Diese Kompetenzen und Rollen brauchen Sie im Datenmanagement

Mit Erkenntnissen, die aus Daten gewonnen werden, lässt sich vieles im Tagesgeschäft optimieren. Die Marketing-Abteilung kann Inhalte personalisieren, Handlungsempfehlungen für Kampagnen gewinnen und neue Kunden finden. Der Vertrieb kann Kaufverhalten analysieren, neue Kundenbedürfnisse aufspüren und im E-Commerce die Verkaufsplattform für weniger Fehlbestellungen, Warenrücksendungen oder höhere Konversionen perfektionieren. Die Industrie kann Fertigungsabläufe effizienter gestalten. So gut wie jede Branche und Abteilung kann aus Datenerkenntnissen dazulernen.

Soweit die Theorie, für die Praxis braucht Ihr Unternehmen die richtigen Experten im Datenmanagement, um das Gold aus Big Data zu heben. Also stellt sich die Frage: Welche Rollen brauchen wir – und welche Fähigkeiten müssen die Daten-Experten mitbringen?

Trotz spezifischer Ausprägungen gibt es Gemeinsamkeiten in allen Branchen. Generell geht es in Unternehmen auch nicht rein um die Forschung rund um die Daten, sondern nach dem Motto „Business drives IT“ gibt es immer ein geschäftliches Interesse rund um die Analyse. Somit bringen die Akteure im Datenmanagement typischerweise folgende Fähigkeiten mit:

• Datenaufbereitung und Visualisierung: Um das Potenzial von Daten heben zu können, müssen Datenwissenschaftler oft aus gewachsenen Systemen und Strukturen Daten zusammenführen und beispielsweise aus alten oder separaten Systemen, so genannten Datensilos, Daten nutzbar machen. Wichtig ist auch die Erfahrung bei der Datenverarbeitung. Laut Hartmut König, CTO von Adobe, kann eine Software nicht alles abnehmen. Es kommt immer auf die Anwendungsfälle an. Jedoch wäre es notwendig, eine solide Datengrundlage zu haben, ein Data-Cleansing. Würden nämlich Datenpunkte zusammengebracht werden, die nicht zusammengehören, würde man irgendwann auf Sand bauen. Beim Übersetzen der Daten in Diagramme hilft ebenfalls Software. Dennoch sind Präsentation und Visualisierung der Daten-Erkenntnisse eine Aufgabe des Datenwissenschaftlers.
• Team-Player: Datenwissenschaftler arbeiten heute nicht autark mit Algorithmen und Datenmodellen – wenn auch das Erforschen und Ausprobieren ein wichtiger Teil der Arbeit ist. Tatsächlich sind sie in Tandem Teams mit Business-Stakeholdern im Einsatz. Daher gehören sprachliche und kommunikative Fähigkeiten dazu, um Mitarbeitern aus allen Unternehmensbereichen die Erkenntnisse aus der Analyse als Handlungsempfehlungen zu vermitteln. Es ist oft auch keine leichte Aufgabe, überhaupt für die datengestützte Entscheidungsfindung im Unternehmen zu werben und sie zu etablieren.
• Kreativität und Neugier: Datenanalyse ist keinesfalls trocken und pure Mathematik, sondern es geht darum, Neues zu entdecken und Ideen zu haben. Etwa eine Anomalie in den Daten in Bezug auf das Kundenverhalten zu entdecken und daraus eine Empfehlung für das Marketing abzuleiten – wie beispielsweise bei einem Nachfragehoch einen Newsletter mit dem passenden Angebot zu versenden. Neugier hilft dabei, neue Analyse-Instrumente, Algorithmen und Technologien dafür zu nutzen.
• Koordinationsvermögen: Datenwissenschaftler sind auch Projektmanager. Sie delegieren Aufgaben zur Datenbeschaffung, steuern und kontrollieren Projekte in der Datenanalyse, welche dann mit den Abteilungen abgestimmt werden.

Im Einzelnen sehen in den Teams zu Datenanalyse-Projekten die Rollen wie folgt aus:

• Digital Strategist / Data Strategist: Diese Rolle vertritt ein Business-Stakeholder, beispielsweise aus dem Marketing. Er trägt Anforderungen an das Team heran, die durch Erkenntnisse aus Daten gelöst werden sollen.
• Data Architect: Der Data Architect versucht, die Anforderungen in Daten zu übersetzen – zusammen mit dem Strategist. Hier geht es um die Frage, ob alle Daten vorhanden sind, um alles für das Problem messen zu können und wie die darunterliegende Enterprise-Architektur aussieht. Liegen die Daten in Silos? Muss eine Customer Data Plattform geschaffen werden? Passt die Data Plattform mit dem Data Lake des Unternehmens zusammen?
• Data Engineer: Diese eher technische Rolle sucht aus allen Quellen die Daten zusammen und bringt sie in ein Format.
• Data Analyst / Data Scientist: Der Data Analyst erstellt statistische Modelle für die Datenanalyse. Diese Modelle helfen, die Daten in Trends zu übersetzen.
• Advanced Business Analyst: Der Spezialist für Datenvisualisierung bereitet die Ergebnisse so auf, dass andere Abteilungen, wie das Marketing, damit Erkenntnisse gewinnen können. Wenn Automation zum Einsatz kommt, bestimmt er Ereignisse, bei denen Aktivitäten ausgelöst werden – beispielsweise, dass bei einer Anomalie eine bestimmte Aktion wie Newsletter-Versand an die Kunden oder ein Sonderangebot ausgelöst wird, um den Umsatz zu steigern.

Die genaue Betrachtung zeigt, dass Datenwissenschaftler sehr spezielles Wissen für ihre Rollen mitbringen müssen, gleichzeitig aber auch als Teamplayer und Botschafter für das Arbeiten mit Daten mit Unternehmen überzeugen sollen. Aktuell ist am Arbeitsmarkt die Nachfrage höher als das Angebot an Spezialisten. Daher gehören sie heute und auch weiterhin zu den gefragtesten IT-Experten.

Unternehmen müssen – wollen sie das vielbeschriebene „Daten-Gold“ heben – die Experten nicht nur gut bezahlen, sondern auch ein attraktives Umfeld für sie schaffen. In diesem wird der Wert der Daten geschätzt und die richtigen Voraussetzungen für die fortgeschrittene Analyse durch entsprechende Technologie geschaffen.

Thorsten Weckert, übernommen von Janina Zaminer