Data-driven Management — neue Wege zur Unternehmenssteuerung in der digitalen Welt
Dr. Michael Schuricht
“Daten sind das neue Gold” schrieb der Economist in seiner Ausgabe vom Mai 2017. Und tatsächlich vergeht seitdem kein Tag, an dem nicht eine neue datengetriebene Technologie, ein neues datengetriebenes Start-up oder ein neuer datengetriebener Strategieansatz eines Großkonzerns seinen Weg in die Schlagzeilen findet. Doch warum ist das so? Warum spielen Daten heute eine so große Rolle und was können wir eigentlich in der Zukunft noch erwarten?
Einführung
Um diese Frage zu beantworten, lohnt es sich einen Blick auf die industrielle Entwicklung zu werfen.
Früher verließen sich die Menschen weitgehend auf ihre handwerklichen Fähigkeiten. Die Arbeit war hart und körperlich anstrengend. Maschinen sollten die Menschen entlasten und bei einfachen Arbeiten unterstützen. Dies war das Zeitalter der Dampfkraft und der Webstühle.
Im frühen 19. Jahrhundert kam es zu einem Wandel. Mit der Einführung der Fließbandproduktion änderte sich auch die Arbeit. Die Abläufe wurden standardisiert, Effizienz war eines der wichtigsten Erfolgskriterien. In der Wirtschaftstheorie wurde der Begriff Taylorismus als Synonym für die Betrachtung von Arbeitern als Maschinen geschaffen. Und die Maschinen selbst wurden erfunden, um diese Effizienz immer weiter zu steigern.
Heutzutage, in einer Welt, in der die globalen Märkte enger werden und der Wettbewerbsdruck steigt, hat sich die Arbeit erneut verändert. Wir leben in einer Welt der Ungewissheit, der großen Dynamik, in der sich Ziele und Aufgaben jeden Tag ändern. In dieser Welt sind sowohl die Technologie als auch die Wirtschaft eng miteinander verbunden, und gerade die Technologie sollte uns helfen, mit dieser Unsicherheit umzugehen.
In unserer heutigen Welt gibt es zwei Arten von Problemen:
- Blaue Probleme: In Taylors Welt waren die Probleme kompliziert, aber vorhersehbar und kontrollierbar. Wenn man nur genug Wissen und Zeit hatte, konnte man diese Probleme lösen und die Effizienz des Systems steigern.
- Rote Probleme: Heute sind die Probleme nicht mehr so vorhersehbar und kontrollierbar. Um diese Probleme zu lösen, muss man kreativ sein. Jedes Problem braucht eine neue Idee und eine neue Lösung.
Daten sowie datengetrieben Unternehmensführung könnten dabei helfen diese Probleme zu lösen. Wie dies geschehen kann, verdeutlicht die untenstehende Abbildung.
- Die einfachste Form der Datennutzung ist deskriptiv. Hier werden Daten verwendet, um uns zu sagen, was in der Vergangenheit passiert ist.
- Werden Daten diagnostisch genutzt, kann man auch die Ursache von Problemen und Entwicklungen finden und sagen, warum etwas passiert ist
- Wenn die Probleme gut strukturiert sind und sich das Umfeld nicht allzu sehr verändert, können Daten auch dazu verwendet werden, die Zukunft vorherzusagen und uns zu sagen, was passieren kann.
Aber in einer Welt der Ungewissheit (ROTE Probleme) müssen wir auch wissen, was zu tun ist. Wir benötigen Werkzeuge die adhoc, kurzfristig unsere Umwelt analysieren und uns helfen direkt auf neue Gegebenheiten zu reagieren.
- Die präskriptive Datennutzung ist die Königsdisziplin. Sie ermöglicht es kontinuierlich Erkenntnisse, häufig in Echtzeit, proaktiv und kontextbezogen im gesamten Unternehmen bereitzustellen und darauf aufbauend Reaktionsstrategien zu formulieren bzw. direkt umzusetzen.
Der wachsende Bedarf an präskriptiven Werkzeugen und Modellen geht einher mit einem massiven Fortschritt in diesem Bereich. Besonders drei Entwicklungen habe dazu geführt, das präskriptive Werkzeuge Zur Unternehmenssteuerung inzwischen in vielen Bereichen und für jede Unternehmensgröße zur Verfügung stehen:
- Die Rechenleistung moderner Systeme verdoppelt sich alle 1–2 Jahre (Moore’s law).
- Die Anzahl der Datenwissenschaftler und -experten, sowie der wissenschaftlichen Veröffentlichungen zur Datennutzung (im ökonomischen Kontext) nimmt kontinuierlich zu.
