Data Governance: Schatzkarte zum Mehrwert
Daten sind das neue Rohöl der Wirtschaft. Ein Mehrwert wird mit der richtigen Verarbeitung erzielt und bietet eine Vielzahl an Ergebnissen. Eine adäquate Handhabung bedingt eine zielgerichtete Datenstrategie zur Vermeidung von unnötigen Aufwänden und einer Schwächung der eigenen Struktur und des Geschäftsmodells.
Ein zeitgemässes Data Governance berücksichtigt, neben den operativen Aspekten der Datenverwaltung, den Wert der Daten für die Strategie und Geschäftsmodell profitabel zu nutzen. Die klassische Data Governance konzentriert sich auf unternehmensweite Vorgehensweisen für das Datenqualitätsmanagement (Data Quality), den Datenschutz (Data Privacy), die Pflege der Daten (Data Maintenance) und das Stammdatenmanagement (Master Data Management). Diese operative und nach innen gerichtete Sicht auf Data Governance reicht im Rahmen von datengetriebenen Geschäftsmodellen nicht mehr aus. Vielmehr bedarf es eines breiter gefächerten Ansatzes, der von Anfang an Werteüberlegungen integriert.
Auslastung und Effizienz
Eine zielgerichtete Nutzung von Daten bedeutet, in einem ersten Schritt zu prüfen, inwiefern aktuelle Daten hinsichtlich der Art und Umfang erhoben werden können. Daraus abgeleitete Mechaniken bilden die Basis für die Optimierung von bestehenden Geschäftsmodellen und abgeleiteten Prozessen. Beispielsweise optimiert das Stahlunternehmen Saarstahl die Produktion von Stahlelementen in Echtzeit, in dem auf Basis von Sensordaten frühzeitig im Produktionsprozess mangelhafte Produkte identifiziert und ausgesondert werden. In der Stahlproduktion, wo in einem klassischen Produktionsprozess üblicherweise Ausschüsse von bis zu einem Drittel erreicht werden, können mit dieser datenbasierten Triage die Produktionsanlage effektiver ausgelastet und Kosten erheblich reduziert werden.
Datenbasierte Geschäftsmodelle
Gleichzeitig bieten Daten die Möglichkeit, völlig neue, datenbasierte Geschäftsmodelle zu entwickeln. Ein Beispiel für ein datenbasiertes Geschäftsmodell ist der Onlinehändler Amazon. Jeder Klick auf der Seite, jede Bewertung und jeder Kommentar zu Produkten wird ausgewertet, um relevante Kaufempfehlungen für den Benutzer und damit potenziellen Umsatz zu generieren. Zusammen mit dem Long-Tail Geschäftsmodell, welches statuiert, dass über digitale Kanäle auch Nischenprodukte profitabel verkauft werden, legt dieser aktiv bewirtschaftete Datenschatz einen Grundpfeiler für den Erfolg von Amazon. Herausforderungen von Data Governance ist die Weitergabe bzw. Mobilität von Informationen für das bestehende Geschäftsmodell. So kann beispielsweise die systematische Erfassung und Weitergabe von Daten einer Fahrzeugflotte durch einen Hersteller einerseits dazu führen, dass Defekte frühzeitig erkannt werden und die Verfügbarkeit der Unternehmensflotte erhöht wird. Andererseits erhält damit der Hersteller auch Zugriff auf Daten, die Aussagen hinsichtlich der Wirtschaftlichkeit der Flotte zulassen. Damit verliert der Kunde gewissermassen an Verhandlungsmacht, weil der Fahrzeughersteller wesentlich tiefere Erkenntnisse aus der effektiven Nutzung ziehen und in seine zukünftigen Pricing-Modelle einfliessen lassen kann.
Data Value Assessment als Schlüssel
Entsprechend müssen sich Unternehmen im Rahmen der Data Governance zukünftig intensiver damit befassen, welchen Wert die erhobenen Daten haben – nicht nur für das Unternehmen selbst, sondern auch für seine Netzwerkpartner. Die aktive Bewirtschaftung der Daten ist notwendig, um deren Einstufung als zukunftsfähiges finanzielles Asset zu garantieren. Die Etablierung eines durchgehenden Data-Value-Assessment-Prozesses im Unternehmen kann hier kontinuierliche Antworten liefern: Mit diesem Ansatz wird der Datenbestand regelmässig einer Bewertung unterzogen und den Kosten der Datenhaltung gegenübergestellt. Mit einem kontinuierlichen Data Value Assessment im Rahmen der Data Governance kann somit sichergestellt werden, dass sowohl die bestehenden Geschäftsmodelle und abgeleitete Prozesse optimiert und das Potential für datengetriebene neue Geschäftsmodelle frühzeitig erkannt werden.
(Fachbeitrag erstmals erschienen in IT business 1/2018)
