Datenkompetenz – die entscheidende Säule in Digitalisierung und Innovation (Sushama Divekar)

Einleitung

Datenkompetenz ist die Fähigkeit, Daten effektiv zu lesen, zu schreiben, zu verstehen und mit ihnen zu kommunizieren, sodass Informationen verwendet werden, um schnelle Geschäftsentscheidungen und Geschäftsergebnisse zu ermöglichen. Einfach ausgedrückt geht es bei Data Literacy wirklich um die Fähigkeiten und Kompetenzen
mit Daten und Informationen zu arbeiten.

Der Bedarf an Datenkompetenz ist heute aufgrund der „Digital-First“-Welt, in der wir leben, und der Organisationen, die alle möglichen Anstrengungen unternehmen, um Transformation und Innovation einzubringen, um im hart umkämpften Umfeld zu bestehen, äußerst wichtig. Die Wirksamkeit
und die gewünschten Ergebnisse verschiedener Initiativen wie Analytik, Big Data, Cloud, IoT, Datenvisualisierung, künstliche Intelligenz und maschinelles Lernen und Digitalisierung beruhen auf guten Daten, mit denen die meisten Unternehmen jedoch immer noch zu kämpfen haben
Bemühungen in diese Richtung. Und hier setzt Data Literacy an – als ein grundlegender Baustein, der es Unternehmen ermöglicht, eine datengesteuerte Kultur zu fördern und Daten zu nutzen, die heute ein fester Bestandteil unseres Alltags sind.

Digitalisierung lebt von Daten, und wie…

Wir leben und arbeiten in einer super und hypervernetzten Welt, in der an jedem Berührungspunkt oder jeder Interaktion Unmengen von Daten generiert werden. Und Unternehmen bemühen sich, diese generierten Daten zu nutzen, um ihre Kunden besser zu bedienen und zu verbessern
die Erfahrung jeder Interaktion. Aufgrund des mangelnden Wissens über die Verwendung von Daten können die meisten Unternehmen jedoch Daten nicht zur Erweiterung ihres Geschäfts und Wachstums nutzen und stellen fest, dass ihre Digitalisierungsinitiativen nicht die gewünschten Ergebnisse erzielen. Eigentlich ein Forrester
Umfrage ergab, dass „Unternehmen weniger als 50 % ihrer Entscheidungen auf der Grundlage quantitativer Informationen treffen, im Gegensatz zu Bauchgefühl, Erfahrung oder Meinung.“ Darüber hinaus wollten 85 % der Befragten ihre Nutzung von Datenerkenntnissen bei ihrer Entscheidungsfindung verbessern, aber
91 % gaben an, dass die Verbesserung der Nutzung von Datenerkenntnissen bei der Entscheidungsfindung eine Herausforderung darstellt.

In der alten Reihenfolge wurden Daten normalerweise für Berichte und Analysen verwendet, eher für den internen Verbrauch und in gewissem Umfang für die Kunden. Aber in dieser sich schnell verändernden Welt, in der wir leben, erwarten Kunden eine schnellere, individuellere Lieferung von Produkten und Dienstleistungen,
schnelle Entscheidungen, eine digitale erste Umgebung, die Self-Service vorantreibt, kombiniert mit Sicherheit und Datenschutz. Dies erfordert, dass Unternehmen ihre Spielregeln in Bezug auf die Nutzung von Analysen, digitalen Plattformen, Automatisierung in Form von Robotik und maschinellem Lernen verbessern
um bessere, personalisiertere Ergebnisse zu liefern.

Daten sind daher eine entscheidende Komponente jeder Transformationsbemühung, da Daten es ermöglichen, Muster, Baselines und Benchmarks für jeden Schritt auf dem Transformationsweg zu erstellen und den Fortschritt solcher Programme zu verfolgen. Also ist es Zeit, den Zauberstab zu schwenken
und weben die Magie.

