data thinking: erfolgsrezept für den digitalen wandel · 2017. 9. 14. · data thinking:...

Data Thinking:

Erfolgsrezept für den digitalen Wandel

Eine Handlungsanleitung vom grundlegenden Denkenzum digital souveränen Unternehmen

Präsentiert von in Kooperation mit

Data Thinking:

Erfolgsrezept für den digitalen Wandel 0202

Neue digitale Realitäten & Herausforderungen für Unternehmen

Es braucht ein neues Denken & Handeln

Data Thinking: Ein ganzheitlicher Ansatz für den Umgang mit Daten

Handlungsanleitung & Orientierung: Das Data Leadership Process Model (*umDLPM)

Data Thinking: Erfolgreiche Digitalisierungbeginnt vor dem eigentlichen Prozess

Vom Data Thinking zur Data Solution

Von der Data Solution zum Data Enterprise

Fazit

Hewlett Packard Enterprise

The unbelievable Machine Company

Kontakt und Beratung

Inhalt

Seite 03 _____

Seite 05 _____

Seite 06 _____

Seite 08 _____

Seite 10 _____

Seite 13 _____

Seite 15 _____

Seite 18 _____

Seite 19 _____

Seite 20 _____

Seite 21 _____

Data Thinking:


Neue digitale Realitäten & Herausforderungen für Unternehmen

In kürzester Zeit haben Technologie und Daten(nutzung) die Welt verändert. Ob Einkaufsverhalten, Medizin, Kommunikation, Transport, Logistik oder Produktion: überall entstehen neue digitale Realitäten. Mehr und mehr: Datenrealitäten. Tendenz stark steigend. Dieser digitale Wandel hat enormen Einfluss auf die Wirtschaft und damit auf Unternehmen aller Industrien und Größen.

Vielen Unternehmen fällt es schwer, das Tempo des digitalen Wandels mitzu- gehen. In der Regel handeln sie nur langsam und folgen zudem bisherigen, kaum mehr zeitgemäßen Denkmustern.

Herausforderungen im Markt:

Neue Begriffe, Trends und Technologien erschweren die Orientierung

Neue Marktteilnehmer und Wettbewerber gefährden die bisherige Position und Positionierung

Nachwachsende Kundengeneration („Digital Natives“) hat ein eigenes, ganz neues Kommunikations- und Konsumverhalten

Herausforderungen im Unternehmen:

Mangel an Know-how und geschultem Personal

Neues Terrain und wenig Erfahrungswerte

Angst vor Risiken und Fehlentscheidungen

Ungeklärte Zuständigkeiten (Business oder IT) komplexe Entscheidungsprozesse (v.a. in großen Unternehmen) und unternehmenskulturelle Defizite

„Die größte Gefahr in turbulenten Zeiten ist nicht die Turbulenz selbst, sondern

mit der Logik von gestern zu handeln.“

– Peter F. Drucker, Ökonom

Data Thinking:


Rechte: Bilddaten (Ausschnitt)© CC BY-SA 2.0

Es braucht ein neues Denken & Handeln

Die meisten Unternehmen sind vom Digitalisierungsdruck getrieben, statt Herr ihrer eigenen Digitalen Entwicklung zu sein. Sie wissen, dass sie handeln müssen, aber nicht, wie sie handeln sollen. Aus dem analogen Zeitalter kommend und geprägt, fehlen ihnen naturgemäß die Skills, Routinen und Erfahrungswerte.

Auch externe Berater helfen nur bedingt weiter. Zum einen kommen auch sie oft aus der analogen Zeit und folgen einer entsprechend unzeitgemäßen Logik. Zum anderen blicken sie traditionell meist nur aus globaler Markt- und Business-Perspektive („top-down“) auf ein Unternehmen – ohne spezifische Sicht („bottom-up“) und ohne konkrete Projekt-/Praxiserfahrung („hands-on“) in und mit den neuen Datenrealitäten.

Um die Digitale Entwicklung erfolgreich zu vollziehen und eine individuelle

Strategie für die eigenen spezifischen Herausforderungen zu entwickeln,

brauchen Unternehmen zeitgemäße Denk- und Handlungsweisen – die

„Logik von heute und morgen“.

Wir nennen es Data Thinking.

