Wie Sie ein erfolgreiches Datenkompetenzprogramm einführen

Datenkompetenz wird zu einer neuen Kernkompetenz für moderne digitale Unternehmen. Es ist logisch, dass in einer Welt mit immer mehr Daten die Unternehmen mit einer datenkompetenteren Belegschaft im Vorteil sein werden.

Datenkompetenz – die Fähigkeit, mit Daten zu arbeiten, sie zu analysieren und mit ihnen zu kommunizieren – hilft Menschen, Daten in einem Geschäftskontext zu verstehen, zu interpretieren und darauf zu reagieren, um die Geschäftsergebnisse zu optimieren.

Eine datenkompetente Belegschaft ist besser darauf vorbereitet, Erkenntnisse aus Daten zu gewinnen. So können Fachkräfte die Probleme, die für sie am wichtigsten sind, selbst lösen und Engpässe vermeiden, die entstehen, wenn nicht-technische Geschäftsanwender:innen gezwungen sind, sich auf IT- und Datenfachkräfte zu verlassen.

In diesem Leitfaden erfahren Sie mehr über die geschäftlichen Vorteile des Aufbaus eines Datenkompetenzprogramms, über Komponenten, die eine erfolgreiche Initiative ausmachen, und über Erfolgsgeschichten aus der Praxis, die Sie zu innovativen Weiterbildungsstrategien inspirieren werden.

Der Business Case für Investitionen in Datenkompetenz

Datenkompetenz verbessert nicht nur die Fähigkeiten der Beschäftigten, sondern beeinflusst auch die Unternehmensleistung positiv. Laut The Data Literacy Project führt die Verbesserung der Datenkompetenz zu einer Steigerung des Unternehmenswerts um 320 bis 534 Millionen US-Dollar gegenüber Unternehmen mit geringerer Datenkompetenz.

Die Vorteile einer datenkompetenten Belegschaft gehen über die Gewinne für das Unternehmen hinaus. Zu diesen Vorteilen gehören:

• Gesteigerte Produktivität: Die Verbesserung der Fähigkeit aller Beschäftigten, mithilfe von Daten Probleme zu lösen, kann Prozesse beschleunigen, die Entscheidungsfindung beschleunigen und Risiken mindern.
• Befähigung und Zufriedenheit der Belegschaft: Datenkompetente Mitarbeiter:innen investieren stärker in den Unternehmenserfolg und berichten über eine höhere Arbeitszufriedenheit.
• Verbesserte Zusammenarbeit: Datenkompetenz fördert eine Kultur der datengesteuerten Entscheidungsfindung über Teams hinweg und ein gemeinsames Verständnis der Geschäftsziele.
• Innovation und Wachstum: Beschäftigte, die mit Datenerkenntnissen ausgestattet sind, erkennen mit größerer Wahrscheinlichkeit verborgene Chancen, erkunden neue Ideen und teilen Erkenntnisse.

Einführung eines erfolgreichen Datenkompetenzprogramms

Um Beschäftigte im Umgang mit Daten weiterzubilden, bedarf es mehr als Ad-hoc-Trainings und Weiterbildungsmaßnahmen. Eine erfolgreiche Initiative erfordert ein gezieltes Programm mit definierten Zielen und Ergebnissen.

Wir haben die wichtigsten Komponenten eines Datenkompetenzprogramms zusammengestellt, das zu langfristigem Erfolg für Beschäftigte und das Unternehmen führt.

1. Führen Sie eine Analyse der Kompetenzlücken durch („Skills Gap Analysis“)

Um die Trainings, Ressourcen und Fähigkeiten zu bestimmen, die Sie für die Implementierung eines Datenkompetenzprogramms benötigen, müssen Sie die Lücke zwischen den Fähigkeiten Ihrer Mitarbeiter:innen und dem, was sie benötigen, um in einer datenkompetenten Umgebung erfolgreich zu sein, evaluieren.

Die Analyse von Kompetenzlücken hilft Ihnen dabei, Folgendes zu bestimmen:

• Welche Fähigkeiten Ihr Unternehmen benötigt, um Ihre Ziele zu erreichen
• Die Arten von Trainings, die Sie anbieten müssen
• Wer sollte verpflichtet sein, die einzelnen Fähigkeiten zu erlernen?