Data Literacy – der Zauberstab, der dabei hilft

Datenkompetenz und Digitalisierung sind zwei Seiten derselben Medaille. Um in einer digitalen und KI-Welt wettbewerbsfähig zu sein, müssen Unternehmen Data Scientists einsetzen, die mit Daten arbeiten können, um Wettbewerbsvorteile für ihre Unternehmen in Form von informierten und intelligenten,
datengesteuerte Geschäftsentscheidungen zur Verbesserung der Customer Journeys und des Kundenerlebnisses, zur Erstellung maßgeschneiderter Angebote und zur Bereitstellung nahtloser Querverbindungen

Kanäle Produkte/ und Dienstleistungen. Und dafür müssen Organisationen ihre Mitarbeiter mit digitalen Kompetenzen ausstatten, wobei Data Literacy als wichtige Wissensbasis für alle Mitarbeiter im Mittelpunkt steht.

Verschiedene Umfragen, die zur Notwendigkeit oder Bedeutung von Datenkompetenz durchgeführt wurden, zeigen, dass Unternehmensleiter glauben, dass Datenkompetenz für ihre zukünftigen Geschäftsanforderungen und ihr Wachstum äußerst entscheidend ist, und von ihren Teams erwarten, dass sie datengesteuerte Entscheidungen treffen.

Mitarbeiter (nicht nur Data Scientists), die mit der Verwendung von Daten vertraut sind, werden herausragende geschäftliche Vorteile generieren, und Initiativen und Schulungen zur Datenkompetenz werden die Mitarbeiter weiterbilden, um zum Endergebnis des Unternehmens und zu den wichtigsten Geschäfts-KPIs beizutragen
langfristig.

Das folgende Diagramm zeigt ein typisches Data Literacy-Programm:

 

Datenkompetenzprogramm in Kürze – Diagramm Nr. 1

Damit Data Literacy erfolgreich sein kann, ist es für Unternehmen entscheidend, eine starke Grundlage für Data Governance (Richtlinien, Prozesse, klare Eigentumsverhältnisse, Zugriffskontrollen für Datendemokratisierung, Datenstandardisierung und mehr) zu schaffen, die mit der
Vision/Mission des Unternehmens und basierend auf einer robusten Datenstrategie. Data Governance ist die überaus wichtige Säule, die sicherstellt, dass Daten als Unternehmenswert verwaltet werden, und trägt wesentlich zum Erfolg jedes Datenkompetenzprogramms bei.

Die Investition in Datenkompetenz wird einem Unternehmen mehrere Vorteile bringen, und die wichtigsten sind unten aufgeführt:

Vorteile der Datenkompetenz

• Eine datenkompetente Belegschaft, die versteht, wie man Daten beschafft, verwendet und austauscht und ethische Datenentscheidungen trifft
• Einfache Interaktion mit Daten und Erstellung einer Self-Service-Funktion
• Befähigt Mitarbeiter, datengesteuerte Entscheidungen zu treffen
• Helfen Sie dabei, sich den Wettbewerbsvorteil zu verschaffen, um in einem aggressiven Wettbewerbsumfeld erfolgreich zu sein
• Fähigkeit der Belegschaft, die Digitalisierung und die Innovationsanstrengungen der Organisation zu verstehen, umzusetzen und zu messen
• Erhöhen Sie die Kompetenzkarte und Datenreife der Organisation
• Schaffen Sie eine starke und loyale Belegschaft
• Ermöglichen Sie die maximale Nutzung verschiedener intuitiver Tools, Technologien und Assets, die den Lebenszyklus des Datenmanagements unterstützen

Lassen Sie uns anhand eines Beispiels verstehen, warum Data Literacy für jedes Unternehmen wichtig ist, während die Vorteile greifen werden.

 Wenn nur die ABC Bank auch in Data Literacy investiert hätte – ein Beispiel

Der Wandel der Zeit hat im Bankwesen (und auch in anderen Branchen) zu einer Verlagerung hin zu digitalen Kanälen geführt. Viele Unternehmen haben in alle möglichen technologischen Optionen investiert, müssen sich aber immer noch mit den Kundenerwartungen an die personalisierte Bereitstellung auseinandersetzen
von Produkten und Dienstleistungen. Während Banken intern eine Goldgrube an Daten generieren und auch externe Daten nutzen können, werden sie den Erwartungen der Kunden immer noch nicht gerecht. Und der Grund dafür ist, dass die Banken nicht genug in die Schaffung einer datengesteuerten Organisation investiert haben,
die Daten in jede Geschäftseinheit integriert und ihre Mitarbeiter darin schult, Daten für das Geschäftswachstum zu lesen, zu verstehen und zu nutzen. Und hier setzt Data Literacy an.

