Entwerfen Sie Ihre Datenstrategie in sechs Schritten

Mit dem Aufstieg der KI ist eine klare und umsetzbare Datenstrategie wichtiger denn je.

Differenzierung ist notwendig; jeder Anwendungsfall von KI hat seine eigenen Datenanforderungen. Um das volle Potenzial generativer KI auszuschöpfen, benötigt man beispielsweise gut verwaltete unstrukturierte Daten.

Unabhängig von Ihrem Ziel beginnt eine erfolgreiche Strategie damit, Ihre Geschäftswelt zu verstehen: Ihre Assets, Ihre Dateninfrastruktur und die Datennutzung im Unternehmen. Außerdem müssen Sie eine Kultur der Datenkompetenz, der Datendemokratisierung und des KI-Know-hows schaffen, die die Teams in Ihrem Unternehmen befähigt. 

Das folgende sechsteilige Framework hilft Ihnen bei der Entwicklung einer Strategie zur Förderung von KI, die sich unternehmensweit skalieren lässt und Ihnen hilft, Ihre Geschäftsziele zu erreichen.

Wichtige Fragen für Stakeholder

1. Welche Geschäftsinitiativen sollten vorrangig behandelt werden?
2. Gibt es Datenprobleme, die die Einführung von KI verlangsamen könnten?
3. Welche Herausforderungen gefährden die vorrangigen Ziele?
4. Welche Bereiche können durch einen besseren Zugang zu qualitativ hochwertigen Daten verbessert werden?
5. Wie wird Erfolg im Unternehmen gemessen?

„Ermitteln Sie bei Ihren Treffen mit Ihren Stakeholdern den Datenbedarf im gesamten Unternehmen, um den Wert von Daten als strategisches Gut zu verdeutlichen.“
 

Jo Ramos
Leiter der Daten- und KI-Lösungsentwicklung

IBM

Identifizieren Sie die überzeugendsten Anwendungsfälle

„Die richtigen Daten auf Ihre Geschäftsziele abzustimmen, beginnt und endet mit der Frage: Welches Geschäftsproblem wollen Sie lösen?“, erklärt Tony Giordano, der bei IBM die Bereiche Datenstrategie, Beratung und Transformationsprojekte leitet.

Bei der Suche nach einem überzeugenden Anwendungsfall sollten Sie klare, erreichbare Ergebnisse im Auge behalten, die mit den Geschäftsprioritäten übereinstimmen.¹

Schützen Sie Ihre Investitionen


Nutzen Sie Ihre bestehende Infrastruktur, Technologie und Ihre Kompetenzen, um herauszufinden, wo und wie Ihre Daten zur Erreichung von Geschäftszielen beitragen können. Wenn Sie Ihre Daten wirklich verstehen, können Sie veraltete Datenarchitekturen erkennen, finanzierte Initiativen besser nutzen und Bereiche mit Verbesserungspotenzial identifizieren.

Hindernisse und Lücken identifizieren

Sobald Sie Ihre Ziele definiert und die Unterstützung der Führungsebene gewonnen haben, identifizieren Sie die Hindernisse für den Aufbau eines echten datenorientierten Erfahrung. Silos verhindern oft die Datenintegration, Datenverwaltung und Effizienz der Workflows. Tatsächlich geben 81 % der IT-Führungskräfte an, dass Silos ihre Bemühungen um die digitale Transformation behindern.²

Einfachen Datenzugriff gewährleisten

Die Benutzer sollten einen nahtlosen Zugriff auf die Daten haben, die zu hervorragenden Ergebnissen führen. Sie sollten sich keine Gedanken darüber machen, wo die Daten gespeichert sind oder ob sie verwaltet sind und den Vorschriften entsprechen.  

Design Thinking auf die Datenstrategie anwenden


Ein Design-Thinking-Ansatz hilft dabei, organisatorische Probleme aufzudecken, was einen strategischen Mehrwert für verschiedene Anwendungsfälle, Geschäftsbereiche und einzelne Teams bietet. Er hilft, erreichbare Auflösungen durch einen kontinuierlichen Zyklus von Beobachtung, Reflexion und Iteration zu erzielen.

