Überblick
Empfehlungen
Nächste Schritte
Soziale Medien
Wie Klein- und Mittelbetriebe Big Data zu ihrem Vorteil nutzen können
Nicht nur große Player wie Google oder Amazon können das schier endlose Potential von Big Data zu ihrem Vorteil einsetzen. Auch Klein- und Mittelbetriebe sollten über ihre eigenen Daten Bescheid wissen. In der Praxis lassen jedoch viele KMU den eigenen Daten-Schatz ungenutzt. Was KMU auch ohne große Budgets und eigene Daten-Abteilungen tun können, um Big Data zu ihrem eigenen Vorteil zu nutzen, erklärt Prof. Verena Dorner, wissenschaftliche Leiter*in des Executive MBA Digital Transformation & Data Science der WU Executive Academy.
„Wer hebt das Datengold?“ So titelte Die Zeit Online schon im Jahr 2013. Das haben seither viele Goldgräber*innen getan: disruptive Startups, die mit ihren Plattformen die Märkte aushebelten, die digitalen Giganten wie Facebook und Google tun es sowieso längst seit den Nullerjahren. Und in Konzernen und Behörden beschäftigen sich ganze Abteilungen mit Datenströmen von Kund*innen und Bürger*innen.
Doch Big Data sind nicht nur etwas für die Großen und Hippen, sagt Prof. Verena Dorner, Vorständin des Instituts für Digital Economy an der WU Wien und wissenschaftliche Leiterin des Executive MBA Digital Transformation & Data Science. Daten sind in Zeiten des Internets für so gut wie jede Branche wichtig und können das entscheidende Erfolgskriterium sein, speziell auch für KMU. Mit dem Terminus „Big Data“ würden sich die „Kleinen“ häufig nicht angesprochen fühlen.
Prof. Verena Dorner
Doch das ist ein relativer Begriff. Auch kleine Unternehmen haben Daten, die zu groß für sie zu verarbeiten sind oder aufgrund anderer, oft nicht-technischer Faktoren ungenutzt bleiben. Was Big Data auszeichnet, ist weniger die exorbitante Größe, sondern die Merkmale „dynamisch, herausfordernd und komplex“.
Klein- und Mittelbetriebe wissen oft gar nicht, welchen Schatz an Daten sie für ihren wirtschaftlichen Erfolg hätten – und lassen ihn ungenutzt, was in der Praxis große Wettbewerbsnachteile nach sich ziehen kann. Verena Dorner hat daher im Folgenden die wichtigsten 5 Erkenntnisse für KMU im Umgang mit Big Data zusammengefasst:
Die Daten eines Unternehmens nehmen in der Regel ein großes Ausmaß an, häufig fehlt jedoch die systematische Auseinandersetzung mit ihnen. „Gerade in KMU ist das leider noch weitverbreitete Praxis. Daten für später einfach drauflos zu sammeln, ohne zu wissen, was man damit vorhat und sie entsprechend aufzubereiten, macht keinen Sinn“, sagt Verena Dorner. Das münde in „garbage in, garbage out“: denn aus Grunddaten mit schlechter Qualität könne man später keine Voraussagen und Analysen mit guter Qualität machen. „Man muss Qualitätskriterien und den Zweck der Datensammlung im Vorfeld konkret abstecken“, rät Dorner. Wichtig seien für die WU-Expertin die gezielte Sammlung und die richtige Aufbereitung der Daten. Aus Sicht eines KMU bedeutet das: Zumindest eine verantwortliche Person, besser aber mehrere Schlüsselpositionen sollten grundlegende Kenntnisse in Data Governance besitzen. Andernfalls sei es nicht möglich, Daten systematisch zum eigenen Vorteil zu nutzen.
Tracking des Kund*innenverhaltens im Internet und auf Social Media ist für den Marketingbereich sehr wertvoll, um Kund*innenverhalten besser zu verstehen, neue Services zu entwickeln und die Preisgestaltung zu optimieren. Gerade dieser Bereich spielt für viele KMU eine wichtige Rolle, um neue Strategien abseits jener der Konkurrenz zu entwickeln, aber die rechtlichen Rahmenbedingungen sind genauso wie die technischen Möglichkeiten nicht ausreichend bekannt. Doch längst geht es nicht mehr nur um die von Datenschutzdiskussionen vielzitierten Personendaten von Kund*innen. Nicht nur für Marketing & Sales sind große Datenmengen wichtig, sie können auch für die Produktion und Verarbeitung und zur Prozessoptimierung aller Geschäftsbereiche herangezogen werden, um Leerläufe und Bottlenecks zu verhindern oder schlicht Zeit zu sparen – beispielsweise können über Maschinendaten künftige Maschinenausfälle verhindert werden. Allerdings sind auch KMU gut beraten, sich nicht ausschließlich auf Big Data zu fokussieren: auch Daten, die Unternehmenswissen in anwendbarer Weise strukturieren, sogenannte „Smart Data“, sind wertvoll und können wichtige Informationen enthalten. Das können etwa die Erfahrungswerte der Mitarbeiter*innen im Umgang mit Maschinen sein.
