Zur Ausgabe
Artikel 15 / 21
Vorheriger Artikel
Nächster Artikel

Das perfekte Datenteam

Datenprojekte in Unternehmen starten oft mit hohen Erwartungen, die sie dann nicht erfüllen. Schuld daran ist die schlechte Kommunikation mit Entscheidungsträgern. Die richtige Zusammensetzung des Teams ist daher ausschlaggebend. Auf welche Talente es ankommt und wie die Zusammenarbeit klappt.
aus Harvard Business manager 6/2019
Foto: KRISTEN MEYER

Die moderne Datenwissenschaft ist immer noch eine junge Disziplin, aber sie wird schnell erwachsen. In den vergangenen fünf Jahren hat die Wirtschaft Milliarden in die talentiertesten Datenwissenschaftler investiert, damit diese Zettabytes von Daten zusammentragen und aus der unfassbaren Menge an chaotischen Informationen mit intelligenten Methoden und Systemen nützliche Erkenntnisse gewinnen. In gewissem Umfang funktioniert das auch. Die neue Datenorientierung hat dazu geführt, dass wir eine Reihe von Bereichen inzwischen völlig anders betrachten – von Übersetzungen über den Einzelhandel und die Gesundheitsversorgung bis hin zu Sportarten wie Basketball.

Kompakt

Das Problem

Als Reaktion auf den modernen AnalyticsBoom haben Unternehmen die besten Datenwissenschaftler eingestellt, die sie finden konnten. Leider haben viele Vorhaben das erhoffte Potenzial nicht voll ausgeschöpft.

Die Ursache

Damit ein Analytics-Projekt einen Mehrwert erwirtschaftet, muss das Team zunächst einmal intelligente Fragen stellen, die relevanten Daten beschaffen, bearbeiten und Erkenntnisse daraus gewinnen. Im zweiten Schritt muss das Team die wirtschaftlichen Auswirkungen dieser Erkenntnisse ermitteln - und dann kommunizieren. Analyse und Kommunikation erfordern Talente, die selten in ein und derselben Person zu finden sind. Die meisten Data Scientists sind geschulte Analytiker, keine Kommunikationsexperten.

Die Lösung

Ein gutes datenwissenschaftliches Team braucht sechs Fertigkeiten: Projektmanagement, Datenbearbeitung, Datenanalyse, Fachwissen in dem Bereich, aus dem die Daten stammen, Design und Storytelling. Mit der richtigen Mischung lässt sich das Potenzial der modernen Datenwissenschaft heben.

Doch allen Erfolgsgeschichten zum Trotz gelingt es vielen Unternehmen nicht, das Potenzial der Datenwissenschaft, auch Data Science genannt, voll auszuschöpfen. Selbst gute Analysen können viele nicht gewinnbringend umsetzen. Sie scheitern auf den letzten Metern: beim Kommunizieren der Erkenntnisse an Entscheidungsträger (siehe dazu auch den Kasten "Warum Kommunikation scheitert").

Warum Kommunikation scheitert

Ich habe die Erfahrung gemacht, dass die meisten Topmanager das Potenzial von Data Science erkennen, aber die wenigsten mit der Umsetzung zufrieden sind. Datenwissenschaftler sagen, die Ergebnisse ihrer Arbeit kämen zu wenig zum Tragen und die Chefs verstünden nicht, was in der Datenabteilung eigentlich passiert. Manager beschweren sich wiederum, Datenwissenschaftler seien nicht in der Lage, ihre Arbeit auch Laien verständlich zu machen. Die Geschichten, die ich zu hören bekomme, fallen oft in eine von drei Kategorien. Erkennen Sie sich in einem der Szenarien wieder?

Der Fluch des Statistikers
Eine Datenwissenschaftlerin gewinnt mit neu entwickelten, leistungsstarken Algorithmen und einer hervorragenden Datengrundlage eine Reihe von Erkenntnissen, die sie den Entscheidungsträgern in allen Einzelheiten vorstellen will. Ihre Analyse ist in ihren Augen objektiv und unanfechtbar. Sie visualisiert ihre Erkenntnisse mit Standardgrafiken, die ihre Datensoftware mit ein paar Mausklicks automatisch ausspuckt, und packt noch ein paar Textzeilen in die Präsentation. Kein ernst zu nehmender Statistiker verschwendet in ihren Augen wertvolle Zeit auf das Design. Sprachlich ist sie in ihrem Vortrag so präzise wie in ihren Inhalten, aber das Management versteht kein Wort. Frust macht sich breit. Trotz einer brillanten Analyse erntet sie mit ihrer Empfehlung eine Abfuhr.

