Ohne Data Literacy geht bald nichts mehr!

Industrie, Handel, Gesundheit – in nahezu allen Branchen explodieren die Datenmengen. Mit Hilfe von Advanced Analytics-Technologien lassen sich wichtige Prognosen zu Kundenverhalten, Marktentwicklung oder auch fürs Recruiting generieren.

Doch sind die Unternehmen überhaupt in der Lage, den Wert ihrer Daten auszuschöpfen? Haben sie die nötige Datenkompetenz?

In vielen Unternehmensbereichen sind Applikationen zur Produktionsplanung, für Vertriebs- und Lieferaktivitäten, Kundenbeziehungsmanagement oder das Personalmanagement Status quo. Nur wird allzu oft der Wert, den die Daten für das gesamte Unternehmen haben, unterschätzt oder sie verbleiben in den Datensilos der Abteilungen.

Dabei eröffnet Big Data die Möglichkeit, mit Hilfe der Informationen bessere Entscheidungen zu treffen.

Datenkompetenz fehlt auf weiten Strecken

Für die Data Literacy-Studie des Data Literacy-Projekts (DLP) gaben weltweit insgesamt 9.000 Arbeitnehmer Auskunft über ihren Wissensstand bezüglich Daten. Das frappierende Ergebnis: Vielen Unternehmen ist zwar die Bedeutung ihrer Daten bewusst, doch es fehlt an der Datenkompetenz der Mitarbeiter:

Knapp 75 Prozent aller Befragten sind sich im Umgang mit Daten nicht sicher. Eine weitere Erkenntnis ist, dass sich nur ein Viertel aller Teilnehmer beim Antritt des aktuellen Jobs ausreichend auf die effektive Nutzung von Daten vorbereitet fühlte. Betrachtet man nur Deutschland, bemisst sich der Anteil auf 14 Prozent.

Befragt, ob sie sich selbst als souverän im Umgang mit Daten einschätzten, stimmten 21 Prozent aller Studienteilnehmer zu. Bezogen auf Deutschland liegt der Anteil nur bei 17 Prozent und somit ebenfalls unter dem Durchschnitt. Stattdessen verlässt sich die Mehrheit der Befragten lieber auf das eigene Bauchgefühl oder Erfahrungswerte – dies gaben 6 von 10 Befragten an. Werden die Teilnehmer aber danach befragt, ob der Umgang mit Daten erfolgskritisch für ihren Job sei, stimmen 87 Prozent zu.

Massive Produktivitätsverluste

Insgesamt versucht ein nicht unerheblicher Teil aller Befragten, das Arbeiten mit Daten im Arbeitsalltag zu vermeiden. Insgesamt gaben 36 Prozent an, von Arbeitsaufträgen mit Datenbezug abzusehen oder nach Alternativlösungen zu suchen. Ein alarmierendes Ergebnis der Studie ist, dass sich weltweit 31 Prozent der Befragten aufgrund von Stress durch Tech-, Daten- und Informationsprobleme schon krankgemeldet haben. In Deutschland beträgt dieser Anteil 28 Prozent – somit beläuft sich der Produktivitätsverlust hierzulande laut Berechnungen des DLP auf rund 21 Milliarden Euro jährlich.

Die Studie zeigt: Noch fehlt für die Umsetzung einer nachhaltigen Daten- und Analytics-Strategie eine tragfähige Datenkompetenz.

Data Literacy kann man lernen

Die Studie zeigt aber auch, wohin die Reise gehen muss: Diejenigen unter den Befragten, die sich für datenkundig halten, fühlen sich um mindestens 50 Prozent eher in der Lage, bessere Entscheidungen zu treffen und selbstbewusster aufzutreten. Zudem würden Schulungen zur Datenkompetenz die Produktivität steigern – dieser Meinung sind 37 Prozent der deutschen Befragten. Doch was bedeutet Datenkompetenz? Es geht ausdrücklich nicht um Know-how auf dem Level eines Data Scientist oder Data Analyst. Wichtig ist es, Daten lesen, bearbeiten, analysieren und schließlich mit ihnen argumentieren zu können.

Strategie und Rahmenplan

Voraussetzung für die erfolgreiche Etablierung einer Datenkultur ist ein unternehmensweites strategisches Vorgehen, das über alle Ebenen greift. Es geht darum, alle Mitarbeiter ins Boot zu holen, jedem einzelnen seinen Beitrag, den er leisten kann, zu zeigen und mit einem differenzierten Schulungsangebot auf dessen Wissensstand abzuholen – ob „Guru“, durchschnittlich interessiert, Anfänger oder gar Skeptiker.

Federführende Rolle der Personalentwicklung

Hier ist HR mit seiner zentralen Aufgabe der Personalentwicklung gefragt, die Initiative zu ergreifen und gemeinsam mit allen verantwortlichen Stellen eine Vision für eine Data Literacy-Strategie zu entwickeln und einen Plan für die Durchführung eines Programmes zu  erstellen – inklusive Budget und Zeitrahmen. Es empfiehlt sich, das Programm in mehreren Stufen über unterschiedliche Teilnehmerkreise auszurollen. So besteht die Möglichkeit, dieses nach jedem Durchlauf zu evaluieren und zu optimieren.

Kulturwandel und Kommunikation

Datenkultur bzw. ein Kulturwandel geschehen nicht von heute auf morgen. Wie in vielen Change-Management-Prozessen muss sich der Lernprozess entfalten und die neue Kultur Schritt für Schritt in die bestehende Unternehmenskultur eingewoben werden. Ebenfalls wichtig: transparente Kommunikation, um Missverständnissen, Gerüchten oder Widerständen vorzubeugen. Es gilt, sowohl die Beweggründe für das Data Literacy Programm zu vermitteln als auch die persönlichen Vorteile für jeden Mitarbeiter: die Erleichterung der anfallenden Arbeitsaufgaben sowie neue Jobchancen durch die Kompetenzerweiterung.

Assessment und Prescriptive Learning

Nichts ist demotivierender, als im Rahmen eines Schulungsprogrammes unter- oder überfordert zu sein. Deshalb sollte für alle Mitarbeiter, die ins Programm starten, ein Assessment durchgeführt werden. Differenzierte Lehrpläne und Lernressourcen machen es dann möglich, dass Mitarbeiter einerseits auf ihrem Wissensniveau einsteigen und andererseits das Lernen so organisieren können, dass es dem individuellen Lernstil und Zeitbudget gerecht wird. Um das Programm weiterentwickeln zu können, sollte es nach jedem Durchlauf mit Hilfe von anfänglich festgelegten Metriken bewertet werden.

Auch HR profitiert von Data Literacy

Von einem Mehr an Datenkompetenz profitieren nahezu alle Bereiche und Abteilungen eines Unternehmens. So können beispielsweise Produktionsmitarbeiter durch das gezielte Abrufen und Visualisieren relevanter Indikatoren Störungen oder Abweichung in der Produktionsstraße überwachen und sofort reagieren.

Auch für HR ergeben sich viele Möglichkeiten, mit Hilfe von Data Literacy die richtigen Fragen zu stellen: So lässt sich aus klassischen HR-Kennzahlen wie etwas Eintritte, Austritte oder Fluktuationsraten die Notwendigkeit von Maßnahmen zur Mitarbeiterbindung ableiten. Oder es können wertvolle Insights aus dem Bewerberprozess extrahiert werden, um diesen datengetrieben zu optimieren.