In vielen Organisationen sind Dateninfrastruktur und Data Literacy heute vorhanden. Dashboards, KPIs und Reports gibt es im Überfluss. Und trotzdem werden die meisten Entscheidungen ohne echte Auseinandersetzung mit Daten getroffen.
Warum? Weil wir Datenverarbeitung als einen primär technischen Prozess denken, dabei ist es insbesondere auch ein Prozess, den Menschen durchlaufen. Gerade wenn es um strategische Entscheidungen geht, müssen Menschen die Daten und Analysen (geistig) verarbeiten, die Technik ist nur da, um zu helfen, nicht andersherum.
Hier kommt Data Experience (DX) ins Spiel, die bewusst gestaltete Schnittstelle zwischen Daten, Menschen und Entscheidungen. Data Experience stellt nicht nur Daten und Analysen bereit, sondern hilft auch, Orientierung zu gewinnen, Sinn zu konstruieren und relevante Entscheidungen zu treffen.
Was zeichnet eine gute Data Experience aus?
Unsere »Experience«, also die Art und Weise, wie wir Daten erleben, kann sehr unterschiedlich ausfallen. Im schlimmsten Fall fühlen wir uns hintergangen, beispielsweise wenn uns manipulierte Analysen präsentiert werden. Im besten Fall nehmen wir kaum noch wahr, dass wir es mit einer datenbasierten Anwendung zu tun haben, weil wir so gut unterstützt werden, dass wir direkt ins Machen kommen.
Für uns beginnt es immer mit solidem Handwerk. Dies umfasst belastbare Daten, eine stabile technische Infrastruktur, angemessene Analysemethoden, verständliche Darstellungen und einen transparenten Umgang mit Limitationen.
Nun geht es in die eigentliche Ausgestaltung der Data Experience: Storytelling hilft, Zusammenhänge besser verständlich zu machen. Empowerment Tools ermöglichen auch Nutzer:innen ohne umfassende Statistik-Ausbildung, eigene Analysen mit entsprechenden Leitplanken auszuführen. Und im Decision Support zielen wir direkt auf anwendbare Entscheidungen, mit entsprechenden Kontextinformationen, um diese bei Bedarf auch hinterfragen zu können.
Wie sieht das in der Umsetzung aus?
Data-Experience-Projekte können sehr unterschiedlichen Umfang haben. Dies geht von der kurzfristigen Gestaltung einer Data Story bis hin zum nachhaltigen Decision Support System. Den letzteren Weg wollen wir hier einmal skizzieren und dabei insbesondere darauf eingehen, warum Prototypen für uns zentral sind.
1. Bestandsaufnahme in der Data-Stakeholder-Map
Wie einleitend gesagt, Data Experience ist die bewusst gestaltete Schnittstelle zwischen Daten, Menschen und Entscheidungen. Entsprechend beginnt die Arbeit genau an diesen drei Punkten. Um welche Entscheidungen geht es, wer sind die Menschen, die sie treffen, und welche Daten brauchen sie dafür? Daraus erstellen wir unsere »Data-Stakeholder-Map«.
2. Schnelle Evaluation mit Prototypen
Auf dem Weg von der ersten Bestandsaufnahme bis zu einem umfassenden Decision Support System kann es diverse Gründe geben, noch einmal nachjustieren zu müssen. Deswegen versuchen wir nicht sofort, das große System zu bauen, sondern starten mit einem schnellen Prototypen, der häufig schon in unter einer Woche zur Verfügung steht.
Oft kommt es aber an diesem Punkt auch noch einmal zu einer generellen Kurskorrektur. Manche Anforderungen werden eben erst deutlich, wenn man einen Prototypen vor sich sieht. Das ist dann kein Zeichen schlechter Planung, sondern ein wichtiger Schritt: der Prototyp liefert wertvolle Erkenntnisse, auf denen wir jetzt aufbauen können.
3. Strategie und Decision Support System
Mit dem neuen Wissen aus dem Prototypen geht es dann an die Umsetzung des eigentlichen Decision Support Systems, also der Anwendung, welche Ihr Unternehmen langfristig bei zentralen Entscheidungen unterstützt. Dabei kommt es für gewöhnlich auch zu einem Abgleich mit der übergeordneten Strategie.
Wer wir sind und wie wir arbeiten
In der Umsetzung starten wir mit einem kleinen Team, um schnelle Ergebnisse liefern zu können, häufig nur ein Team von zwei, die sich direkt an die Umsetzung machen. Von dort aus skalieren wir zunächst mit unserem Network of Experts, welches Expertinnen und Experten aus diversen Domänen von Data Science, über Softwareentwicklung und Design bis Coaching und Beratung vereint. Ab der dritten Phase, wenn es in den nachhaltigen Betrieb geht, arbeiten wir außerdem mit bewährten Partnern wie Codelion aus Hamburg und INWT Statistics aus Berlin zusammen.
