Original article was published on Big Data Insider
Die Kernkompetenz der Zukunft: Data Literacy. Der wachsende Bedarf an Datenexperten übersteigt längst das Angebot auf dem Arbeitsmarkt. Doch wie sollen Unternehmen datenbasiert arbeiten, wenn ihre Mitarbeiter nicht über die entsprechende Expertise verfügen?
Datenbasierte Geschäftsmodelle erleben einen nie dagewesenen Boom. Etwa jedes siebte Unternehmen will zukünftig datengetriebene Geschäftsmodelle einführen. Insbesondere größere Unternehmen und solche, die die Zeichen der Zeit früh erkannt haben, beschäftigen bereits Datenexperten und stocken nun ihr Personal auf. Das sind aktuell circa 33 Prozent – Tendenz steigend. Data Scientists sind gefragter denn je und viele Unternehmen gehen auf der Suche nach Datenexperten leer aus. Das spiegelt sich auch in aktuellen Erhebungen wider.
Die Bedeutung von Data Literacy für die Wirtschaft
Im Rahmen vieler Tätigkeiten aus unterschiedlichen Unternehmensbereichen gewinnen Daten an Bedeutung. Schließlich sind 88 Prozent der von Tableau befragten Führungskräfte der Überzeugung, durch Datenanalysen bessere Entscheidungen zu treffen. Nach Einschätzungen von IDC wird die weltweite Datenmenge bis 2024 auf 143 Zettabyte anwachsen. In einem Drittel der deutschen Unternehmen beträgt das jährliche Datenwachstum zwischen 31 und 60 Prozent. Zusätzliche Datenquellen und Datentypen erhöhen die Komplexität.
Um die Daten zielführend nutzen zu können, müssen Unternehmen strategisch vorgehen. Hierfür ist ein hohes Maß an Data Literacy notwendig – die Fähigkeit, Daten nicht nur nutzen zu wollen, sondern auch die Strukturen dahinter zu verstehen, effizient auszuwerten und produktiv anzuwenden.
Eine repräsentative Umfrage des Digitalverbands Bitkom zeigt jedoch, dass mit 96 Prozent fast alle der über 600 befragten Unternehmen die Besetzung offener Stellen im Bereich Datenanalyse und -auswertung als herausfordernd bewerten. Unternehmen, die den „War for Talents“ für sich entscheiden möchten, rät Bitkom deshalb vor allem zur Einstellung von Fachkräften aus dem Ausland und zur Förderung von Frauen. Förderung ist in der Tat ein Trend in Unternehmen: Etwa ein Viertel gibt an, aufgrund des Fachkräftemangels die eigenen Mitarbeiter in Sachen Data Science fortzubilden.
Darum bilden Unternehmen eigene Datenexperten aus
Die angespannte Situation auf dem Arbeitsmarkt ist allerdings nicht der einzige Grund, weshalb immer mehr Unternehmen auf Schulungen statt Neueinstellungen setzen. Daten so aufzubereiten, dass sie auch wirklich als Entscheidungsgrundlage fungieren können, müssen viele Mitarbeiter erst erlernen. Crash-Kurse, Seminare und Fortbildungen sind dabei das Mittel der Wahl. Aber ist es wirklich so einfach, echte Datenkompetenz aufzubauen? Dass Fort- und Weiterbildungen aus Mitarbeitern unterschiedlicher Disziplinen echte Datenexperten machen, erscheint zumindest fraglich.
Data Literacy – Weiterbildungen sind problematisch
Weiterbildungen und Trainingsmaßnahmen haben viele Vorteile: Sie fördern die Mitarbeiterzufriedenheit, versprechen schnelle Erfolge und sind vergleichsweise einfach umzusetzen. Doch sind sie auch die geeignete Strategie, um Mitarbeiter zu Datenexperten auszubilden? Tatsächlich ist dieser Ansatz aus mehreren Gründen problematisch.
Problem 1 – Qualität: In Broschüren, auf Flyern und Webseiten vieler Bildungsträger werden die unterschiedlichsten Angebote in den Bereichen Datenanalyse, -auswertung und -management beworben. Ihre Versprechen: Die Teilnehmer zum „Meister“ oder zumindest fit zu machen im Umgang mit Daten. Mal im Schulungszentrum vor Ort, mal remote vom heimischen Schreibtisch aus. Aber wie gut sind diese Kurse wirklich? Die Qualität der Bildungsanbieter und Weiterbildungen lässt sich oft nicht auf den ersten Blick erkennen. Viele Trainingsangebote werden direkt von den Herstellern angeboten – und fokussieren somit auch nur auf deren Tools und Datenquellen und selten auf einen gesamtheitlichen Ansatz.
