Wenn wir mit einem potenziellen Kunden sprechen, erfahren wir oft, dass er mit dem Henne-Ei-Dilemma kämpft: ob er in Daten-Tools investieren oder zuerst eine datengesteuerte Kultur aufbauen soll. Die Denkweise der Kunden ist oft, dass ohne eine datengesteuerte Kultur jede Investition in Tools und Fähigkeiten umsonst ist. Intuitiv klingt das Argument richtig, aber hält es einer genauen Prüfung stand?

Wir sind der Meinung, dass Kultur und Tools gleichermaßen wichtig sind, und dass sie sich gleichzeitig weiterentwickeln können und sollten. Die Gartner-Studie 10 Ways CDOs Can Succeed in Forging a Data-Driven Organization (10 Wege, wie CDOs erfolgreich eine datengesteuerte Organisation aufbauen können) vertritt eine ganz ähnliche Ansicht. Darin werden die “datengesteuerte Kultur” und die “fortgeschrittene Analysefähigkeit” als die beiden wichtigsten Elemente für den Erfolg von Daten- und Analyse-Teams genannt. Fortgeschrittene Analysefähigkeiten können weiter unterteilt werden in Fähigkeiten der Mitarbeiter und unterstützende Tools.

Wir behaupten somit, dass eine datengesteuerte Kultur eine Summe aus drei Dingen ist:

1. Datengesteuerte Entscheidungsfindung
2. Mitarbeiter mit Datenkenntnissen
3. Lösungen, die eine einfache Nutzung von Daten ermöglichen

Datengestützte Entscheidungsfindung beginnt an der Spitze

Eine datengestützte Entscheidungsfindung lässt sich leicht vorleben: Wenn Sie Entscheidungen treffen, bevorzugen Sie datengestützte Argumente. Diese Botschaft wird sich schnell in der Organisation herumsprechen und dazu führen, dass die Mitarbeiter ihre Ideen und Wünsche mit Daten untermauern können. Das Endziel ist natürlich, dass die Mitarbeiter instinktiv beginnen, Daten zu nutzen, wenn sie täglich kleine Optimierungsentscheidungen treffen.

Bei der Bewertung datengestützter Argumente sollte man sich vor Augen halten, dass alles durch Fakten bewiesen werden kann. Je mehr Daten man hat, desto einfacher wird es, diese Daten für die gewünschten Schlussfolgerungen zu gebrauchen. Dies unterstreicht die Bedeutung von Aufgeschlossenheit, Transparenz und Reproduzierbarkeit bei der Durchführung von Analysen. 

Unsere Empfehlung: Verlangen Sie als Führungskraft nicht unrealistisch detaillierte datenbasierte Nachweise für alles. Wenn Sie eine Idee ablehnen wollen, dann tun Sie das, aber benutzen Sie die ständige Forderung nach datenbasierten Nachweisen nicht als Vorwand, um Ideen zu ersticken, von denen Sie nicht begeistert sind. 

Es ist wichtig, dass die Mitarbeiter lernen, “Daten zu sprechen”

Datenkompetenz ist die Fähigkeit, Daten im Kontext zu lesen, zu schreiben und zu kommunizieren. Dazu gehört ein Verständnis der Datenquellen, der angewandten Analysemethoden und -techniken sowie die Fähigkeit, den Anwendungsfall, die Anwendung und den daraus resultierenden Wert zu beschreiben.

Wie kann man also die Datenkompetenz fördern? Schulungen und einfach zu bedienende Tools sind hilfreich. Manchmal muss man sich auch neue Fähigkeiten aneignen. Dennoch ist Neugier der wichtigste Erfolgsfaktor, denn neugierige und kreative Menschen neigen dazu, sich in Daten zu vertiefen, mit ihnen zu spielen, zu scheitern, wieder zu scheitern und schließlich die Daten erfolgreich in Informationen und Maßnahmen umzuwandeln. Menschen ohne die richtige Einstellung werden nie zu Datenchampions, unabhängig davon, wie gut sie sich auskennen.

Datenlösungen müssen zu Ihren Bedürfnissen passen

Lassen Sie sich nicht täuschen, wenn jemand behauptet, dass man das mit Excel machen kann. Sie haben vielleicht einen Assistenten in Ihrem Team, der das kann, aber das wird sich nie durchsetzen und zu einer Kultur werden.

