Sollten Sie unsere Serie zum Datenstrategie-Design mit Hilfe der Datentreiber-Methode von Anfang an verfolgen, wissen Sie bereits, dass dies der fünfte Artikel der sechsteiligen Serie ist. Ansonsten können Sie auch mit dem ersten Artikel der Serie starten und Sie erfahren, wie Sie mit smarten Zielen und der richtigen Analytik Ihren Weg zum datengetriebenen Unternehmen finden.
Empfehlenswert wäre es, vorab den vierten Artikel der Serie zu lesen. Dieser führt Sie an das Datenstrategie Canvas heran, welches Ihnen hilft einen Anwendungsfall konzeptionell zu durchdenken. Das Datenlandschaft Canvas unterstützt Sie dann dabei, diesen Anwendungsfall in Bezug auf die benötigten Datenquellen zu detaillieren. Mehr dazu gleich.
Wie alle bereits in der Artikelserie vorgestellten Canvas, steht Ihnen auch das Datenlandschaft Canvas als Open Source zur Verfügung. Zudem wird es im Seminar Data Thinking praxisorientiert bearbeitet. Dieses ist Teil der Fortbildung zum Datenstrategie-Design, welche Martin Szugat mit seiner Strategieberatung Datentreiber anbietet. Anhand eines von der Gruppe gewählten Beispiels wird gemeinsam ein gesamter Anwendungsfall vom Wertangebot bis zum Datenmanagement durchgearbeitet.
Welche Datenquellen brauchen Sie?
Das Datenlandschaft Canvas besteht aus vier Quadranten. Diese unterteilen die Daten in den Datenquellen nach Ihrer Herkunft:
- Erstellte Daten
- Erhaltene Daten
- Bezahlte Daten
- Öffentliche Daten
In der Mitte des Canvas befindet sich das Feld Verwertung. Dieses ist auch Ihr Startpunkt, wenn Sie wie vorher erwähnt einen Anwendungsfall des Datenstrategie Canvas weiter verfeinern möchten. Eine andere Möglichkeit ist es, diesen Anwendungsfall aus dem Analytik-Reifegrad Canvas zu übernehmen, welches wir ebenfalls hier bereits vorgestellt haben.
Nachdem Sie also einen Anwendungsfall in die Mitte des Canvas übernommen haben, bearbeiten Sie die vier Quadranten im Uhrzeigersinn. In jedem Abschnitt sollten Sie folgende Fragen beantworten:
- Welche Daten des untersuchten Typs helfen Ihnen den Anwendungsfall umzusetzen?
- In welchen Datenquellen stehen Ihnen diese zur Verfügung und welche davon sind bereits von Ihnen erschlossen?
- Welche Datenquellen werden noch benötigt?
Dabei stoßen Sie unweigerlich auf offene Fragen und kritische Annahmen. Diese sollten Sie entsprechend notieren und bewerten. Daraus können Sie wiederum eine Priorisierung für Ihre nächsten Schritte ableiten.
Hängt Ihr Anwendungsfall vom Abschluss eines Datenintegrationsprojekts ab, welches sich erst in der Planungsphase befindet? Müssen Sie Daten aus Systemen verbinden, welche bis jetzt noch nicht integriert sind (beispielsweise Daten aus Ihrem CRM-System mit Ihrem Web-Analytics-Tool)?
Ziel ist es, dass Sie sich auf konzeptioneller Ebene darüber im Klaren sind, welche Fragen als erstes beantwortet werden müssen, um die Machbarkeit sicherzustellen. Damit verringern Sie das Risiko für ein (spätes) böses Erwachen. Dieses kann unter anderem eintreffen, wenn Sie im Rahmen der Umsetzung auf einen Blocker treffen.
Selbstverständlich kann auch die Situation eintreten, dass Sie ein (vorerst) unlösbares Problem identifizieren. Ist dies der Fall, sollten Sie zu Ihren Anwendungsfällen zurückkehren und eine neue Priorisierung vornehmen. Das sollte definitiv nicht als Scheitern aufgefasst werden. Stattdessen haben Sie keine Ressourcen, außer Papier und Bleistift, für ein (vorerst) nicht realisierbares Projekt verschwendet.
In welcher Form liegen Ihre Daten vor?
