Jede groß angelegte Transformation beginnt mit der Festlegung einer Vision und Strategie. Laut einer kürzlich durchgeführten Umfrage gaben 99 % der Fortune1000-Unternehmen an, in Daten und Analysen investiert zu haben, wobei weniger als 30 % von ihnen behaupteten, eine transformative Wirkung erzielt zu haben. Gleichzeitig haben nur 30 % von ihnen eine gut artikulierte Datenstrategie entwickelt. Auch wenn diese Zahlen nicht 1:1 übereinstimmen, unterstreichen sie doch unsere Erfahrung, dass viele Daten- und KI-Transformationen an der Erfolgsschwelle scheitern, weil es an einer strategischen Vision, an der Unterstützung durch die Führung und an einem starken Fokus auf die Wertschöpfung mangelt: das, was wir als Impact Driver bezeichnen.
Dies ist Teil 2 unserer vierteiligen Artikelserie, in der wir erläutern, wie wir unsere Kunden bei ihrer Daten- und KI-Transformationsreise beraten und das DAIN Data & AI Maturity Model vorstellen.
- Teil 1 gibt einen Überblick über das DAIN Data & AI Maturity Model (DAMM).
- Teil 2 (dieser Artikel) befasst sich eingehender mit den strategischen Einflussfaktoren.
- In Teil 3 werden die organisatorischen und menschlichen Voraussetzungen erläutert.
- Teil 4 befasst sich mit den Kerntechnologien der Daten- und KI-Transformationen.
Fangen wir von vorne an
Das DAIN Data & AI Maturity Model unterteilt die Elemente in zwei Hauptkategorien: Impact Drivers und Enablers. Die Einflussfaktoren gewährleisten die allgemeine strategische Unterstützung und den konsequenten Fokus auf die Wertschöpfung. Die Befähiger sind die zugrunde liegenden organisatorischen und technologischen Fähigkeiten, die für die Bereitstellung und Skalierung von Daten- und KI-Nutzungsfällen grundlegend sind.
Dieser Artikel konzentriert sich auf die beiden Einflussfaktoren Strategie und Vision sowie Anwendungsfälle und Wertschöpfung und auf den ersten Befähiger, die Führung. Diese Elemente geben die Richtung für die Organisation vor und haben einen großen Einfluss darauf, wie ausgereift die übrigen Befähiger sein müssen, um die gemeinsamen Ziele zu erreichen. Daher sollte eine Organisation idealerweise zuerst diese Einflussfaktoren definieren und kommunizieren, bevor sie die gesamte Organisation mit der Arbeit an Datenverwendungsfällen beauftragt.
Strategie und Vision
Ein wichtiger Teil der Unternehmensstrategie ist heute die digitale Transformation. Kurz gesagt, bedeutet dies die Integration digitaler Technologie in alle Geschäftsbereiche. Da Daten für viele digitale Initiativen entscheidend sind, kann die digitale Transformation nur funktionieren, wenn sie mit den richtigen Daten ausgestattet ist.
Um sicherzustellen, dass die Daten- und KI-Entwicklung mit den Unternehmenszielen übereinstimmt, erstellen Unternehmen heutzutage üblicherweise eine Datenstrategie. Die Datenstrategie ist eine Teilmenge der Unternehmensstrategie oder dieser untergeordnet. Sie soll sicherstellen, dass die Beteiligten eine gemeinsame, langfristige Richtung und Ziele für die Nutzung von Daten und KI haben. So hilft die Datenstrategie dem Unternehmen, die verschiedenen Voraussetzungen zu schaffen, die zur Unterstützung dieser Ziele entwickelt werden müssen. Befähiger sind organisatorische oder technologische Fähigkeiten, die erforderlich sind, um die allgemeine Daten- und KI-Reife eines Unternehmens zu unterstützen.
Unternehmen bei ihrer Daten- und KI Entdeckung Phase haben in der Regel keine Datenstrategie, oder sie ist nicht offiziell dokumentiert. Einer der ersten Schritte, die Sie unternehmen können, ist zu verstehen, welche Möglichkeiten andere in Ihrer Branche bereits nutzen. Auf dieser Grundlage können Sie Ihre eigene gemeinsame Vision für die Nutzung von Daten formulieren und diese Vision mit den allgemeinen strategischen Zielen des Unternehmens abstimmen. Einige der führenden Einige der führenden Unternehmen haben ihre Datenstrategie in Bezug auf die Anwendung von Daten und künstlicher Intelligenz bereits so stark in ihre Gesamtstrategie integriert, dass Daten und Analysen in allen Unternehmensfunktionen als Standard angesehen werden.
