Thomas Edison und Steve Jobs gelten als Genies, die den Erfolg magisch anzogen. In Wahrheit waren sie Entscheider, die auf evidenzbasierte Methoden setzten – auf strukturierte Daten statt reines Bauchgefühl oder das Festhalten an bewährten Best Practices.
Denn was gestern funktionierte, kann morgen überholt sein.
Und auch sich auf einzelne Führungskräfte zu verlassen, ist nicht nachhaltig erfolgreich. Was passiert, wenn die erfolgreiche Führungskraft das Unternehmen verlässt oder der Erfolg ausbleibt?
Die Lösung sind evidenzbasierte Entscheidungen in einem datengetriebenen Unternehmen. Mit konkreten Schritten kann eine Unternehmenskultur auf eine erfolgreiche Entscheidungsbasis fokussiert werden.
Evidenzbasiert: Entscheiden mit Daten
Wenn in Unternehmen ein Entscheid getroffen werden muss, setzt sich oft die Meinung der ranghöchsten Person durch. Man spricht von einem «HiPPO-Entscheid»: die Highest Paid Person’s Opinion. Dieses Modell ist weit verbreitet – leider. Denn auf Dauer ist die Folge ein steigendes Risiko nicht korrigierbarer Fehlentscheide.
“Evidenzbasierte Entscheide basieren auf Daten und Fakten, nicht auf der Position der entscheidenden Person im Unternehmen.”
Peter Spörri, Senior Consultant & Partner @ panter.consulting
Die Alternative sind Entscheide auf Basis einer transparenten Datengrundlage. Richtig umgesetzt, haben alle involvierten Personen im Unternehmen die gleichen Informationen zur Verfügung und können darauf beruhend wertorientierte und für alle nachvollziehbare Entscheide treffen.
Datengetriebenes Unternehmen
Der erste Schritt zu evidenzbasierten Entscheiden ist daher das Schaffen einer gemeinsamen Datenbasis. Dafür müssen alle Daten aus unterschiedlichen operativen Systemen wie dem CRM, der Produktionsplanung, der Steuerung etc. aggregiert und bereinigt werden – so werden aus reinen Daten verwertbare Informationen.
Auf Basis dieser Informationen lassen sich Experimente durchführen, um in kleinen Schritten die strategischen Ziele der Business-Unit oder des ganzen Unternehmens zu erreichen.
Schematischer Prozess eines Data Science Projekts
Konstante Experimente
Entscheidend für den Erfolg dieser Experimente ist deren konstante Evaluation. Dazu ist es wichtig, von Anfang an die Messbarkeit jedes Experimentes sicherzustellen. Das heisst, es braucht eine Hypothese, die mit messbaren Daten bestätigt oder falsifiziert werden kann.
Experimente sind kein einmaliges Ereignis, sondern durchlaufen ständige Iterationen. Hier sind die vier Schritte eines Experiment-Kreislaufes:
- Hypothese aufstellen: Basierend auf Erfahrungswerten wird eine Idee formuliert, wie das Ziel erreicht werden kann. Inklusive Möglichkeiten, den Erfolg des Experiments zu messen.
- Experiment durchführen: Eine Veränderung im Rahmen der Hypothese wird implementiert, die Resultate anhand der definierten Kriterien gemessen.
- Resultate prüfen: Hat die Veränderung die Resultate verbessert oder nicht?
- Ziele und Vorgehensweise anpassen: Mit den neuen Informationen aus den Auswertungen wird die Vorgehensweise angepasst und weiterentwickelt. Auch das Ziel wird in diesem Schritt hinterfragt und – wenn nötig – geschärft oder verändert.
Experiment-Loop für datengetriebene Unternehmen
Wie sieht eine evidenzbasierte Unternehmenskultur aus?
Die Basis eines datengetriebenen Unternehmens ist der einfache Zugang aller zu gemeinsamen Daten. Nur wenn Informationen und Wissen strukturübergreifend verfügbar sind, können sie ihren Wert entfalten – das Horten von Daten in Abteilungen und Silos ist der direkte Gegenspieler jeder evidenzbasierten Kultur.
