In diesem digitalen Zeitalter hat künstliche Intelligenz (AI) die Macht, Unternehmen zu verändern - und sie verändert bereits die Betriebsmodelle von Unternehmen. Allerdings sind AI und AI-gesteuerte Analysen nur so gut wie die Daten, auf denen sie basieren.

Aus diesem Grund haben Unternehmen, die bei der digitalen Transformation erfolgreich sind, zwei Dinge gemeinsam. Erstens verfügen sie über detaillierte Strategien für die Verwaltung von Daten je nach ihrer Rolle und ihrem Wert und erkennen, dass verschiedene Datentypen auf unterschiedliche Weise verwaltet werden müssen. Zweitens verfügen sie über eine Datenplattform, die Datenerkennung, Datenintegration und Datenverwaltung so schnell, einfach und automatisiert wie möglich macht.

AI verändert die Geschäftsabläufe

Ein erstaunliches Beispiel dafür, wie AI das Gesicht der Wirtschaft verändert, ist das digitale Unternehmen Ant Group (ehemals Ant Financial), das weltweit höchstbewertete Fintech-Unternehmen. Die mobile und Online-Zahlungs-App Alipay der Alibaba-Tochter hat mehr digitale Nutzer als die größten US-Banken, doch das Unternehmen arbeitet mit nur einem Bruchteil der Mitarbeiter im Vergleich zu diesen Banken.

Wie macht die Ant Group das? Wie Marco Iansiti und Karim Lakhani in ihrem Buch " Competing in the Age of AI" beschreiben, verfügt das Unternehmen über "die Fähigkeit, Daten zu nutzen, um die Bedürfnisse der Nutzer kennenzulernen und mit digitalen Dienstleistungen darauf zu reagieren". So hat die Ant Group beispielsweise ihre Kreditvergabeprozesse vollständig automatisiert und in vollständig digitale Dienstleistungen ohne menschliche Beteiligung umgewandelt.

Leider ist dies für alte Unternehmen, die noch mit alten Betriebsmodellen arbeiten, nicht so einfach. Bevor diese Unternehmen bei AI gut werden - und die aussagekräftigsten Analysen erstellen können - müssen sie bei den Daten gut sein. In Analytics at Work sagt der renommierte Professor, Autor und Vordenker Tom Davenport: "Ohne wirklich gute Daten kann man keine wirklich guten Analysen durchführen."

In Zukunft werden erfolgreiche Unternehmen in der Lage sein, Daten durch Analysen schneller in Werte umzuwandeln und diese Analysen durch bessere Geschäftsprozesse und verbesserte Erfahrungen für Kunden, Mitarbeiter, Partner, Lieferanten und potenzielle Kunden in Werte und Maßnahmen umzusetzen.

Was braucht man, um bei Daten großartig zu sein?

Wie Davenport in What's Your Data Strategy? schreibt: "Selbst mit der Entstehung von Datenmanagementfunktionen und Chief Data Officers hinken die meisten Unternehmen noch weit hinterher. Branchenübergreifende Studien zeigen, dass im Durchschnitt weniger als die Hälfte der strukturierten Daten eines Unternehmens aktiv für die Entscheidungsfindung genutzt wird - und weniger als 1 Prozent der unstrukturierten Daten wird analysiert oder überhaupt genutzt. Und 80 Prozent der Zeit, die Analysten mit der bloßen Entdeckung und Aufbereitung von Daten verbringen.4"

Davenport stellt außerdem fest: "Ein CDO und eine Datenverwaltungsfunktion sind ein guter Anfang, aber keine der beiden Funktionen kann ihre volle Wirkung entfalten, wenn es keine kohärente Strategie für die Organisation, Verwaltung, Analyse und Bereitstellung der Informationsressourcen eines Unternehmens gibt. Die klempnerischen Aspekte des Datenmanagements sind vielleicht nicht so sexy wie die Vorhersagemodelle und bunten Dashboards, die sie produzieren, aber sie sind für eine hohe Leistung unerlässlich."

Er schlägt weiter vor:

• Datenverteidigung, die die Einhaltung von Vorschriften, die Integrität der Daten, die durch die Systeme eines Unternehmens fließen, und die maßgeblichen Datenquellen, einschließlich einer einzigen Quelle der Wahrheit, sicherstellt
• Data Offense, das durch Datenanalyse und -modellierung, die Integration unterschiedlicher Kundendaten und Marktdaten zur Unterstützung der Entscheidungsfindung von Führungskräften Einblicke in die Kunden ermöglicht

Wenn Sie mehr darüber erfahren möchten, wie Sie Ihre Datenumwandlung beschleunigen können, lesen Sie unseren Kurzbericht "Transform Data Into Business Value Faster".