Talent und Fähigkeiten bewerten


Stellen Sie sicher, dass Ihr Unternehmen fortlaufend Schulungen anbietet, um mit den Fortschritten der KI und der IT Schritt zu halten. Eine IBM IBV-Umfrage ergab, dass 85 % der führenden CDOs das Schulungsangebot erweitern, 77 % interne Mitarbeiter neu schulen und 70 % neue Talente anwerben, um die Datenkompetenz in ihren Unternehmen zu erhöhen³

Governance priorisieren


Um Ihre Systeme ohne Duplizierungsfehler, unzuverlässige Suchvorgänge oder Datenschutzverletzungen zu betreiben, ist es wichtig, den Überblick über kritische Datenelemente zu behalten. Überlegen Sie, wer für Datenrichtlinien verantwortlich ist, sie verwaltet und definiert, und ob sich diese Verantwortung auf die Sicherheit, den Datenschutz oder die Compliance auswirkt. Stellen Sie sicher, dass die entsprechenden Parteien über die erforderlichen Entscheidungsbefugnisse, einen Framework für die Rechenschaftspflicht und externe Ressourcen verfügen, um Daten effektiv zu verwalten.

Den Zielzustand Ihrer Daten definieren


„Viele Datenumgebungen sind veraltet und verfügen nur selten über die Flexibilität, sich in der heutigen digitalen Umgebung weiterzuentwickeln“, erklärt Giordano. Eine moderne Datenarchitektur muss verwaltet, gesteuert und gesichert werden, um eine konsistente Datenqualität zu gewährleisten. Sie erfordert die Flexibilität, sich mit Ihren digitalen Kanälen weiterzuentwickeln.


Den Fortschritt in Richtung Ihrer Ziele messen


Von Datenverantwortlichen wird erwartet, dass sie langfristige Transformation vorantreiben, aber sie werden oft an kurzfristigen Ergebnissen gemessen. Laut einer Umfrage von AWS geben 74 % der CDOs an, dass ihr Erfolg anhand von Geschäftsergebnissen oder einer Kombination aus geschäftlichen und technologischen Zielen gemessen wird, während nur 3 % sagen, dass ihr Erfolg ausschließlich anhand technischer Erfolge gemessen wird.⁴

„Von einem Aufsichtsrat, der zu Beginn der Amtszeit eines Chief Data Officer „Magie“ erwartet, bis hin zu CEOs, die glauben, dass ein großes Unternehmen in sechs Monaten oder weniger vollständig datengestützt sein kann, stehen CDOs unter einem nie dagewesenen Druck.“
 

IBV CDO-Studie (2023)³

Konzentrieren Sie sich auf Ihre Datenziele. Nutzen Sie Erkenntnisse von Datennutzern, um die besten Wege zu finden, den Geschäftswert durch KI zu steigern. 

Data Governance skizzieren 

Ein solider Framework fördert Qualität, Datenschutz und Sicherheit. Eine Metadaten- und Governance-Ebene verbessert die Sichtbarkeit und Zusammenarbeit in Ihrem Unternehmen, unabhängig davon, wo Ihre Daten gespeichert werden. Darüber hinaus wird Ihre Data Governance festlegen, wie Daten verwaltet, gesichert und vertraulich behandelt werden, und hilft Ihnen gleichzeitig dabei, nachzuverfolgen, wie KI die Compliance-Bemühungen unterstützt. 

Datenbefürworter identifizieren 


Finden Sie Menschen, die mit Leidenschaft Daten nutzen, um ihre Arbeit zu verbessern. Diese Erfolgspartner können dazu beitragen, Datenpraktiken zu standardisieren und gute Datengewohnheiten zu fördern. Suchen Sie nach Befürwortern in Datenteams, wie Data Engineers, Data Architects oder Data Scientists, die KI-Modelle entwickeln. Geschäftsführer, deren Teams auf Datenanalysen angewiesen sind, sind ebenfalls gute Kandidaten. 