Ein öffentliches Versorgungsunternehmen, das wir beraten, bat uns um Unterstützung bei seinem Bedarfsprozess und der Priorisierung von Datennutzungsfällen. Während des Projekts wurde deutlich, dass bereits relativ gute Prozesse implementiert waren. Ein echtes Problem war die fehlende Verbindung zwischen dem Management und dem Daten- und Analyseteam. Eine große Lücke war das Fehlen einer klaren Vision, wohin das Unternehmen mit seinen Investitionen in Daten zielt. Das Daten- und Analyseteam wusste nicht, worauf es sich konzentrieren sollte, und die Geschäftsleitung erhielt nicht den erwarteten Geschäftswert. Die offensichtliche Lösung bestand darin, mit der Festlegung einer gemeinsamen Vision für die Nutzung von Daten zu beginnen.
Anwendungsfälle & Wertschöpfung
Der zweite Einflussfaktor ist Anwendungsfälle & Wertschöpfung. Dieses Element zeigt auf, wie Anwendungsfälle generiert und priorisiert werden und wie die Generierung von Geschäftswert sichergestellt wird, wenn es um die Anwendung von Daten und KI in Ihrem Unternehmen geht.
Üblicherweise beginnt die Nutzung von Daten in einem Unternehmen mit der Förderung von Ad-hoc-Projekten oder Pilotprojekten, die möglicherweise von externen Anbietern durchgeführt werden. Die Geschäftsziele sind oft zu hoch gesteckt und nicht umsetzbar, die Ergebnisse der Pilotprojekte werden nicht sorgfältig überwacht, und nach Abschluss des Projekts werden die Ergebnisse in der Regel vergessen. Diese Art von Pilotprojekten hat in der Regel keine direkte Auswirkung auf das Unternehmen und ist schwer zu wiederholen. Der gesammelte Wert dieser Erfahrungen ist eher indirekt - man versteht, was mit Daten erreicht werden könnte, wenn man in sie investieren würde. Um die Entwicklung von Anwendungsfällen zu unterstützen, haben wir bei mehreren unserer Kunden erfolgreich ein Analytics Playbook eingeführt. Das Analytics Playbook ist eine Reihe von Richtlinien und Anleitungen, die gemeinsam mit Kunden erstellt wurden und die dokumentieren, wie Datenanwendungsfälle in der Praxis im Kontext einer bestimmten Organisation entwickelt werden können.
Nehmen wir den Fall einer nordischen Einzelhandelskette, die KI nutzen wollte, um Verzögerungen in ihrer Lieferkette zu erkennen. Den Unternehmensverantwortlichen wurde eine detaillierte Analyse vorgelegt, in der die fünf wichtigsten Gründe für gelegentliche Lieferverzögerungen erläutert wurden. Die Manager der Lieferkette gaben an, dass sie diese Gründe bereits kannten, da sie die Daten über viele Jahrzehnte hinweg manuell analysiert hatten. Ein strukturierterer Ansatz bei der Entwicklung der Anwendungsfallidee und der Werthypothese unter Berücksichtigung dessen, was dem Unternehmen bereits bekannt war, hätte es dem Projekt ermöglicht, direkt mit der Lösung der "unbekannten" Probleme zu beginnen und die Auswirkungen früher zu erzielen, ohne die ansonsten umfangreichen Investitionen in Daten- und KI-Funktionen zu behindern.
Damit ein Unternehmen seinen Daten- und KI-Reifegrad erhöhen kann, muss der Geschäftswert eines Anwendungsfalls von der Idee über die Bereitstellung bis hin zu Produktion und Betrieb identifiziert, konzipiert und überwacht werden. Das Ergebnis eines sorgfältigen Anwendungsfalldesigns ist die Fähigkeit, am Ende des Projekts einen direkteren Geschäftswert zu erzielen. Und als Nebeneffekt wird die Bereitstellung in der Regel schneller, da das Team ein besseres Verständnis der Erwartungen und Ziele der Geschäftsinteressenten hat.
