Wir spielen gerade

Wir spielen gerade

Diese Kompetenzen und Rollen brauchen Sie im Datenmanagement

Datenbasiert entscheiden

Diese Kompetenzen und Rollen brauchen Sie im Datenmanagement

Unternehmen haben den enormen Wert von Daten, Datenanalyse und datengestützter Strategie erkannt. Doch nur mit den richtigen Experten wird Big Data zu einer erfolgreichen Business-Strategie.

Mit aus Daten gewonnenen Erkenntnissen lässt sich vieles im Tagesgeschäft optimieren. Die Marketing-Abteilung kann Inhalte personalisieren, Handlungsempfehlungen für Kampagnen gewinnen und neue Kunden finden. Der Vertrieb kann Kaufverhalten analysieren, neue Kundenbedürfnisse aufspüren und im E-Commerce die Verkaufsplattform für weniger Fehlbestellungen, Warenrücksendungen oder höhere Konversionen perfektionieren. Die Industrie kann Fertigungsabläufe effizienter gestalten. So gut wie jede Branche und Abteilung kann aus Datenerkenntnissen dazulernen.

Soweit die Theorie, für die Praxis braucht Ihr Unternehmen die richtigen Experten im Datenmanagement, um das Gold aus Big Data zu heben. Also stellt sich die Frage: Welche Rollen brauchen wir – und welche Fähigkeiten müssen die Daten-Experten mitbringen?

Fähigkeiten im Datenmanagement

Trotz spezifischer Ausprägungen gibt es Gemeinsamkeiten in allen Branchen. Generell geht es in Unternehmen auch nicht rein um die Forschung rund um die Daten, sondern nach dem Motto „Business drives IT“ gibt es immer ein geschäftliches Interesse rund um die Analyse. Somit bringen die Akteure im Datenmanagement typischerweise folgende Fähigkeiten mit:

  • Datenaufbereitung und Visualisierung: Um das Potenzial von Daten heben zu können, müssen Datenwissenschaftler oft aus gewachsenen Systemen und Strukturen Daten zusammenführen und zum Beispiel aus alten oder separaten Systemen, so genannten Datensilos, Daten nutzbar machen. Wichtig ist auch die Erfahrung bei der Datenaufbereitung, wie Hartmut König, CTO von Adobe in unserem Interview kommentierte: „Die Software kann nicht alles abnehmen. Es kommt immer auf die Anwendungsfälle an, aber wir brauchen eine solide Datengrundlage, ein Data-Cleansing. Wenn ich Datenpunkte zusammenbringe, die nicht zusammengehören, baue ich irgendwann auf Sand.“ Beim Übersetzen der Daten in Diagramme hilft ebenfalls Software. Dennoch sind Präsentation und Visualisierung der Daten-Erkenntnisse eine Aufgabe des Datenwissenschaftlers.
  • Team-Player: Datenwissenschaftler arbeiten heute nicht autark mit Algorithmen und Datenmodellen – wenn auch das Erforschen und Ausprobieren ein wichtiger Teil der Arbeit ist. Tatsächlich sind sie in Tandem-Teams mit Business-Stakeholdern im Einsatz, wie unser Interview mit Dr. Kerstin Schäfer von Adobe Daher gehören sprachliche und kommunikative Fähigkeiten dazu, um Mitarbeitern aus allen Unternehmensbereichen die Erkenntnisse aus der Analyse als Handlungsempfehlungen zu vermitteln. Es ist auch oft keine leichte Aufgabe, überhaupt für die datengestützte Entscheidungsfindung im Unternehmen zu werben und sie zu etablieren.
  • Kreativität und Neugier: Datenanalyse ist keinesfalls trocken und pure Mathematik, sondern es geht darum, Neues zu entdecken und Ideen zu haben. Zum Beispiel eine Anomalie in den Daten in Bezug auf das Kundenverhalten zu entdecken und daraus eine Empfehlung für das Marketing abzuleiten – wie beispielsweise bei einem Nachfragehoch einen Newsletter mit dem passenden Angebot zu versenden. Neugier hilft dabei, neue Analyse-Instrumente, Algorithmen und Technologien dafür zu nutzen.
  • Koordinationsvermögen: Datenwissenschaftler sind auch Projektmanager. Sie delegieren Aufgaben zur Datenbeschaffung, steuern und kontrollieren Projekte in der Datenanalyse, welche dann mit den Abteilungen abgestimmt werden.

Tipp: Vereinfachen Sie Ihre Personalarbeit – finden Sie hier die richtige Personal Software

Die Rollen im Datenmanagement

Im Einzelnen sehen in den Teams zu Datenanalyse-Projekten die Rollen wie folgt aus:

  • Digital Strategist / Data Strategist: Diese Rolle vertritt ein Business-Stakeholder, zum Beispiel aus dem Marketing. Er trägt Anforderungen an das Team heran, die durch Erkenntnisse aus Daten gelöst werden sollen.
  • Data Architect: Der Data Architect versucht, die Anforderungen in Daten zu übersetzen – zusammen mit dem Strategist. Hier geht es um die Frage, ob alle Daten vorhanden sind, um alles für das Problem messen zu können und wie die darunter liegende Enterprise-Architektur aussieht. Liegen die Daten in Silos? Muss eine Customer Data Plattform geschaffen werden? Passt die Data Plattform mit dem Data Lake des Unternehmens zusammen?
  • Data Engineer: Diese eher technische Rolle sucht aus allen Quellen die Daten zusammen und bringt sie in ein Format.
  • Data Analyst / Data Scientist: Der Data Analyst erstellt statistische Modelle für die Datenanalyse. Diese Modelle helfen, die Daten in Trends zu übersetzen.
  • Advanced Business Analyst: Der Spezialist für Datenvisualisierung bereitet die Ergebnisse so auf, dass andere Abteilungen, wie das Marketing, damit Erkenntnisse gewinnen können. Wenn Automation zum Einsatz kommt, bestimmt er Ereignisse, bei denen Aktivitäten ausgelöst werden – zum Beispiel, dass bei einer Anomalie eine bestimmte Aktion wie Newsletter-Versand an die Kunden oder ein Sonderangebot ausgelöst wird, um den Umsatz zu steigern.

Fazit: Im Umgang mit Daten sind Spezialisten gefragt

Die genaue Betrachtung zeigt, dass Datenwissenschaftler sehr spezielles Wissen für ihre Rollen mitbringen müssen, gleichzeitig aber auch als Teamplayer und Botschafter für das Arbeiten mit Daten im Unternehmen überzeugen sollen. Aktuell ist am Arbeitsmarkt die Nachfrage höher als das Angebot an Spezialisten. Daher gehören sie heute und auch weiterhin zu den gefragtesten IT-Experten. Unternehmen müssen – wollen sie das vielbeschriebene „Daten-Gold“ heben – die Experten nicht nur gut bezahlen, sondern auch ein attraktives Umfeld für sie schaffen. In diesem wird der Wert der Daten geschätzt und die richtigen Voraussetzungen für die fortgeschrittene Analyse durch entsprechende Technologie geschaffen.