Das Problem

Als Reaktion auf den modernen AnalyticsBoom haben Unternehmen die besten Datenwissenschaftler eingestellt, die sie finden konnten. Leider haben viele Vorhaben das erhoffte Potenzial nicht voll ausgeschöpft.

Die Ursache

Damit ein Analytics-Projekt einen Mehrwert erwirtschaftet, muss das Team zunächst einmal intelligente Fragen stellen, die relevanten Daten beschaffen, bearbeiten und Erkenntnisse daraus gewinnen. Im zweiten Schritt muss das Team die wirtschaftlichen Auswirkungen dieser Erkenntnisse ermitteln - und dann kommunizieren. Analyse und Kommunikation erfordern Talente, die selten in ein und derselben Person zu finden sind. Die meisten Data Scientists sind geschulte Analytiker, keine Kommunikationsexperten.

Die Lösung

Ein gutes datenwissenschaftliches Team braucht sechs Fertigkeiten: Projektmanagement, Datenbearbeitung, Datenanalyse, Fachwissen in dem Bereich, aus dem die Daten stammen, Design und Storytelling. Mit der richtigen Mischung lässt sich das Potenzial der modernen Datenwissenschaft heben.

Ich habe die Erfahrung gemacht, dass die meisten Topmanager das Potenzial von Data Science erkennen, aber die wenigsten mit der Umsetzung zufrieden sind. Datenwissenschaftler sagen, die Ergebnisse ihrer Arbeit kämen zu wenig zum Tragen und die Chefs verstünden nicht, was in der Datenabteilung eigentlich passiert. Manager beschweren sich wiederum, Datenwissenschaftler seien nicht in der Lage, ihre Arbeit auch Laien verständlich zu machen. Die Geschichten, die ich zu hören bekomme, fallen oft in eine von drei Kategorien. Erkennen Sie sich in einem der Szenarien wieder?

Der Fluch des Statistikers
Eine Datenwissenschaftlerin gewinnt mit neu entwickelten, leistungsstarken Algorithmen und einer hervorragenden Datengrundlage eine Reihe von Erkenntnissen, die sie den Entscheidungsträgern in allen Einzelheiten vorstellen will. Ihre Analyse ist in ihren Augen objektiv und unanfechtbar. Sie visualisiert ihre Erkenntnisse mit Standardgrafiken, die ihre Datensoftware mit ein paar Mausklicks automatisch ausspuckt, und packt noch ein paar Textzeilen in die Präsentation. Kein ernst zu nehmender Statistiker verschwendet in ihren Augen wertvolle Zeit auf das Design. Sprachlich ist sie in ihrem Vortrag so präzise wie in ihren Inhalten, aber das Management versteht kein Wort. Frust macht sich breit. Trotz einer brillanten Analyse erntet sie mit ihrer Empfehlung eine Abfuhr.

Der unverbesserliche Manager
Ein operativer Manager der mittleren Führungsebene will ein Lieblingsprojekt durchsetzen, hat aber nicht die nötige Datengrundlage für seine Hypothese. Er bittet das Datenteam, eine Analyse und entsprechende Diagramme für seine Präsentation zu erstellen. Das Team erkennt, dass die Hypothese nicht sauber formuliert wurde, und macht Verbesserungsvorschläge für die Analyse. Doch der Manager will nur Charts und ein paar Notizen für seinen Vortrag. Zwei Dinge können passieren: Seine Präsentation fällt auseinander, sobald jemand die Datenanalyse hinterfragt und er nicht die richtigen Antworten liefern kann, oder sein Projekt wird genehmigt und scheitert dann in der Umsetzung, weil die Analyse nicht hieb- und stichfest war.

Die bequeme Wahrheit
Ein begnadeter Infografiker ist begeistert von einer datenwissenschaftlichen Analyse und bietet an, eine schöne Präsentation für das Topmanagement daraus zu machen - mit den Farben und der Typografie der Marke und packenden, einprägsamen Geschichten. Als die Manager dann aber anfangen, die falschen Schlüsse aus der Analyse zu ziehen, werden die Wissenschaftler nervös. Die klaren, einfachen Grafiken suggerieren in manchen Fällen kausale Zusammenhänge, wo keine sind, und eliminieren den eigentlich in der Analyse enthaltenen Unsicherheitsfaktor. Die Forscher stecken in einem Dilemma: Endlich ernten sie im Topmanagement Begeisterung für ihre Arbeit, nur leider ist das, wovon die Manager begeistert sind, keine präzise Wiedergabe ihrer Arbeit. Scott Berinato