INTERVIEW

Bianca Frost, was bedeutet datengetriebene Organisationskultur für dich?

In keiner anderen Branche stehen so viele Daten über das Verhalten von Kund/innen zur Verfügung wie im E-Commerce. Eines der aufstrebenden Unternehmen im E-Commerce ist der Beauty-Onlineshop flaconi. Ein Interview darüber, wie datengetriebene Organisationskultur in der Praxis aussehen kann.

Zum Dossier:
Data Science im Kontext der digitalen Transformation


Veröffentlicht
November 2020

bianca-frost-800x500.png

Bianca Frost ist Teamlead im Bereich Data Analytics. Im Interview berichtet sie davon, wie data-driven culture bei flaconi gelebt wird.

Carolin Stolpe 800x500

Im Rahmen ihrer Masterarbeit hat Carolin Stolpe Expertinnen und Experten interviewt, die sich mit dem Thema datengetriebene Organisationskulturen in der Praxis beschäftigen.

Bianca, was bedeutet datengetriebene Organisationskultur für dich?

Tatsächlich ist das gar nicht so einfach zu bezeichnen. Man findet ja sehr unterschiedliche Definitionen und häufig wird data-driven ja auch als Buzzword verwendet.

Ich würde sagen ein Unternehmen ist data-driven, wenn eine gewisse Datenabdeckung stattfindet, also alle Bereiche eines Unternehmens anhand von Daten gemessen und geplant werden können. Dazu gehört auch, dass Entscheidungen, wann immer möglich, basierend auf Daten getroffen werden und nicht nur durch ein Bauchgefühl.

Zu einem datengetrieben Unternehmen gehört auch, dass Daten immer den ersten Go-to-Punkt bilden. Bei flaconi haben wir z. B. den sehr aktiv gelebten Unternehmenswert #livingdata. Das heißt, wenn Diskussionen entstehen argumentieren wir mit konkreten Daten bzw. Zahlen und vermeiden unfundierte Annahmen und Behauptungen. Das verstehen wir unter data-driven culture.

Ist eine datengetriebene Organisationskultur für alle Unternehmen sinnvoll?

Ich glaube, dass es grundsätzlich für jedes Unternehmen erstrebenswert ist, datenbasierte Entscheidungen zu treffen. Allerdings ist es von Unternehmen zu Unternehmen unterschiedlich, wie stark data-driven es grundsätzlich überhaupt agieren kann. Bei uns heißt data-driven ja wirklich, dass basierend darauf, wie sich der Kunde beziehungsweise die Kundin auf der Website verhält, Entscheidungen getroffen und Optimierungen vorgenommen werden.

Aber nicht jedem Unternehmen liegen solche Datenstrukturen vor. Deshalb glaube ich, hängt es auch von der Datenverfügbarkeit des Unternehmens ab.

Am Ende möchte jedes Unternehmen seinen Gewinn und Umsatz optimieren und seine Position am Markt halten bzw. stärken. Und das kann aus meiner Sicht nur dann funktionieren, wenn man wirklich quantitativ messbare Ziele hat und durch Analysen besser versteht, warum bestimmte Ereignisse eintreten und warum Wachstum stattfindet oder nicht. Von daher sollte prinzipiell jedes Unternehmen daran Interesse haben, datenbasiert zu arbeiten.

Zum Dossier:
Data Science im Kontext der digitalen Transformation


Veröffentlicht
November 2020

bianca-frost-800x500.png

Bianca Frost ist Teamlead im Bereich Data Analytics. Im Interview berichtet sie davon, wie data-driven culture bei flaconi gelebt wird.

Carolin Stolpe 800x500

Im Rahmen ihrer Masterarbeit hat Carolin Stolpe Expertinnen und Experten interviewt, die sich mit dem Thema datengetriebene Organisationskulturen in der Praxis beschäftigen.

Viele Organisationen stehen vor der Herausforderung, ihre Organisationskultur in der digitalen Transformation neu zu definieren. Lässt sich Unternehmenskultur überhaupt aktiv gestalten?

Ja, das kann man definitiv aktiv gestalten.

Was würdest du Organisationen raten, die noch ganz am Anfang stehen, eine datengetriebene Organisationskultur aufzubauen?

