Wer Daten nutzen will, muss zuerst verstehen, wie sie entstehen – und warum der Mensch dabei entscheidend ist.
Wenn Daten nicht stimmen – und trotzdem Entscheidungen getroffen werden
Stellen Sie sich vor, Sie planen eine Reise. Sie öffnen Ihre Navigations-App – und die zeigt Ihnen falsche Koordinaten, veraltete Straßen oder gar keine Route. Würden Sie losfahren? Wohl kaum. Und doch passiert genau das tagtäglich in Unternehmen: Entscheidungen werden auf Basis von Daten getroffen, die unvollständig, uneinheitlich oder schlicht falsch sind.
„Data Culture“ klingt nach einem Buzzword aus dem Strategiehandbuch. Doch dahinter steckt ein ganz praktisches Problem: Die meisten Unternehmen investieren in Tools, Dashboards und KI – aber vergessen den wichtigsten Hebel für gute Datenqualität: den Menschen. Denn Daten entstehen nicht im BI-Tool, sondern im Alltag. Beim Ausfüllen eines Formulars, beim Anlegen eines Kunden, beim Erfassen eines Produktes. Und genau dort beginnt die Datenkultur.
Was wir in Projekten immer wieder sehen: Es fehlt das Bewusstsein dafür, wie entscheidend die Qualität der Datenerfassung ist. Mitarbeitende wissen oft nicht, warum bestimmte Felder wichtig sind, welche Auswirkungen ein fehlender Eintrag hat – oder wie ihre Eingabe später in strategischen Entscheidungen auftaucht. Das Ergebnis: Daten, denen niemand vertraut. Und eine Organisation, die sich selbst im Weg steht.
„Wer sich auf KI-Anwendungen verlassen will, muss zuerst die Grundlagen schaffen – und dabei nicht nur an Tools denken, sondern vor allem an den Faktor Mensch.“
– Dominik Adam, Senior Consultant
Von der Datenerfassung bis zur Entscheidung – eine Kulturfrage
In einem Projekt mit einem international agierenden Industriekunden haben wir genau hier angesetzt. Gemeinsam mit dem Kunden haben wir eine Organisationseinheit aufgebaut, die sich gezielt um Datenpflege und -anreicherung kümmert. Der Clou: Es wurde ein Reifegradmodell entwickelt, das regelmäßig überprüft wird – nicht nur technisch, sondern auch kulturell.
Bei der Definition der Prozesse lag der Fokus auf der Qualität von Input und Output. Auf allen Ebenen wurden Trainings eingeführt, Tooltips in den Systemen integriert und Dashboards zur Datenqualität und Vollständigkeit bereitgestellt. Das Ziel: Daten nicht nur erfassen, sondern verstehen. Und zwar von Anfang an.
Denn Datenkultur ist kein Projekt, das man einmal startet und dann abhakt. Es ist eine Haltung. Eine, die sich durch alle Ebenen der Organisation zieht. Sie beginnt bei der Schulung der Mitarbeitenden, setzt sich fort in der Gestaltung der Prozesse und zeigt sich letztlich in der Qualität der Entscheidungen.
Was also tun?
Bewusstsein schaffen: Datenqualität beginnt im Kopf. Schulungen, Kommunikation und klare Verantwortlichkeiten sind essenziell.
Mehrwert aufzeigen: Zeigen Sie, wie gute Daten zu besseren Entscheidungen führen – konkret und nachvollziehbar.
Prozesse durchdenken: Daten entstehen nicht zufällig. Wer sie strategisch nutzen will, muss auch ihre Entstehung strategisch gestalten.
Tools sinnvoll einsetzen: Dashboards, Tooltips und automatisierte Checks helfen – aber nur, wenn sie den Menschen unterstützen, nicht ersetzen.
Damit machen Sie nicht den gleichen Fehler wie viele andere. Denn schlechte Daten kosten Geld. Viel Geld. Sie führen zu falschen Prognosen, ineffizienten Prozessen, verpassten Chancen. Und sie untergraben das Vertrauen in die eigene Organisation. Wer einmal erlebt hat, wie ein Forecast auf wackeligen Daten basiert, weiß: Bauchgefühl ist oft nicht das Problem – sondern die Daten, die es ersetzen sollen.
Haben Sie Dinge wiedererkannt, die auch in ihrem Unternehmen so laufen? Sprechen Sie mich an – gerne helfe ich Ihnen dabei, einen individuellen & pragmatischen Ansatz zur Etablierung einer Datenkultur auch bei Ihnen zu schaffen! Persönlich und ganz ohne KI – dafür Kompetent. Menschlich. Besser.
Titelbild: © natanaelginting/freepik.com
