Fünf erste Schritte zu einer datengetriebenen Organisationskultur

Author
Carolin Stolpe
Impact Distillery
Author
Prof. Dr. Marcel Hebing
Impact Distillery

TEIL 2 DES DOSSIERS ZUR DIGITALEN TRANSFORMATION

Technologien schaffen nur einen Mehrwert, wenn sie Teil der Organisationskultur werden. Das gilt insbesondere für den Einsatz von Data-Science-Technologien. In Teil 2 unseres Dossiers geben wir 5 Empfehlungen für den Start in eine datengetriebene Organisationskultur.

Die digitale Transformation ist nicht nur ein technologischer, sondern auch ein kultureller Wandel. Technologien stehen en masse zur Verfügung. Doch wie gestalten wir eine entsprechende Organisationskultur? In diesem Beitrag haben wir 5 Handlungsempfehlungen für all diejenigen erarbeitet, die noch am Anfang stehen und sich fragen, wie sie sich mit Ihrem Unternehmen auf den Weg dieses kulturellen Wandels begeben können.

Wir stellen das Modell der datengetriebenen Organisationskultur als eine Reaktion auf veränderte Rahmenbedingungen der digitalen Transformation vor. Einen besonderen Stellenwert hat für uns dabei die Frage, wie datengetriebene Entscheidungen zu einem Standard werden können.

Datengetriebene Organisationskultur

In einer datengetriebenen Organisationskultur ist man der Überzeugung, »[...] dass der Besitz, das Verständnis und die Nutzung bestimmter Arten von Daten eine entscheidende Rolle für den Erfolg ihres Unternehmens spielt« [1].

Dabei geht es zunächst einmal darum, bestehende Entscheidungsprozesse zu verbessern, indem die Informationsgrundlage für Entscheidungen datenbasiert erweitert wird. In einer datengetriebenen Organisationskultur ist es eine Selbstverständlichkeit, dass Daten direkt in Entscheidungsprozesse eingebunden werden und diese damit effizienter, objektiver und transparenter werden. Dabei kann es sowohl um große, strategische Entscheidungen gehen als auch um die vielen kleinen, operativen Entscheidungen des beruflichen Alltags.

Abteilungs- und positionsübergreifend erhalten Mitarbeitende dafür Zugang zu Daten. Und damit sie sinnvoll mit Daten arbeiten können, besitzen nicht nur Data Scientists, sondern auch die Mehrheit der Mitarbeitenden grundlegende Datenkompetenzen (Stichwort »Data Literacy«). Durch die Transparenz der Daten lassen sich Ziele der Organisation für den einzelnen Mitarbeitenden nachvollziehen und auch der eigene Beitrag zum Erreichen der Ziele messen [2].

Bevor ein Kulturwandel in Richtung datengetriebene Organisationskultur angestoßen werden kann, braucht es zunächst eine Evaluierung der aktuell gelebten Unternehmenskultur. Um diese besser beschreiben zu können, kann auf das Drei-Ebenen-Modell nach Schein zurückgegriffen werden [4].

Organisationskultur als Seerosenteich

Das Drei-Ebenen-Modell nach Schein [4] in Abbildung 1 dient uns als theoretisches Framework für die Analyse von Organisationskulturen. Wie können wir dieses Modell nutzen, um beispielsweise bei dem Betreiber eines (fiktiven) Webshops eine datengetriebene Organisationskultur zu entwickeln?

Data Literacy beschreibt die Fähigkeit »[...] Daten zu verstehen und effektiv zu nutzen, um Entscheidungen zu fundieren« [3]. Mehr dazu in unserem Dossier Teil 4.

Abbildung 1. Modell der Organisationskultur

In Analogie zu einem Seerosenteich beschreibt das Drei-Ebenen-Modell Organisationskultur als 3 Ebenen, die sich nach ihrem Bewusstsein für den Beobachtenden unterscheiden. Auf der obersten Ebene stehen bewusst wahrnehmbare Artefakte, wie Sprache, Verhalten oder andere Objekte. Die mittlere Ebene besteht aus kollektiven Zielen, Werten und Idealen, die zum Teil bewusst, zum anderen Teil aber auch unbewusst wahrgenommen werden. Die unterste Ebene besteht aus fest verankerten, grundlegenden Annahmen, die nicht mehr hinterfragt werden. Dazu gehören Überzeugungen und Werte, welche die Organisation in der Vergangenheit erfolgreich gemacht haben. Je tiefer die Ebene, desto verwurzelter und schwieriger zu ändern sind die Annahmen [4].