Und schließlich ist die Fähigkeit, die Ergebnisse in die Geschäftsprozesse zu integrieren, von entscheidender Bedeutung für die Wertschöpfung aus Daten und KI. Dies mag wie ein offensichtlicher Schritt klingen, aber allzu oft sehen wir, dass die Projektergebnisse vor lauter Begeisterung für die Technologie selbst ignoriert werden. Datennutzungsfälle schaffen Geschäftswert, indem sie Geschäftsprozesse verbessern, optimieren oder verändern. Um diese Veränderung dauerhaft und effektiv zu gestalten, muss die Art und Weise, wie Menschen auf der Grundlage der neu gewonnenen Erkenntnisse und Vorhersagen Entscheidungen treffen und Maßnahmen ergreifen, angepasst werden, d. h. es muss sichergestellt werden, dass die Daten die künftigen Prozesse steuern.
Führung
Ohne die Unterstützung durch die Unternehmensleitung ist es schwierig, Ihre Reise in Sachen Daten und KI erfolgreich zu gestalten. Deshalb, Führung konzeptionell an der Spitze der anderen Befähiger, da sie ein wesentlicher Motivationsfaktor für die Entwicklung von Datenkapazitäten ist, obwohl die konkrete Arbeit meist auf den operativen Ebenen des Unternehmens stattfindet.
Der erste Indikator für die Unterstützung durch die Führung ist einfach das Engagement, bei dem das Management die Bedeutung von Daten anerkennt und kommuniziert. Dies kann damit beginnen, dass Daten offen als strategisches Thema anerkannt werden, bis hin zu einer Situation, in der ein oder alle Mitglieder des Führungsteams die Verantwortung für Daten- und KI-Initiativen tragen.
Die Datenumstellung erfordert große Veränderungen, die Einführung neuer Rollen und das Erlernen neuer Fähigkeiten. Dies wird nicht automatisch geschehen, wenn man es einfach als strategisches Ziel festlegt. Die Teams, die an den Initiativen arbeiten, werden mit Interessenkonflikten, Kompromissen und mangelnder Orientierung konfrontiert. Daher ist es von entscheidender Bedeutung, dass die Führung einbezogen wird und die Umstellung kontinuierlich unterstützt.
Der zweite Aspekt der Führung ist die Bewertung der Verantwortung für die Daten- und KI-Transformation. Ohne eine definierte Verantwortung neigen Dateninitiativen dazu, "einfach zu passieren", ohne sich mit anderen Initiativen abzustimmen. Eine Möglichkeit besteht darin, einen Executive Sponsor für die Daten- und KI-Transformation zu benennen, der sicherstellt, dass das Thema dauerhaft auf der Agenda der Führungskräfte steht.
Schließlich erfordert die Verbesserung der Datenreife eine angemessene finanzielle Unterstützung durch die Organisation, um die Entwicklung der anderen Grundvoraussetzungen zu gewährleisten. Vor allem in der Anfangsphase der Datentransformation ist es wichtig, dass ein zentrales Budget für den Aufbau der ersten Enabler und Fähigkeiten zur Verfügung steht. Unserer Erfahrung nach beschleunigt dies den Start erheblich, da langwierige Budgetierungsdiskussionen vermieden werden.
Wir beraten unsere Kunden häufig über die Bedeutung des Engagements und der Unterstützung von Daten- und KI-Initiativen durch die Führung. Was häufig vergessen wird, ist, dass es sich dabei um eine Reise für die Führung handelt, genauso wie für die Organisation. Die anfängliche Begeisterung ist willkommen, aber Sie müssen sicherstellen, dass die Datenkultur bei den Führungskräften verankert wird. Dies kann auch Verhaltensänderungen erfordern, denn datengetriebenes Handeln kann keine einmalige Initiative sein. Sie können eine Grundsatzrede über die Bedeutung von KI für Ihr Unternehmen halten, aber die wirkliche Veränderung wird dadurch erreicht, dass Sie die Rolle einer datengesteuerten Führungskraft wirklich verstehen, erneut betonen und spielen - jeden Tag in der Woche, 365 Tage im Jahr.
Wie kann man sich auf die Reise vorbereiten?
Die Datenumwandlung ist oft kein Spaziergang im Park. Der Weg kann holprig sein und länger dauern als ursprünglich geplant. Um sicherzugehen, dass Sie Fortschritte machen, empfiehlt es sich, die Datenreifebewertung wiederholt durchzuführen, kontinuierlich zu verstehen, wo Sie sich auf dem Weg befinden, und sicherzustellen, dass keine Befähiger zurückbleiben. Um mehr über den Weg zu erfahren, empfehlen wir Ihnen auch einen Leitfaden, der von zwei unserer Gründer geschrieben wurde: Wie Sie Ihre Daten- und KI-Strategie definieren und umsetzen.