Die 3 wichtigsten Faktoren, welche die Motivation zur Datennutzung bremsen, sind: 

1. Die Daten sind nicht leicht verfügbar, sie sind isoliert und/oder von geringer Qualität 
2. Die Datenverarbeitung ist langsam und umständlich
3. Es gibt keine einfache Möglichkeit, aussagekräftige Ergebnisse und Erkenntnisse aus den Daten zu gewinnen.

Wenn Sie erwägen, in ein neues Tool zur Datennutzung zu investieren, sollten Sie einen Moment innehalten und darüber nachdenken, welche Art von Daten Sie untersuchen müssen: Handelt es sich um Ereignis- oder Zeitreihendaten? Wie ist die Qualität der Rohdaten? Enthalten die Daten Verzögerungen? Möchten Sie auch Profildaten untersuchen? Handelt es sich um einen kontinuierlichen Prozess, eine Reihe von Chargen oder eine Mischung aus beidem? Möchten Sie die Daten auf Ihren eigenen Servern speichern, oder ist eine Cloud-basierte Lösung in Ordnung?

Sobald Sie wissen, was Sie analysieren wollen, listen Sie die verfügbaren Tools auf. Achten Sie bei der Prüfung der Tools darauf, dass das neue Tool einen reibungslosen und flexiblen Arbeitsablauf, eine intuitive und visuelle Benutzeroberfläche und Analysefunktionen bietet, die von grundlegenden Analysen bis hin zu erweiterten Problemlösungen reichen. Und schließlich sollten Sie darauf achten, dass Ihr Team während der Implementierung eine gute Schulung und Unterstützung erhält.

 

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.

Arbeit hat sich immer verändert. Von den Jäger- und Sammlergesellschaften über die Landwirtschaft und die Industrialisierung bis hin zum Informationszeitalter gab es immer wieder Arbeitsrevolutionen. In den letzten Jahrzehnten hat die Informationsarbeit drastisch zugenommen, und sie nimmt weiter zu. Automatisierung und Algorithmen* haben bereits einen Teil der von Menschen geleisteten Informationsarbeit ersetzt und diese Entwicklung wird sich fortsetzen. Und das ist einfach großartig!

Aber was bedeutet dieser Trend für Ingenieure? Werden Ingenieure bald in Vitrinen in Museen ausgestellt, als die Mammuts von morgen?

Die Automatisierung ist der beste Freund des Ingenieurs

Es gibt nicht viele von uns, die mühsame und zeitraubende Routineaufgaben wie das Tippen, Kopieren und Sortieren von Zahlen in Tabellenkalkulationen lieben. Diese Art von Arbeit sollte so weit wie möglich automatisiert werden. Wir finden es fast schon beleidigend, dass die Gehirne von Ingenieuren für Arbeiten eingesetzt werden, die automatisiert werden könnten. Tatsächlich können Routineaufgaben in vielen Fällen besser, schneller und mit höherer Qualität erledigt werden, wenn sie automatisiert werden.

Daher ist es für Ingenieure eine große Erleichterung, dass sie sich von “Pseudo”-Arbeiten befreien und fortschrittliche Technologien nutzen können, um ihre kreative Arbeit zu unterstützen und zu fördern. 

Kreativität und Neugierde machen einen guten Ingenieur aus

Ingenieure sind am besten, wenn sie neugierig und kreativ sind. Sie brauchen keine detaillierten Regeln, Definitionen oder Anweisungen, um eine Aufgabe zu erledigen, wie es ein Computer tut. Mikromanagement tötet kreative Problemlösungen und Innovationen.

Wenn man der Kreativität freien Lauf lässt, führt dies zu weitaus besseren Ergebnissen und ermöglicht es, etwas Neues zu schaffen. 

Geschickte Ingenieure zeichnen sich dadurch aus, dass sie etwas zum ersten Mal tun und dass nicht alles so läuft wie erwartet oder geplant. Wenn echte Kopfarbeit gefragt ist.

Kreative Problemlöser werden immer gebraucht

Die Art von Kopfarbeit, die ein guter Ingenieur leistet, wird nie verschwinden, im Gegenteil, die Nachfrage wird steigen. 