Unser fiktiver Webshop kann auf der Ebene der Artefakte ein Dashboard an der Wand installieren, welches jederzeit die aktuellen Zugriffs- und Verkaufszahlen der Website darstellt. Auf der Ebene der Werte vermittelt dies jedem Mitarbeitenden, dass er oder sie jederzeit Einblicke in die Entwicklungen des Unternehmens bekommt, was Werte wie transparente Führung und Einbindung vermittelt. Und auf der Ebene der verborgenen Annahmen wird dabei eine Kultur geschaffen, in der jeder Zugriff auf Zahlen hat und entsprechend befähigt wird, datengetriebene Entscheidungen zu treffen -- der erste Schritt zu einer data-driven culture.

Technologien als Hygienefaktor

In Zuständen der Veränderung, wie die digitale Transformation einer ist, müssen Unternehmen für sich überprüfen, ob die aktuell gelebte Organisationskultur die Anforderungen an Digitalisierung unterstützt oder ob sie diese behindert [5]. In unserer Arbeit beobachten wir, dass das Thema Organisationskultur für immer mehr Unternehmen relevant wird. In unserer Arbeit nutzen wir dabei die Zwei-Faktoren-Theorie nach Herzberg [6] als theoretisches Framework.

Die Zwei-Faktoren-Theorie nach Herzberg beschreibt die Arbeitsmotivation anhand von Hygienefaktoren und Motivatoren. Hygienefaktoren erzeugen Unzufriedenheit, wenn sie nicht erfüllt sind. Eine Übererfüllung bringt aber keine zusätzliche Motivation. Motivatoren hingegen können zusätzliche Motivation schaffen, ihr Fehlen führt jedoch nicht notwendigerweise zu Unzufriedenheit. Als Hygienefaktoren werden beispielsweise Gehalt, Arbeitssicherheit oder der Einfluss auf das Privatleben betrachtet, also Motivatoren hingegen Aspekte wie Anerkennung, Aufstiegschancen oder Verantwortung [6].

Technologien und Daten bilden dabei Hygienefaktoren -- stimmt hier etwas nicht, schafft das Unzufriedenheit. Gleichzeitig bilden sie die Grundlage für eine datengetriebene Organisationskultur, welche an verschiedenen Stellschrauben, wie beispielsweise die der Einbindung in Entscheidungsprozesse oder der Sichtbarkeit von Erfolgen, Motivatoren erzeugen oder fördern kann.

Fünf Empfehlungen für den Einstieg

Ausgehend von unseren theoretischen Vorüberlegungen und unserem Modell der digitalen Transformation (Abbildung 2) aus dem ersten Teil des Dossiers, möchten wir fünf Handlungsempfehlungen formulieren, wie die Organisationskultur Motivatoren schaffen und so zum Treiber der digitalen Transformation werden kann.

Abbildung 2. Modell der Digitalen Transformation

Gesellschaftliche Veränderungen und technologische Innovationen stellen den Rahmen der digitalen Transformation dar und erzeugen gleichzeitig Druck auf Unternehmen, sich an den Wandel anzupassen.

Neue Technologien sind der strategischen Ausrichtung und den Anforderungen der Organisation entsprechend auszuwählen. Mitarbeitende und Führung müssen die notwendigen Kompetenzen mitbringen oder erlernen, um mit neuen Technologien umgehen und sie gewinnbringend einzusetzen zu können. Die Organisation ihrerseits muss eine Kultur schaffen, welche bei den Mitarbeitenden Akzeptanz für Veränderungen schafft.

Siehe: Der Faktor Mensch -- Technologien alleine machen keine digitale Transformation

1. Überblick verschaffen: Landkarte der Datenquellen und Stakeholder anlegen

Unsere erste Empfehlung bezieht sich auf alle drei Teile des Modells der digitalen Transformation. Jedem Unternehmen steht heute eine kaum überschaubare Anzahl an internen und externen Datenquellen zur Verfügung. Leider sind diese Quellen aber meist nicht direkt nutzbar, die Zugriffsrechte sind häufig nicht geklärt, der technische Zugriff erst nach erheblichem Aufwand möglich und die Inhalte der Daten aus verschiedenen Quellen nicht verknüpft. In einer solchen Situation spricht man davon, dass die Daten in isolierten Silos [7] liegen. Ziel wird es sein, relevante Datenquellen für schnelle Analysen zu integrieren, was ein langer Weg sein kann.