Ihre Sprintzyklen festlegen

Um eine Daten- und KI-Strategie zu verankern, setzen Sie sich zunächst klare, erreichbare Ziele. Stellen Sie ein funktionsübergreifendes Team rund um diese Ziele zusammen und führen Sie kurze Sprintzyklen mit umsetzbaren Meilensteinen durch, um Fortschritte zu demonstrieren. Stellen Sie sicher, dass die C-Suite, die Technologie-Teams und die Geschäftsanwender die gleiche Vision teilen.

Kleine Erfolge sammeln


Konzentrieren Sie sich auf einfache, wirkungsvolle Anwendungsfälle, um schnell den Wert Ihrer Daten- und KI-Investitionen zu zeigen. Vermeiden Sie es, sich zuerst mit den schwierigsten Problemen auseinanderzusetzen. Investieren Sie in der Anfangsphase der KI-Einführung in Pilotprogramme, um die nötige Erfahrung zu sammeln, die Sie für größere Ergebnisse später benötigen.

Einen zentralen Datenkatalog erstellen


Ein zentraler Katalog speichert und teilt Daten sowohl in Original- als auch in kuratierten Form und erleichtert so den Zugriff und die Nutzung. Er verfolgt, wie Daten konsumiert werden und welche Erkenntnisse entstehen, sodass Benutzer fundierte Entscheidungen innerhalb des Unternehmens treffen können. 

Datennutzer zur Übernahme befähigen


Fördern Sie die unternehmensweite Einführung des neuen Daten-Frameworks. Dies verbessert die Kommunikation, optimiert Workflows, optimiert die Sicherheit und ermöglicht neue Geschäftsmodelle, Marktchancen und operative Effizienzen.

Zeigen und erzählen


Ihre Anwendungsfälle sind ein wirkungsvolles Mittel, um die Wirkung zu demonstrieren. Wie ein aufschlussreicher Artikel aus dem Harvard Business Review hervorhebt, verzeichnen CDOs und KI-Führungskräfte größere Erfolge, wenn sie „Daten zu jedermanns Angelegenheit machen“.⁵

Anwendungsfälle können sich auf Data Science, operative Analysen, digitale Transformation, Business Intelligence und generative KI-Initiativen und mehr erstrecken und geben mehreren Teams die Möglichkeit, Daten für einen echten Geschäftseffekt zu nutzen. 

Talente einstellen und schulen


Um die Qualifikationslücke zu schließen, muss man über die traditionellen Einstellungs- und Schulungsstrategien hinausgehen. Da die Unternehmen sich bemühen, ihren Bedarf an Talenten zu decken, passen viele ihre Anforderungen an Ausbildung und Berufserfahrung an, nur um Stellen zu besetzen.

Wenn Ausbildung und Einstellung nicht ausreichen, sollten Sie überlegen, wie KI und Automatisierung dazu beitragen können, Arbeitskräftemangel und Qualifikationsdefizite zu beheben. Starke Partnerschaften aufbauen

Ihre Rolle als Data Leader besteht darin, Ihrem Unternehmen dabei zu helfen, kluge Entscheidungen über die Erhebung, Verwaltung und Nutzung von Daten zu treffen. Beim Aufbau und der Stärkung von Partnerschaften auf allen Ebenen sind Sie offen für Feedback und Zusammenarbeit. Eine datenorientierte Kultur gedeiht dann, wenn die Menschen motiviert sind zu lernen, Verantwortung zu übernehmen und neue Aufgaben anzunehmen.

Daten zu Ihrem Unterscheidungsmerkmal machen

Wenn Sie bestehende Technologien verbessern und neue Lösungen zur Vereinfachung des Datenzugriffs einführen, denken Sie daran, dass Sie mehr tun, als nur Effizienzen zu schaffen und neue Erkenntnisse zu gewinnen. Sie schaffen eine Kultur, die sich dafür einsetzt, das Potenzial von Daten voll auszuschöpfen.