Datenkompetenz umfasst viele verschiedene Aspekte und reicht von der grundlegenden Dateninterpretation und statistischen Analyse bis hin zum Verständnis der Terminologie und der Erläuterung von Ergebnissen.

Beispielsweise müssen Sie möglicherweise sicherstellen, dass alle an Ihrem Datenkompetenzprogramm beteiligten Personen die grundlegende Dateninterpretation und statistische Analyse verstehen, aber nur den Data Analysts, die an Prognosen arbeiten, Trainings zu Machine Learning und Data Science anbieten.

Wenn Sie Ihre Ziele kennen, können Sie leichter bestimmen, was in Ihr Datenkompetenzprogramm aufgenommen werden muss. Nachdem Sie Ihre Analyse der Kompetenzlücken durchgeführt haben, überprüfen Sie sie zusammen mit Ihren Zielen und KPIs und nutzen Sie diese Gelegenheit, um sie nach Bedarf zu ergänzen und zu aktualisieren.

2. Schaffen Sie eine Taskforce für Datenkompetenz

Ihre Taskforce sollte aus einer guten Mischung aus internen Champions und Befürwortern bestehen, die Ihr Programm vorantreiben können.

Stellen Sie sich beim Aufbau des Teams die Frage, wer die besten Personen im Unternehmen wären, um bestimmte Fragen im Zusammenhang mit diesem Programm zu beantworten.

So stellen Sie ein Team zusammen, das Ihr Unternehmen bei diesem Unterfangen ermutigt und anspornt:

Wählen Sie ein vielfältiges Team aus Fachleuten und Stakeholdern aus, einschließlich Team-Befürwortern.

Denken Sie daran, dass eine Mischung aus einem Top-Down- und einem Bottom-Up-Ansatz, bei der Mitarbeiter:innen wie ein Data Analyst einbezogen werden, der sich für andere einsetzen kann, dazu beiträgt, den Erfolg Ihres Programms sicherzustellen.

Definieren Sie Rollen und Verantwortlichkeiten innerhalb der Taskforce.

Beziehen Sie Personen ein, die die Implementierung beaufsichtigen, einschließlich Analysesoftware, Kursen und Lernmaterialien sowie Mentoren.

Bestimmen Sie, woher die Finanzierung für Initiativen kommen soll.

Während für einige Ressourcen Ausgaben erforderlich sind (z. B. Software), sind andere möglicherweise kostenlos, z. B. Kurse und Communitys von Anbietern.

Identifizieren Sie den Grad der Kompetenz, den jede Person/jedes Team/jede Abteilung benötigt.

Es ist wichtig, die Bedürfnisse derjenigen zu berücksichtigen, die die Informationen in ihrer Funktion nutzen werden. Es wird Leute in Ihrem Team geben, insbesondere in der Führungsebene, die die erhaltenen Informationen nutzen, um Entscheidungen zu treffen.

Sie müssen sich zwar nicht mit Data Science oder Machine Learning auskennen, müssen aber bestimmte Begriffe und Konzepte verstehen, um die Informationen für Entscheidungen nutzen zu können. Stellen Sie also sicher, dass Ihre Taskforce für Datenkompetenz eine Person umfasst, die sich auf Trainings und die Bereitstellung von Ressourcen für die Vermittlung von Daten an andere Teams konzentrieren kann.

3. Entwerfen Sie ein umfassendes Datenkompetenzprogramm.

Einer der Hauptgründe für das Scheitern von Datenkompetenzprogrammen ist ein einheitlicher Ansatz. Bei der Erstellung Ihres Lehrplans für Datenkompetenz sollten Sie sich bemühen, einen mehrstufigen Lehrplan zu erstellen, der auf den Bedürfnissen der Einzelperson und der Gruppe basiert.

Es ist wichtig, die unterschiedlichen Erfahrungen und Kenntnisse Ihrer Teams zu berücksichtigen. Darüber hinaus sollten Sie, wenn Sie Ihren Beschäftigten Trainings zur Datenanalyse anbieten, auch darüber nachdenken, Ihnen Trainings für die Kommunikation und Präsentation von Ideen und Konzepten anzubieten.