- Die verfügbare Menge an Daten, um solche Systeme zu betreiben, steigt mehr als exponentiell.
Neue Paradigmen und Praxisfälle
Aus den wachsenden technischen Möglichkeiten sowie der steigenden Bedeutung roter Probleme im Unternehmen haben sich viele neue Ansätze und Paradigmen in der Unternehmenssteuerung herausgebildet. Die vier wichtigsten Ansätze werden im Folgenden kurz vorgestellt.
Experimentieren auf Marktebene
Die Unternehmensführung wird agil. Proaktives Forecasting und Real-World-Experimente in Echtzeit ersetzen reaktiv-analytische Planungsmodelle und beschleunigen den Entscheidungsprozess.
Fallbeispiel “Uber”
Im Jahr 2018 hatte das Ridesharing- Unternehmen seine geographische Expansion abgeschlossen. Um weiter zu wachsen musste es neue Geschäftsmodelle entwickeln und mit neuen Produkten, neue Märkte erschließen. In diesem Kontext entwickelte das Unternehmen eine Idee Namens “Express Pool”. Bei dieser Form des Ridesharing können Reisende Geld sparen, wenn Sie bereit sind, länger zu warten, zu einem Abholpunkt zu laufen und ihre Fahrt zu teilen
Statt ein reaktiv-analytisches Planungsmodell zu verwenden, entschied sich Uber für Experimente in der realen Welt und Echtzeit-Prognosen, um diese neue Strategieoption zu bewerten und umzusetzen. Anstatt lange in Strategiegesprächen zu verharren, setzte Uber den “Express Pool” in einem kleinen Testmarkt (Boston) um. Die dort gewonnen Erkenntnisse und Daten nutzt es dann, um über das Potential der Idee und deren Weiterentwicklung zu entscheiden.
Hochfrequente Entscheidungen
Datenbasierte und statistische Zusammenhänge ersetzen zunehmend die bisher angenommenen qualitativen Ursache-Wirkungs-Ketten. Die daraus resultierenden automatisierten Analysen können Reaktionszeiten verkürzen. Dies ermöglicht “Hochfrequenz-Entscheidungen”, die zur Ad-hoc-Umsetzung von Optimierungsmaßnahmen führen.
Fallbeispiel “eBay”
Das multinationales E-Commerce-Unternehmen eBay hat sich zum Ziel gesetzt über seine Website Verkäufe von Verbrauchern an Verbraucher und von Unternehmen an Verbraucher zu erleichtern. Dabei profitiert das Unternehmen bei jeder Transaktion durch von damit verbundenen Gebühren. Es ist daher im besonderen Maße daran interessiert möglichst viele Besucher und Bieter für eine Auktion zu gewinnen. Dazu nutzt das Unternehmen sowohl interne Kanäle, als auch klassisches Online-Marketing (insb. auch Werbeanzeigen auf Suchmaschinen).
Anstelle der traditionellen Budgetierung setzt ebay dabei datenbasierte Methoden ein, um die Budgetierungshäufigkeit zu optimieren und eine große Menge an Daten und Datenquellen einzubeziehen. Diese erlauben dem Unternehmen große Mengen an unstrukturierten Daten blitzschnell zu analysieren und im Millisekundentakt Werbeanzeigen sowie das Anzeigenbudget auf Suchmaschinen zu optimieren.
Gemeinsame Entscheidungen in komplexen Unternehmensnetzwerken
Die Digitalisierung führt zu einer noch stärkeren unternehmensübergreifenden Vernetzung. Dabei werden unterschiedliche Informationen über Unternehmensgrenzen hinweg geteilt. Auf diese Weise können gemeinsam neue Strategien entwickelt oder Prozesse und Abläufe optimiert werden.
Fallbeispiel “New York”
Im Rahmen der Initiative “New York City 2030” hat sich die Stadt New York entschieden digitale Zwillinge zu nutzen, um institutionsübergreifende Netzwerke zu analysieren, anstatt zu versuchen, jedes Gebäude und jede Infrastruktur für sich zu optimieren. In einer öffentlich-privaten Partnerschaft zur Förderung nachhaltiger Innovationen und des Fortschritts in Downtown Brooklyn und Lower Manhattan, wird Cityzenith digitale Zwillinge für eine Gruppe von Gebäuden, Systemen und Infrastrukturen in der 225 Hektar großen Brooklyn Navy Yard entwickeln.
Dieses System wird in Zusammenarbeit mit Grundstückseigentümern, Infrastrukturanbietern, Geschäftsinhabern und Bürgern entwickelt. Es wird mehr als eine Milliarde mit Geotags versehene intelligente Datenebenen sowie Anmerkungs- und Visualisierungswerkzeuge für benutzerdefinierte Berichte und Analysen bereitstellen.
