Der wahre Wert von Daten

Daten sind das neue Öl oder auch das neue Gold im 21. Jahrhundert. Die Aktien von Technologieunternehmen wie Google oder Facebook, die Daten als Grundlage haben übertreffen sich jedes Jahr. Jedem ist klar: Daten sind etwas wert. Aber was ist genau der Wert von Daten und wie kann man ihn einsetzen?

Was ist der wahre Wert von Daten?

Der monetäre Wert von Daten ist der offensichtliche, aber eigentlich zweitrangig.
Der monetäre Wert von Daten ist der offensichtliche, aber eigentlich zweitrangig.

Wenn jemand im wirtschaftlichen Kontext von Wert spricht, ist meist monetärer Wert gemeint. “Was ist der ROI? Können wir das verkaufen?” hallt es durch die Flure und Slack-Channel der deutschen Unternehmen. 

Doch Wert hat wesentlich mehr Interpretationen als diesen einen sehr einfachen. Dazu muss man klar darlegen, dass Daten keine klassische Ressource sind, die “umgesetzt” werden muss. Daten haben einen offensichtlichen, einen potentiellen und einen langfristigen Wert.

Der offensichtliche Wert von Daten

Der offensichtliche ist der, den viele direkt erkennen: Besitzt man Daten, die einzigartig oder sehr branchenspezifisch sind, sind diese viel wert. Als Beispiel können die StreetView-Daten von Google, die Sozialdaten von Facebook oder auch IoT-Daten von Industrieunternehmen gesehen werden. Auch Unternehmen, die sich auf Datenakquise und -erhebung konzentrieren, fallen in diese Kategorie.

Solche Daten haben einen offensichtlichen Wert, da sie entweder einen direkten Wettbewerbsvorteil generieren oder weil sie als Produkt verkauft werden können. Folglich sind derartige Daten die, die sich am nähesten direkt an der Idee eines “ROIs” befinden.

Der potentielle Wert von Daten

Eine andere Art von Wert weisen Daten aus, die nicht in dieser offensichtlichen Kategorie auftreten. Die Kategorie ist mit Absicht etwas vage ausgedrückt; denn so ziemlich alle Daten, die ein Unternehmen besitzt, haben einen potentiellen Wert. Oft gilt es nur, mittels sehr expliziter Entwicklung von Anwendungsfällen und analytischer Auswertung (z.B. mittels Machine Learning) diesen Wert zu heben.

Als Beispiele für diese Art von Datenwert gelten Kundendaten, Service-Daten, Webanalytics, Marketingdaten und vieles mehr. Im Prinzip alle Daten, die durch Kunden, Lieferanten, Partner, Systeme, Prozesse oder Produkte generiert werden, haben das Potential einen eindeutigen Wert auszuweisen. Dies ist auch im Merkmal „Big Data Value“ zu finden, das neue Maßstäbe für Daten im 21. Jahrhundert setzt.

Das wichtige bei dieser Kategorie ist, dass der potentielle Wert abhängig ist vom eigenen Unternehmen. Wenn manche Daten für das eine Unternehmen von sehr hohem Wert sind, können die genau gleichen Daten für ein anderes Unternehmen vollkommen irrelevant sein.

Um jedoch diesen potentiellen Wert zu identifizieren, gilt es, eine starke Stakeholder-Zentrierung zu etablieren und mit fundamentaler Expertise aus dem Bereich Data Science zu kombinieren. Nur wenn man versteht für wen man es macht und wie man es machen kann, kann man identifizieren, wie wertvoll Daten in diesem Prozess sein können.

Der langfristige Wert von Daten

Oft höre ich Menschen sagen “Ich möchte nicht blind alles speichern”. Das Problem ist: Für gute Vorhersagen mittels künstlicher Intelligenz braucht man oft viele historische Daten. Dem entgegen steht, dass Speicherplatz heute sehr günstig ist und daher kaum der limitierende Faktor ist.

Das Argument das ich hier darstelle ist, dass man es sehr häufig bereut, Daten nicht gesammelt zu haben; selten jedoch, dass man sie gespeichert hat. Dies alles selbstverständlich unter dem Dach von rechtlichen Vorgaben wie der DSGVO. Oft genug jedoch entwickelt man spät Ideen, wie man Daten einsetzen kann; hat sich aber nicht die Mühe gemacht, die entsprechenden Daten (z.B. als Rohexport in einem Data Lake) zu persistieren.

