View article

Eine Studie des Data Literacy Projects zeigt, dass nur 24% der befragten Entscheidungsträger sich selbst als datenkompetent ansehen. Dabei können daraus durchaus Steigerungen in der Arbeitsleistung hervorgehen. 85% der betreffenden Teilnehmer gaben an, dass sie sich durch Datenkompetenzen in ihrer Produktivität verbessern konnten (Qlik, oJ). Data Scientists sind jedoch Mangelware, wie eine Studie von McKinsey in den USA zeigt (Henke et al., 2016). Trotz der vorherrschenden Angebotslücke (» Data Science Gap «) an geeigneten Talenten, nimmt die Nachfrage entsprechend einer Prognose von IBM bis 2020 um ca. 28% zu (Miller & Hughes, 2017). Um die digitale Transformation für ihr Unternehmen voranzutreiben, müssen sich Führungskräfte daher über die Skalierung des Wertes von Datenbeständen und-analysen bewusst werden (Gartner, o. J.). Dabei treten jedoch oft Probleme auf: Insbesondere die Qualität der Daten birgt hohes Risikopotenzial. Ist die Beseitigung von Qualitätsproblemen in der Entwicklungsphase noch relativ einfach umzusetzen, so steigt der Aufwand mit zunehmender Implementierung in die unternehmerischen Strukturen. Durch die Fokussierung auf die aktuellen Trendthemen der Künstlichen Intelligenz ist es weiterhin problematisch, nicht-affine Führungskräfte davon zu überzeugen, dass auch» traditionelle «Methoden zum Erfolg führen und unter Umständen weniger Ressourcen benötigen. Die Notwendigkeit der Einführung einer Datenstrategie ist in vielen Unternehmen noch nicht angekommen. Dazu bedarf es einem grundsätzlichen Wissensstand über die Möglichkeiten der Datenanalyse und …