Datenkompetenz braucht ein kritisches Mindset
Jenseits der Fähigkeit, grundsätzlich mit Daten arbeiten zu können, geht es bei Data Literacy um die Bereitschaft, den eigenen kritischen Blick zu schärfen. Unser Gastautor erklärt, wie sich Data Literacy und Datenkultur entwickeln lassen und welche Rolle dabei Soft Skills spielen.
Kennen Sie das: Sie möchten sich ein bestimmtes Automodell kaufen und plötzlich fallen Ihnen im Straßenverkehr ganz viele davon auf? Oder Sie entscheiden sich im Supermarkt spontan für ein Produkt mit seriös anmutendem Qualitätssiegel, ohne die zugrundeliegenden Bewertungskriterien zu kennen oder zu hinterfragen. Dies sind simple Beispiele, doch sie zeigen, wie leicht sich unser Denken und unsere Wahrnehmung in eine bestimmte Richtung lenken oder wir uns sogar irreleiten lassen.
Auch bei guter Datenlage führen Fehlannahmen häufig zu falschen Schlüssen
Mögliche Gründe: Wir müssen tagtäglich zahlreiche Entscheidungen fällen. Um dies zu bewältigen, werden viele davon unterbewusst getroffen. Oder wir generalisieren oder stellen die falschen Fragen an die Daten. Wir lassen uns von Emotionen leiten, sind zu bequem oder es fehlt uns an Neugier, kritischem Denken und Selbstreflexion, um gezielt zu hinterfragen.
In den meisten Organisationen ist es ähnlich: Wie eine Umfrage des Data Literacy Projects zeigt, werden noch immer viele Entscheidungen aus dem Bauch heraus oder auf Basis vermeintlicher Erfahrung getroffen. Noch problematischer ist es, wenn zwar datenbasiert entschieden wird, jedoch die Datenbasis nicht stimmt, falschen Indikatoren und Fehlannahmen zugrunde liegen, das Ergebnis nicht systematisch überprüft wird und es keine klaren Entscheidungsprozesse gibt.
Für Unternehmen, die ihre Datenkultur ausbauen und die Kompetenz ihrer Mitarbeiter stärken möchten, reicht es nicht aus, einzelne Mitarbeiter auf Schulungen zu schicken. Sie brauchen vielmehr ein Upgrade der Datenkultur bzw. einen langfristigen Wandel, der eng mit der Daten- und Analytics-Strategie der Organisation verwoben ist und zur Erreichung der Unternehmensziele beiträgt.
5-Punkte-Programm für den Aufbau von Data Literacy
Wir empfehlen Unternehmen, strategisch vorzugehen und ein Programm zur Erlangung echter Data Literacy zu etablieren, das unternehmensweit und über alle Ebenen wirkt. Denn bei Data Literacy geht es um viel mehr als den Aufbau von Mathematik- und Statistikkenntnisse oder um die Fähigkeit, Daten lesen, bearbeiten, analysieren und mit ihnen argumentieren zu können. All dies sind wichtige Aspekte von Datenkompetenz, doch echte Data Literacy geht weiter: Sie ist eine Sache des Mindset – die Bereitschaft, eigene Voreingenommenheit und Fehlannahmen zu erkennen und an diesen zu arbeiten. Folgende Schritte haben sich bewährt:
1Ernennung eines „Datenbotschafters“ – Verantwortung für die Zielsetzung- und Erreichung
Welche Ziele sollen unternehmensübergreifend und in den einzelnen Abteilungen mit Daten und deren Nutzung erreicht werden? Diese Fragen stehen immer am Beginn des Prozesses. Um die Belegschaft mit ins Boot zu holen, empfiehlt es sich, einen „Datenbotschafter“ zu benennen, der das Thema federführend in die Hand nimmt, unterschiedliche Interessengruppen sondiert und zusammenführt. Prädestiniert für diese Aufgabe sind der Chief Data Officer (CDO) oder der Chief Information Officer (CIO). Sie erarbeiten gemeinsam mit sämtlichen Stellen und Unternehmensbereichen, für die Daten relevant sind, eine Strategie und einen Entwicklungsplan. Ziel dieser ersten Phase ist ein Change-Management-Prozess.
2Ermittlung der Data Literacy der Mitarbeiter – und der Datenkultur im Unternehmen
Im nächsten Schritt gilt es, sich einen Überblick über den gegenwärtigen Status der Data Literacy im Unternehmen zu verschaffen. Auf Organisationsebene geht es dabei um Fragen wie:
→ Gibt es eine Datenstrategie, die den Nutzern eine sichere und vertrauenswürdige Datenbasis in Form eines single point of truth gewährleistet?
→ Wie steht es um die Data-Governance und Daten-Ethik?
→ Welche Art von Analysen wurden bisher gemacht – deskriptiv, diagnostisch, prädiktiv?
→ Ist im Unternehmen eine Strategie oder ein Prozess für datengestützte Entscheidungsfindung verankert?
→ Wer ist daran beteiligt?
→ Gibt es ein Bewusstsein für die Gefahr von Fehlannahmen und Voreingenommenheit?
All diese Aspekte geben Aufschluss über den Stand der Datenkultur einer Organisation.
