Vom Architekten zur Führungskraft: Sieben Lektionen aus kritischen Daten auf dem Weg zur Führung

Hochwertige Daten lügen nicht. Es kann die Verdachtsmomente oder Hoffnungen Ihres Unternehmens bestätigen. Oder es kann Ihre Annahmen korrigieren, damit Sie Ihren Geschäftsansatz anpassen können.

Diese inhärente Wahrheit der Daten war eine lebenslange Leidenschaft und die treibende Kraft hinter meiner Karriere. Als Kind habe ich gerne Informationen zu Themen aufgenommen, die mich interessierten – von den Minutien der Spielregeln bis hin zu den Nuancen interessanter Artikel. Diese frühe Affinität für Details und Muster begann eine Reise, die mein akademisches und berufliches Leben prägte.

Als Ingenieurstudent erwiesen sich diese Bindungsfähigkeiten bei der Verfolgung meines Bachelor- und Masterabschlusses als unschätzbar. Meine Leidenschaft für Daten intensivierte sich als Diplom-Assistentin in einem Unix-Labor der Schule, wo ich an vielen Projekten mitgewirkt habe. Die Extraktion von Daten war jedoch damals eine Herausforderung, da es teuer war, aussagekräftige Erkenntnisse zu gewinnen.

Als ich in die Berufswelt eintrat, verlagerte ich meinen Fokus auf die Anwendungsseite von Daten und entwarf Modelle, die eine genaue Datenerfassung aus Apps sicherstellten. Jede Position – von meinen Anfängen als Dateningenieur über meine Arbeit als Datenarchitekt bis hin zu meinem Übergang zu einem Geschäftsführer – hat den Wert von Daten und den Erkenntnissen, die sie bieten, verstärkt.

Auf diesem Weg habe ich sieben wichtige Lektionen über Daten gelernt, die jeweils ihre transformative Kraft beweisen. Diese Lektionen bieten praktische Erkenntnisse und können diejenigen leiten, die sich in der komplexen und dynamischen Datenlandschaft bewegen.

Lektion 1: Daten beantworten Geschäftsfragen.

Eine meiner frühesten Lektionen befasste sich mit der größten Superkraft der Daten: seine unbestreitbare Fähigkeit, organisatorische Wege zu gestalten und Annahmen zu durchbrechen. Sie können eine Geschäftseinheit oder Abteilung für ihren Erfolg loben, aber was sagen die Daten aus?

Wenden Sie sich an Daten, um einige Ihrer größten Geschäftsfragen zu beantworten:

• Erfüllt Ihre Organisation, Geschäftseinheit oder Abteilung ihre Geschäftsziele?
• Welche KPIs erreichen Sie und welche verfehlen Sie?
• Was sind die vielversprechendsten Wachstumschancen?
• Welche Projekte oder Initiativen erfordern eine Feinabstimmung, um die besten Ergebnisse zu erzielen?

Antworten fördern das Handeln. Die Beantwortung solcher Fragen kann erheblichen Wert erschließen und die zukünftige Geschäftsplanung leiten. Und es kann zu vielversprechenden Bemühungen wie der Optimierung komplexer Logistik führen.

Lektion 2: Geschäftsentscheider müssen die Daten verstehen.

Mein erster Job außerhalb der Universität war als Dateningenieur/Modellierer für einen Bundesauftragnehmer, der die Daten in einem Immobilienportal für mehrere Bundesbehörden verwaltete. Das Portal verfolgte Regierungsgebäude – wichtige Informationen für die Entscheidungsfindung der Behörden. Die Datenmenge war immens und es war ein großes Unterfangen, herauszufinden, wo sie sich befanden und daraus Wert zu gewinnen.

Das war vor etwa 25 Jahren, und die Berichterstattungstools waren nicht mehr so fortschrittlich wie heute. Reporting bedeutete, Daten durch unterschiedliche Abfragen zu sammeln und in eine Tabelle zu exportieren. Aber schon damals wusste ich, wie wichtig es für Entscheidungsträger ist, die Daten zu verstehen und daraus Erkenntnisse zu gewinnen. Daher erstellte das Team Berichte, die die Daten leicht verständlich machten und die wichtigsten Dateneinblicke für Agenturleiter durch Berichts-Dashboards vorstellten. In der modernen Zeit können Sie KI nutzen, um Daten zu sammeln und zu berichten.

Lektion 3: Eine Strategie zur Datenmodernisierung ist ein Muss.

Bei der Datenarchitektur geht es um mehr als nur die Schnittstelle zu einer Anwendung (Applications). Als ich anfing, war es meine Aufgabe, sicherzustellen, dass Ihre Architektur der Arbeitsbelastung standhalten konnte, wenn es in Ihren Anwendungen Persistenz gab und jemand mit der Abfrage der Daten begann. Viele Gestaltungsprinzipien außerhalb der Datenmodellierung betrafen daher die Datenoptimierung – immer noch ein solides Prinzip.

Hier wird eine umfassende Datenmodernisierungsstrategie unerlässlich. Ohne eine kann es zu doppelten Daten oder anderen Problemen kommen, die den Fortschritt bremst. Diese Strategie sollte Fragen beantworten, wie z. B. welche Daten reif für eine Modernisierung und Migration sind und welche Schritte ich unternehme, um Daten zu sichern.  Angesichts der erheblichen Veränderung in der Art und Weise, wie Unternehmen Datengrundlagen auf strukturierte, halbstrukturierte und unstrukturierte Daten ausrichten, sollte Ihre Strategie auch Schulungen und Lernen für maschinelle Lernmodelle, Schritte zur Schaffung der richtigen Datenpipeline und Datenoperationen umfassen.

