Die DNA einer erfolgreichen Transformationsorganisation (Teil 5)

Die DNA einer erfolgreichen Transformationsorganisation (Teil 5)

Zeitstempel: 8. August 2023, 11:24 Uhr
The DNA of a Successful Transformation Organization (Part 5) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

Anecdata durch echte Erkenntnisse ersetzen

Der irische Mathematiker, Physiker und Ingenieur Lord Kelvin hinterließ uns zahlreiche wissenschaftliche Erfindungen und diese markanten Worte der Weisheit: „Was nicht definiert ist, kann nicht gemessen werden.“ Was nicht gemessen wird, kann nicht verbessert werden. Was nicht verbessert wird, wird immer verschlechtert.“

In den vorherigen vier Teilen haben wir dafür plädiert, erfolgreiche Transformation nicht als lineare, einmalige Veränderung zu betrachten, sondern als zyklische Unternehmungen, die einen inkrementellen und messbaren Wert liefern und flexibel genug sind, um Kurskorrekturen an veränderte Bedingungen vorzunehmen. Im letzten Teil untersuchen wir, wie ein strukturierter und bewusster Ansatz für Daten, Berichte und empirische Entscheidungsfindung genutzt werden kann, um die Realitäten der Organisation mit strategischen Erfordernissen in Einklang zu bringen und die Transformationsagenda voranzutreiben.

Viele Finanzinstitute verfügen über eine formalisierte Infrastruktur für die strategische Planung und Zielsetzung, Budgets, Investitionsplanungsprozesse und agile Umsetzungsrahmen. Allerdings leiden sie möglicherweise immer noch unter Unzulänglichkeiten in diesen Prozessen und es fehlt ihnen eine gemeinsame Säule, die sie zusammenbringt.

Diese Säule misst den Zustand der Organisation anhand harter Daten mit möglichst geringer Verzögerung. Trotz des weitverbreiteten Verständnisses der Bedeutung von Daten für die Strategie eines Unternehmens gibt es typischerweise zwei Möglichkeiten, Informationen für die Entscheidungsfindung zu sammeln:

  • Anekdaten. Organisationen werden oft durch Druck angetrieben, der von Kunden oder internen Stakeholdern ausgeht. Während Kundenservice ein bewundernswertes Ziel ist, kann ein unorganisierter oder fragmentierter Ansatz bei der Frage, wer zuerst bedient werden soll, oft zu Störungen führen. Diese Organisationen priorisieren letztendlich die lautesten Stimmen im Raum und nicht die Bedürftigsten. Initiativen werden mit schlecht definierten Zielen und schlecht verstandenen ROIs durchgeführt. Sobald das Projekt abgeschlossen ist, wird der Sieg auf der Grundlage der erfolgreichen Umsetzung von Meilensteinen oder Projektmanagement-Mautstellen errungen, im Gegensatz zu einer objektiven Bewertung der Geschäftsergebnisse und Leistungsdaten.
  • Ad-hoc-Daten. Im Finanzdienstleistungssektor ist es üblich, dass Manager gebeten werden, schnell Präsentationen zusammenzustellen, in denen die neuesten Themen oder Tagesthemen besprochen werden. Aber es drohen potenzielle Probleme. Da diese Präsentationen sich auf hastig gesammelte „Point-in-Time“-Daten stützen, erkennen sie nicht die negativen Auswirkungen, die unvollständige oder aus dem Kontext gerissene Daten auf die Entscheidungsfindung und strategische Planung haben können. Diese Art von Daten liegt typischerweise in einer von zwei Formen vor:
  1. Von Anwendungsteams bereitgestellte Produktionsdatenextrakte, um den aktuellen Status eines bestimmten Systems, Produkts oder einer Benutzerreise anzuzeigen. Diese Art von Daten birgt eigene Risiken und Lücken, darunter das Fehlen eines geschäftlichen Kontexts, in dem die Daten berücksichtigt werden sollten, die Größe und Stichprobenmerkmale des betreffenden Datensatzes, die Verschleierung der Quelldaten und die Latenz. Dies führt zu erheblicher Verwirrung und Ablenkung, während der richtige Datensatz identifiziert und erfasst wird.
  2. Von Produktionsunterstützungsteams stammende Vorfall- oder Problemdaten, die eine historische Momentaufnahme von Ereignissen darstellen, die bestimmte Betriebskriterien erfüllen. Bei diesen Informationen mangelt es häufig an Vollständigkeit und es besteht die Gefahr einer Verschönerung durch Überlebens- und Bestätigungsverzerrungen. Die Aufzeichnungen zeigen, wo Zeit und Ressourcen investiert wurden, um Produktionsherausforderungen zu lösen, verschleiern jedoch oft die eigentliche Ursache.

