counter

Learning – Datadriven Decisions – Entscheidungsgeschwindigkeit und Entscheidungsqualität

21.08.2020 18:23:55 | Helmut Steigele | 0 Kommentare
Ein neues Buzzword zieht durch die Lande. Das Datadriven Decision Management. Dieses datengesteuerte Entscheidungsmanagement (Data-Driven Decision Management, DDDM) ist ein Ansatz zur Unternehmensführung, bei dem Entscheidungen favorisiert werden, die mit überprüfbaren Daten untermauert werden können.

Der Erfolg des datengesteuerten Ansatzes hängt von der Qualität der gesammelten Daten und der Wirksamkeit ihrer Analyse und Interpretation ab. Diese Disziplin wird in der Regel als Mittel zur Erlangung eines Wettbewerbsvorteils eingesetzt. Einige Proponenten und Evangelisten verweisen hier auf eine Studie des MIT Center for Digital Business, welche ergab das Unternehmen, die am meisten von datengestützter Entscheidungsfindung angetrieben werden, höhere Produktivitätsraten und höhere Gewinne erzielen.

Die Frage, wie dieses Datadriven Management im Ablauf her aussehen würde, wurde in der Studie nicht beantwortet, sie läuft aber im Grunde ungefähr so ab:

Es ist nichts anderes als ein Algorithmus in dem je Führungsebene, meistens auf Basis einer entsprechenden Frequenz (nur im Ausnahmefall, wöchentlich, monatlich, quartalsweise) und  auf Risiko-, Ertrags- und Zufriedenheitsindikatoren aufgebaut das Management mit aktuellen, validierten Informationen beliefert wird und dadurch eher schneller, in einigen Fällen besser, aber definitiv fundierter entscheiden kann.

 

Das klingt bis jetzt noch nicht spektakulär. Spektakulär ist wohl eher der Fakt, dass in vielen Fällen der Wert der vorhandenen Daten, die Möglichkeiten dieselben anzuzapfen oder basierend darauf, früher, als später zu entscheiden, von Wichtigkeit war.

Warum: Weil Modethemen wie Agilität, Innovativität und Digitale Transformation dieses ach so trockene Thema überschatteten.

Doch sei einmal eine provokante Frage gestellt. Was ist glaubwürdiger, die Visionen von Digitalisierungsevangelisten, Transformationsfantasten und weiteren apokalyptischen Reitern, oder ein Vorschlag eines internen Mitarbeiters, der auf Basis von intern erhobenen Daten und Fakten, Verbessrungsvorschläge so unterbreitet, dass man zügig erkennt, wo, wie und warum etwas für die Zukunft verbessern sollte.

Ein wunderbares Beispiel, wo und wie hier eine nach DDRM vorgesehene Implementierung aussehen würde, wäre folgendes.

Nehmen Sie einmal die für das Unternehmen erfolgskritische Business-Value-Chain ins Zentrum, und fragen Sie sich dort, wo heute und jetzt durch entsprechende Messung, Prüfung, und dem entsprechenden Auslösen von Warnungen Ihrem Unternehmen künftige Problemherde früher bekannt, Ursache- und Wirkungsvektoren womöglich schon analysiert und damit entscheidungsfähig vorlägen.

Es wäre durchaus möglich, als Führungskraft Unterbrüche in der Supply-Chain früher zu erkennen, Probleme, Verzögerungen und Abweichungen im Service- und Produktionsbereich systematisch zu erfassen, und im Fundus aller Kundeninformationen rauszufinden, was gefragt, weniger gefragt, problematisch oder sexy am eigenen Angebot ist.

Wenn man diese Daten hat und auch noch im Feinabgleich mit Kontext, Mitarbeitern und dem eigenen Erfahrungswissen abgleicht (Achtung der Computer entscheidet nicht, er bereitet nur Informationen auf), so wird’s wirklich einfacher zu entscheiden.

Selbiges gilt übrigens nur dann, wenn man vorher gewisse Hausaufgaben gemacht hat; doch davon handelt der nächste Blog
Kommentar hinzufügen

Keine Kommentare vorhanden.