Data Thinking:


„Data Thinking ist die erste Fähigkeit, die Unternehmen brauchen, um selbstbestimmt ins digitale Lead zu gehen.“

– Klaas W. Bollhoefer*um Chief Data Scientist & Data Thinker

Data Thinking: Ein ganzheitlicher Ansatz

für den Umgang mit Daten

Die zielgerichtete und wertgenerierende Nutzung von Daten ist als Thema und Notwendigkeit bei den meisten Entscheidern angekommen. Viele Unter- nehmen haben bereits eigene Datenpools gefüllt und im besten Fall erste Pilot- projekte realisiert. Es wurden Hadoop-Cluster installiert, Konferenzen und Schulungen besucht oder gar ein Lab gestartet, erste Proofs of Concept realisiert und eventuell erste Data Scientists beauftragt oder eingestellt. Den-noch denken die meisten handelnden Personen – Stand heute – bei Big Data- Vorhaben nur an die Basics:

Daten

Algorithmen

Technologie

Das allein reicht aber bei weitem nicht aus, um Big Data, Analytics und Daten(nutzung) an sich in die Unternehmensbereiche und -prozesse zu integrieren. Weitere entscheidende Faktoren sind:

Strategy & Leadership / Organisatorisches Setup, Entscheidungs- und Gestaltungsräume, Vordenker in der DatenweltSkills & Roles / Fähig- und Fertigkeiten „aus Datensicht“ vorzugehen und neu zu definierende Zuständigkeiten und Aufgabenverteilungen in TeamsCulture & Routines / Denken „aus Datensicht“ und Offenheit für neue Ansätze, zeitgemäße Unternehmenskultur und agile ArbeitsweisenOperational Model & Processes / Engere Zusammenarbeit beteiligter Abteilungen, kontinuierliche Kommunikation, definierte Schnittstellen und Abläufe, „Provisionierung“ statt Demand/SupplyCommunity & Research / Vernetzung, Engagement und Zeit für stete Weiterentwicklung und Erfahrungsaustausch

Data Thinking:


Data Thinking:


Brückenschlag zwischen Business und IT

Der Digitale Wandel ist der wahrscheinlich erfolgs- und existenzkritischste

Moment in der jüngeren Geschichte der meisten Unternehmen. Er muss deshalb Chefsache sein und höchste Priorität für alle Beteiligten haben.

Data Thinking schafft den Brückenschlag zwischen Innovation, Strategie und den operativen Geschäftseinheiten aus Business und IT. Erst das abgestimmte Zusammenspiel aller Bereiche ermöglicht eine funktionierende Digitale Entwicklung, den nachhaltigen Erfolg einzelner Data-Initiativen und die schritt-weise Transformation zu einem Data Enterprise. Das heißt, zur vollumfänglichen Integration von Daten, Algorithmen, Technologie und – bewusst abstrakt formuliert – eines neuen Mindsets ins gesamte Unternehmen.

Insofern markiert Data Thinking hier eine Zäsur. Die neue ganzheitliche Denk-

und Handlungsweise hat höchste Business-Relevanz und verändert die Unternehmenskultur. Sie beendet alte Muster wie z.B. Digitalisierungsfragen „in die IT zu geben“, schafft Schnittstellen und fördert den Austausch und die

Zusammenarbeit zwischen allen Abteilungen.

Ziel des gesamten Unternehmens ist, selbstbestimmt ins Lead (den „Fahrer-

sitz“) zu kommen und die eigene Digitale Entwicklung bewusst zu steuern,

statt nur auf Markt und Wettbewerb zu reagieren.

Data Pool

DATA LEADERSHIP PROCESS MODELData + Algorithms + Compute + Mindset

Customer Expectations

Idea Creation Cycle

Creation Cycles Stages Sensors

Solution Creation Cycle

Business Creation Cycle

Actuators

Capabilities & Governance

Processes & Tools

Innovation & Change

Access & Security

Skills & Digital Labor

DATA ENTERPRISEDATA SOLUTION Integration OperationData Pool ExplorationIdeation Data PoolDATA THINKING

Business Challenges

Social & Technological Change

Trends & Disruptions

Communities & Startups


Data Thinking:


Handlungsanleitung & Orientierung:

Das Data Leadership Process Model (*umDLPM)

Das praxisorientierte und -erprobte Vorgehensmodell ist ein Navigations-

instrument für die individuelle Digitale Entwicklung von Unternehmen.

Es erfasst die gesamte Prozesskette und führt erstmals alle relevanten

Bestandteile zusammen, indem es Daten, Algorithmen, Technologien und die weiteren benannten Faktoren („Mindset“) in eine neue, ganzheitliche Denk-

und Handlungsweise integriert.

Data Thinking:


Aufgebaut als mechanisches Modell, quasi ein Ablaufplan, wie man ihn etwa aus der Robotik kennt. Mit Sensoren (links), Aktoren (rechts) und der „Logik von heute und morgen" im Kern.

