- Datengetrieben (Data-Driven) bezeichnet einen Entscheidungsansatz, bei dem Fakten, Kennzahlen und Daten strategische Geschaftsentscheidungen leiten und intuitions- sowie erfahrungsbasierte Entscheidungsmodelle ersetzen[1]
- Eine McKinsey-Studie zeigt: Datengetriebene Unternehmen erzielen eine 23-fach hohere Kundengewinnungsrate und eine 19-fach hohere Rentabilitat[3]
- Dennoch stellt Gartner fest, dass 65 % der Organisationen Daten lediglich zur Bestatigung bereits getroffener Entscheidungen nutzen, anstatt Entscheidungen tatsachlich datengetrieben zu treffen[7]
- Aktuelle Lage in Taiwan: 76 % der Fuhrungskrafte verfolgen den AI-Trend, doch 90 % der Unternehmen suchen noch nach dem richtigen Einstiegspunkt fur AI-Anwendungen[8]
1. Was bedeutet datengetrieben?
„Datengetrieben" (Data-Driven) ist eine Entscheidungsmethodik: Anstatt sich auf Intuition, Erfahrung oder die Meinung des Vorgesetzten zu verlassen, werden Daten gesammelt und analysiert, um Fakten aufzudecken und darauf basierend Entscheidungen zu treffen.[1]
IBM definiert datengetriebene Entscheidungsfindung (DDDM) als einen Ansatz, der die Nutzung von Daten und Analysen zur Fundierung geschaftlicher Entscheidungen betont -- anstatt auf Intuition zu setzen.[1] Die Harvard Business School weist darauf hin, dass mit den wachsenden Moglichkeiten zur Erhebung und Nutzung digitaler Informationen Fuhrungskrafte ihre Entscheidungsmethoden andern -- weg von der Intuition, hin zu den Daten.[2]
Einfach ausgedruckt: Datengetrieben = Mit Fakten argumentieren, nicht mit Bauchgefuhl.
2. Das DIKW-Framework: Von „Rohdaten" zu „klugen Entscheidungen"
Um datengetriebenes Arbeiten zu verstehen, muss man zunachst die DIKW-Pyramide kennen -- sie beschreibt, wie Daten schrittweise in handlungsfahige Weisheit umgewandelt werden:
| Ebene | Englisch | Beschreibung | Beispiel |
|---|---|---|---|
| D -- Daten | Data | Unverarbeitete Rohbeobachtungen | „Umsatz im Februar: 1,2 Mio." |
| I -- Information | Information | Organisierte, kontextualisierte Daten | „Umsatz im Februar um 15 % gegenuber dem Vorjahr gestiegen" |
| K -- Wissen | Knowledge | Kombinierte Analyse mehrerer Informationsquellen | „Umsatzwachstum stammt hauptsachlich von Neukunden, die Wiederkaufsrate ist um 8 % gesunken" |
| W -- Weisheit | Wisdom | Hochste Ebene der Urteilsbildung und Entscheidungsfindung | „Die Reaktivierung von Bestandskunden sollte Prioritat haben, statt die Neukundengewinnung weiter auszubauen" |
Die meisten Unternehmen stecken in der Phase D → I fest -- sie sammeln grosse Mengen an Daten, verwandeln diese aber nicht in handlungsfahiges Wissen und Weisheit.
3. Sechs Schritte zur datengetriebenen Entscheidungsfindung
Basierend auf den Methodiken von IBM und Tableau konnen Unternehmen die folgenden sechs Schritte fur eine datengetriebene Entscheidungsfindung umsetzen:[1][4]
- Ziel definieren: Klar festlegen, welche Geschaftsfrage beantwortet werden soll
- Daten erheben: Relevante interne und externe Datenquellen identifizieren und zusammentragen
- Bereinigen und organisieren: Daten bereinigen, fehlende Werte behandeln, Datenqualitat sicherstellen
- Analysieren und visualisieren: Statistische Methoden und Visualisierungstools nutzen, um Muster zu erkennen
- Erkenntnisse gewinnen: Aus den Analyseergebnissen handlungsfahige Empfehlungen ableiten
- Umsetzen und auswerten: Auf Basis der Erkenntnisse handeln und die Ergebnisse kontinuierlich verfolgen
4. Datengetrieben vs. nicht datengetrieben: Die Zahlen sprechen fur sich
Forschungsdaten zeigen eindeutig, dass datengetriebene Unternehmen in allen Bereichen deutlich besser abschneiden als Unternehmen, die weiterhin auf Intuition setzen:
| Kennzahl | Vorteil datengetriebener Unternehmen | Quelle |
|---|---|---|
| Kundengewinnung | 23-fach hoher | McKinsey[3] |
| Rentabilitat | 19-fach hoher | McKinsey[3] |
| Kundenbindung | 6-fach hoher | McKinsey[3] |
| Umsatzwachstum | Durchschnittlich +8 % | BARC[6] |
| Kostensenkung | Durchschnittlich -10 % | BARC[6] |
| Jahrliches Umsatzwachstum | Uber 30 % | Forrester[11] |
Die Wavestone-Umfrage von 2024 zeigt zudem, dass der Anteil der Unternehmen mit einer etablierten datengetriebenen Kultur von 21 % auf 43 % gestiegen ist -- die grosste Verbesserung in der 12-jahrigen Geschichte dieser Erhebung.[5]
5. Praxisbeispiele internationaler Unternehmen
5.1 Netflix: Empfehlungsalgorithmus spart 1 Milliarde Dollar jahrlich
Das Empfehlungssystem von Netflix ist fur 75--80 % der Sehzeit verantwortlich -- das heisst, die uberwiegende Mehrheit der Nutzer sieht Inhalte, die nicht selbst gesucht, sondern vom Algorithmus empfohlen wurden. Dieses personalisierte Empfehlungssystem spart Netflix jahrlich uber 1 Milliarde Dollar an Abonnement-Kundigungsverlusten.