Probleme tauchen immer wieder auf, wenn man eine bessere Leistung anstrebt. Wenn Automatisierung und Algorithmen zum Einsatz kommen und die Technologie immer komplexer wird, entstehen auch komplexere Aufgabenstellungen.  Die Ingenieure können sich durch die neuen Möglichkeiten jedoch auf das konzentrieren, was sie am besten können: kreative Problemlösungen.

Ein Hoch auf die Automatisierung, die Algorithmen und die Ingenieure – wir brauchen Sie alle! Jetzt und alle Zeit. 

 

*In diesem Artikel betrachten wir Automatisierung und Algorithmen als ein weit gefasstes Konzept: jede Technologie, die einen Job oder eine Aufgabe ohne menschliches Denken, Intelligenz oder physisches Eingreifen ausführt. Dabei kann es sich um eine einfache Formel in Excel oder eine Reihe von Regeln in Software, neuronalen Netzen, künstlicher Intelligenz, maschinellem Lernen, Quantencomputern, intelligenter Robotik usw. handeln.

 

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.

Vielleicht haben Sie schon Situationen erlebt, in denen der beste Arbeitsablauf, der auf Ihrer langjährigen Erfahrung und Ihrem Know-how beruht, nicht mit den verwendeten Systemen übereinstimmt. Systeme, die Ihnen eigentlich helfen sollten, effizienter und produktiver zu arbeiten. Sie sind nicht der Einzige, der mit diesem Problem konfrontiert ist.

Nehmen wir die Datenanalyse als Beispiel. In der Theorie besteht der Ablauf aus folgenden Schritten: Definieren der Aufgabe, Sammeln von Daten, Bereinigen der Daten, Analysieren der Daten, Ziehen von Schlussfolgerungen und schließlich Umsetzen der Schlussfolgerungen. Aber wie oft ist der Arbeitsablauf in der Praxis so geradlinig? Und was ist, wenn Ihr System so aufgebaut ist, dass es den Prozess streng und ohne Ausnahmen befolgt?

Welches Vorgehen ist richtungsweisend? Ihr Arbeitsablauf oder Ihr System?

Workflow ist das, was Menschen tatsächlich tun: eine Abfolge von Aufgaben von Anfang bis Ende. Der ideale Workflow wird oft in Richtlinien, Playbooks und anderen Prozessbeschreibungen beschrieben. In einer Arbeitsumgebung gibt es in der Regel auch Systeme wie ERP, CRM, ein Ticketingsystem und ein Prozess-Analysesystem, die Ihnen helfen, dem gewählten Prozess zu folgen. In einer perfekten Welt sind diese natürlich aufeinander abgestimmt, was Zeit, Ressourcen und Ihre Nerven schont.

Aber manchmal schlägt die Realität zurück. 

Prozessbeschreibungen können erstellt werden, ohne die Arbeitsabläufe zu verstehen, und ein Arbeitsablauf kann in ein System gezwungen werden, das dafür nicht geeignet ist. 

Wenn diese beiden Aspekte miteinander in Konflikt geraten, gewinnt der Arbeitsablauf in der Regel. Die Menschen tun vielleicht so, als würden sie die Richtlinien befolgen. Sie machen vielleicht sogar zusätzliche Arbeit um die Illusion zu erzeugen, dass die Prozesse befolgt werden, um die Anforderungen des Systems zu erfüllen.

Systeme sollten sich den Bedürfnissen der Menschen anpassen, nicht umgekehrt

Wenn Systeme die eigentliche Arbeit nicht unterstützen, werden die Mitarbeiter alternative Wege finden, um die Arbeit zu erledigen auch wenn es verboten ist. Dies führt zu zusätzlicher Arbeit, wenn die Mitarbeiter so tun, als würden sie den Prozess befolgen und die Dinge entsprechend den Systemanforderungen simulieren.

Wenn Systeme den Arbeitsablauf wirklich unterstützen, machen sie die Arbeit einfacher, schneller und effizienter. Gute Systeme zeichnen sich dadurch aus, dass sie Routinen reduzieren und Fehler minimieren. Sie machen das Leben der Menschen einfacher und glücklicher und die Mitarbeiter und Unternehmen produktiver. 

Aber nur, wenn sie dem Arbeitsablauf dienen. Wählen Sie sie also mit Bedacht aus.

 

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.