Es gliedert den kompletten Prozess der datengetriebenen Digitalen Entwicklung in klar definierte Phasen:

Data Thinking / Grundlegendes Denken & Lernen

Data Solution / Konkrete Anwendungen & Potenziale

Data Enterprise / Gezielte Verankerung in der Organisation

Data Thinking:


Data Thinking: Erfolgreiche Digitalisierung

beginnt vor dem eigentlichen Prozess

Das Vorgehensmodell zeigt: Data Thinking ist der Ausgangspunkt jeder Digita-len Entwicklung. Das neue Denken und Handeln setzt weit vor Beginn konkre-ter Datenprojekte an und ist als bidirektionaler Prozess zu verstehen.

Nach innen gerichtet, müssen Unter-nehmen darüber nachdenken und sich bewusst machen, inwiefern Daten, Algorithmen, neue Technologien und nicht zuletzt ein neues Mindset künftig eine Rolle für das eigene Business spielen können. Dies impliziert, sich prinzipiell für neue Ideen, Ansätze und Arbeitsweisen zu öffnen.

Eben dazu richtet sich die Wahrnehmung auch nach außen. Es gilt, die „Senso-ren auszufahren", um alle relevanten Faktoren außerhalb der Organisation einzufangen. Dazu zählen z.B. technische und wissenschaftliche Veränderungen am Markt, in der eigenen Branche, im Käufer- und Kundenverhalten, „Disruptio-nen“ und Startup-Trends und nicht zuletzt „bottom-up“ Entwicklungen in den zahlreichen Data, Tech- und Open Source-Communities. Diese müssen ins Denken und Wissen des Unternehmens internalisiert werden.

DATA THINKING

Business Challenges





Data Thinking:


Offenheit für Neues, Inspiration und „Logic Hacking“

Was Mitarbeiter vor allem benötigen, ist Zeit und Raum, um sich inspirieren zu lassen und Neues zu lernen. Neue Wege und Routinen, Skill- und Mindsets aus der Big Data-, Open Source- und Künstliche-Intelligenz-Welt. Sie müssen Beste-hendes in Frage stellen und gezielt „hacken“ (dürfen).

Dafür müssen sie ein aktiver Teil von Communities werden und „Startup-Spirit atmen“, indem sie z.B. an Konferenzen und Meetups teilnehmen. Darüber hinaus müssen sie Technologien und Tools ausprobieren können, um die Mög-lichkeiten der Digitalisierung für das Unternehmen zu verstehen und in Angriff nehmen zu können.

Maßnahmen & Support:

Kontinuierliches Topic- & Trend-Monitoring

Teilnahme an und Ausrichtung von Fachkonferenzen, Ideation Workshops & Community Events / Hackathons

Test und Evaluation neuer Tools und Technologien

Frei- und Spielräume für eigene Projekte

„Das Problem in vielen großen Unternehmen ist, dass Prozesse

das Denken ersetzen“

- Elon Musk, Unternehmer Rechte: Bilddaten (Ausschnitt) © CC BY 2.0

Data Thinking:


Case Study: Pop-up Data Lab

Projekt: Aufbau und Betrieb eines temporären Data Labs für ein inter-

nationales Retail-Unternehmen

Besetzung: Cross-funktionales Team von Experten des Kunden und von *um, Verknüpfung mit internationalen Experten aus enstprechenden

Tech-Communities

Inhalt: Vermittlung und Anwendung neuer Denk- und Handlungsweisen, gemeinsame Planung und Entwicklung von Use Cases / Proofs of Concept (PoC), Verproben und Kennenlernen neuer Technologien und Tools, Hands-on Machine Learning / Künstliche Intelligenz

Ergebnisse: Rollout erster Data Solution-Projekte, Startschuss zur Konzeption eines unternehmensweiten Data & Analytics Hubs

Data Thinking:


Vom Data Thinking zur Data Solution

Nach der initialen Phase folgen die konkreten einzelnen Entwicklungsschritte und -zyklen auf dem Weg zu wirklichen Anwendungen und Lösungen – zur Data Solution.

Kennzeichnend für diese schaffende Phase sind die Praxisrelevanz und die Anwendungsfähigkeit. Herkömmliche Beratungsansätze und Herangehens- weisen markieren lediglich beispielhaft, dass ein Data Case möglich ist und wie er funktionieren könnte, bleiben dann aber beim Prototypen bzw. Proof of Concept stehen.

Im Gegensatz dazu geht Data Thinking deutlich weiter. Anstatt Prototypen als Ziel zu setzen, hat es von Anfang an die Produktreife im Blick und denkt bereits die Nutzung und Anwendung als nächsten Schritt der Prozesskette mit.