Als ersten praktischen Schritt auf dem Weg zu einer datengetriebenen Organisationskultur empfehlen wir, sich einen guten Überblick zu verschaffen. In der Impact Distillery haben wir dazu die Data and Stakeholder Map als Framework entwickelt, welche uns hilft die entsprechenden Informationen strukturiert zu sammeln und übersichtlich darzustellen. Basierend darauf können wir eine entsprechende Datenstrategie entwickeln, welche wiederum zur Grundlage der datengetriebenen Organisationskultur wird.

Methodisch wird eine solche Map in Workshops und qualitativen Interviews mit Stakeholdern erarbeitet. Dabei werden beispielsweise die folgenden Fragen betrachtet, welche hier exemplarisch die Inhalte der Map verdeutlichen sollen: Welche Daten gibt es? In welcher Form liegen sie vor und wie funktioniert der technische Zugriff? Welche Stakeholder haben Interesse an den Daten? Gibt es rechtliche (z.B. Datenschutz) oder organisatorische (z.B. Geschäftsgeheimnisse) Einschränkungen bei der Nutzung der Daten? Werden Tools oder Services zur Nutzung der Daten angeboten? Welche Kompetenzen bringen die Mitarbeitenden in Bezug auf die Nutzung von Daten mit?

2. Mit kleinen Projekten starten und iterativ steigern

Der Aufbau einer datengetriebenen Organisationskultur ist ein Prozess. Wie in unserem Modell dargestellt, braucht es an der Schnittstelle zwischen Organisation und Technologie dafür eine Strategie. Statt mit komplizierten Lösungen zu beginnen, startet ein erfolgreicher betrieblicher Kulturwandel zunächst mit einfachen und kleinen Datenprojekten. Erfolgreiche Organisationen bilden dazu kleine Gruppen von friendly usern oder auch early adopters [8], in denen sie mit agilen Konzepten neue Technologien ausprobieren.

Abbildung 3. Prozess-Modell der Impact Distillery

Das Prozess-Modell der Impact Distillery ist für iterative Projekte optimiert. Ausgehend von der Konzeption einer Iteration (Design) werden Daten erhoben, aufbereitet und analysiert und die Ergebnisse werden für spätere Iterationen dokumentiert. Abschließend werden die Ergebnisse in konkrete Maßnahmen übersetzt (Impact) und die Konzeption der nächsten Iteration kann beginnen.

In Data-Science-Projekten werden dabei häufig drei Arten von Analysen unterschieden [9, 10], welche sehr gut als Struktur für ein iteratives Vorgehen dienen können. Dabei handelt es sich um beschreibende (descriptive), vorhersagende (predictive) und vorschreibende Analysen (prescriptive analysis). Entsprechend bietet sich für den Einstieg ein dreistufiges Vorgehen an:

  1. Mithilfe der Data and Stakeholder Map schaffen wir uns einen Überblick über die aktuelle Situation und führen erste deskriptive Analysen durch, um die Inhalte und vor allem auch die Qualität von Datenquellen besser beurteilen zu können.
  2. Anschließend werden gezielt Fragen aus aktuellen Geschäftsproblemen abgeleitet, welche wir mit erklärenden oder vorhersagenden Methoden zu beantworten versuchen.
  3. Bei wiederkehrenden Fragestellungen können die Analysen dann schrittweise automatisiert werden, was die Ableitung von Handlungsvorgaben beinhalten kann. Dabei kommen insbesondere auch Methoden aus dem Bereich des maschinellen Lernens zum Einsatz.

3. Individuellen Mehrwert für Mitarbeitende schaffen

Im Idealfall werden Mitarbeitende neue Technologien und Möglichkeiten nicht nur akzeptieren, sondern pro-aktiv in ihre eigenen Arbeitsprozesse integrieren und deren Einsatzmöglichkeiten weiterdenken. Das wird aber nur passieren, wenn sie einen persönlichen Mehrwert in der Nutzung sehen.

Hierbei entsteht ein Wechselspiel zwischen Mitarbeitenden und Organisationskultur. Auf der einen Seite schafft die Organisationskultur den Rahmen für die Nutzung neuer Technologien und andererseits bringen motivierte Nutzer genau diese Kultur voran, wie es auch Everett Rogers Diffusion of Innovation beschreibt [8].