Dass Startups ganze Branchen disruptiv verändern, ist längst kein Geheimnis mehr. Auch dass Unternehmen Daten über Kund*innen, Arbeitsprozesse oder die Wertschöpfungskette im Wettbewerb gegenüber der Konkurrenz nutzen können, sei nicht neu: „Spannend sind disruptive datengetriebene Geschäftsmodelle, die diese Daten mit innovativen Methoden so aufbereiten, analysieren und interpretieren, wie es noch niemand zuvor getan hat.“ Und diese Modelle könnten auch den KMU gefährlich werden, sagt Dorner. „Wir beobachten disruptive Geschäftsmodelle, die durch die Hintertür in die Märkte kommen, die für eine Branche neuartige Apps und Systeme anbieten – in Wirklichkeit ziehen sie Daten ab, erlangen so einen Geschäftsvorteil und möglicherweise sogar die Kontrolle über die betroffenen Domänen“, sagt Dorner. Sie rät Klein- und Mittelbetrieben, sich von innovativen App-Anbieter*innen unabhängiger zu machen: „Sinnvoller wäre es, sich mit anderen Betrieben und über Branchen hinweg zusammenzuschließen, um gemeinsam Apps zu entwickeln: etwa für die Landwirtschaft, um Daten zur Feldbestellung zu sammeln.“
Kontrolle und Ownership über die eigenen Daten würden somit bei den Unternehmen selbst bleiben. Solche dezentralen Systeme seien resilienter. Den Zusammenschluss mit anderen brauche es, um mit größeren Datenmengen aussagekräftige Prognosen zu erstellen und damit Künstliche Intelligenz wie etwa Algorithmen zu trainieren. Der Bereich Open Data, also der Möglichkeit, seine Daten sinnvoll mit anderen zu teilen, sei noch längst nicht ausgeschöpft: „Ein Start wäre schon einmal gemacht, wenn man etwa die Öffnungszeiten oder andere nicht-sensitive Basisdaten im Retailbereich miteinander teilt und abzustimmt“, so Dorner. In ihrem Ergebnisbericht zur Erarbeitung eines Strategieplans für Künstliche Intelligenz der österreichischen Bundesregierung empfehlen die Expert*innen für die heimische Wirtschaft, Marktplätze für digitale KI-Lösungen und Data Hubs zum Teilen von Daten sowie Kooperationen zwischen Unternehmen einzurichten.
Das neue Berufsbild der Stunde lautet „Data Scientist“. Diese Fachleute setzen sich mit dem Aufbau, der Analyse und Interpretation von Datenströmen auseinander. Doch das Knowhow ist zunehmend nicht nur auf sie beschränkt. Webgigant Google setzt Basiswissen zum Thema Daten und IT bei allen Mitarbeiter*innen voraus. Gerade auch in den Klein- und Mittelbetrieben sollten Kompetenzen zum Thema Daten breiter verteilt sein, rät Verena Dorner. „Hier macht Silodenken keinen Sinn. Mitarbeiter*innen benötigen ein grundlegendes Verständnis und Basis-Skills zum Thema Daten.“ In Marketing & Sales und in Führungspositionen sei das ohnehin unabdingbar, um die richtigen Entscheidungen treffen zu können. „In unserem Kurzprogramm „Data Science“ etwa erfahren die Teilnehmer*innen, was man bei der Qualität der Daten im Vorfeld beachten muss, wie man Datenanalyse größere Datenströme analysiert und mit welchen Tools man selbst Data Pipelines und Datenprozesse aufsetzen kann“, so Dorner.
Prof. Verena Dorner
Starten sollte man mit der Kompetenzbildung in Sachen Daten und Digitalisierung jedoch unbedingt bei den Führungskräften aus mittlerem und höherem Management, weil zur Transformation zu einem datengetriebenen Unternehmen fast immer die Unternehmenskultur der Schlüssel ist, die das Management vorgibt. Das gilt insbesondere auch für KMU.
Oft haben KMU Bedenken, Datenströme für die eigene Unternehmensführung und Optimierung von Kund*innenbeziehungen zu nutzen. Man hat schlicht Angst vor negativen Reaktionen, doch: „Kund*innen haben nicht Probleme mit der Datennutzung der Unternehmen, sondern mit dem Missbrauch ihrer sensiblen Daten“, sagt Verena Dorner. Daher sei es umso wichtiger, über rechtliche Bedingungen, die Art der Datensammlung und den Zweck der Datenverwendung Bescheid zu wissen „und jederzeit Auskunft über die Verwendung der Daten geben zu können. Wenn man AI verwendet, muss man auch erklären können, wozu.“
Für mehr Informationen über den Executive MBA Digital Transformation & Data Science, klicken Sie bitte hier.
Für mehr Informationen über das Kurzprogramm Data Science, klicken Sie bitte hier.