Was es für die Transformation zur Data Driven Organization braucht

Die Zielvorgabe von SAP steht: Das Autonomous Enterprise. Gerade mittelständische Unternehmen fühlen sich durch die Vielzahl der Technologie-Optionen zuweilen überfordert. Dabei liegen die größten Herausforderungen aus Sicht von Tim Barkhoff (T.CON) weder in der Technologie noch in der Datenbasis. Sondern dort, wo Verantwortung, Rollen, Prioritäten und Entscheidungswege nicht eindeutig geklärt sind. Im Interview erklärt der Senior Consultant Data & Analytics, welche Handlungsfelder Unternehmen auf dem Weg zur Data Driven Organization angehen sollten und warum Gewohnheit dabei oft der Endgegner ist.

---

Verantwortlichkeiten, Spielregeln, Empowerment

Redaktion: Wie datengetrieben arbeiten eure Kunden heute schon?

Tim Barkhoff: Unterschiedlich, aber ein Muster zieht sich durch fast alle Unternehmen: Das Berichtswesen hängt noch stark an der IT. Ältere Plattformen wie SAP BW sind komplex, der Fachbereich kommt da nicht einfach selbst heran. Das kostet vor allem eines: Zeit, die dann anderswo fehlt.

Um beim bereits erwähnten Lieferantenbeispiel zu bleiben: Fällt ein Lieferant unvorhergesehen aus, müssen ggf. Daten aus nicht verknüpften Modellen neu zusammenzuführt werden. Dafür braucht es bislang in der Regel die IT. Erst wenn die Datenbasis steht, folgt die Umsetzung, bei wiederkehrendem Bedarf vielleicht als Dashboard in der SAP Analytics Cloud, bei einmaligem Auftreten eher als schnelle Ad-hoc-Analyse im Self-Service.

Redaktion: Welche Handlungsfelder tun sich auf, um hier Klarheit und Konsistenz zu schaffen?

Tim Barkhoff: Neben der Datenplattform bilden, wie bereits erwähnt, Menschen und Organisation die zentralen Pfeiler der Data Driven Organization. Daraus resultieren folgerichtig drei Handlungsfelder.

1. Verantwortlichkeiten, die klar definiert und geschaffen werden müssen
2. Guidelines, also Spielregeln, die das Spielfeld bilden, in dem sich diese Rollen bewegen
3. Empowerment, das jede Rolle befähigt, auf diesem Spielfeld zu agieren.

Konkret heißt das zum Beispiel: Ein Data Owner priorisiert Berichte und Berichtsanforderungen im Fachbereich, ein Data Analyst setzt diese nach klaren Regeln um.

Getragen werden muss der Change dabei auch von der Führung. Ich sehe hier zwei Ebenen: zum einen top-down über einen Data Leader, der Strukturen schafft und bei Bedarf überarbeitet, bottom-up durch Fachbereiche, die ihre Anforderungen in der neuen Datenplattform umsetzen und sie so kontinuierlich weiterentwickeln. Es gibt alltägliche Berichtsbedarfe, die in keinem Katalog auftauchen und trotzdem jede Woche gebraucht werden. Wenn Fachbereiche ihre Anforderungen anhand der definierten Strukturen umsetzen, entsteht ein nachhaltiges Wachstum der Systeme. Die Nutzungsmöglichkeiten erweitern sich und das System ist nach einer gewissen Zeit besser als beim Go-Live.

Data Governance als Vertrauensbasis

Redaktion: Wie verhindert man, dass Data Governance zum Selbstzweck wird?

Tim Barkhoff: Viele Unternehmen ringen heute schon um Ressourcen und haben oft das Gefühl, dass mit Data Governance zusätzlicher Aufwand entsteht. Dabei soll Data Governance ja ganz im Gegenteil Klarheit im Operativen schaffen und verhindern, dass endlose Abstimmungsschleifen entstehen, ohne dass man zum Ergebnis kommt.