Problem 2 – Zeit: Neben der unklaren Qualität vieler Schulungen gibt es eng damit verbunden noch ein weiteres Problem der Fortbildungen: Es ist noch kein Meister vom Himmel gefallen. Wirkliche Kompetenz – und vor allem Data Literacy – lässt sich kaum in kurzer Zeit erwerben. Oft reichen nicht einmal lange Ausbildungswege, wie etwa ein Bachelor- und Master-Studium, denn echte Datenexperten haben meist viele Berufsjahre hinter sich. Diesen Erfahrungsschatz kann kein Boot-Camp oder Wochenendkurs in wenigen Tagen, Wochen oder Monaten vermitteln. Vor allem nicht allen Mitarbeitern ohne Vorkenntnisse und schon gar nicht parallel zum ohnehin schon stressigen Tagesgeschäft – denn schließlich haben die Mitarbeiter auch noch ihren eigentlichen Job zu erledigen.
Problem 3 – Kosten: Nicht zu unterschätzen ist auch der finanzielle Aspekt des Schulungsunterfangens. Fort- und Weiterbildungen zum Datenexperten sind teuer! Zertifikatsschulungen renommierter Anbieter wie beispielsweise der Fraunhofer Academy kosten um die 4.000 Euro für vier Schulungstage. Wenn es ein berufsbegleitendes Studium an einer privaten Fern-Uni sein soll, beläuft sich die Summe schnell auf einen knapp fünfstelligen Betrag. Selbst wenn Unternehmen bereit sind, diese Summen in das Training ihrer Mitarbeiter zu investieren, haben sie keine Garantie, dass diese sich letztlich amortisieren. Neue Tools, Technologien und die steigende Komplexität der Datenmengen und -quellen sorgen dafür, dass der Wissensstand selbst kurz nach einer Schulungsmaßnahme schnell veraltet ist.
Jetzt Newsletter abonnieren
Täglich die wichtigsten Infos zu Big Data, Analytics & AI
Geschäftliche E-Mail
Abonnieren
Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.
Aufklappen für Details zu Ihrer Einwilligung
Problem 4 – Fachkräftemangel: Fachkräfte sind nicht nur im Bereich Data Science schwer zu finden. Auch viele andere Stellen bleiben in Unternehmen häufig lange unbesetzt – gerade diejenigen, die eine gewisse Affinität zu Daten aufweisen: sogenannte MINT-Berufe. Die Ressourcen sind also ohnehin schon knapp, die Mitarbeiter oft bereits überlastet. Werden sie nun verstärkt als Datenexperten eingesetzt und verbringen den Großteil ihrer Zeit mit aufwendigen Datenanalysen, entsteht an anderer Stelle eine Lücke. Diese müsste dann wiederum unter enormem Kosten- und Zeitaufwand nachbesetzt werden.
Dank Data-Literacy-Plattform echte Datenkompetenz ins Unternehmen holen
Fest steht also: Trainings alleine werden nicht ausreichen, um aus Mitarbeitern Datenexperten zu machen. Data Literacy muss aber langfristig für alle und jeden verfügbar sein – nur dann können Unternehmen wirklich von datengetriebenen Geschäftsmodellen profitieren. Die effektivste Strategie ist der Einsatz innovativer Technologien, die sich genau das zum Ziel gesetzt haben: Datenkompetenz zu demokratisieren.
Mit einer sogenannten Data-Literacy-Plattform wird das gesamte im Unternehmen vorhandene Datenwissen sofort für jeden Mitarbeiter zugänglich – und nutzbar. Mithilfe einer KI-gestützten Technologie werden Informationen, Strukturen und Logiken hinter Daten für alle und jeden im Unternehmen sichtbar. Eine systemübergreifende Suchmaschine setzt Daten in ihren jeweiligen Kontext und hilft dabei, Redundanzen zu vermeiden, Silos abzubauen und Wissen zu teilen.
Ein Großteil der Anfragen kann nun von den Fachabteilungen selbst gelöst werden, weil sie Zugriff auf relevantes Datenwissen erhalten und es direkt anwenden können. Für Data Scientists und andere Datenexperten ist diese neue Technologie eine Entlastung und sie haben wieder mehr Zeit für ihre eigentlichen Aufgaben. Außerdem haben sie Zugriff auf die Arbeitsergebnisse und den Erfahrungsschatz ihrer Kollegen, weil alle Versionsverläufe und Dokumentationen zentral an einem Ort zu finden und direkt im Code editierbar sind.
Fazit
Ob Unternehmen langfristig erfolgreich bleiben, hängt maßgeblich von der Data Literacy ihrer Belegschaft ab. Sind nur einige wenige Experten in der Lage, Daten wirklich effektiv auswerten, verstehen und anwenden zu können, werden datenbasierte Geschäftsmodelle nur schwer skalierbar sein. Doch Datenwissen, das allen zur Verfügung steht, ist ein echter Game Changer – und der größte Wettbewerbsvorteil.
.