Neben der Herkunft erlaubt das Datenlandschaft Canvas auch eine Unterteilung von Daten nach der Granularität. Diese erfolgt von außen nach innen in den folgenden drei Bereichen:
- Rohdaten
- Abgeleitete Daten
- Verknüpfungsdaten
Je nach Anwendungsfall kann es notwendig sein, die Daten in unterschiedlicher Form verfügbar zu haben. Wenn Sie beispielsweise abgeleitete Daten (wie zum Beispiel auf bestimmte Merkmale aggregierte Kundenbefragungsdaten) zukaufen, für Ihre Zielsetzung aber Rohdaten benötigen, so sollten Sie schnell die Frage beantworten zu welchem Preis Sie diese Rohdaten erhalten können bzw. ob Sie diese überhaupt bekommen können (Stichwort Anonymisierung von Befragungsdaten).
Das Verständnis zwischen fachlichen Anforderungen („Business Understanding“) und den Möglichkeiten der Daten („Data Understanding“) ist anfänglich, auch nach dem Cross-Industry Standard Process for Data Mining (siehe Abbildung), ein zentraler Schritt zur Erstellung einer datenbasierten Lösung:
Eine weitere wichtige Rolle nehmen Verknüpfungsdaten ein. Diese ermöglichen Ihnen, Daten aus verschiedenen Systemen zusammenzuführen. Ein einfaches Beispiel ist die Verbindung von Kundendaten aus einem ERP-System mit einem CRM-System mittels eindeutiger Kundennummer.
Wenn beide Systeme allerdings unterschiedliche IDs für den gleichen Kunden führen und die datentechnische Verbindung zentral für Ihren Anwendungsfall ist, wird eine kritische Fragen sein, wie Sie die Daten zusammenführen können.
Sie können sich auch zuerst einen Überblick verschaffen
Neben der bisher beschriebenen Vorgangsweise vom Anwendungsfall zu den Datenquellen können Sie mit dem Datenlandschaft Canvas auch generell einmal die Datenlandschaft Ihres Unternehmens erkunden. Startpunkt sind also die Daten bzw. Datenquellen.
Durch die Kategorisierung der Daten nach Herkunft und Granularität haben Sie am Ende ein gutes Bild davon, über welche Daten Sie verfügen, wie diese verteilt sind und wo es entsprechende Lücken gibt. Trotzdem sollten alle Ihre Überlegungen zu einem bestimmten Zeitpunkt in Richtung von Anwendungsfällen gehen. Nur in Kombination mit diesen können Daten wirklich Mehrwert liefern.
Sie möchten keinen konkreten Anwendungsfall bearbeiten, aber trotzdem das Themenfeld einschränken? Definieren Sie einfach einen weiter gefassten Anwendungsbereich (bspw. Digital Marketing) zentral im Canvas. So stellen Sie sicher, dass die Bearbeitung des Canvas zielgerichtet erfolgt.
Fazit und Ausblick
Dieser fünfte Artikel unserer Beitragsserie zum Datenstrategie-Design hat Ihnen das Datenlandschaft Canvas vorgestellt. Dieses erlaubt Ihnen bereits im Vorfeld einer möglichen Umsetzung die Verfügbarkeit des Rohstoffs der Anwendungsfälle Ihrer Datenstrategie zu überprüfen. Dadurch können Sie mögliche Probleme mit Ihren Daten frühzeitig identifizieren und darauf entsprechend reagieren.
Der nächste Artikel: ““Treffen Sie mit Ihrer Datenstrategie den Sweetspot“ gibt Ihnen zum Abschluss noch einmal einen Gesamtüberblick über das Datenstrategie-Designkit. Im Speziellen geht er dabei noch einmal auf die Zusammenhänge der einzelnen Canvas ein. Auch wenn Datenstrategie-Design kein linearer, sondern ein sehr iterativer Prozess ist, gibt es je nach Art der Zielsetzung des Anwendungsfalls (beispielsweise datengetriebenes Marketing) Abläufe, welche typisch für diese sind.
Bereits erschienen in dieser Artikelserie:
Anmerkung: Verfasser dieses Beitrags ist unser Gastautor Martin Raffeiner, Geschäftsführer von datenbotschafter consulting.
————————————————————————————————————————————
Diese Beitragsreihe gibt Ihnen einen Einblick in die Inhalte der Datengipfel-Seminare. Werfen Sie einen Blick in unser Wertversprechen bzw. die detaillierten Inhalte des Einsteiger-Seminars Data Strategy & Culture bzw. des Aufsteiger-Seminars Data Design Thinking, falls Sie Interesse haben an einem der nächsten Termine teilzunehmen. Oder kontaktieren Sie uns, falls Sie bezüglich unserer Datenstrategie-Fortbildung noch weitere Fragen haben.
