Data Driven Decision Making – Schritt für Schritt zur ganzheitlichen DDDM-Kultur

Im zweiten Teil der Papershift Expert Series zum Thema Data Driven Decision Making dreht sich alles um die Einführung der ganzheitlichen DDDM-Kultur in einer Organisation. Angefangen von grundlegenden Routinen und Gewohnheiten über eine Ist-Analyse bis hin zu konkreten Schritten gibt Papershift CEO Michael Emaschow einen Einblick in den erfolgreichen Transformationsprozess.

Datengetriebenes Denken muss zur Routine werden

Wer im Leben wirklich einen dauerhaften Erfolg erzielen möchte, muss sich gewisse Routinen zu eigen machen. Möchtest du etwa Muskeln aufbauen oder überschüssige Pfunde loswerden, bringt es wenig, entsprechende Bücher zu lesen, ab und zu gesund zu essen oder sporadisch zu trainieren. Seinen Traumkörper erreicht nur derjenige, der Tag für Tag nach einem routinierten Konzept an seinem Ziel arbeitet.

Was im Hinblick auf die körperliche Fitness ein regelmäßiger Trainingsplan und eine Ernährungsumstellung mit festen Mahlzeiten ist, sind in Sachen ganzheitliche DDDM-Kultur entsprechende Verhaltensroutinen in der Organisation. Dabei ist die Routine, die Michael bei Papershift etablieren wollte simpel: „Letztlich ging es mir hier um eine Gewohnheit, die ich in der Organisation haben wollte, dass das Team sich regelmäßig Zahlen anguckt und mit Zahlen arbeitet.“

Als Ausgangsbasis kommen hier bereits vorhandene Gewohnheiten als Ankerpunkte wie gerufen. Die Erfahrungen von Papershift zeigen, dass die bereits vorhandenen Weekly-Strukturen genau diesen Ansatzpunkt erfüllt haben. Die regelmäßigen Meetings, die ohnehin zur Besprechung aktueller Ereignisse dienten, wurden schlicht um die „Zahlenarbeit“ ergänzt. So etwa kann am Anfang jeden Meetings mittels Dashboard der gemeinsame Blick auf den Zahlen liegen.

Das bringt alle Beteiligten dazu, sich proaktiv mit den Daten zu beschäftigen und ihre Entwicklung mit den Vorwochen zu vergleichen. Wie Michael selbst feststellen musste, ist das allerdings nur ein erster Schritt. „Das Team hat die Zahlen konsumiert, aber nicht damit weitergearbeitet“, führt Papershift-Experte Michael aus. Um genau das zu ändern und den nächsten Schritt zu tun, ist eine Ist-Analyse notwendig.

Ohne Verständnis von Mechanismen und Zusammenhängen geht gar nichts

Die bloße Präsentation von Zahlen bringt nur wenig, wenn Zusammenhänge und konkrete Auswirkungen nicht klar ersichtlich sind. Dieses Verständnis erlangst Du aber nur, wenn Du Dich damit beschäftigst, welche Auswirkungen es hat, wenn Du den einen oder anderen Parameter veränderst.

Wie etwa steht es um die Umsatzrendite, wenn die Conversion Rate bei Produkt A um zwei Prozentpunkte steigt oder fällt? Welche Conversion Rate muss erreicht werden, damit bei Dienstleistung C der Break Even Point sicher erreicht wird? Diese Beispiele ließen sich ewig fortsetzen.

Sie zeigen allerdings, worauf es ankommt: Auf das eigenständige Erleben der Zusammenhänge. Dadurch wird jedem Mitarbeiter klar, welche Mechanismen in seinem Einflussbereich greifen, woraus sich vergleichsweise leicht Entscheidungen für optimale Ergebnisse ableiten lassen.

Immerhin ist dank des „Learning by doing“-Ansatzes klar, was wann passiert und welche Warnsignale unbedingt zu beachten sind. Auf diese Weise kann schon beim Auftreten erster Warnsignale gegengesteuert werden, noch bevor ein suboptimales Szenario erst im Rahmen eines Abschluss-Reports erkannt wird.