Auf Mitarbeiterebene geht es um folgende Punkte:
→ Welche Kenntnisse zu Daten und deren Verteilung sind vorhanden?
→ Wie und in welchem Ausmaß wurde bisher mit Daten gearbeitet?
→ Über welche Analytics-Kompetenzen verfügt der/die Einzelne?
→ Entscheiden Mitarbeiter auf der Basis von Daten?
→ Wie steht es um die Fähigkeit, mit Daten gezielt zu kommunizieren und zu argumentieren?
Um den genauen Stand zu eruieren, empfiehlt sich der Einsatz von Online-Assessments. Neben Einstiegs-Assessments gibt es auch Post-Assessments.
3Bereitstellung der passenden Tools – was diese leisten müssen
Ein wesentlicher Baustein für datenkompetentes Handeln ist die Ausstattung mit entsprechender Technik. Ziel ist es, mit Datenanalyse- und Business-Intelligence-Software die Menschen zu unterstützen und (neue) Zusammenhänge aufzuzeigen. Tools müssen also folgende Kriterien erfüllen:
- Präsentation relevanter Informationen
- Darstellung der Informationen in einer leicht verständlichen Form
- Integration der generierten Informationen in bestehende Software oder Applikationen
Nur wenn diese Punkte erfüllt sind, haben die Mitarbeiter die Möglichkeit, Erkenntnisse aus Daten zu gewinnen und diese – vor Kunden oder Vorgesetzten – mit den entsprechenden Daten und Fakten zu untermauern.
4Datenkompetenz schulen – und einen Mindshift (Umdenken) anstoßen
Der größte Meilenstein hinsichtlich möglicher Datennutzung ist die Schulung der Mitarbeiter. Je nach Datenpersönlichkeiten – ob „Guru“, durchschnittlich Interessierte/r, Neuling oder Skeptiker – gibt es spezifische Anforderungen bezüglich Lerninhalte und Herangehensweisen. Dies erfordert differenzierte Lehrpläne und Lernressourcen, so dass die Teilnehmer individuellen Lernplänen je nach persönlichem Lernstil und vorhandenem Zeitbudget folgen können – ob E-Learning-Angebote, Vor-Or-Schulungen oder Qualifizierungsinitiativen, die es im Unternehmen gibt.
Die Einsicht zur Notwendigkeit eines Umdenkens führt häufig zu neuen Entscheidungsprozessen.
Wir empfehlen dringend, auch Soft Skills-Trainings anzubieten, um die Zusammenarbeit, Neugierde, kritisches Denken, aktives Zuhören und Kommunikation zu stärken. All diese Kompetenzen leisten einen wichtigen Beitrag dazu, den vollen Wert der Daten zu erkennen, aber auch eine kritische Perspektive einzunehmen, um Ergebnisse und Entscheidungen zu hinterfragen. Analog zur zwischenmenschlichen Kommunikation geht es darum, den Daten aktiv und unvoreingenommen „zuzuhören“ und voreilige Annahmen zu reflektieren und gegebenenfalls mit wissenschaftlichen Methoden zu hinterfragen.
In Unternehmen, die die Notwendigkeit einer differenzierten Herangehensweise an Daten und Analysen verstanden haben, schlägt sich der Mindshift oft auch in einer Veränderung der Entscheidungsprozesse nieder. Entscheidungen werden dann nicht mehr von ein oder zwei Personen getroffen, sondern es werden unterschiedlichste Perspektiven abgefragt, um die Gefahr von Voreingenommenheit und Vermutungen zu minimieren. Die gute Nachricht: Oft reichen schon einige einstündige, dezidierte Soft-Skill-Webinare, um ein Umdenken anzustoßen.
5Den Aufbau von Datenkompetenz als Co-Evolution verstehen
Datentechnologien wie maschinelles Lernen oder Automatisierung entwickeln sich rasant weiter und mit ihnen die Möglichkeiten, sie gewinnbringend im Sinne der Unternehmensziele zu nutzen. Es liegt an den Datenbotschaftern, das Bewusstsein im Unternehmen dafür zu stärken, dass einmalige Schulungen nicht ausreichen. Vielmehr ist die Entwicklung von Datenkompetenz und Datenkultur ein fortlaufender Prozess und somit auch die Ausbildung und Weiterentwicklung der Mitarbeiter ein kontinuierliches Lernen. Auch die Datentools müssen regelmäßig neu bewertet und möglicherweise angepasst werden, um dem technischen Fortschritt sowie den sich ändernden Ansprüchen der Anwender gerecht zu werden.
Zusammenfassend lässt sich festhalten: Data Literacy ist viel mehr als Mathe und Statistik. Im Gegenteil, wer souverän und kompetent mit Daten und Analysen umgehen will, muss die technologischen „Scheuklappen“ öffnen und sich auf einen Mindshift einlassen, um die Gefahr der Voreingenommenheit zu reduzieren. Für Organisationen bedeutet dies, dass Data Literacy und Datenkultur eng verwoben sind und nur eine ganzheitliche Kombination aus Schulung und Datenstrategie zu Unternehmensentwicklung und -erfolg beitragen.