Hier ist eine Liste weiterer Bildungsaspekte, die Sie bei der Entwicklung eines Lehrplans berücksichtigen sollten:

• Interpretieren von Ergebnissen und analytischen Begriffen
• Erläutern von Konzepten für nicht-technische und technische Zielgruppen
• Visualisierung von Erkenntnissen für Berichte und Präsentationen
• Festlegen, wann Machine Learning und Data Science auf die Entscheidungsfindung angewendet werden sollen und wann nicht

4. Wählen Sie Ihre Trainingsmethoden.

Wie bei der Auswahl eines Lehrplans sollte auch die Auswahl einer Trainingsmethode und von Tools keine Einheitslösung sein. Damit Ihr Datenkompetenzprogramm die besten Erfolgschancen hat, ist es entscheidend, dass Sie geeignete Trainingsmethoden, -formate und -tools für Ihre Teams auswählen.

Ziel ist es, Menschen zu befähigen und zu motivieren, das Programm anzunehmen und zu lernen. Dazu benötigen die Menschen Formate, die zu ihren Lernstilen passen.

Zu den bevorzugten Lernformaten gehören:

• Selbstständiges
• Geplant oder zeitlich festgelegt
• Individualisierte Pfade
• Gruppen- oder Community-Pfade
• Lektüre von Lektionen und Ressourcen
• Praktisches Lernen mit Produkten

Wenn Sie sich mit den Lernstilen beschäftigen, sollten Sie auch Folgendes tun:

• Vergleichen Sie Präsenz-, Online- und Blended-Learning-Ansätze.
• Evaluieren Sie verschiedene Trainingsplattformen und -tools für Datenkompetenz.
• Passen Sie Trainingsmaterialien für verschiedene Rollen und Abteilungen an.
• Legen Sie einen Zeitplan und Meilensteine für das Programm fest.
• Kommunizieren Sie die Ziele und Erwartungen des Programms an die Beschäftigten.
• Stellen Sie während des Programms kontinuierliche Unterstützung und Ressourcen für Beschäftigte sicher.

Unabhängig von Ihrem Lernformat und Ihrem Setup müssen Sie die aktuelle Arbeitslast Ihres Unternehmens berücksichtigen. Möglicherweise ist Ihr Unternehmen bereits stark ausgelastet, und ein neues Lernprogramm kann zu Spannungen und Ermüdung führen.

5. Integrieren Sie benutzerfreundliche Analysetools.

Sobald die Fachleute in Ihrem Unternehmen im Umgang mit Daten geschult sind, können sie sich der wahren Superkraft zuwenden: der Anwendung von Datenerkenntnissen auf die tägliche Entscheidungsfindung mithilfe von Analysen.

Eine der effektivsten Möglichkeiten, Erkenntnisse für nicht-technische Benutzer:innen zu ermöglichen, ist die Verwendung eines benutzerfreundlichen No-Code-Analysetools. Sie sollten nach automatisierten Self-Service-Tools Ausschau halten, die es Mitarbeiter:innen ermöglichen, ihre eigenen Workflows zu erstellen und Datenmuster und Erkenntnisse zu verstehen.

Lösungen, die auch automatisierte Berichtsdienste wie Dashboards, Grafiken und Diagramme sowie die Möglichkeit bieten, Berichte automatisch zu planen und zu senden, sind von Vorteil.

6. Messen Sie die Wirkung Ihres Datenkompetenzprogramms.

Unabhängig davon, ob Sie die mit Ihrem Datenkompetenzprogramm verfolgten Geschäftsziele erreichen oder übertreffen, werden Sie weitere Möglichkeiten benötigen, um die Auswirkungen Ihres Programms zu messen und seine Effektivität zu bewerten.

Es ist eine gute Idee, KPIs festzulegen, die Ihnen helfen, den Gesamtbeitrag Ihres Programms für Ihr Unternehmen zu bewerten. Einige KPIs können sein:

• Prozentsatz der weitergebildeten Personen
• Projektabschlusszeit
• Prozentsatz der verfügbaren Datenquellen (vorher und nachher)
• Prozentsatz der Entscheidungen, die mithilfe von Advanced Analytics getroffen wurden (vorher und nachher)
• Effizienzsteigerungen, Kosteneinsparungen und Umsatzgenerierung (vorher und nachher)

Wenn Sie diese Metriken jetzt nicht verfolgen, kann es schwierig sein, eine Ausgangsbasis zu schaffen, mit der Sie später vergleichen können. In diesem Fall sind Schätzungen in Ordnung, aber versuchen Sie, so schnell wie möglich eine Ausgangsbasis zu erstellen.