Ziel ist es, gemeinsame Standards zu entwickeln, die Raum für die eigene Umsetzung lassen. Das Ganze lebt vom Feedback: Wird aus der Organisation zurückgemeldet, dass die Data Governance zu kompliziert ist, muss man kritisch prüfen, ob die richtigen Maßnahmen getroffen wurden.

Redaktion: Wo überschätzen Unternehmen den Nutzen neuer Datenplattformen – und wo unterschätzen sie die organisatorischen Voraussetzungen?

Tim Barkhoff: Überschätzt wird gerne der Aspekt, dass das Projekt mit der Implementierung abgeschlossen sein könnte und die vorhandenen Berichte und Datenmodelle somit für die nächsten Jahre ausreichen. Das war vielleicht früher so. Heute wachsen jedoch viele Anforderungen im Tagesgeschäft und verändern sich laufend. Das kann auch die beste Roadmap nicht nachhaltig abdecken.

Unterschätzt hingegen werden die Treiber, die eine erfolgreiche Adaption im Unternehmen voranbringen. Hier wird gerne auf die technische Schulung als alleiniges Mittel verwiesen. Aber es geht auch um gemeinsame Standards, um die Erfahrung, die im Team gesammelt wird, und darum, dass Wissen breitflächig verankert wird, statt es in einzelnen Köpfen zu belassen. Erst dann gewinnt die Kompetenz in der Organisation an Breite, und die Datenplattform an Tiefe.

Data Driven Organization: Datenstrategie vor Technologie

Redaktion: Wo sollten Unternehmen anfangen, wenn gleichzeitig Datenstrategie, Organisation und Technologie Baustellen sind?

Tim Barkhoff: Ich würde immer zur Datenstrategie raten, weil hier das ganzheitliche Verständnis geschaffen wird: Was wollen wir eigentlich erreichen? Also die Verknüpfung von Data Analytics mit den Geschäftszielen. Eine Studie des Fraunhofer-Instituts nennt mangelnden Connect zu den Unternehmenszielen als größten Grund für das Scheitern von Datenprojekten. Erst danach folgt die Frage nach der passenden Technologie, dann die Weiterentwicklung der Organisation.

Für den konkreten Einstieg haben wir einen zweistufigen Prozess entwickelt: einen zweitägigen Data Driven Discovery Workshop zur Standortbestimmung, gefolgt von der Erprobung in einem Pilotfachbereich, meist Finance oder Controlling, weil das Berichtswesen dort ohnehin oft schon als Kernprozess verankert ist.

Das Go-Live der Datenplattform sollte unbedingt als Momentum genutzt werden, um den Mehrwert der Lösung gezielt zu promoten. Klein anfangen und kontinuierlich dazulernen, lautet dabei die Devise.  

Redaktion: Wie lassen sich Changemanagement und Governance sauber aufsetzen und am Leben halten?

Tim Barkhoff: Das Wichtigste aus meiner Sicht ist die Verantwortung – und zwar nicht nur auf dem Papier, sondern als wirkliches Zuständigkeitsgefühl im Alltag. Das erreicht man, indem man den Menschen das Zielbild immer wieder vor Augen führt: Wir nutzen Daten, um unsere Wettbewerbsfähigkeit zu steigern oder zu sichern. Die Data Driven Organization steht und fällt mit einer Datenkultur, die sich aber nicht zwangsverordnen lässt.

Umso wichtiger ist es, laufend Feedback zu sammeln und das Vertrauen zu sichern. Changemanagement bleibt dabei eine Daueraufgabe, genau wie sich die Plattform stetig weiterentwickelt. Es braucht daher eine feste Feedback-Schnittstelle, über die man in regelmäßigem Abstand hinterfragt, was besser laufen kann.

Für die Governance heißt das konkret: Guidelines zu implementieren ist nur der erste Schritt, sie müssen auch eingehalten werden. Verantwortlich dafür sind der Data Owner im Fachbereich für die inhaltliche Seite und der Data Leader, der übergreifend darauf schaut.

Wer diese Hausaufgaben in der Organisation macht, hat damit die wichtigsten Voraussetzungen geschaffen, um im nächsten Schritt auch KI wirksam zu skalieren und den Weg zum Autonomous Enterprise zu gehen.