Der unverbesserliche Manager
Ein operativer Manager der mittleren Führungsebene will ein Lieblingsprojekt durchsetzen, hat aber nicht die nötige Datengrundlage für seine Hypothese. Er bittet das Datenteam, eine Analyse und entsprechende Diagramme für seine Präsentation zu erstellen. Das Team erkennt, dass die Hypothese nicht sauber formuliert wurde, und macht Verbesserungsvorschläge für die Analyse. Doch der Manager will nur Charts und ein paar Notizen für seinen Vortrag. Zwei Dinge können passieren: Seine Präsentation fällt auseinander, sobald jemand die Datenanalyse hinterfragt und er nicht die richtigen Antworten liefern kann, oder sein Projekt wird genehmigt und scheitert dann in der Umsetzung, weil die Analyse nicht hieb- und stichfest war.

Die bequeme Wahrheit
Ein begnadeter Infografiker ist begeistert von einer datenwissenschaftlichen Analyse und bietet an, eine schöne Präsentation für das Topmanagement daraus zu machen - mit den Farben und der Typografie der Marke und packenden, einprägsamen Geschichten. Als die Manager dann aber anfangen, die falschen Schlüsse aus der Analyse zu ziehen, werden die Wissenschaftler nervös. Die klaren, einfachen Grafiken suggerieren in manchen Fällen kausale Zusammenhänge, wo keine sind, und eliminieren den eigentlich in der Analyse enthaltenen Unsicherheitsfaktor. Die Forscher stecken in einem Dilemma: Endlich ernten sie im Topmanagement Begeisterung für ihre Arbeit, nur leider ist das, wovon die Manager begeistert sind, keine präzise Wiedergabe ihrer Arbeit. Scott Berinato

Das Data-Science-Portal Kaggle fand 2017 bei einer Umfrage unter mehr als 7000 Nutzern heraus, dass vier der sieben größten Hindernisse am Arbeitsplatz mit nichtfachlichen Schwierigkeiten zu tun haben: "mangelnde Management- oder finanzielle Unterstützung", "keine klaren Fragestellungen", "die Entscheidungsträger setzen unsere Ergebnisse nicht um" und "anderen Data Science erklären". Das passt zu den Ergebnissen, zu denen der Datenwissenschaftler Hugo Bowne-Anderson kam, als er 35 Data Scientists für seinen Podcast befragte. In einem Beitrag für hbr.org schrieb er: "Die meisten meiner Gäste sagten, Datenwissenschaftler brauchten vor allem ... eine schnelle Auffassungsgabe und Kommunikationsstärke, um Fragen aus Unternehmenssicht beantworten und Fachfremden komplizierte Ergebnisse erklären zu können."

Harvard Business manager plus

Jetzt weiterlesen. Mit dem passenden manager Abo.

Einen Monat für € 0,99 testen. Jederzeit kündbar.

Ihre Vorteile:

  • manager magazin+ und Harvard Business manager+ im Paket
  • Alle Inhalte von m+ und HBm+ auf der Seite manager-magazin.de und in der manager-Nachrichten-App
  • Der Inhalt der gedruckten Magazine inkl. E-Paper (PDF)
Jetzt für € 0,99 testen

Sie sind bereits Digital-Abonnentin oder -Abonnent? Hier anmelden

Weiterlesen mit manager+

Immer einen Einblick voraus

Ihre Vorteile mit manager+

  • manager magazin+

    in der App

  • Harvard Business manager+

    in der App

  • Das manager magazin und den Harvard Business manager lesen

    als E-Paper in der App

  • Alle Artikel in der manager-App

    für nur € 24,99 pro Monat

Sie haben bereits ein Digital-Abonnement?

manager+ wird über Ihren iTunes-Account abgewickelt und mit Kaufbestätigung bezahlt. 24 Stunden vor Ablauf verlängert sich das Abo automatisch um einen Monat zum Preis von zurzeit 24,99€. In den Einstellungen Ihres iTunes-Accounts können Sie das Abo jederzeit kündigen. Um manager+ außerhalb dieser App zu nutzen, müssen Sie das Abo direkt nach dem Kauf mit einem manager-ID-Konto verknüpfen. Mit dem Kauf akzeptieren Sie unsere Allgemeinen Geschäftsbedingungen und Datenschutzerklärung .

Zur Ausgabe
Artikel 15 / 21
Vorheriger Artikel
Nächster Artikel
Die Wiedergabe wurde unterbrochen.