Dieser Artikel wurde ursprünglich auf Forbes.com veröffentlicht und von Brent Dykes, Director, Data Strategy bei DOMO, einem Riskonnect-Partner, verfasst.

Angesichts der Fülle von Daten, die heutzutage in Unternehmen fließen, besteht die nächste Herausforderung in der Regel nicht darin, mehr Daten zu sammeln, sondern darin, sie in etwas Sinnvolles umzuwandeln – in fundierteMaßnahmen, die zu höheren Einnahmen, niedrigeren Kosten, höherer Produktivität, größerer Kundentreue usw. führen.

Während traditionelle Unternehmen immer noch mit der Frage kämpfen, wie sie ihre Daten am besten nutzen können, haben viele der heutigen Startups Daten in ihrer DNA verankert. In einer Capgemini-Studie aus dem Jahr 2015 erwarteten 58 % der Führungskräfte einen stärkeren Wettbewerb durch diese datengestützten Startups. Doch egal, ob Sie ein etablierter Akteur oder ein datenaffiner Newcomer sind, Sie sind gleichermaßen anfällig dafür, zu einem von Daten gelähmt.

Da das Datenvolumen wächst und die Abhängigkeit von Daten zunimmt, steigt die Wahrscheinlichkeit, dass Unternehmen durch Daten in die Enge getrieben werden, wenn sie nicht diszipliniert und aufmerksam sind. Anstatt dass Daten Ihr Unternehmen effektiver und effizienter machen, können sie das Gegenteil bewirken und Ihre Fähigkeit, Entscheidungen zu treffen und Ergebnisse zu erzielen, beeinträchtigen. Schnell kann sich Ihr hoch geschätztes digitales Kapital in eine potenzielle Belastung verwandeln.

Um mit Daten voranzukommen, müssen Unternehmen sicherstellen, dass ihre Mitarbeiter ihnen angemessen vertrauen, sie nutzen und analysieren können. In diesem Artikel werde ich drei wichtige Hindernisse oder Fallen erörtern, die, wenn sie nicht beachtet werden, Ihre Mitarbeiter lähmen und den Vorwärtsdrang Ihres Unternehmens mit Daten blockieren.

Misstrauen gegenüber Daten

Eine der am weitesten verbreiteten Formen datenbezogener Lähmung ist das Misstrauen gegenüber Daten, das auftritt, wenn Menschen die Qualität ihrer Daten in Frage stellen und sich weigern, sich bei der Entscheidungsfindung auf sie zu verlassen. In einer aktuellen KPMG-Studie, 84% der CEOs gaben an, dass sie sich Sorgen über die Qualität der Daten machen, auf die sie ihre Entscheidungen stützen. Data quality is clearly top of mind for most executives as they want to avoid making wrong decisions based on erroneous or incomplete data.

Es ist zwar gesund, seine Daten zu hinterfragen, aber es kann lähmend sein, wenn Sie das Vertrauen in die Daten völlig verlieren und sich mit dem „Blindflug“ abfinden. In diesen Fällen werden immer noch Entscheidungen und Maßnahmen getroffen – nur ohne die Sicherheiten und Vorteile, die Daten bieten können. Wenn sich das Misstrauen in die Daten in einem Unternehmen erst einmal festgesetzt hat, kann es alle analytischen Bemühungen erheblich untergraben und ein Hindernis bleiben, bis es angemessen angegangen wird.

Es ist zwar einfach, mit dem Finger auf Ihre Daten zu zeigen, aber Sie müssen oft auch in den Spiegel schauen, wenn es um Datenmisstrauen geht. Die meisten Analytiker wissen, dass Daten von Natur aus unordentlich und schmutzig sind. In vielen Fällen können fehlerhafte Daten jedoch immer noch hilfreich und sicher sein, um die Richtung vorzugeben. Daten können sein präzise und doch ungenau und trotzdem aufschlussreich sein. Wenn zum Beispiel Ihr Online-Umsatz in Ihrem digitalen Analysetool durchweg 10-15% höher ist als in Ihrem Transaktionssystem (vor allem, weil Retouren und betrügerische Bestellungen nicht berücksichtigt werden), sind die Daten immer noch aussagekräftig.