Data Pool


DATA SOLUTIONData Pool ExplorationIdeation Data PoolDATA THINKING

Business Challenges





Data Thinking:


Vom Data Thinking zur Data Solution durchlaufen die Datenprojekte drei Entwicklungsphasen:

Ideation / Fragestellung und Use Case-Definition

Data Pool / Datenerfassung und -konsolidierung

Exploration / Datenauswertung und Applikationsentwicklung

In den Entwicklungszyklen entstehen im ersten Schritt immer noch Prototypen und Proofs of Concept. Diese dienen allerdings als Mittel zum Zweck, um zu validieren, dass ein Daten-Case funktioniert (Idea Creation Circle). Ist dies der Fall, wird er schließlich in reale Produkte und Projekte (Solution Creation Circle) überführt.

Ziel für das eigene Business in dieser Phase sind Lösungen, bei denen aus

Daten konkreter Business Value generiert wird.


Regelmäßige Proof of Concept-Entwicklung

Wissensaustausch, Peer- und Code-Reviews

Operative Unterstützung und Anleitung

Capabilities & Governance

Processes & Tools

Innovation & Change

Access & Security

Skills & Digital Labor

DATA ENTERPRISEDATA SOLUTION Integration Operation

Data Thinking:


Von der Data Solution zum Data Enterprise

Auch in der finalen Entwicklungsphase bildet das Data Thinking den Rahmen des Vorgehensmodells. Hier werden die ganzheitlich erfassten Prozessketten zu Ende gedacht und in die Tat umgesetzt.

Die entsprechenden Phasen dienen der Integration und dem Betrieb (Opera- tion) der Data Solutions. In diesem Stadium beginnen Unternehmen u.a. auch, „inside organisation" entsprechende Ressourcen, Tools und/oder Prozesse zu implementieren. Verdeutlicht wird dies durch die Aktoren am rechten Rand des

Vorgehensmodells.

Data Thinking:


Wichtig für das Verständnis und die erfolgreiche Umsetzung: Dieser so

genannte Business Creation Circle wird de facto nicht nur einmal, sondern immer wieder sukzessive durchlaufen.

Jede neue Data Solution fügt einen neuen Baustein zum digital souveränen Unternehmen hinzu. Schritt für Schritt, Facette für Facette wird die individuelle „Data Maturity“ des Unternehmens ausgebaut. Mit jedem neuen Projekt wird weiteres Wissen und Know-how gewonnen; werden Technologien verstanden, integriert, aber auch verworfen; werden Prozesse verfeinert sowie sukzessive Skills und Capabilities aufgebaut – um somit Schritt für Schritt neuen Business Value zu generieren.

Ziel der gesamten Prozesskette ist das digital souveräne, sich kontinuierlich

weiterentwickelnde Unternehmen: das Data Enterprise.


Strategische Unterstützung und kontinuierliche Beratung

Konzeption, Aufbau und Betrieb (temporärer) Lab Spaces

Capability Assessments, Data Roadmaps & (technische) Konzeption (Human-Data-Interfaces, Data Lakes, Daten- und Systemarchitekturen etc.)

Data Bootcamps, Sounding Boards und & CxO One-on-One’s

Data Thinking:


Case Study: Data Thinking @ C-Level

Projekt: Capability Assessment und Entwicklung einer Data Maturity

Roadmap für eine internationale Retail-Holding

Vorgehen: Workshops und Einzel-Interviews mit Business-Units und IT;

*umCapabilityAssessment – einzigartiges Vorgehensmodell zur Bewertung & Analyse operativer und organisatorischer Fähig- und Fertigkeiten eines Unternehmens (Daten, Algorithmen, Technologie, Mindset), Fit Gap-Analysen, Ableitung von Key Insights und Handlungsempfehlungen

Ergebnisse: Identifizierung und Priorisierung von Handlungsempfehlungen, Data Maturity Roadmap (angelegt auf 24 Monate)

„Es gibt keine ’Best Practices’ da draußen, sondern nur ’Practices’ von

denen man lernen und sich inspirieren lassen kann.“

– Florian Dohmann *um Senior Data Scientist

Data Thinking:


Fazit: Erfolgsrezepte sind individuell

Data Thinking: Erfolgsrezept für den digitalen Wandel lautet der Titel dieser Schrift. Treffend, aber keineswegs pauschal. Denn das eine universelle Erfolgs-rezept gibt es nicht.

Jedes Unternehmen hat seine spezifischen Anforderungen und Ziele – und jedes muss seine individuelle Entwicklung zur digitalen Souveränität selbst vollziehen. Dies basiert auf Data Thinking und dem regelmäßigen Durchlaufen des Data Leadership Process Models.