Klare Ziele
Sind die Daten verfügbar, braucht es klare Zielsetzungen. Wenn alles Priorität hat, hat nichts Priorität. Die Unternehmensführung muss also KPIs setzen, entscheiden, welche Daten wichtig sind, und immer bereit sein, den Status Quo zu hinterfragen.
Die eigene Intuition der Führungskräfte kann durchaus ein guter Ausgangspunkt für diesen Punkt sein – wenn sie folgende Frage beantworten: «Mit welchen Zahlen und Fakten kann ich mein Bauchgefühl sinnvoll prüfen und es bestätigen oder widerlegen?»
Sinnvolle Datenarchitektur
Neben den Zielen muss klar sein, welche Daten gesammelt werden sollen, wie, wo und mit welchen Tools das geschehen soll. Daneben muss die Zugriffslogik definiert werden. Damit ist sichergestellt, dass alle, die dürfen, die Daten einsehen, während die Datensicherheit gewährleistet bleibt.
Zugang und Kenntnis
Mitarbeiterinnen und Mitarbeiter müssen gezielt informiert und geschult werden: Welche Daten stehen überhaupt zur Verfügung, warum sind diese Daten wichtig, wo und wie bringen sie einen Nutzen in den Abläufen und Entscheidungen? Wenn Führung und Belegschaft die neue Datenarchitektur aktiv nutzen, wird neue Energie frei, die zuvor in alten Prozessen gebunden war.
“Durch die neuen Daten und Informationen entfällt in vielen Fällen zum Beispiel das zeitaufwändige und fehleranfällige Pflegen von komplexen Spreadsheets. Das ist eine willkommene Entlastung für viele Mitarbeitende und sorgt für schlankere Prozesse.”
Peter Spörri, Senior Consultant & Partner @ panter.consulting
4 Vorteile einer evidenzbasierten Unternehmenskultur
- Die Qualität der Entscheidungen steigt, wenn sie auf rationaler, datengestützter Basis erfolgen, statt auf Basis des Bauchgefühls oder der persönlichen Erfahrung einzelner Mitarbeitender.
- Viele Prozesse, beispielsweise im Reporting & Controlling werden schneller, einfacher und günstiger, da die Datenarchitektur eine effizientere Alternative zu alten und komplizierten Spreadsheets darstellt.
- Jegliche Fortschritte sind immer mess- und verifizierbar. Abweichungen können schnell identifiziert und korrigiert werden.
- Das Unternehmen und die einzelnen Entscheidungsträger können sich konstant weiterentwickeln.
Evidenzbasierte Unternehmenskultur in der Praxis
Wenn sich Unternehmen dazu entschliessen, besser zu entscheiden, bleibt die Frage nach dem «Wie?». Die vier Eckpfeiler einer gelungenen Unternehmenskultur sind:
1. Führung von vorne
Wie immer gilt: Die Unternehmensführung geht mit gutem Beispiel voran. Nur wenn die Top-Riege im Unternehmen glaubhaft Entscheide auf Datenbasis fällt, kann dasselbe auch von Mitarbeiterinnen und Mitarbeitern verlangt werden. Die Führungsebene beginnt mit kleinen Pilotprojekten, die den Wert der Unternehmung aufzeigt und als interne Case Study dient.
2. Zentrale Zuständigkeit
Wenn jede Abteilung für sich denkt und entscheidet, kommen keine unternehmensweiten Systeme zustande. Eine Möglichkeit ist eine Position zu schaffen, deren Aufgabe es ist, einen übergreifenden, automatisierbaren Prozess für Daten im Unternehmen zu schaffen. Dies hilft, lokale Einzellösungen und Dateninseln zu vermeiden und eine/n Ansprechpartner/in für die Transformation zu benennen.
3. Grundlagen schaffen
Mitarbeiterinnen und Mitarbeiter müssen nicht nur geschult, sondern auch gewonnen werden: Dabei können auf einzelne Bereiche begrenzte Pilotprojekte helfen, die an echten, lokalen Problemen arbeiten und den Nutzen von evidenzbasierten Entscheiden demonstrieren. Dieses lässt sich danach als Case Study aufbereiten, die intern als Schulungsgrundlage und Leuchtturmprojekt gilt.
