Was bedeutet Data Maturity?

Data Maturity, zu Deutsch Datenreife, ist die Fähigkeit eines Unternehmens mit ihren Daten effektiv umgehen zu können und diese in weiterer Folge effizient für interne oder externe Prozesse zu nutzen. Eine gute Data Maturity ist ausschlaggebend für den allgemeinen Erfolg eines Unternehmens und ein wichtiger Punkt auf dem Weg einer Organisation zur digitalen Transformation.
Die Datenreife ist folglich ein Indikator dafür, wie gut ein Unternehmen seine Daten sammelt, analysiert und interpretiert. Je besser die Datenbasis, umso bessere und fundiertere Entscheidungen können getroffen werden.

Wo wird Data Maturity angewendet?

Die Datenreife hilft Unternehmen in jeglicher Branche zu verstehen, wie effizient sie ihre Daten einsetzten und wo es noch Potenzial gibt. Die Data Maturity kann mithilfe verschiedener Modelle eingeschätzt werden. Bekannte Modelle sind beispielsweise das „Gartner-Data-Maturity-Modell“, das „Dell-Data-Maturity-Modell“ oder das „Snowplow-Data-Maturity-Modell“. Die meisten dieser Modelle führen fünf verschiedene Stufen an, auf denen sich ein Unternehmen befinden kann. Mithilfe dieser Einschätzung weiß eine Organisation, wo sie mit ihrer Datenaufbereitung steht, und kann diese gegebenenfalls verbessern.

Hier ein Überblick der verschiedenen Data Maturity Stufen:

 

blank

 

  1. Stufe: Auf der ersten Stufe besteht Seitens des Unternehmens noch kein Bewusstsein über Daten. Der Datenaustausch läuft hauptsächlich per E-Mail und es gibt kein Datenübergreifen zwischen verschiedenen Abteilungen. Entscheidungen werden nicht aufgrund fundierter Daten getroffen.
  2. Stufe: Es herrscht ein geringes Bewusstsein für Daten. Diese werden jedoch überwiegend manuell analysiert und sind nicht tiefgehend mit Prozessen vernetzt. Die Daten werden nicht projektübergreifend und nur in einfacher Form verwendet. Meist sind sie nur offline oder in getrennten Systemen gelagert.
  3. Stufe: Nun besitzt die Organisation bereits ein grundlegendes Datenbewusstsein und speichert diese auch nicht mehr offline, sondern beispielweise in einem Data Warehouse. Es herrscht eine Übersicht über die Daten und ein grundlegendes Verständnis. Es gibt ein Bewusstsein, wie Daten effektiv eingesetzt werden können und es entstehen erste Prozesse in welche Daten automatisiert miteinbezogen werden, oft auch schon Abteilungsübergreifend.
  4. Stufe: Das Unternehmen hat nun bereits ein Fortgeschrittenes Datenbewusstsein und die Daten werden flexibel in Prozessen eingesetzt, welche dadurch verbessert und effektiver werden. Auch Entscheidungen sind nun datenbasierend. Darüber hinaus werden die Daten automatisiert zur Verfügung gestellt, was maßgeblich zur Verbesserung der Firmen-Performance beiträgt.
  5. Stufe: Bei der letzten Stufe ist nun ein vollständiges Datenbewusstsein vorhanden und die Daten werden effektiv und tiefgehend in Prozesse miteinbezogen. Es kommen fortgeschrittene datenwissenschaftliche Verfahren sowie Künstliche Intelligenz und BI-& Big-Data-Tools zum Einsatz. Mit diesen Tools werden automatisierte Datenanalysen erstellt, welche maßgeblich in Aktivitäten und Entscheidungen miteinfließen. Außerdem werden die Daten nun in Data Lakes oder in Data Warehouse Systemen gespeichert.

 

Wie bestimmt man seine Data Maturity?

Um seine Datenreife als Unternehmen festzustellen ist als es als ersten Schritt wichtig sich folgende Fragen zu stellen:

  • Welche Bausteine sind vorhanden und wie passen sie zusammen?
  • Welchen „Entscheidungsstil“ hat das Unternehmen?
  • Arbeiten die Teams kollaborativ oder isoliert?
  • Verfügen die Teams über das richtige Wissen und die richtige Ausbildung?
  • Sind Dashboards kompliziert oder konsistent?
  • Bevorzugt das Unternehmen eine „große Enthüllung“?

(Quelle: Igelsböck A. Welche Datenreife hat Ihr Unternehmen? Sechs wichtige Fragen für B2B-Vermarkter. 31.05.2021. abgerufen auf “Welche Datenreife hat Ihr Unternehmen? Sechs wichtige Fragen für B2B-Vermarkter (marconomy.de)“)

Quellenverzeichnis:

Zurück zur Glossar Übersicht