Um mit dem Data Thinking zu beginnen, das neue Mindset zu initiieren und die Digitale Entwicklung zu starten, benötigen die Unternehmen hochwertige „Grundzutaten“ und die richtige Anleitung bei der „Zubereitung“. Also: Zeit- gemäße Beratungskompetenz rund um Daten, Algorithmen, Technologie und Mindset. Keine klassische Strategie- und Organisationsberatung, sondern die Beratung durch Fachexperten, die konkrete „Hilfe zur Selbsthilfe“ bieten können.

Entscheidend ist, Erfahrungswerte und Kompetenz in das eigene Unternehmen zu ziehen und spezifisch („bottom-up“) in Strategie-Entwicklung, Planung und Realisierung einzubinden. Diese Fachexperten haben im Idealfall bereits Teams aufgebaut, Projekte end-to-end realisiert, Routinen erprobt, Practices generiert („hands-on“) und Tools und Systemlösungen ausgewählt. Dabei haben sie durch Fehler und Erfolge gelernt, ihren Erfahrungsschatz aufgebaut und sind in der Lage, ihr Wissen kompetent und zielgerichtet weiterzugeben.

Beginnen Sie jetzt mit dem Data Thinking für Ihr Unternehmen.

Data Thinking:


Hewlett Packard Enterprise (HPE) ist seit über 75 Jahren im Bereich Innova- tionen tätig. Das international erfolgreiche Technologie-Unternehmen ist branchenführend im Bereich Server, Speicher, Netzwerke, konvergente Systeme und Software.

Die Technologien, Anwendungen und Services von HPE unterstützen Orga- nisationen aller Größen bei der Transformation von traditionellen Technologie-plattformen auf IT-Systeme der Zukunft. Somit hilft HPE Unternehmen dabei, schnell und flexibel auf eine sich rasch verändernde Wettbewerbsumgebung reagieren zu können, Neuerungen einzuführen, wettbewerbsfähig zu bleiben und Ideen schnell in Mehrwert umzuwandeln.

Unabhängig davon, wie weit die Integration bei den jeweiligen Unternehmen schon fortgeschritten ist, bietet HPE die Technologien und Lösungen an, die ihnen zu einem erfolgreichen Abschluss ihrer Bemühungen verhelfen. Damit erfüllt HPE wechselnde Anforderungen und kann mit seinen Technologien und Lösungen am heutigen Markt disruptiver Innovationen eine Führungsposition einnehmen.

Weitere Informationen:

www.hpe.com

The unbelievable Machine Company (*um) mit Sitz in Berlin und Wien ist der Spezialist für Big Data und Cloud Services. 2008 gegründet, deckt *um als Full-Service-Dienstleister heute die gesamte Bandbreite „von der Idee bis zum Kabel“ ab: Beratung, Planung, technische Integration, Betrieb und 24/7-Service. Mit über 120 Mitarbeitern entwickelt *um präzise Lösungen für individuelle unternehmerische Herausforderungen namhafter Kunden wie die Deutsche Post, Gebr. Heinemann, die Metro Group, Porsche, Parship oder ProSiebenSat1.

Big Data gliedert sich bei *um in vier Bereiche: Data Thinking, Data Science, Data Engineering und Data Operations. In deren Zusammenspiel entsteht ein ganzheitlicher Ansatz und eine produktive Ideenschmiede für die digitalen Themengebiete unserer Zeit. Umfassend aufgestellt, begleitet *um Unter- nehmen bei der individuellen Digitalen Entwicklung und realisiert wegweisen-de Lösungen und Services. Diese wurden bereits vielfach ausgezeichnet – zuletzt zum zweiten Mal in Folge von der Experton Group als „Big Data Leader“.

Data Thinking:


*um Service Offerings (u.a.):

Individuelle strategische Beratung & Begleitung

Data Bootcamps, Custom Trainings & Ideation Workshops

Capability Assessments, Fit Gap-Analysen & Entwicklung von Data Roadmaps

Konzeption, Aufbau, Betrieb und Review von Data & Innovation Labs

Entwicklung von Proofs of Concept, Data Solutions, Daten- und Systemarchitekturen

Data Thinking:


Kontakt und Beratung

Ansprechpartner:

Lukas große Klönne

Marketing & Sales

[email protected]

The unbelievable Machine Company GmbH

Grolmanstr. 40

10623 Berlin

Tel. +49-30-889 26 56-0

Fax +49-30-889 26 56-11

www.unbelievable-machine.com

data thinking: erfolgsrezept für den digitalen wandel · 2017. 9. 14. · data thinking:...

Documents