Beide Ansätze führen zu einer ineffizienten Nutzung von Ressourcen, um einen robusteren Überwachungs- und Messansatz zu umgehen. Noch besorgniserregender ist, dass das Ausmaß des erforderlichen menschlichen Eingreifens zu einer Verzerrung der Daten führen kann, entweder aufgrund einer unterschiedlichen Definition wichtiger Datenpunkte oder aufgrund von Unzufriedenheit mit der Kernbotschaft, die die Daten vermitteln.

In beiden Fällen ist es aufgrund des Arbeitsaufwands, der erforderlich ist, um aus den Daten aussagekräftige Informationen abzuleiten, und der mit einer Fehlinterpretation verbundenen Risiken ein Vorschlag, der für Finanzinstitute, die Innovationsführer sein möchten, keinen großen Wert hat. Dieser von Natur aus belohnungsorientierte Ansatz zwingt die Organisation dazu, das Auto nur durch den Blick in den Rückspiegel zu steuern.

Ein weit verbreitetes Missverständnis bei der Lösung dieses Problems mit dem Mangel an strukturierten Daten besteht darin, sich zu sehr auf bestimmte Tools wie Tableau oder Microsoft Power BI zu verlassen. In Wirklichkeit reichen die Probleme weitaus tiefer als nur ein Mangel an Analyse- oder Visualisierungstools. Sie erstrecken sich von den allerersten Phasen des strategischen Planungsprozesses über die Umsetzung bis hin zur Business-as-usual-Aktivität.

Unserer Erfahrung nach entwickeln erfolgreiche Organisationen ein hohes Maß an Kompetenz in den folgenden Bereichen, um zuverlässige Überwachungs- und Messfunktionen aufzubauen:

1. Messen, worauf es ankommt. Die vorherrschenden Marktbedingungen, Kundenerwartungen, neue Technologien, Wettbewerbsstörungen und regulatorische Änderungen führen zu einem sich ständig verändernden Geschäftsumfeld für Finanzinstitute. Es ist von entscheidender Bedeutung, die zukunftsgerichteten Ziele und wichtigsten Leistungsindikatoren zu verstehen, um die Entscheidungsfindung zu validieren und eine anpassungsfähigere Geschäftsplanung zu ermöglichen.

Das bedeutet, dass vor der Genehmigung einer neuen Initiative mehr als nur eine einfache Umsatz- oder Kostensenkungsprognose für fünf Jahre erforderlich ist. Es bedeutet, eine umfassende Verbindung zwischen den strategischen Zielen der Organisation und der Arbeit der Bereitstellungs- und Betriebsteams herzustellen. Dieser Rahmen bildet den Kern der Überwachungs- und Messfähigkeiten eines Finanzinstituts und kann nicht umgangen werden.   

 2. Datentechnik und -analyse. Vor der Erstellung von Dashboards müssen die Grundlagen dafür gelegt werden, dass alle Datenquellen identifiziert und die Datenpunkte zur Ableitung relevanter Geschäftsmetriken katalogisiert werden. Für alle Beteiligten ist es außerdem äußerst wichtig zu verstehen, wofür die Daten verwendet werden und wie sie dazu beitragen, die benötigten Kennzahlen zu ermitteln. Zum Beispiel: Ist die Bestätigungszeit die Zeitspanne, die benötigt wird, um einen Trade ab dem Zeitpunkt der Buchung oder ab dem Zeitpunkt, an dem er in den Bestätigungsstapel gelangt, zu bestätigen? Diese Identifizierung trägt dazu bei, Verwirrung zu vermeiden und Nacharbeit zu reduzieren. Dieser Prozess baut schrittweise auf dem oben festgelegten Rahmen auf und stellt die physischen Datenmodelle und die Infrastruktur dar, die zur Überwachung und Konkretisierung des strategischen Ziels der Organisation erforderlich sind.

3. Datenverwaltung. Alle Datensätze müssen den Datenrichtlinien der Organisation entsprechen. Während diese je nach Geschäftsmodell, Kundenkreis und Produktpalette stark variieren, sind die Grundprinzipien einer effektiven Datenverwaltung konsistent und beginnen immer mit dem Geschäftsbedarf im Vordergrund. Zu den zu berücksichtigenden Fragen gehören:

  • Datenverfügbarkeit. In welcher Granularität und Häufigkeit sind Daten erforderlich, um die Mess- und Überwachungsziele des Unternehmens zu unterstützen? Während Dashboards aufgrund der Leistungsanforderungen am besten für übergeordnete Daten geeignet sind, eignen sich aggregierte Daten nicht für die Ursachenanalyse, da einzelne Transaktionen nicht identifiziert werden können. Das bedeutet, dass bewusst eine Architektur ausgewählt und entworfen werden muss, die den Bedürfnissen jeder Organisation am besten entspricht. Bei der Definition, wie oft Daten aktualisiert werden sollen, muss sorgfältig vorgegangen werden. KRIs werden in der Regel in Echtzeit oder täglich aktualisiert, während KPIs in einem langsameren Rhythmus aktualisiert werden können. Eine schnellere Frequenz ist oft nicht unbedingt besser, wenn man sie mit Infrastrukturkosten und Leistungsaspekten abwägt.
  • Datenintegrität. Wem gehört eine bestimmte Datenquelle und wo werden diese Daten innerhalb der Dateninfrastruktur der Organisation gespeichert?  Die strategische Entscheidungsfindung wird beeinträchtigt, wenn ein Unternehmen den Verbrauchern nicht garantieren kann, dass sie auf die richtigen Daten aus den richtigen Quellen zugreifen. Anti-Patterns können entstehen, wenn ein Unternehmen organisch einzigartige Daten- und Analysefunktionen über alle Geschäftsbereiche hinweg aufbaut, jeweils mit einzigartigen Methoden zur Datenbeschaffung und -speicherung. Klare Eigentumsverhältnisse und Verantwortlichkeiten für Daten in Kombination mit zentral definierten Rollen und Verantwortlichkeiten sind entscheidende Erfolgsfaktoren. 
  • Datensicherheit. Was kann eine Organisation tun, um sicherzustellen, dass Datenschutz- und Sicherheitsregeln vorhanden sind und weitgehend eingehalten werden? Die Schaffung eines Data-Governance-Modells, das sicherstellt, dass vertrauliche Geschäftsinformationen nur für Personen zugänglich sind, die diese aus betrieblichen Gründen kennen müssen, kann manchmal kontraproduktiv sein und unnötige Barrieren errichten. Erfolgreiche Transformationsorganisationen erkennen diese Herausforderung und zentralisieren viele Funktionen der Datenerfassung, -verschleierung und -visualisierung. Dies ist von entscheidender Bedeutung, insbesondere wenn es um Daten auf Transaktionsebene geht, die Einblicke in die Finanzaktivitäten des Kunden und persönlich identifizierbare Informationen bieten.

 4. Business-Intelligence-Kultur. Dies ist das benutzerorientierte Element der Datenwissenschaft und erregt normalerweise die meiste Aufmerksamkeit. Die Förderung einer Kultur, in der Benutzer aktiv bisher unzugängliche Informationen nutzen, eröffnet eine Welt voller Möglichkeiten zur Analyse und Verbesserung der Unternehmensleistung. Leider werden die meisten dieser Tools nicht bestimmungsgemäß, sondern nachträglich zur Problemanalyse eingesetzt. Für Unternehmen ist es unerlässlich, den Einsatz von Analysetools als proaktive Leistungsmanagementtools voranzutreiben, mit denen sich Trends im Voraus antizipieren lassen.

Der Schlüssel besteht darin, verschiedene Anwendungsfälle zu identifizieren und mehrere Analyseebenen für verschiedene Benutzergruppen aufzubauen. Typischerweise benötigen Manager der mittleren Ebene mehr Details über einen kleineren Funktionsbereich, während die Geschäftsleitung Kennzahlen auf höherer Ebene für das gesamte Unternehmen benötigt. Durch die Abstimmung von Daten, KPIs, Visualisierung und Organisationsdesign entsteht eine Kultur der datengesteuerten Entscheidungsfindung und Agilität.

Zusammenfassend lässt sich sagen, dass sich diese Fähigkeiten in mehrfacher Hinsicht auszahlen, sobald sie im gesamten Unternehmen verfügbar sind. Führungsteams können Bereiche in ihrem Unternehmen identifizieren, die am besten für eine Transformation geeignet sind oder diese am meisten benötigen. Transformationsteams können die Ergebnisse ihrer Bemühungen nahezu in Echtzeit verfolgen. Und die beiden Enden des Spektrums können durch ein gut durchdachtes OKR-Framework nahtlos miteinander verbunden werden. 

Letztendlich ist es ein fortschrittlicher Ansatz zur Überwachung und Messung, der ein flexibles, datengesteuertes Geschäftsmodell ermöglicht, das viele der erfolgreichsten Transformationsorganisationen auszeichnet. Sie nutzen ihre Daten und eine Kultur der Agilität, um im heutigen äußerst wettbewerbsintensiven und sich schnell verändernden Geschäftsumfeld die besten Entscheidungen für die Zukunft zu treffen.

Zeitstempel:

Mehr von Fintextra