Generative KI bietet unbegrenzte Möglichkeiten – und noch mehr Anreiz als je zuvor, Ihre Daten zu priorisieren. Aber es macht auch deutlich, dass Daten nach wie vor eine große Rolle spielen, aber auch die Infrastruktur, die diese Daten unterstützt, entscheidend ist. KI-fähige Unternehmen benötigen die richtige Infrastruktur, um Erkenntnisse aus Daten zu generieren. Damit werden Schnelligkeit und Agilität zu Ihren Verbündeten.

Lektion 4: Ein Frühwarnsystem kann das Risiko verringern.

Mit maschinellen Lernplattformen und den Herausforderungen beim Wiederaufbau von Datenarchitekturen und Multi-Cloud-Infrastrukturen, um generative KI zu integrieren, verändert sich die Landschaft immer schneller.

Wenn Sie nicht von Anfang an auf Ihre Daten achten, riskieren Sie, dass Sie später dafür bezahlen müssen – im wahrsten Sinne des Wortes. Die Finanzkrise 2007–2008 hat dies deutlich gezeigt. Dies habe ich als Data Leader bei der Betreuung von Datenprojekten für Finanzdienstleistungsunternehmen erlebt. Die Berater arbeiteten jeden Tag lange, um herauszufinden, warum diese Unternehmen erhebliche finanzielle Verluste erlitten.

Die Krise ist ein Beispiel dafür, was passieren kann, wenn Sie Ihren Daten nicht genug Aufmerksamkeit schenken. Es gibt keine Garantie, dass dadurch alle aufgetretenen Probleme vermieden worden wären. Durch die Einrichtung von Mechanismen zur Erkennung von Datenanomalien hätte jemand sie jedoch frühzeitig erkennen und ihre Verluste verringern können.

Lektion 5: Ein Data Lakehouse ist eine überlegene Speicheroption.

Viele Unternehmen speichern ihre Daten in datei- oder bildbasierten relationalen Datenbanken. Billiges Computing sorgte jedoch für eine Ausbreitung von Daten und führte zu Herausforderungen, einschließlich Data Governance. Hier bietet ein Data Lakehouse – cloudbasierte Speicherung für strukturierte, halbstrukturierte und unstrukturierte Daten – eine bessere Option.

Die Verlagerung Ihrer Daten in ein Lakehouse ermöglicht einen reibungslosen Informationsfluss, der jeden Aspekt Ihres Unternehmens transformiert, von personalisierten Kundenerlebnissen bis hin zur vorausschauenden Wartung. Data Lakehouses sind die Antwort auf die Datenausbreitung, die bei herkömmlichen Speicheroptionen wie Data Warehouses üblich ist.

Lektion 6: Erfinden Sie das Rad nicht neu.

Bevor Sie Dutzende von Ingenieuren einbeziehen und sie bitten, Datenlösungen zu entwickeln, führen Sie eine Kosten-Nutzen-Analyse des Gebäudes im Vergleich zum Kauf durch. Heute ist der Kauf in den meisten Fällen die günstigere Option. Dieser Ansatz mindert die Unsicherheit, die mit dem wahrscheinlichen Erfolg einer neu entwickelten Lösung verbunden ist. Außerdem erfordert das Bauen oft die Einbeziehung zahlreicher Datenwissenschaftler – eine Herausforderung angesichts des Talentmangels.

Bei einer erworbenen Lösung sind die Kosten wahrscheinlich geringer, wenn Sie über ausreichend Datenspeicher und einige erfahrene Dateningenieure verfügen (entweder intern oder extern). Für optimalen Erfolg sollten Sie solide Partnerschaften entwickeln und Ihre Daten mit bestehenden Tools integrieren, die Ihre Anforderungen erfüllen können.

Lektion 7: Daten sind ein Geschäftswert, keine Kostenstelle.

Die Geschäfts- und IT-Seiten eines Unternehmens können widersprüchliche Ziele haben. Die Geschäftsseite eines Unternehmens ist oft auf der Suche nach den meisten Informationen zu den niedrigsten Kosten, während die IT die beste verfügbare Technologie sucht.

Als Data Leader habe ich gelernt, wie wichtig es ist, den Wert von Daten für das Unternehmen zu respektieren. Die Geschäftsseite eines Unternehmens muss dies erkennen und in Technologielösungen investieren, denn Daten können bei angemessener Nutzung einen enormen Nutzen bringen. Dies erfordert einen Blick über strukturierte Daten hinaus auf halbstrukturierte und unstrukturierte Daten. Die richtige Technologie kann Ihnen dabei helfen, aus allen Arten von Daten einen Mehrwert zu gewinnen.

Bringen Sie Ihren Datenansatz mit Unisys voran

Eines meiner Lieblingsaspekte an Daten ist, dass das Lernen nie aufhört. Während ich in meiner mehr als 25-jährigen Karriere viele Lektionen gelernt habe, erhalte ich weiterhin neue Erkenntnisse (pun intended). Ich bin begeistert davon, was KI bereits erreicht hat, und bin gespannt darauf, zu sehen, wie ihre wachsende Nutzung Unternehmen gestalten und ihre Wertschätzung für ihre Daten erhöhen wird – und dabei eine Rolle spielen wird.

Wenn Sie Ihre Daten optimieren, ihren Wert maximieren und auf KI vorbereiten möchten, lesen Sie weitere Lektionen in unseren "Data Visionaries: Fünf zentrale Strategien und acht transformative Geschichten" und "Datenbereitschaft für KI: Ein praktischer Leitfaden zur Vorbereitung Ihrer Daten, unabhängig von Ihrem Ausgangspunkt" und erfahren Sie, wie Daten- und Analytiklösungen von Unisys helfen können.