Der digitale Zwilling modelliert das Zusammenspiel von Fabriken, Autobahnen (und Infrastruktur im Allgemeinen) sowie Fahrzeugen, Gebäuden, Stadtverwaltung oder Stromnetzen. Es wird zur Senkung der Baukosten, zur Verringerung von Umwelteinflüssen wie dem CO2-Fußabdruck oder zur Erhöhung der öffentlichen Sicherheit eingesetzt.
KI-basierte Entscheidungsunterstützung
Predictive Analytics und Machine-Learning-Ansätze etablieren sich zunehmend als Standardwerkzeuge für die Unternehmensführung. Mitarbeiter auf allen Ebenen werden in ihrer Entscheidungsfindung unterstützt, was einem holakratischen Führungsstil förderlich ist.
Fallbeispiel “Siemens Healthineers”
Das Gesundheitssystem befindet sich in einem Umbruch. Immer weniger Personal steht für immer komplexer werdende Aufgaben zur Verfügung. Siemens Healthiners hat sich deshalb zum Ziel gesetzt KI-basierte Unterstützungssyteme zu entwickeln, die Ärzte und medizinisches Personal bei der Entscheidungsfindung unterstützen. Dieses Systeme spart Zeit, verbessern die Entscheidungsfindung und flachen die Hierarchie ab.
Eines dieser Systeme ist der “AI-Pathway Companion”. Er ermöglicht eine personalisierte und standardisierte Versorgung entlang von Behandlungspfaden in der Onkologie, Kardiologie und bei Infektionskrankheiten. Auf einen Blick zeigt die Lösung die relevante Krankengeschichte des Patienten, den aktuellen Patientenstatus, diagnostische Bilder und Ergebnisse aus den pathologischen Berichten direkt an, ohne dass auf Informationen aus mehreren Datenbanken oder Dateien zugegriffen werden muss. Mit den wichtigsten Informationen im Kopf sind die Mediziner für jedes Patientengespräch oder jede Konsultation mit anderen Fachärzten gerüstet.
Darüber hinaus nutzt der AI-Pathway Companion KI-Technologien, um Medizinern und ihren Patienten weitere Erkenntnisse zu liefern. Er vergleicht den klinischen Status des Patienten mit den aktuellen Leitlinien und zeigt anhand eines Entscheidungsdiagramms, wo der Patient steht und welche Optionen für die nächsten Diagnose- und Therapieschritte bestehen. Man kann sich das als klinisches GPS-System vorstellen, bei dem der Patient im Mittelpunkt steht.
Wege zur Umsetzung im Unternehmen
Die Entwicklung und Umsetzung datengetriebener Management-Modelle ist komplex. Es gibt keine fertigen Lösungen, die in jedem Unternehmen gleich gut anwendbar sind. Vielmehr sind die Lösungen immer unternehmensindividuell und nutzenzentriert.
Die Einführung solcher Modelle ist ein eigenständiges Entwicklungsprojekt, welches auch als Reaktion auf die zunehmende Komplexität roter Aufgaben zu verstehen ist. Es setzt deshalb eine flexible und agile Implementierung voraus.
In der praktischen Anwendung habe ich ein Workshop-Konzept entwickelt, was agile Instrumente mit klassischen Vorgehensweisen verknüpft. Aufbauend auf konkrete Anwendungsfälle und einen konkreten Nutzwert im Unternehmen werden notwendige Datenquellen, Analyseverfahren, Möglichkeiten zur Ergebnispräsentation und notwendige Kompetenzen identifiziert. Diese werden dann in einem experimentellen Verfahren erprobt und optimiert.
Im Workshop wird meist ein sog. Experiment-Board genutzt, welches in oben stehender Abbildung zu sehen ist. Die Entwicklung von datengetriebenen Managementmodellen und –systemen sollte im Team erfolgen. Das Team ist idealerweise interdisziplinär besetzt und wird durch einen Facilitator begleitet, der den Prozess steuert.
Stichworte
#Daten #Management #Unternehmenssteuerung #Experiments
Hinweis zur Praxisrelevanz
Innovatoren erreichen mehr Umsatz und Gewinn, neue Kunden und Märkte. Trends früh erkennen, daraus Bedürfnisse richtig und rechtzeitig ableiten, neue Lösungen zum Erfolg entwickeln — das ist ihr Geschäft. Sie arbeiten intern im Netzwerk und extern mit Partnern. Marketing und Vertrieb sind früh eingebunden. Innovationen beginnen mit Ideen und gelingen durch strukturiertes Management.