Lassen Sie uns dies anhand eines Beispiels verstehen: Die Bank ABC hat stark in Technologie investiert, um ein digitales – erstes Bankerlebnis für ihre Kunden zu schaffen. Die Bank hat auch in New-Age-Technologien wie Data-Mining-Tools, KI, Cloud-Technologie und mehr investiert.

Die ABC Bank hat sich ehrgeizige Umsatz- und Wachstumsziele gesetzt und will die bevorzugte Bank ihrer Kunden sein. Daher evaluiert die Bank ihr Produktportfolio, um es innovativer und relevanter für zukünftiges Wachstum zu machen.

Herr A, der in der Produktstrategie und im Design der ABC Bank arbeitet, muss sich entscheiden, ein Produkt Z einzustellen, das kein Zahlen-/Umsatzwachstum widerspiegelt. Während dies in der jüngeren Vergangenheit ein Spitzenprodukt war, ging es seitdem bergab. Produkt
Z ist ein spargebundenes Anlageprodukt, das unterdurchschnittliche Renditen abwirft. Die ABC Bank war nicht in der Lage, die Technologie voll auszuschöpfen und die erforderliche Automatisierung oder die Fähigkeiten zur Änderung der Produktparameter (auch manuell) einzubringen
günstigere Anlageoptionen (wie ein Wechsel zu marktgebundenen Produkten wie Aktien, Rohstoffen, Devisen und anderen unter Berücksichtigung von Faktoren wie Marktrisiken, Kreditrisiken, Anlageziele und Zeithorizont, Risikoprofil, Portfoliodiversifikation,
Vermögensallokationsstrategie usw.).

Herr A war der Meinung, dass Produkt Z mit einigen zusätzlichen Funktionen (Abbildung von Produkt- und Marktrisiko, mit Risikoprofil des Kunden, Anlagezielen und Zeithorizont) und Anlageoptionen (wie die Verknüpfung mit einem Aktienthema und die Einführung einer Suite) optimiert werden könnte
von Rohstoffen zu den Anlagemöglichkeiten) und als strukturiertes Produkt wieder eingeführt. Das Produkt würde dann erheblich zur Vision der Bank beitragen. Herr A. war sich jedoch nicht sicher, wie er auf alle erforderlichen Informationen zugreifen und diese verwenden sollte, um diese Entscheidung zu treffen
und erstellen Sie einen Business Case, um die Produktfunktionen zu ändern, anstatt es zurückzuziehen. Er verfügte nicht über die erforderlichen Daten und somit nicht über das Selbstvertrauen, die richtigen Fragen zu stellen und die Entscheidungen des Managements, das Produkt einzustellen, anzufechten. Außerdem dort
gab es keine kooperative Gemeinschaft innerhalb der Bank, die Herr A um Hilfe bitten konnte. Daher beschloss Herr A, das Produkt zurückzuziehen.  

Obwohl die ABC Bank in die erforderlichen Tools und den Technologie-Stack investiert hatte, um ein digitales Impressum zu erstellen, konzentrierte sich die Bank nicht darauf, eine starke Basis für die Datenverwaltung zu schaffen. Mit Blick auf die kritischen Säulen von Data Governance (Demokratisierung von Daten) und Datenkompetenz
(Fähigkeit, Daten als Wegbereiter für Geschäftsentscheidungen zu nutzen und Technologie maximal zu nutzen, war Herr A nicht in der Lage, die richtige Geschäftsentscheidung zu treffen. Wenn die ABC Bank in Schulungen und andere kooperative Methoden investiert hätte, um ihre Mitarbeiter mit den Fähigkeiten auszustatten
erforderlich, um Daten als Asset zu beschaffen, zu verwalten und zu nutzen, hätte Herr A erfolgreich die erforderlichen Funktionen und Parameter zum bestehenden Produkt Z hinzugefügt und der Bank geholfen, ihre Vision in viel kürzerer Zeit und mit geringerem Aufwand zu verwirklichen.

