Interview mit Hartmut König von Adobe über Datennutzung

Unternehmen investieren umfangreich in Data Scientists, Rechenzentren und Analyseprogramme. Doch was, wenn trotz des Aufwands wenig dabei herauskommt? Was ist die beste Vorgehensweise bei der Datennutzung und -aufbereitung?

„Akzeptanz bis in die Ebene der Geschäftsführung ist wichtig“

Wir fragen dazu Hartmut König, CTO Central Europe bei Adobe. Er ist für Lösungen der Adobe Experience Cloud verantwortlich und kennt und betreut viele Kunden im Mittelstand.

Herr König, Unternehmen sammeln zwar immer mehr Daten, die dann doch relativ ungenutzt bleiben. Warum fällt es vielen Unternehmen so schwer, mit Daten zu arbeiten?

Es ist simpel gesagt nicht einfach, mit Daten zu arbeiten. Es gibt schon seit 15 bis 20 Jahren Datenprojekte, Stichwort „Data Warehouse“, aber die Daten liegen oft entweder in Silos oder sind in hochkomplexen Systemen vereint, die nur sehr wenigen Fachleuten, zum Beispiel Data Scientists, zugänglich sind. Oft werden die Daten allein zum Reporting von KPIs (Key Performance Indicators) verwendet. Sie beantworten die Frage „Hat eine Abteilung ihre Key Objectives erreicht?“ – werden jedoch weder explorativ noch in Real-Time genutzt. Reporting ist zwar auch etwas Gutes, aber man verpasst die Chance, mit den Daten zum Beispiel Trends zu erkennen oder Kundengruppen, die auf Produkte reagieren.

Schwierig ist nicht zuletzt folgender Schritt: Wenn ich anfange, datengetrieben zu arbeiten, ist die „HIPPO“, also Highest Paid Person Opinion, weniger wert als die Daten. Ich muss der Meinung der am besten bezahltesten Leute im Unternehmen Grenzen setzen. Je weiter oben die Leute stehen, die sich von Daten kaum beeindrucken lassen, desto schwieriger wird es.

Wie weit ist der Mittelstand, wenn es um datengetriebenes Arbeiten geht?

Es ist weniger ein vertikales Thema. Das heißt, der Mittelstand ist nicht weniger weiter als große Konzerne, sondern es hängt eher an der Affinität einer Branche zu Daten. Mittelständische Versicherungen treffen schon seit Jahrzehnten datengetriebene Entscheidungen, z.B. für ihre Tarife und wie sie ihre Kunden managen. Unternehmen im Handel nutzen Daten, um besser zu verstehen, was auf ihren Plattformen passiert. Genauso gibt es Großkonzerne, die daraufsetzen, dass das eigene Produkt wichtiger ist als das Verständnis des Kunden. Die Zeit mit Covid hat die Digitalisierung beschleunigt und durch den Online-Kundenkontakt einen Bedarf geschaffen, den viele Unternehmen jetzt aktiv angehen.

Wie müssen Daten beschaffen sein, damit sie ihr Potenzial entfalten können?

Daten entfalten Ihr Potential aus dem Kontext heraus und im Kontext, in dem sie verwendet werden. Daraus entstehen die Use Cases. Wenn ich im Internet of Things Daten erhalte, kann ich mit Predictive Maintenance z.B. vorhersagen, bei welcher Laufleistung ein Lastwagen in die Werkstatt zum Service muss – und ich habe vielleicht noch Sensoren, die feststellen, wann der Lastwagen lauter geworden ist. So ist hervorragendes Service-Management möglich und kann proaktiv den Termin anstoßen, bevor der Lastwagen in echte Probleme gerät und liegen bleibt.

Daten aus Content lassen sich mit Verfügbarkeiten für Logistik und Kundensegmenten für hervorragendes Empfehlungs-Marketing kombinieren. Ich kann in Kampagnen also Botschaften relevanter machen, Marketing gezielter und die Personalisierung besser machen. Zurück zur These am Anfang: Daten werden durch den Kontext, aus dem sie stammen und durch den Kontext, in den sie gesetzt werden, wertvoll.

Was sind die typischen Hürden und Stolpersteine auf dem Weg zum datenzentrierten Unternehmen?