Ein konkreter Mehrwert für Mitarbeitende kann darin liegen, dass ihnen Routineaufgaben abgenommen werden und dadurch neue Freiräume geschaffen werden, in denen sie sich kreativ und verantwortungsvoll einbringen können. Hier kann wieder die Zwei-Faktoren-Theorie nach Herzberg [6] wie folgt helfen: Welche der von Herzberg identifizierten Motivatoren (wie beispielsweise Verantwortung) kann durch den Einsatz von Daten und Technologien positiv beeinflusst werden?

Es lohnt sich auch, spielerisch heranzugehen. Mitarbeitende werden sich schneller auf einen stärkeren Einsatz von Datenanalysen und anderen Technologien einlassen, wenn dies beispielsweise bedeutet, dass sie schneller (positives) Feedback bekommen beziehungsweise Erfolge schneller sichtbar werden. Verschiedene erfolgreiche Systeme haben hier von Computerspielen gelernt (Stichwort »Gamification«).

Mit Martin Fischer arbeiten wir an einem Artikel dazu, wie die insbesondere datenbasierten Feedbackmechanismen im Rahmen des digitalen Wandels genutzt werden können, um sowohl Akzeptanz für neue Technologien (Hygienefaktoren) zu schaffen als auch zu klären, wie sie darüber hinaus zum Motivator für eine aktive Beteiligung am Prozess des Wandels werden können.

4. Datenkompetenzen in konkreten Projekten fördern

Eine datengetriebene Organisationskultur lebt davon, dass möglichst viele Mitarbeitende mit Daten und Datentechnologien arbeiten können. Damit sich das volle Potenzial von Datentechnologien entfalten kann, brauchen Mitarbeitende Datenkompetenzen (in unserem Modell als Schnittstelle zwischen Technologie und Individuum dargestellt).

Um eine datengetriebene Organisationskultur zu schaffen, muss es einer Organisation deshalb gelingen, einen bestimmten Reifegrad an Data Literacy aufzubauen [2]. Mitarbeitende müssen befähigt werden, geeignete Daten zur Problemlösung zu erkennen, sie zu verstehen, zu interpretieren und sie für die Kommunikation mit anderen, wie Teammitgliedern oder Kunden und Kundinnen, zu nutzen [11].

Um den Reifegrad an Datenkompetenzen im Unternehmen zu erhöhen, sollten Organisationen nicht auf kommende, datenaffinere Generationen warten, sondern aktiv das gemeinsame Lernen in der Organisation fördern.

Datenkompetenzen sind für viele Mitarbeitende nicht Teil der Ausbildung. Zusätzlich können Daten, losgelöst von ihrem Kontext, sehr abstrakt auf Mitarbeitende wirken. Um dem entgegenzuwirken, sollten, um Datenkompetenzen zu fördern, konkrete Bezüge zum Aufgabengebiet von Mitarbeitenden hergestellt werden. Der Erwerb von Datenkompetenzen gelingt dabei am besten an konkreten Projekten und Anwendungsfällen in der Organisation.

5. Geben Sie Technologien Zeit, ein Teil der Organisationskultur zu werden

Schlecht ausgewählte oder fehlende Technologien können in einem Unternehmen zu kritischen Einschränkungen in Bezug auf Produktivität und Arbeitsmotivation führen. Allerdings hat die Einführung von neuen Technologien eine deutliche Grenze. Wenn entweder zu viele Technologien eingeführt werden oder die Einführung zu schnell geht, werden sich Mitarbeitende und interne Strukturen nicht im erforderlichen Maße anpassen. Ein zu viel an neuen Technologien kann dann schnell auf Widerstände stoßen, also zu negativen Effekten führen. Entsprechend empfehlen wir Technologien als Hygienefaktor im Sinne von Herzberg (siehe oben) zu verstehen.

Im Gegensatz dazu sehen wir großes Potential darin, eine datengetriebene Organisationskultur zu entwickeln und zu fördern. Je besser neue Technologien in diese Kultur integriert werden und deren Nutzung durch die Mitarbeitenden unterstützt wird, desto größer wird die positive Wirkung durch den Einsatz einer neuen Technologie sein. Daher verstehen wir die Entwicklung und Weiterentwicklung einer datengetriebenen Organisations als Motivator, denn unabhängig davon wie gut wir hier schon sind, wird es immer noch Verbesserungsmöglichkeiten geben.