Datengetriebene Unternehmen industrialisieren ihre Datenprozesse

Laut Iansiti und Lakhani geht es hier darum, "die Datenerfassung, die Analytik und die Entscheidungsfindung zu industrialisieren, um den Kern des modernen Unternehmens neu zu erfinden, in dem, was wir die AI Fabrik nennen".

Sie schlagen vor, dass eine AI Fabrik auf einer Datenpipeline aufgebaut ist, die Daten systematisch sammelt, eingibt, bereinigt, integriert, verarbeitet und schützt. Dazu gehört in zunehmendem Maße eine Veröffentlichungs- und Abonnement-Methode für APIs. Ziel ist es, saubere, konsistente Daten zur Verfügung zu stellen. Sobald diese Daten verfügbar sind, können Algorithmen entwickelt und Experimente durchgeführt werden.

Doch wo stehen die Datenführer bei der Umsetzung dieser Vision?

In einem kürzlich durchgeführten #CIOChat meint der ehemalige CIO Isaac Sacolick, dass "viele CIOs leider mehr über das Gehäuse der Daten sagen können als darüber, was sich in diesem Gehäuse befindet und wie es zur Erreichung von Geschäftsergebnissen genutzt werden kann." Und der ehemalige CIO Tim McBreen fügt hinzu, dass "Unternehmen versuchen, Daten zu spät in der Datennutzungskette zu reparieren. Sie beheben den Fehler dort, wo sie ihn bemerken, anstatt die Fehlerquelle zu finden. Das vergeudet Zeit und lässt die Ursachen unangetastet.

Tatsache ist, dass heute zu viele Chief Data Officers (CDOs) und IT-Organisationen gezwungen sind, einen zeitaufwändigen "Drehstuhl"-Ansatz für die Datenverwaltung zu wählen und sich auf eine Sammlung unterschiedlicher Anwendungen für das Erkennen, Integrieren und Analysieren von Daten zu verlassen. Als Ergebnis dieses uneinheitlichen Ansatzes verbringen Datenwissenschaftler zu viel Zeit mit dem Sammeln und Bereinigen von Daten, anstatt sie zu analysieren. Kein Wunder, dass sich die Initiativen von AI noch nicht auszahlen.

CDOs bleiben herausgefordert, Verbesserungen vorzunehmen

Normalerweise ist es das Ziel eines CDOs, sicherzustellen, dass seine Organisation Daten als strategische Unternehmensressource für datengesteuerte Entscheidungen nutzt. Unsere Untersuchungen haben jedoch gezeigt, dass sie sich oft zu sehr auf das grundsätzliche Blockieren und Anpacken konzentrieren. Sie müssen als Daten-Evangelisten agieren und dafür sorgen, dass Daten in den Köpfen der Mitarbeiter verankert sind. Außerdem müssen sie die Mitarbeiter über den grundlegenden Wert aktueller, genauer Daten aufklären. Das bedeutet, dass die meisten CDOs viel Zeit damit verbringen, den Wert von Daten zu erklären, anstatt die Datenbestrebungen ihres Unternehmens zu steuern.

Doch digitale Disruptoren wie Stitch Fix bauen auf Daten und den Wert von Analysen auf. Die 3.400 Stylisten des Einzelhändlers arbeiten mit einer AI Empfehlungsmaschine zusammen, um den Kunden auf der Grundlage ihrer persönlichen Vorlieben und der bereitgestellten Informationen Kleidungsstücke vorzuschlagen - und das ist nur ein Beispiel für innovative datengesteuerte Personalisierung.

Aus diesem Grund geben die CDOs von heute an, dass sie einen Großteil ihrer Energie und ihres Geldes in die Datenverteidigung investieren, einschließlich Datenwörterbücher, Unternehmensdatenmodelle, standardisierte Datenflüsse und Datenqualitätswerkzeuge. Wenn es nur schneller ginge...

Abschiedsworte

Daten sind wichtig. Und wie Davenport sagt: "Gute Daten sind die Voraussetzung für alles Analytische, sie sind sauber in Bezug auf Genauigkeit und Format." Vor diesem Hintergrund haben CDOs und CIOs viel Arbeit vor sich. Doch der Weg dorthin ist die Mühe wert, denn nur Unternehmen, die gut mit Daten umgehen können - und über gute Daten verfügen - können in einer digitalen, AI-gesteuerten Welt erfolgreich sein.

Wenn Sie mehr darüber erfahren möchten, wie Sie Ihre Datenumwandlung beschleunigen können, lesen Sie unseren Kurzbericht "Transform Data Into Business Value Faster".

‍