Zu oft wird ein höherer Maßstab an die Daten (Perfektion) angelegt als die eigenen Überzeugungen zu hinterfragen, Meinungen und Annahmen. Auf der Suche nach perfekten Daten werden die meisten Unternehmen immer weniger Erfolg haben, je mehr sie sich einer 100%igen Übereinstimmung zwischen zwei Systemen nähern. Es kann sehr kostspielig und zeitaufwändig sein, die letzten 10 bis 1 % Abweichung zu beseitigen, und es lohnt sich nur selten, dafür Zeit und Mühe aufzuwenden. Anstatt bei unerwarteten Unterschieden oder Anomalien die Arbeit einzustellen, sollten Sie Ihr Immunsystem gegen „schmutzige Daten“ und Ihre Toleranz gegenüber Unzulänglichkeiten ausbauen, damit Sie auch weiterhin Wert aus Ihren Daten ziehen können.

In manchen Fällen ist das Misstrauen gegenüber Daten nicht auf tatsächliche Ungenauigkeiten zurückzuführen, sondern auf wahrgenommene Ungenauigkeiten. Wenn neue Daten eingeführt werden, können sie mit bereits vorhandenen Daten und Überzeugungen unvereinbar sein, was zu kognitiver Dissonanz führen kann. Wenn Menschen Inkonsistenzen (Dissonanzen) erleben, wie z.B. widersprüchliche Informationen, sind sie motiviert, die neuen Beweise als fehlerhaft abzutun, anstatt ihre ursprünglichen Daten oder Meinungen zu hinterfragen. Anstatt automatisch davon auszugehen, dass Sie ein Problem mit der Datenqualität haben, könnten Sie stattdessen ein Problem mit dem Änderungsmanagement haben.

Überwinden Sie das Misstrauen gegenüber Daten:

  • Bewerten Sie, ob Datenprobleme isoliert, weit verbreitet oder vorstellbar sind
  • Überprüfen Sie den Schweregrad und die Häufigkeit der Datenabweichungen
  • Arbeiten Sie mit dem IT-Team zusammen, um die Daten innerhalb einer akzeptablen Fehlermarge zu halten.
  • Halten Sie die Teams für die Aufrechterhaltung der Datenqualität verantwortlich und führen Sie Prozesse zur Reduzierung von Fehlern ein.
  • Gewinnen Sie das Vertrauen in die Daten zurück, indem Sie ihre Präzision und Nützlichkeit demonstrieren.

