Neue Studie: Von der Datenflut zur Daten-Wertschöpfungskette

Eine Studie des Competence Center Corporate Data Quality (CC CDQ) geht der Frage nach, wie sich aus den rasant zunehmenden Datenmengen geschäftliche Vorteile ziehen lassen. Auf den SAP-Infotagen „Business Data und Analytics“ stellen die Autoren von der Universität Lausanne die Studie erstmals der Öffentlichkeit vor.

Es gibt keinen Zweifel: Die Masse der Daten, die im Zuge der zunehmenden Digitalisierung erzeugt werden, nimmt exponentiell zu und erreicht Dimensionen, die noch vor wenigen Jahren unvorstellbar waren. Das Internet of Things, mobile Geräte wie Smartphones und Tablets, Soziale Netzwerke, Online-Shops, Autos und Maschinen mit hunderten Sensoren erzeugen täglich ein enormes Datenaufkommen. Allein in den letzten zwei Jahren wurden mehr Daten produziert, als in all den vorhergehenden Jahren zusammen; schon 2020 werden mehr als 50 Milliarden Geräte mit dem Internet verbunden sein.

Viele Unternehmen stellen sich zuerst die Frage, wie sie die stetig anschwellende Datenflut bewältigen sollen. Wer dabei aber die Daten lediglich als ein notwendiges Mittel zur Abwicklung von Geschäftsprozessen betrachte, verkenne das gewaltige Potenzial, das in ihnen steckt: „Während Daten in traditionellen Unternehmen noch eine wichtige, aber vor allem unterstützende Ressource in Geschäfts- und Entscheidungsprozessen waren, werden sie in einer zunehmend digitalisierten Welt zu einem Wert an sich, weil sie die unabdingbare Voraussetzung für digitale Geschäftsmodelle und Strategien sind“, schreiben Martin Fadler und Professor Christine Legner, Autoren der Studie „Managing Data as an Asset with the Help of Artificial Intelligence“.

Ein unternehmensweites Datenmanagement ist noch die Ausnahme

Sie beschäftigen sich eingehend mit der Frage, wie es gelingen kann, die Masse der Daten, die unweigerlich auf die Unternehmen zurollt, so zu nutzen, dass aus ihnen Unternehmenswert entsteht. Dabei geht es auch um die Sichtweise: Daten seien keine Last oder nachrangiges Mittel zum Zweck, sondern – in der Terminologie der Studienautoren – ein „immaterieller Unternehmenswert“ (intangible asset). „Trotz der zunehmenden Relevanz von Daten im Kontext der Digitalisierung wird bisher in nur wenigen Unternehmen dem Management der Daten die gleiche Aufmerksamkeit zuteil, wie anderen Unternehmenswerten“ bemängeln die Autoren.

Vor allem fehle es oft an einer definierten Datenstrategie, die im Einklang mit der Geschäftsstrategie den Wert und die Rolle von Daten aus geschäftlicher Sicht definiert und die Grundlagen für deren Management legt. Gleichzeitig gebe es vielerorts keinen unternehmensweiten Ansatz zum Datenmanagement, der unter anderem Datenprodukte und deren Lebenszyklus definiert und Verantwortlichkeiten für übergreifende Data Assets festlegt.

„Auch wenn sie noch nicht in der Unternehmensbilanz aufgeführt werden, weisen Daten alle Merkmale eines immateriellen Unternehmenswertes auf und sollten nach den gleichen betriebswirtschaftlichen Grundsätzen behandelt werden“, so die Studienautoren. Allerdings wird aus Daten nicht automatisch und allein durch deren Vorhandensein ein Unternehmenswert. Sie entfalten ihr Potenzial erst mit einem intelligenten Datenmanagement, das es ermöglicht, sie kontext-spezifisch in wertschöpfenden Szenarien einzusetzen.

Analytics: Wert entsteht erst in der Daten-Wertschöpfungskette

Dafür haben die Wissenschaftler des CC CDQ das Modell einer ganzheitlichen „Daten-Wertschöpfungskette“ entwickelt, das die Wertschöpfungsschritte von der Entstehung der Daten bis zu deren Nutzung beschreibt. Dabei können die Daten in unterschiedlichen Stadien und Szenarien auf jeweils unterschiedliche Weise ihr wertsteigerndes Potenzial entfalten. Allerdings entsteht Wert nicht dadurch, dass Unternehmen einfach nur mehr Daten sammeln. Wert entsteht dann, wenn Daten in ausreichender Qualität vorliegen und dann auch genutzt werden. Das heißt, die Menge der Daten (Volume), die Datenqualität (Data Quality) und die Datennutzung (Data Use) sind zentrale Werttreiber in der Daten-Wertschöpfungskette.

Deshalb spielt das Datenmanagement entlang der gesamten Wertschöpfungskette eine zentrale Rolle, bei der KI-Algorithmen (künstliche Intelligenz) immer wichtiger werden. Auf der einen Seite dienen sie dazu, das systematische Management und die Kontrolle der Daten zu verbessern. Auf der anderen Seite tragen sie zur intelligenten Automatisierung wiederkehrender Aufgaben bei und haben entscheidenden Anteil daran, durch die tiefe Analyse Erkenntnisse aus den Daten zu gewinnen.

Die Forscher des Competence Center Corporate Data Quality listen eine Vielzahl von Szenarien auf, in denen Daten zur Wertschöpfung beitragen, von der Entwicklung digitaler Produkte und Services, der Unterstützung von Entscheidungen und Geschäftsprozessen bis hin zu ausschließlich datengetriebenen Geschäftsmodellen, bei denen Kunden für den Zugang zu aufbereiteten Daten bezahlen. Dadurch werden – intelligent genutzte – Daten zum Treiber und Enabler für übergreifende Ziele, wie Umsatzwachstum, Effizienzsteigerung, Kostenreduktion und Risikominimierung. „Um diese Vorteile in vollem Umfang auszuschöpfen, bedarf es aber eines ganzheitlichen Ansatzes, der den unterschiedlichen wirtschaftlichen Wert der Daten in den jeweiligen Wertschöpfungsstufen berücksichtigt“, schreiben die Forscher.

Zusätzliche Informationen und Impulse für eine intelligente Datennutzung finden Sie hier.