4. Fehlerkultur leben
Eine grosse Herausforderung ist die Kultur von Fehlern und Zusammenarbeit im Unternehmen. Ein Grund, warum Daten oft lokal gehortet werden, ist, weil die Auswertung anderen Macht über die eigene Abteilung verleiht – was, wenn andere Fehler oder mangelnde Effizienz entdecken? Aus Angst von Transparenz kann das gesamte Projekt scheitern. Daher ist es wichtig, eine positive Fehlerkultur im Unternehmen zu beweisen.
Was heisst das? Fehler sind erlaubt, und es geht im Nachhinein niemals darum, jemanden blosszustellen oder «Schuldige» zu suchen. Vielmehr folgt auf jeden Fehler eine genaue Analyse, wie er passieren konnte und wie man die Prozesse verbessern kann, um ihn künftig auszuschliessen.
Sind die vier Eckpfeiler etabliert, lässt sich die neue Kultur Schritt für Schritt im andern Bereichen und Abteilungen verbreiten, bis das gesamte Unternehmen evidenzbasiert zusammenarbeitet.
Beispiel-Case: Aufbau eines «Science Teams» bei AIG
Im Jahr 2012 sah Peter Hancock, CEO des Versicherungsriesen AIG, eine grosse Chance. Evidenzbasierte Entscheide hatten das Potenzial, in der nach wie vor von individuellen Expertisen und Einschätzungen geprägten Branche grosse Wettbewerbsvorteile generieren. So wurde das «Science Team» ins Leben gerufen. Innerhalb von knapp zwei Jahren war es auf über 100 Personen angewachsen – von Mathematikerinnen und Datenwissenschaftern bis zu Verhaltensökonominnen und Psychologen.
Das neue Team schuf die Datengrundlagen für evidenzbasierte Entscheide in der gesamten Organisation, legt darüber hinaus aber auch den Fokus auf dem Erkennen von neuen Geschäftsmodellen, dem Wissenstransfer und dem Change Management hin zu einem datengetriebenen Unternehmen.
Erfolge stellten sich schnell ein, zum Beispiel durch die Entwicklung von neuen und leistungsstärkeren Tools zur automatischen Erkennung von Versicherungsbetrug. Zugleich waren von Anfang an Test im Gange, die das Geschäftsmodell langfristig verändern könnten, z.B. durch den Einsatz neue Technologien und Sensoren bei der Schadensberechnung.
Schlüsselfaktoren für den Erfolg des «Science Team» waren:
- Konzentration auf Fragestellungen, die für das Unternehmen wichtig sind.
- Unterstützung des Wandels und Lernprozesses im gesamten Unternehmen mit Tools und Workshops.
- Einbindung von Early Adopters im Unternehmen und bei direkten Ansprechpartnern, um Erfolge rasch sichtbar zu machen.
- Aufbau eines Portfolios von Initiativen, das ständig weiterentwickelt wird, statt des Fokus auf einzelne Ansätze.
- Schnelle und iterative Entwicklungsschritte bei den Initiativen, da die Umsetzung den grösstmöglichen Lerneffekt schafft. Auch wenn die erste Version noch nicht perfekt ist.
- Planung von Initiativen für kurz- mittel- und langfristigen Impact mit unterschiedlich grossen potenziellen Auswirkungen auf das Kerngeschäft.
Evidenz lernen: Beratung zum Erfolg
Ein Transformationsprozess hin zum datengetriebenen Unternehmen kann eine grosse Herausforderung sein. Unternehmensberatungen und Coaches bieten daher Wege an, Sie durch den Prozess zu begleiten. Das Angebot ist gross – doch welche Techniken und Angebote helfen wirklich?
Wir bei Panter setzen auf eine Handvoll Techniken, die wir in der Praxis erfolgreich erprobt haben: Wir beginnen mit einem «Walkthrough», bei dem wir Sie durch den gesamten Prozess führen, gefolgt von einem individuellen «Paint Point & Solutions» Workshop, bei dem wir gemeinsam Ihre Herausforderungen analysieren.
Wir bieten zudem technische Reviews — etwa eine Prüfung Ihrer bestehenden Datenarchitektur — und gezielte Workshops zu übergreifenden Themen wie «Design with Data».
Jede Beratung ist individuell. Probieren Sie es aus: Kontaktieren Sie uns kostenlos und unverbindlich.