5.2 Amazon: Datengetriebene Lieferkette senkt Kosten um 25 %
Amazon nutzt pradiktive Analysen fur Echtzeit-Bestandsverfolgung, Logistikroutenoptimierung und Nachfrageprognosen und hat so die Logistikkosten um 25 % gesenkt und in den meisten Regionen eine Lieferung am selben Tag ermoglicht.
5.3 Starbucks: Standorterfolgsquote uber 90 %
Starbucks nutzt eine datengetriebene Standortstrategie und erreicht eine Erfolgsquote bei Neueroeffnungen von uber 90 %. Gleichzeitig erzielen personalisierte Marketingkampagnen eine dreifach hohere Konversionsrate als generische Werbeaktionen.
6. Die datengetriebene Situation taiwanesischer Unternehmen
Die Unternehmenstransformationsstudie 2024 von PwC Taiwan umfasst uber 8.000 Fragebogen aus sieben Branchen und zeigt folgendes Bild:[8]
- 76 % der taiwanesischen Fuhrungskrafte verfolgen aufmerksam den AI-Trend
- Jedoch suchen 90 % der Unternehmen noch nach dem richtigen Einstiegspunkt fur AI-Anwendungen
- Das Haupthindernis ist die Finanzierung -- Bedenken hinsichtlich des ROI und Toolkosten
- Uber 80 % der Unternehmen sind sich einig, dass digitale Transformation die betriebliche Effizienz und den Umsatz steigern kann
Dies spiegelt das typische Dilemma taiwanesischer Unternehmen wider: Sie wissen, dass datengetriebenes Arbeiten wichtig ist, aber nicht, wo sie anfangen sollen.
7. Haufige Fallstricke datengetriebener Ansatze
Die Harvard Business Review weist darauf hin, dass datengetriebene Entscheidungen auch fehlgehen konnen:[9]
- Bestatigungsfehler: Gartner hat festgestellt, dass 65 % der Organisationen Daten lediglich nutzen, um bereits getroffene Entscheidungen zu untermauern[7]
- Kennzahlenfixierung: Nur auf Zahlen schauen, ohne den Kontext zu berucksichtigen, und den Wert qualitativer Informationen ubersehen
- Mangelhafte Datenqualitat: Garbage In, Garbage Out -- die beste Analyse kann schlechte Daten nicht retten
- Kulturelle Kluft: 98,6 % der Fuhrungskrafte wunschen sich eine datengetriebene Kultur, aber nur 32,4 % haben sie erfolgreich etabliert[4]
8. Aktionsplan ab heute
| Phase | Massnahme | Zeitrahmen |
|---|---|---|
| Woche 1 | Bestandsaufnahme der vorhandenen Datenbestande -- welche Daten hat Ihr Unternehmen? Wo befinden sie sich? Wie ist die Qualitat? | 3--5 Tage |
| Woche 2 | Eine konkrete Geschaftsfrage auswahlen und mit Daten beantworten | 3--5 Tage |
| Monat 1 | Das erste Daten-Dashboard erstellen und dem Team zur taglichen Nutzung bereitstellen | 2--4 Wochen |
| Quartal 1 | DDDM-Prozesse vollstandig in mindestens einer Abteilung einfuhren | 1--3 Monate |
Fazit
Datengetriebenes Arbeiten ist kein Technologiethema, sondern ein Wandel in der Denkweise. McKinsey erwartet, dass bis 2025 nahezu alle Mitarbeitenden Daten selbstverstandlich und regelmaessig zur Unterstutzung ihrer Arbeit nutzen sollten.[10]
Der wichtigste erste Schritt ist nicht der Kauf teurer BI-Tools oder die Einstellung von Data Scientists, sondern die richtige Frage zu stellen -- und sie dann mit Daten zu beantworten.
Weiterfuhrende Lekture: Wenn Ihr Unternehmen gerade eine Dateninfrastruktur aufbaut, empfehlen wir den Vollstandigen Leitfaden zur Data Governance; wenn Sie erfahren mochten, wie Sie den ROI von AI-Investitionen quantifizieren konnen, lesen Sie den Vollstandigen Leitfaden zum AI-ROI.