Natürlich ist es ein Pseudo-Totschlagargument zu sagen “irgendwann werden wir diese Daten noch brauchen”. Hat man jedoch einen gut strukturierte Prozesse bezüglich Data Governance, einen Datenkatalog und einen funktionierenden Data Lake zur Verfügung, kostet es kaum Mehraufwand Daten zusätzlich zu speichern. Daher ist Aufwand/potentieller Ertrag klar positiv.

Sind Daten nur gut, wenn sie monetären Wert haben?

Daten sind der Treiber für Innovation und müssen als Zukunftsinvest behandelt werden.
Daten sind der Treiber für Innovation und müssen als Zukunftsinvest behandelt werden.

Wir haben verschiedene Kategorien von Wert für Daten kennengelernt. Bleibt noch immer die Frage: Muss die Auswertung von Daten bzw. die Daten selbst einen monetären Ertrag bilden?

Ganz einfach gesagt muss ein Unternehmen langfristig rentabel sein, um weiter zu existieren. Jedoch gilt es vor allem beim Aufbau von neuen Kompetenzen wie Datennutzung auch in die Zukunft zu investieren und zu experimentieren. 

Mehr noch; selbst wenn wir keinen genauen ROI für Daten oder deren Einsatz definieren können, gilt es dennoch, den Effekt auf das Unternehmen und dessen Kunden mit Bezug auf Loyalität, Customer Experience und Konvertierung darzustellen.

Ein einfaches Dashboard, das unseren Sales-Mitarbeitern empfiehlt welche Artikel ein Kunde braucht, ein neues Produktfeature das durch Datenanalyse entstanden ist oder die Vorhersage von Mitarbeiter-Zufriedenheit: Oft ist es schwierig, einen monetären Wert dahinter zu stellen, selbst wenn der Effekt offensichtlich ist.

Um es kurz zu machen: Ein Unternehmen ist generell auf einen gewissen Profit angewiesen. Viele langfristige, prozessuale oder transformative Themen allerdings befinden sich noch im Umbruch und können nicht direkt mit Geldwert quantifiziert werden. Daher sind alle Daten wertvoll, nicht nur diejenigen mit offensichtlichen monetären Wert.

Wie kann man den Wert von Daten quantifizieren?

Die dargestellte Argumentationskette wird vielen Top-Management Mitgliedern nicht genügen. Eine Wette auf ein zukünftiges Potential abzuschließen ist möglich, aber eben nicht verlässlich. Daher wird man gegebenenfalls darauf bestehen, den Wert von Daten zu quantifizieren, ohne die dafür notwendige Erfahrung zu besitzen.

Daher gilt es, Indikatoren für einen hohen Datenwert und ein hohes Potential festzulegen. Dazu zählen zum Beispiel:

  • Einzigartigkeit der Daten
  • Potentielle Anwendungsfälle
  • Verfügbarkeit und Zugriff auf die Daten
  • Aktualität der Daten
  • Auswirkung auf Kundenbeziehung
  • Menge und Historie der Daten
  • Strategische Bedeutung der Daten
  • Auflösung (Granularität) der Daten
  • Interessierte Fachbereiche

Ergänzt mit individuellen Metriken erlaubt dies, zumindest die unternehmensinterne Frage der Priorisierung von Datenquellen zu beantworten. Weiterhin zielt es darauf ab, die Daten als das zu betrachten, was sie sind: Ein Zukunftsinvest.

Fazit: Daten sind weit mehr wert als nur Geld

Zusammengefasst kann man sehr einfach sehen, dass Daten weit mehr Wert haben als oberflächlich erkennbar. Es gibt hunderte von Anwendungsfällen für Datenanalysen; wichtig ist nur, sich klar dafür zu entscheiden, Daten als Mehrwert zu betrachten.

Eine Quantifizierung mittels Metriken kann als etablierter Prozess helfen, allen Beteiligten zu verstehen zu geben, weshalb die Daten von Wert sind. Insgesamt sollte die Frage allerdings nicht lauten “Was ist der ROI?”, sondern vielmehr “Was ist der Mehrwert?”, so man über den Wert von Daten spricht.