Daten-Dämmerung

Obwohl der Datenwahn weniger bekannt ist als die Analyseparalyse oder das Misstrauen gegenüber Daten, haben Sie ihn wahrscheinlich schon einmal persönlich erlebt oder gesehen, wie andere Menschen durch ihn behindert werden. Da Daten immer allgegenwärtiger werden, tritt Datenblindheit auf, wenn Menschen von der schieren Menge an Daten eingeschüchtert oder überwältigt werden, die sie vor sich haben. Im Grunde ist Datenrausch eine Form der Informationsüberlastung, wenn jemand versucht, zu viele Metriken/Dimensionen, Diagramme, Berichte usw. gleichzeitig zu konsumieren. Wenn die Augen eines Zuhörers während einer datenintensiven Präsentation oder beim Betrachten eines komplexen Dashboards glasig werden, ist das oft die Folge von Datenblindheit. Das menschliche Gehirn kann nur eine bestimmte Menge an Informationen aufnehmen, bevor es überlastet ist. Im Jahr 1956 stellte der Psychologe George A. Miller fest, dass die meisten Menschen nur 7 Informationsblöcke (+/- 2) auf einmal verarbeiten können. Im Jahr 2004 stellte der Psychologe Barry Schwartz das Paradoxon der Auswahl vor, demzufolge mehr Auswahlmöglichkeiten unsere Angst verstärken und unsere Fähigkeit, als Verbraucher Entscheidungen zu treffen, beeinträchtigen. Ähnlich verhält es sich, wenn Menschen mit zu vielen Daten überflutet werden. Sie bleiben stecken und wissen nicht, wie sie weiter vorgehen sollen – noch bevor eine Analyse durchgeführt wurde. Wenn weniger mehr ist, sind wir sicherlich unsere eigenen schlimmsten Feinde, wenn es um den Austausch und die Nutzung von Daten geht. Anstatt sich auf eine begrenzte Anzahl von Leistungskennzahlen (Key Performance Indicators, KPIs) zu konzentrieren, sammeln viele Unternehmen eine große Anzahl von angeblichen KPIs an. Wenn jedoch jede Kennzahl als wichtig oder wesentlich bezeichnet wird, verwässert dies den Zweck und den Nutzen von KPIs. Dies führt zu Rauschen und Verwirrung, anstatt ein starkes Signal zur Verbesserung der Unternehmensleistung zu setzen. In dem Bestreben, hilfreich zu sein, packen Analysten Berichte, Infografiken und Dashboards oft mit einer Fülle von interessanten Informationen und Visualisierungen. Sie haben jedoch nicht immer ein klares Gespür dafür, was die Menschen, die die Daten nutzen, wirklich brauchen oder wollen. Daten an die Wand zu werfen, um zu sehen, was hängen bleibt, ist ein problematischer Ansatz, der zu Datenblindheit führen kann. In solchen Situationen sollten Analysten nicht raten, was die Geschäftsinteressenten brauchen, und die Endbenutzer sollten klar formulieren, was sie zu verstehen und zu erreichen versuchen (was sich entwickeln kann und wird). Wenn sich auf der Grundlage der Daten Folgefragen ergeben, werden den vorhandenen Berichten und Dashboards oft zusätzliche Informationen beigefügt. Die einfache Bereitstellung von mehr Informationen ist jedoch ein einfacher, aber nachlässiger Ersatz für die Aufbereitung der vorhandenen Daten, die Entfernung von Unwichtigem und die Bereitstellung der richtigen Informationen. Mangelndes Wissen oder mangelnde Schulung können ebenfalls auf verschiedene Weise zur Datenblindheit beitragen. Wenn Einzelpersonen nicht wissen, wie man Daten effektiv visualisiert oder eine überzeugende Datengeschichte erzählt, können die Informationen, die sie weitergeben, die Menschen eher verwirren als befähigen. Wenn Menschen, die Daten nutzen, die Definitionen der Kennzahlen nicht verstehen oder nicht wissen, wie die Zahlen zu interpretieren sind, stoßen Sie auf ein weiteres Hindernis für die Akzeptanz von Daten. Beide Faktoren lassen sich durch eine angemessene Schulung und Ausbildung angehen – sowohl für die Menschen, die Daten produzieren als auch für die, die sie nutzen.

Überwinden Sie den Datenwahn:

  • Überprüfen Sie Ihre KPIs und unterstützenden Metriken, um sicherzustellen, dass sie mit Ihrer Unternehmensstrategie übereinstimmen.
  • Konsolidieren und kuratieren Sie Ihre KPIs und unterstützenden Metriken, um deren Relevanz und Aussagekraft zu erhöhen.
  • Organisieren Sie Gruppen von unterstützenden Metriken unter KPIs hierarchisch oder thematisch
  • Zerlegen Sie Daten in leichter verdauliche Schichten oder Gruppierungen, die von Geschäftsanwendern durchforstet werden können.
  • Bemühen Sie sich um die Vereinfachung und Verbesserung von Datenvisualisierungen und Berichts-/Dashboard-Layouts.
  • Schulen Sie Ihre Mitarbeiter darin, wie man Daten richtig visualisiert, Datenberichte erstellt und Daten interpretiert.