Der Schlüssel hier ist, den Wert Ihrer Bemühungen sowie den Fortschritt zu demonstrieren – und hoffentlich auch den Erfolg!

Erfolgsgeschichten zur Datenkompetenz

Nachdem Sie nun Best Practices für die Entwicklung eines Datenkompetenzprogramms und Methoden zur Erfolgsbewertung kennengelernt haben, sehen wir uns anhand von Beispielen aus der Praxis an, wie Erfolg aussieht.

Westrock

Westrock ist ein weltweit führender Anbieter von nachhaltigen Verpackungen mit mehr als 500 Produktionsstätten in 40 Ländern weltweit.

Westrock hat den Einsatz von Alteryx, einem automatisierten Analysetool, in der Finanzabteilung pilotiert, bevor es die Initiativen zur Datenkompetenz auf das gesamte Unternehmen ausweitete.

Die Verantwortlichen für Analyse und Innovation bei Westrock setzten eine Reihe von Trainingsmethoden und -stilen ein, die weiter oben in diesem Leitfaden erwähnt wurden, um die Mitarbeiter:innen weiterzubilden, daunter:

• Data-Analytics-Roadshows, um Begeisterung für automatisierte Analysefunktionen zu wecken
• Grundlegende Trainings- und Zertifizierungs-Sessions innerhalb der Geschäftsbereiche
• Workshops mit Alteryx Customer Success Managern
• Gamifizierte Analyse-Challenges unter Beschäftigten

Hören Sie sich diesen Podcast mit Jay Harter, Senior Manager of Self-Service Analytics bei Westrock, und LaShell Estes, Senior Manager of Finance Innovation bei Westrock, an, um sich inspirieren zu lassen und mehr darüber zu erfahren, wie sie ein erfolgreiches Programm zur Förderung der Datenkompetenz implementiert haben.

Jones Lang LaSalle  

Das BI- und Performance-Team von Jones Lang LaSalle (JLL), einem weltweit tätigen Unternehmen für Gewerbeimmobilien, entschied sich für Alteryx, um Analysen zu automatisieren und die digitale Transformation zu beschleunigen.

Um die Akzeptanz der No-Code-Analyseplattform im gesamten Unternehmen zu verbessern, entwickelte das Team ein Gamification-Programm namens „ Alteryx Adventure“.

Erfahren Sie mehr darüber, wie Gamification die Nutzung von Alteryx durch globale Teams verdoppelt hat und so zu einer Steigerung des Mitarbeiterengagements, einer verbesserten Produktivität und einer Risikominderung beigetragen hat.

Bank of America

Die Bank of America hat eine Alteryx User Group ins Leben gerufen, um die Nutzung automatisierter Analysen zu unterstützen und die betriebliche Leistung im gesamten Unternehmen zu verbessern. Die User Group umfasst zentralisierte Ressourcen, die es Geschäftsanwender:innen erleichtern, sich im Bereich Analysen weiterzubilden und manuelle Finanzprozesse zu automatisieren – ein Hauptziel des Operational Excellence Program des Unternehmens.

Sehen Sie sich dieses Video mit David Hardister an, um mehr zu erfahren. Er ist Automation Lead bei der Bank of America und interner Verantwortlicher der Alteryx User Group.

Fazit

Die Einführung eines erfolgreichen Datenkompetenzprogramms ist nicht einfach, kann aber zu wertvollen Geschäftsergebnissen, höherer Prozesseffizienz und Mitarbeiterzufriedenheit führen.

Hier erfahren Sie mehr darüber, wie Sie mit unternehmensweiter Datenkompetenz erfolgreich sein können.

Wenn Sie möchten, dass Ihr Team seine neuen Datenkenntnisse sinnvoll nutzt, anstatt nebensächliche und zeitaufwendige Aufgaben zu erledigen, lesen Sie den Leitfaden zur Automatisierung von Geschäftsprozessen für Analyse-Verantwortliche.

Sie und Ihr Team können Alteryx auch kostenlos testen! Nutzen Sie jetzt die No-Code Lösung mit Drag & Drop-Bedienung und erleben Sie, wie einfach es ist, innerhalb von Minuten von Daten zu Entscheidungen zu gelangen.  Beginnen Sie Ihre 30-tägige Testversion.