Wir haben als Adobe selbst diesen Wandel durchgemacht und gemerkt, dass dieser „Hippo“ Stolperstein, also „Highest Paid Person Opinion“, mit der Bedeutsamste ist. Wer auf allen Levels und allen Hierarchie-Ebenen einen Konsens findet, kann ein erfolgreiches datengetriebenes Unternehmen werden. Ein gemeinsames konsistentes Verständnis von KPIs entlang der Wertschöpfungskette ist dabei wichtig.

“Too big data“ ist ein weiteres Problem.  Irgendwann überfordern zu viele Daten alle. Daher empfehle ich jedem Unternehmen nach dem Motto „crawl – walk – run“ klein anzufangen und den ersten Schritt machen. Am besten jetzt anfangen und quick wins, also schnelle Erfolge anstreben, statt in einem Jahr die ersten Erkenntnisse zu ziehen. Also warum nicht mit einer kleinen Kampagne starten, mit einer Personalisierung anfangen und daraus lernen, statt irgendwelche Flugzeugträger zu konzipieren, die niemals schwimmen werden.

Wie sollte man sich im Unternehmen neu aufstellen, um das Potenzial von Daten zu erschließen?

Unternehmen haben gewachsene Strukturen. Es neu aufzustellen führt nicht unbedingt zu Verbesserungen, wie zum Beispiel, dass Silos abgeschafft werden. Akzeptanz für Daten bis in die Ebene der Geschäftsführung ist wichtig und bedeutet auch regelmäßiges, konsequentes Handeln. Hier wieder das Beispiel Adobe: Unser Vorstand hat jede Woche die wichtigen Daten im Blick. Die erste Führungsebene hat die gleichen Daten immer im Blick – erst recht, wenn ein Treffen mit dem Vorstand ansteht.

Braucht man noch Datenwissenschaftler im Unternehmen?

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. Es dürfen also keine Datenstrukturen geschaffen werden, die falsche Ergebnisse liefern. Deswegen: Ich brauche Experten. Die Expertise können Unternehmen aber für die Aufbauzeit auch extern einkaufen.

Zweitens ist die Frage, welche Rolle explorative Datenanalysen, also das Forschen nach Fragen, die ich nicht gestellt habe, spielen. Das können Datenwissenschaftler sehr gut, wir brauchen die Leute. Aber Datenanalyse wird das Unternehmen nicht verändern, wenn die anderen nicht mitziehen. Wichtig ist deshalb auch die Demokratisierung der Daten: Wenn die Fachabteilung einfachen Zugang zu den Daten hat, wird sie diese auch nutzen.

Wie werden Daten am Ende zum Wettbewerbsvorteil?

Es wird auf jeden Fall zu einem Nachteil, wenn man sich nicht mit Daten beschäftigt. In dem Moment, wenn ein Unternehmen digitales Business betreibt und sich in irgendeiner Form multinational aufstellt – und das tun viele Mittelständler – sollte es sich mit Daten beschäftigen. Es ist das alte Thema: Unternehmen investieren, um möglichen Wettbewerbsnachteilen zuvorzukommen. Datenpunkte gab es früher auch schon, zum Beispiel in Form der Augen und Ohren der Unternehmensführung, die auf Veranstaltungen nach neuen Trends suchten. In diesen Zeiten, wo es keine Messen und Konferenzen gibt, ist es eine Chance und ein guter Zeitpunkt, diese Themen rund um Daten ins Spiel zu bringen und für Aufmerksamkeit zu werben.

Künftig wird es noch mehr Daten in jedem Unternehmen geben. Wie können wir die Flut im Blick und im Griff behalten?‎

Einfach sammeln, was man sammeln kann und dann sehen, was passiert ist nicht die richtige Strategie. Besser ist es, in Use Cases zu denken: Was haben wir vor? Welche Daten sind wirklich relevant? Und wie wollen wir sie nutzen? Die Alternative, beliebig Daten auf Halde zu legen, um sie mit der Magie von KI- und Machine-Learning-Lösungen nutzbar zu machen, verursacht enorme Kosten und bringt nicht die gleichen Ergebnisse.