Analyse-Lähmung

Wenn Menschen an Daten denken, die den Fortschritt behindern, denken sie oft an eine Lähmung durch Analyse. In der Regel tritt eine Analyseparalyse auf, wenn jemand seine Daten überanalysiert oder zu viel darüber nachdenkt und nicht zu einer wichtigen Erkenntnis, Entscheidung oder einem Ergebnis kommt. Sie plagt häufig Analysten, Datenwissenschaftler und sogar analytische Führungskräfte, die immer tiefer in die Zahlen eindringen, sich aber im Prozess verlieren und nichts Wertvolles herausziehen können. Egal, wie sehr wir in den Zahlen herumstochern und sie untersuchen, manchmal bringen sie nichts Aufschlussreiches oder Verwertbares zu Tage. Ein Beispiel: Ein Analyst analysierte ein E-Mail-Marketingprogramm und hatte Mühe, in den Daten etwas Wesentliches zu finden. Er wollte zwar eine bahnbrechende Erkenntnis liefern, aber sein Hauptinteressent – ein datenkundiger E-Mail-Vermarkter – hatte in den letzten Jahren gute Arbeit bei der Optimierung des E-Mail-Programms geleistet. Anstatt seine Analyse fortzusetzen, beschloss der Analyst, seine Zwischenergebnisse mit dem Stakeholder zu besprechen, um zu sehen, ob sie andere Perspektiven oder Fragen auslösen würden. Am Ende bildeten die Teilergebnisse 90 % des endgültigen Ergebnisses und reichten aus, um die meisten ihrer geschäftlichen Fragen zu beantworten, auch wenn sie keine weltbewegenden Erkenntnisse oder Empfehlungen enthielten. Zu den Fähigkeiten in der Datenanalyse gehört es, zu wissen, wann man weitermachen muss und wann man weitergehen sollte. Kürzlich hatte ich die Gelegenheit, mit Führungskräften aus verschiedenen Abteilungen einiger Unternehmen zu sprechen. Bei mehreren Gelegenheiten erwähnte eine Führungskraft, dass ihr Team mit einer „Analyse-Lähmung“ zu kämpfen hatte. Die Teams waren zwar durch die Daten gelähmt, aber die Lähmung trat eindeutig auf, BEVOR die Teams überhaupt versuchten, ihre Daten eingehend zu prüfen oder zu untersuchen. Es ist wahrscheinlicher, dass sie unter den Auswirkungen des Datenrausches litten als unter einer Analyse-Lähmung. Obwohl der Begriff „Analyseparalyse“ recht bekannt ist, ist diese Krankheit außerhalb der analytischen Bereiche nicht so verbreitet. Die meisten Unternehmen haben noch nicht die Datenreife erreicht, bei der eine erhebliche Anzahl von Geschäftsanwendern routinemäßig selbständig Analysen durchführt. In dem Maße, in dem Unternehmen Self-Service-Analysen einführen und sich die Datenkenntnisse weiterentwickeln, wird diese Form der Datenlähmung jedoch häufiger auftreten, da die Möglichkeit, Daten zu untersuchen , dezentraler und demokratischer wird.

Überwinden Sie die Analyse-Lähmung:

  • Setzen Sie sich ein Zeitlimit und überwachen Sie sorgfältig Ihre Fortschritte
  • Lösen Sie sich von dem Problem und versuchen Sie es noch einmal mit einer neuen Perspektive
  • Tauschen Sie Ihren Analyseansatz mit jemandem aus, um eine andere Sichtweise zu erhalten
  • Überdenken Sie die ursprüngliche(n) geschäftliche(n) Frage(n), um Ihre Bemühungen neu auszurichten
  • Gehen Sie zurück zu den Grundlagen und versuchen Sie einen einfacheren Analyseansatz

Die Entwicklung zu einem datengesteuerten Unternehmen ist eine Reise und kein Ziel. Letztlich brauchen Unternehmen alle Führungskräfte und Mitarbeiter, die sich ihnen auf dieser Reise anschließen, aber leider werden sich einige Leute auf dem Weg verirren. Einige werden den Glauben an die Daten verlieren. Andere werden von der Menge der Informationen, die sie erhalten, überwältigt sein. Wieder andere tauchen auf der Suche nach Erkenntnissen in die Daten ein und tauchen nie wieder auf. Die Abschwächung und Überwindung dieser lähmenden Fallen ist wichtig, um mit Ihren Daten Aktionen und Werte zu schaffen. Je mehr Menschen an dieser Datenreise teilnehmen und auf dem Weg bleiben können, desto besser ist es für den langfristigen Erfolg Ihres Unternehmens mit Daten. Lesen Sie unser Whitepaper zum Thema Wie Sie mit Datenvisualisierung von den Erkenntnissen zum Handeln kommen.

Treffen Sie mit Riskonnect Insights schnellere und intelligentere Geschäftsentscheidungen.

**Dieser Artikel wurde ursprünglich auf Forbes.com am 28. September 2016 veröffentlicht.