Es gibt vier Bereiche, die sich ein Unternehmen dafür anschauen muss: Datenbasis, Datenzugang, Umgang mit Daten und der Einsatz von Daten in der täglichen Arbeit. Wer data-driven werden möchte, sollte in diesen vier Bereichen mit einer Evaluation starten, um den Ist-Zustand zu erfassen.

Für die Datenbasis bedeutet das: Welche Daten habe ich und wie sind diese aufbereitet? Dann gibt es den Punkt des Datenzugangs: Also wer hat Zugang? Und weiß jeder, wo er Zugang findet? Der dritte Punkt ist der Umgang mit den Daten: Weiß jeder, wie er bestimmte Zahlen zu interpretieren hat? Wie er sich eine Wachstumsrate berechnen kann? Wie er mit einem bestimmten Tool arbeiten kann? Und der letzte Punkt ist der Einsatz der Daten in der täglichen Arbeit. Hier geht es darum das aus Daten gesammelte Wissen vorteilhaft einzusetzen, um bessere Entscheidungen zu treffen oder effizientere Prozesse zu gestalten.

Neben der Evaluierung des aktuellen Zustands braucht man dabei auch ein Zielbild. Wie soll data-driven bei uns umgesetzt werden? In welcher Form der Datengetriebenheit sollen die verschiedenen Unternehmensbereiche arbeiten und wie greift das am Ende wieder zusammen?

Durch Abgleichen des Ist-Zustands mit dem Zielzustand zeigt sich dann: Wo sind die Herausforderungen aktuell am größten? Diese können dann priorisiert und dementsprechend in der gegebenen Reihenfolge aktiv angegangen werden.

Für viele Mitarbeitende ohne Datenhintergrund sind Daten etwas sehr Abstraktes. Was würdest du Mitarbeitenden sagen, die skeptisch gegenüber Daten sind?

Ich glaube, dass es weniger darum geht, die Leute zu belehren. Ich würde versuchen durch Ergebnisse zu zeigen, welchen Nutzen Daten haben können und ein konkretes Beispiel durchrechnen, um skeptische Kollegen zu überzeugen.

Würdest du sagen, die Organisationskultur spielt eine Rolle in der Akzeptanz gegenüber neuen Daten[technologien]?

Ich würde schon sagen, dass unsere Unternehmenskultur den Akzeptanzprozess erheblich vereinfacht.

Bei uns ist die Unternehmenskultur so gestaltet, dass wir Neuem grundsätzlich erstmal offen und positiv gegenüberstehen und alle Themen sehr transparent halten. Ein Punkt, der uns dabei auszeichnet, ist das unsere Unternehmenswerte sehr aktiv gelebt werden und tatsächlich auch in täglichen Diskussionen als Argumentation verwendet werden.

Welche Unternehmenswerte sind das?

Neben #livingdata, haben wir z.B. einen Unternehmenswert, der #build4scale heißt, also skalierbare Lösungen zu finden.

Und dann heißt es in Diskussionen auch wirklich: „Ja, wir wissen, dass es aktuell nicht optimal ist und das neue Tool auch mit zusätzlichem Aufwand für euch verbunden ist. Aber ihr wisst ja: #build4scale. Wir wollen bereit sein für das Wachstum und deshalb macht es an dieser Stelle Sinn, mit dem neuen Tool zu arbeiten.“

Ich glaube, diese positive Unternehmenskultur kommt auch daher, dass das obere Management sehr viel Vertrauen in uns Mitarbeiter hat. #trustinpeople ist ein weiterer Unternehmenswert, der bei uns sehr stark gelebt wird. Dadurch entsteht eine sehr produktive Arbeitsatmosphäre, die wenig anschuldigend ist, wie man es teilweise in anderen Unternehmen erlebt.

flaconi-values.png

Abbildung 1. Unternehmenswerte einer datengetriebenen Organisationskultur am Beispiel von flaconi.

In unserem Artikel zum Aufbau datengetriebener Organisationskulturen haben wir das Seerosenmodell zur systematischen Beschreibung von Unternehmenskulturen vorgestellt.

