Startseite
Podcasts
Data Science Deep Dive Podcast
#101: [DSK1] Data Strategy Kompass – Was Datenstrategie ist & was nicht

#101: [DSK1] Data Strategy Kompass – Was Datenstrategie ist & was nicht

Data Science Deep Dive vor 4 Wochen

0:00

43:06

Ein Geschäftsführer will im Quartalsmeeting wissen, welche
Kundengruppe die profitabelste ist – der Vertrieb antwortet mit
einer Zahl aus Excel, das Controlling mit einer anderen aus SAP,
und das Meeting endet ohne Entscheidung. Mit dieser Szene startet
der "Data Strategy Kompass", eine vierteilige Serie über
Datenstrategie im Mittelstand. In Teil 1 klären Mira und Amit,
was eine Datenstrategie ist und was sie nicht ist: keine
Software-Entscheidung und kein Data-Warehouse-Projekt, sondern
die Frage, welche Entscheidungen ein Unternehmen künftig besser
treffen will. Sie gehen die Bestandteile durch – von der
Anbindung an die Unternehmensstrategie über Datenhaltung und
Governance bis zum menschlichen Faktor – und diskutieren, wann
sich eine Datenstrategie lohnt und wann eher nicht. Anhand von
Beispielen und Gegenbeispielen aus über 15 Jahren Projektarbeit
zeigen sie, woran es in der Praxis meist hängt: selten an der
Technik.

**Zusammenfassung**

Datenstrategie beantwortet die Frage "Welche Entscheidungen
wollen wir besser treffen?" und nicht "Welche Software kaufen
wir?"

Erst Use Cases, dann Infrastruktur: Alles zu speichern und
später zu schauen, wofür man es braucht, ist ein Relikt der
Big-Data-Zeit

Bestandteile: Verbindung zur Unternehmensstrategie,
Priorisierung von Use Cases, Datenhaltung und Architektur,
Governance, Organisation und Kultur

Kein isoliertes Projekt einer Datenabteilung: Es braucht die
Führungsebene, mehrere Fachbereiche und kontinuierliche Anpassung

Personalbedarf wird unterschätzt: gebraucht werden vor allem
Menschen, die Pipelines bauen und Daten aufbereiten, nicht nur
Data Scientists

Wann es sich nicht lohnt: zehn Mitarbeitende und ein Excel;
niemand ist bereit, datenbasiert zu entscheiden; Daten dienen nur
der Rechtfertigung ohnehin gefasster Meinungen

Datenbasiert heißt nicht "alle Entscheidungen datenbasiert":
Strategische Weichenstellungen kommen oft ohne belastbare
Datenbasis aus

Typische Stolpersteine aus der Praxis: SaaS-Tool ohne
Datenexport, parallele Excel-Welten ohne Dokumentation,
Compliance-Lücken bereits bei der Datenerhebung

**Zum Mitnehmen: vier Fragen für den nächsten Führungskreis**

Welche Entscheidung wurde in den letzten drei Monaten aus dem
Bauch heraus getroffen, weil die Zahlen fehlten?

Wenn du heute drei wichtige Fragen an deine Daten stellen
könntest, welche wären das?

Wer würde der KI (z.B. eine Prognose, nicht Chatbot ist
gemeint) vertrauen, wenn sie ihr/ihm widerspricht?

Die Datenprojekte, die wir schon machen - wissen wir, wie
viel sie uns eigentlich bringen?

**Links**

#33: Data Science bei Zalando – Dr. Claudia Baldermann im
Gespräch über Product Development & Organisation
https://www.podbean.com/ew/pb-q25zg-14b82e0

#5: Data Warehouse vs. Data Lake vs. Data Mesh
https://www.podbean.com/ew/pb-a4xzx-127be01

#36: Der Data Mesh Hype und was davon bleibt
https://www.podbean.com/ew/pb-7er7v-15080c1

Data Mesh Principles and Logical Architecture (Zhamak
Dehghani):
https://martinfowler.com/articles/data-mesh-principles.html

INWT Website: https://www.inwt-statistics.de/

Fragen, Feedback oder Themenwünsche? Schreibt uns gern an:
podcast@inwt-statistics.de