, ein Unternehmen von einer Anfangsphase, in der die Datennutzung ausgereift ist, in eine datengesteuerte Phase zu bringen, da dafür Fähigkeiten, Prozesse und Rollen erforderlich sind, deren Implementierung einige Zeit in Anspruch nehmen kann. Das folgende Diagramm zeigt die verschiedenen Reifegrade der Datennutzung.

Stufe 1 (transaktional). In Phase 1 konzentrieren sich Unternehmen auf ihre Kerngeschäfte. Sie nutzen die Daten rund um diese Abläufe nicht, da sie keine finanziellen und betrieblichen Leistungsindikatoren für ihr Unternehmen messen oder verwenden. Heute sehen wir in dieser Phase nur sehr wenige Unternehmen. Die meisten davon sind Startup-Unternehmen, die sich in der Anfangsphase ihres Geschäfts befinden.

Stufe 2 (anhand von Daten). In Phase 2 verwenden Unternehmen Daten zur Überwachung ihrer Geschäftslage in Form von Betriebs-, Finanz- und Abteilungsdaten, die in jeder Abteilung isoliert analysiert werden. Die meisten Unternehmen, die sich in dieser Phase befinden, verfügen über lokale, proprietäre Systeme, in denen die gemeinsame Nutzung der Daten komplex und teuer sein kann. 

Umstellung der Unternehmen der zweiten Phase aufAWSIn der Regel müssen sie in die Lage versetzt werden, Daten zu extrahieren, zu katalogisieren und zwischen Geschäftsbereichen auszutauschen und fortschrittliche interaktive Analysen zu verwenden.

Stufe 3 (basierend auf Daten). Stufe 3 umfasst Unternehmen, die ihre Datennutzung bereits optimiert haben. Diese Unternehmen verwenden ihre Daten je nach Branche auf unterschiedliche Weise:

• Dienstleistungsunternehmen wie Finanzdienstleistungen, Gesundheitsdienstleistungen, E-Commerce-Dienste und Dienstleistungen für Konsumgüter kennen das Verhalten ihrer Kunden. Sie verwenden Daten, um auf der Grundlage dieser Verhaltensweisen zeitnahe Empfehlungen und Angebote zu erstellen.

• Fertigungsunternehmen verwenden häufig fortschrittliche Prognoseanalysen, um ihre Produktions- und Lieferabläufe zu optimieren.

• Agrar- und Fertigungsunternehmen nutzen Daten, um ihre Logistikabläufe zu optimieren, die Prozesseffizienz zu verbessern und Präzisionslandwirtschaft zu implementieren.

Die Unternehmen in Phase 3 verwenden Daten zwar in großem Umfang, benötigen jedoch eine manuelle Datenanalyse, um diese Maßnahmen ergreifen zu können.

Die meisten Unternehmen befinden sich heute in Phase 3, obwohl einige von ihnen fortgeschrittenere Techniken wie Modelle für maschinelles Lernen (ML) verwenden, und einige beginnen, mit fortschrittlichen Analysen zu experimentieren.

Stufe 4 (basierend auf Daten). Unternehmen in Phase 4 treffen bereits Entscheidungen, oft automatisch, auf der Grundlage ihrer Daten. Dies kann jedoch eine Herausforderung sein. Es erfordert Vertrauen in die Daten und die vorhandenen Mechanismen, damit Anwendungen die Daten nutzen und darauf reagieren können. Stufe 4 erfordert außerdem, dass Daten für eine zeitnahe Entscheidungsfindung verfügbar sind.  

Automatisierung wechselseitiger Entscheidungen

Umkehrbar (zweiseitige Tür) Entscheidungen sind hervorragende Kandidaten für datengestützte Aktionen. Beispielsweise könnte ein Unternehmen beschließen, ein Produkt unter Quarantäne zu stellen (den Verkauf einzustellen), nachdem es negative Bewertungen erhalten hat, die eine statistisch hohe Wahrscheinlichkeit von Produktrückgaben oder Kundenbeschwerden darstellen. Die Quarantäne kann rückgängig gemacht werden, sobald das Problem behoben wurde, und das Produkt kann wieder zum Verkauf angeboten werden.

Die Betrugserkennung ist ein weiteres Beispiel für eine wechselseitige, datengesteuerte Aktion. Unternehmen könnten Mechanismen einführen, um Verluste für ihre Kunden und ihre Plattform zu vermeiden, selbst wenn sie auf einige Fehlalarme stoßen, die behoben werden müssen. Sie können Verbesserungen vornehmen, indem sie die Ergebnisse der aktuellen Mechanismen messen und ihre Wirksamkeit bewerten. Nachdem Kunden Fehlalarme abgemildert oder validiert haben, können Transaktionen bestätigt oder erneut versucht werden, indem eine Zwei-Faktor-Authentifizierung oder ein ähnliches Verfahren verwendet wird.

Einige Maßnahmen sind jedoch nicht einfach rückgängig zu machen und erfordern weitere Diskussionen und die Genehmigung durch einen Vorstand. Diese heißenEinwegtürEntscheidungen. Beispielsweise sind Maßnahmen, die den Bau von Anlagen oder erhebliche Geldinvestitionen beinhalten, in der Regel schwer rückgängig zu machen. Dies sind keine guten Kandidaten für automatische datengesteuerte Aktionen.

Eine datengestützte Maßnahme sollte anhand ständiger Messungen hinsichtlich der Sichtbarkeit ihrer Auswirkungen bewertet werden. Diese Messungen helfen Ihnen bei der Entscheidung, eine Funktion rückgängig zu machen oder ein Team zu testen und ein Team mit einer eingehenderen Analyse des jeweiligen Verhaltens zu beauftragen.