Die Einführung einer neuen Technologie ist nicht abgeschlossen, sobald sie praktisch allen Mitarbeitenden zur Verfügung steht. Die Einführung ist abgeschlossen, wenn es für die Mitarbeitenden zu einer Selbstverständlichkeit geworden ist, diese neue Technologie im beruflichen Alltag zu nutzen.

Dieses Verständnis sollte im Besonderen zum Tragen kommen, wenn mehrere neue Technologien gleichzeitig eingeführt werden sollen. Geben Sie den Mitarbeitenden ausreichend Zeit, sich an neue Technologien zu gewöhnen, und warten Sie lieber mit weiteren Neuerungen, bis die aktuellen Einführungen zu einem Teil der Organisationskultur geworden sind.

Let's get started!

Wir hoffen, wir konnten Ihnen mit den fünf Empfehlungen eine Anregung geben, sich auf den Weg hin zu einer datengetriebenen Organisationskultur zu begeben. Daten werden Ihnen helfen, Ihre internen Prozesse und Entscheidungen zu verbessern. Gleichzeitig können Daten aber auch helfen, Veränderungsprozesse zu analysieren und damit deren Fortschritt beziehungsweise Erfolg zu messen. Daten sind nicht nur Inhalt einer datengetriebenen Organisationskultur, sie können Ihnen auch operativ auf dem Weg dorthin helfen.

Wer weiter in das Thema datengetriebene Organisationskultur einsteigen möchte, dem empfehlen wir unser Interview mit Bianca Frost von flaconi, in dem sie berichtet, wie data-driven culture in der Praxis funktioniert: Bianca Frost, was bedeutet datengetriebene Organisationskultur für dich?

Über die Autor:innen

Carolin Stolpe erforscht, welchen Herausforderungen sich Organisationen auf dem Weg zur data-driven culture stellen müssen.

Prof. Dr. Marcel Hebing beschäftigt sich in der Forschung und als Berater mit der Frage, wie wir Data Science gewinnbringend in Unternehmen und darüber hinaus einbringen können.

Literatur

[1] David Kiron & Rebecca Shockley. Creating Business Value with Analytics. MIT Sloan Management Review, 53(1), 2011.

[2] Carl Anderson. Creating a Data-Driven Organization. O'Reilly Media, 2015.

[3] Chantel Ridsdale et al. Strategies and best practices for data literacy education -- Knowledge synthesis report. Dalhousie University, 2015.

[4] Edgar H. Schein, Organizational Culture and Leadership, 5. Aufl. John Wiley & Sons, 2017.

[5] S. Sackmann. Unternehmenskultur: Erkennen-Entwickeln-Verändern. Springer, 2017.

[6] Frederick Herzberg. One more time: how do you motivate employees? In: Harvard Business Review. 46(1), 1968.

[7] Arnold Weissmann & Stephan Wegerer. Unternehmen 4.0: Wie Digitalisierung Unternehmen und Management verändert. In Michael Erner Management 4.0 -- Unternehmensführung im digitalen Zeitalter, Springer, 2018.

[8] Everett Rogers. Diffusion of Innovations, 5. Auflage, Simon and Schuster, 2003.

[9] Foster Provost & Tom Fawcett. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media, 2013.

[10] Mischa Seiter. Business Analytics: Wie Sie Daten für die Steuerung von Unternehmen nutzen. Vahlen, 2019.

[11] Silvia Montoya. Defining Literacy. GAML Fifth Meeting 17. Hamburg, Germany, Oktober 2018. http://gaml.uis.unesco.org/wp-content/uploads/sites/2/2018/12/4.6.1_07_4.6-defining-literacy.pdf

More articles

Künstliche Intelligenz – ein Übersetzungsfehler?

Um realistisch bewerten zu können, was wir mit Künstlicher Intelligenz in Unternehmen erreichen können, müssen wir ein mitunter trügerisches Verständnis von dieser Technologie korrigieren.

Weiterlesen

Die 7 Aufgaben im Data Science Management

Data Science Manager*innen erhöhen die Professionalität von Data Science Teams und tragen zum Aufbau einer datengetriebenen Organisationskultur bei. In diesem Artikel geben wir einen Überblick über die wesentlichen Aspekte dieses neuen Berufsbilds.

Weiterlesen

Erzählen Sie uns von Ihrem Anliegen.

Standorte

  • mStats DS GmbH
    Hohe Bleichen 12
    20354 Hamburg
  • kaleidemoskop GmbH
    Pappelallee 78/79
    10437 Berlin