Als datengetriebene Organisation wird bei flaconi auf der Ebene der Normen und Werte (Seerosenmodell) eine starke Ausrichtung von Prozessen und Produkten nach Daten und eine Anpassung an das Verhalten von Kundinnen und Kunden deutlich sichtbar. Das Risiko für Innovationen wird mit Hilfe von Daten bewertet und Mitarbeitende durch Vertrauen zu innovativen, skalierbaren Lösungsansätze motiviert [1].

Was glaubst du, welche Bedeutung hat ein gewisser Reifegrad an Data Literacy für den Erfolg einer datengetriebene Organisation?

In einem Unternehmen gibt es natürlich immer unterschiedliche Reifegrade an Data Literacy, die abhängig sind von den Teams und in welcher Funktion jemand arbeitet. Ich glaube für das Unternehmen insgesamt kann es aber nur von Vorteil sein, wenn jeder zu einem gewissen Grad mit Daten umgehen kann. Auch dahingehend, dass dadurch wahrscheinlich eine gewisse Offenheit für das ganze Thema data-driven entsteht.

Wenn man sich die Erfolgsraten von Data Science-Projekten anschaut, sieht man, dass viele Projekte auch einfach scheitern. Und ich glaube, das liegt nicht unbedingt an der Technik oder an den mathematischen Modellen, sondern häufig auch einfach daran, dass der Teil der Mitarbeiter, der keine Data Science-Erfahrung hat, einfach noch nicht so weit ist, diese Dinge richtig zu verstehen und damit zu arbeiten.

Data Literacy: Um sich in einer digitalen Gesellschaft zurechtzufinden, wird die Fähigkeit „[…] Daten zu verstehen und effektiv zu nutzen, um Entscheidungen zu fundieren“ [2] immer wichtiger. Wir beschäftigen uns mit Data Literacy in Teil 4 unseres Dossiers.

Data Literacy wird ja oft auch als Schlüsselkompetenz des 21. Jahrhunderts bezeichnet [3]. Würdest du dem zustimmen?

Als Data Analyst bin ich der Auffassung, dass Datenkompetenzen sehr wichtig sind. Denn nur durch Daten kann ich mich der Wahrheit nähern. Trotz aller Datenliebe möchte ich aber auch darauf hinweisen, dass man auch immer berücksichtigen muss, wo die Grenzen von Daten liegen und was man vielleicht nicht mit Daten erklären kann. Es ist wichtig die Vorteile, aber auch die Fallstricke zu kennen: Wie darf ich die Daten jetzt genau nicht interpretieren, weil ich sonst auf die falsche Schlussfolgerung komme?

Aus meiner Sicht ist Data Literacy eine Kompetenz, die jeder Mensch haben sollte. Denn Datenkompetenzen sind nicht nur im Unternehmenskontext wichtig, sondern auch um zu verstehen: Wo können Daten mir persönlich Vorteile bringen, z.B. wenn es darum geht politische Entwicklungen besser einschätzen und beurteilen zu können.

Insgesamt geht es auch einfach darum, Ängste und Vorurteile von Datenkultur abzubauen, wie z.B. dass Machine Learning dazu führt, dass Arbeitsplätze abgebaut werden. Vielmehr muss Aufklärungsarbeit geleistet werden, dass Datentechnologien die Arbeitswelt in vielerlei, sehr positiver Hinsicht verändern. Es werden vielleicht Aufgaben in einigen Arbeitsreichen wegfallen, dafür aber mehr in anderen Bereichen mit stärkerem Datenfokus entstehen. Und diese stärker datengetriebenen Bereiche benötigen neue Mitarbeitern mit ausgeprägten Datenkompetenzen.

Danke für das Interview, Bianca!

Referenzen

[1] Flaconi Values. www.flaconi.de/karriere/#values

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

[3] Katharina Schüller, Paulina Busch und Carina Hindinger. Future Skills: Ein Framework für Data Literacy. Hochschulforum Digitalisierung. Arbeitspapier 47/2019, 2019


Weitere Artikel

Dieser Artikel ist Teil des Dossiers Data Science im Kontext der digitalen Transformation.

socialmedia-hand-authors.png
socialmedia-seerose-authors.png
socialmedia-tunnel-authors.png