Kostenlos anmelden

Papershift - Ihre Organisation in der Cloud

• Dienstpläne erstellen
• Arbeitszeiten erfassen
• Urlaub planen
• Lohnabrechnungen erstellen
• Arbeitsdaten analysieren

Testen Sie Papershift 14 Tage kostenlos & unverbindlich

Jetzt 14 Tage kostenlos testen Live Demo vereinbaren

Übergang vom Forecast zur Data Driven Decision

Das eigenständige Erarbeiten von Zusammenhängen im Rahmen des Reporting-Prozesses ist jedoch nur der erste von zwei Teilschritten. Der zweite Schritt, den Michael bei Papershift forciert hat, ist der Forecast durch das Team. Im Fokus steht dabei die Fragestellung, was der Plan der Organisation ist und welche Ziele in einem bestimmten Zeitraum erreicht werden sollen.

Diese Ziele lassen sich nicht nur auf langfristige Ziele, wie etwa das Erzielen der Marktführerschaft, beziehen, sondern auch auf kleinere Ziele, wie jährliche Gewinnziele, oder auf die Quartalsumsätze herunterbrechen. Auf Basis der Kenntnisse über die Ursache-Wirkungs-Beziehungen läuft so alles auf die Ableitung des konkreten Entscheidungsprozesses hinaus.

Wie muss eigentlich jeder Tag aussehen, damit wir dahin kommen, unser Ziel erreichen?

Michael EmaschowPapershift CEO

Fragen wie diese bilden laut Papershift-Experte Michael den direkten Übergang zur zielorientierten Data Driven Decision entsprechend der Business Strategy. Infolge des Prozesses gelangt ein so routiniertes Team zu dem Verständnis, an welchen Stellschrauben zu drehen ist und welche die größten Hebel sind.

Der Decision Making Process

Wenn einmal das Bewusstsein für ein datengetriebenes Handeln grundsätzlich klar und in der Organisation akzeptiert ist, kann es an die Umsetzung gehen. Aber wie lässt sich sicherstellen, dass der Fokus aller Business Decisions zum Erreichen von Business Goals auf den Daten bleibt und nicht ins Reich der Intuition abdriftet? Dazu kannst Du Dich an den Schritten des Decision Making Process orientieren:

Schritt 1: Sei dir über Deine Business-Ziele im Klaren

Um zu wissen, was Du mit den erhobenen Daten anfangen musst bzw. welche Daten Du überhaupt in der Data Analysis beachten musst, solltest Du Dir über Dein Ziel klar sein. Dazu muss definiert werden, welche Ziele eine Organisation kurz-, mittel- und langfristig verfolgt. Das kann etwa die Erhöhung des Website-Traffics, die Steigerung des Umsatzes in einer bestimmten Sparte oder die Optimierung der Brand Awareness sein.

Schritt 2: Identifiziere Deine Datenquellen

In einem zweiten Schritt ist für die ganzheitliche DDDM-Kultur der Data Collection Process entscheidend. Hierzu müssen die notwendigen Datenquellen identifiziert und die daraus abzuleitenden Variablen abgeleitet werden.

Wichtig bei der Auswahl von Variablen und Datenquellen ist die mehrfache Nutzbarkeit. So sollte beides nicht nur akut, sondern auch für zukünftige Fragestellungen nutzbar sein. Nur so ist Data Driven Decision Making besonders nachhaltig.

Schritt 3: Sammle Deine Daten und bereite die notwendigen Daten auf

Ist der Grundstein gelegt, geht es mit dem entscheidenden Schritt der Datensammlung und deren Organisation weiter. Überraschenderweise verbringen Experten für Data Analysis und Data Analytics rund 80 Prozent ihrer Zeit mit genau diesem Schritt. Das unterstreicht seine Bedeutung und zeigt, das gut ausgebildetes Personal für das Data Cleaning beim Data Driven Decision Making essenziell ist.

Ein wichtiger Aspekt dabei ist, dass ein Data Analytics Katalog für den Decision Making Process erstellt wird. Darin muss für jede Variable eine Übersetzung vorhanden sein, was sie im Kontext des Projekts bzw. für die einzelne Business Decisions bedeutet. Damit ist schließlich die Basis für fundierte und datengetriebene Business Decisions gelegt.