Daher kann man die Notwendigkeit von Data Literacy in Organisationen nicht genug betonen. Schulungen und Veranstaltungen zur Datenkompetenz sind wichtig, um Mitarbeiter weiterzubilden und den Datenkompetenzindex / -quotienten durch einen maßgeschneiderten Bewertungsrahmen zu erhöhen, der die berücksichtigt
aktuellen Reifegrad und den angestrebten Reifegrad, den die Organisation zu erreichen hofft. Der Rahmen sollte sich über Variablen wie technische Fähigkeiten, Verhaltenskartierung, Beziehungen und Denkweise der Mitarbeiter, visuelles Datendenken und Ethik erstrecken
Daten, Risiko und Compliance, Datensicherheit und erstellen Sie eine Bewertung der digitalen Fitness, die den Reifegrad bei der Verwaltung von Daten als Vermögenswert bestimmt. Sobald die Punktzahl ermittelt und eine Baseline erstellt wurde, können die Lücken identifiziert werden, um angepasste zu erstellen
Trainingspläne, die jede Lücke schließen und dazu beitragen, die Punktzahl durch verschiedene Weiterbildungsprogramme zu verbessern. Diese Veranstaltungen müssen nach einer gewissen Zeit wiederholt werden, um eine kontinuierliche Verbesserung und Weiterbildung der Mitarbeiter zu gewährleisten.

Während der Bewertungsrahmen Organisationen hilft, ihren aktuellen Datenkompetenzquotienten zu bewerten und Verbesserungsmöglichkeiten zu ermitteln, ist es unerlässlich, dass Organisationen eine Grundlage für die Umsetzung der verschiedenen Umschulungsmöglichkeiten schaffen
durch eine robuste und detaillierte Strategie und einen Plan. Diese Strategie und dieser Plan müssen in festgelegten Abständen überprüft werden; vorzugsweise jährlich, um die Dynamik der Erhöhung des Data Literacy-Index im gesamten Unternehmen aufrechtzuerhalten und eine Daten-DNA zu schaffen. Und Organisationen
müssen einige Grundlagen schaffen (abgesehen von den Schulungsprogrammen und anderen Initiativen), um den Erfolg von Data Literacy-Initiativen sicherzustellen. Unten finden Sie eine Liste von „Must-dos“, die Unternehmen beachten müssen, um den Erfolg der Datenkompetenz sicherzustellen
Initiativen.

Die Umschulungs-Roadmap für Datenkompetenz

Einige der Initiativen, die Organisationen verfolgen können, um die Datenkompetenzrate zu verbessern, sind:

• Gewährleistung der C-Suite-Unterstützung
• Eigentum definieren
• Beurteilung/Baselining der Fähigkeiten der Mitarbeiter
• Datenvisionäre einstellen
• Das „Warum“ hinter Data Literacy erklären
• Bereitstellung des Zugangs zu Schulungen zur Datenkompetenz
• Erweiterung des Zugriffs auf Daten mit der Organisation
• Ermutigende Fragen zu Daten
• Auf die Zusammenarbeit zwischen IT und Unternehmen hinarbeiten
• Investieren Sie in die richtigen Self-Service-Datentools
• Klein anfangen und den Fortschritt kontinuierlich bewerten
• Denken Sie daran, dass Datenkompetenz nicht isoliert existiert – sie umfasst die Datenreife und das Handeln, insbesondere auf Führungsebene

 Es gibt zwar mehrere weitere Initiativen, die der Roadmap hinzugefügt werden können, aber die Idee ist, anzufangen und mit kleinen Schritten fortzufahren. Diese Investition in Datenkompetenz wird sicherstellen, dass das Unternehmen weit mehr datengetriebene Personen haben wird, die davon profitieren werden
Daten und verwalten und implementieren erfolgreich Transformations-/Innovationsprogramme, die zu einer Verbesserung der wichtigsten Kunden-, Umsatz- und Wachstums-KPIs der Organisation führen. Machen Sie also weiter und nehmen Sie das Versprechen, Ihre Organisation stärker auf Daten zu konzentrieren und zu lassen
die Vorteile kommen.