Datenstrategie, die Steuerung trägt: ein Framework in fünf Ebenen

Die meisten Datenstrategien scheitern nicht an der Technik, sondern an der Verbindung zur Steuerung. Es wird eine Plattform gebaut oder ein Dashboard eingeführt, ohne dass jemand die Strategie an die Geschäftsziele, an Governance und an die Menschen koppelt. Das Ergebnis sind genau die Symptome, die Controlling-Teams kennen: widersprüchliche Kennzahlen, niemand ist verantwortlich, und die Steuerung verlässt sich am Ende doch wieder auf Excel.

Dieses Framework habe ich entwickelt, um eine Datenstrategie strukturiert zu bewerten und die Lücken zu schließen, die zwischen Daten und Entscheidung stehen. Es ist bewusst keine Technologie-Landkarte, sondern eine Steuerungs-Landkarte: fünf Ebenen, die zusammenspielen müssen, damit Daten die Unternehmenssteuerung wirklich tragen.

Framework

Data Strategy Framework.

Data-driven companies link the data strategy to business goals, technical solutions, and employee enablement. The framework supports status-quo assessment and gap analysis across five layers.

IStrategy Alignment

1.1Functional Strategy

1.2Divisional Strategy

1.3IT Strategy

IIData Landscape

2.1Classification & Anonymisation

2.2Data Availability

2.3Data Diversity

2.4Data Model

2.5Meta & Masterdata

IIIGovernance & Data Management

3.1Ethics

3.2Security

3.3Data Privacy

3.4Quality

3.5Data Access

3.6Data Ownership

3.7Consent Management

IVData Value Chain

4.1Data Sourcing

4.2Data Collection

4.3Data Storage

4.4Curation & Processing

4.5Data Consumption

4.6Data Marketplace

VSkills & Capacities

5.1Skill Gaps

5.2Employee Training

5.3Insourcing

5.4Outsourcing

5.5Partnering

Johannes Merkel · Data Driven Consulting

Die fünf Ebenen

I · Strategy Alignment. Funktional-, Bereichs- und IT-Strategie geben vor, was die Daten leisten müssen. Wenn die Datenstrategie nicht an diesen Strategien hängt, optimieren Sie sauber an den Zielen vorbei.

II · Data Landscape. Klassifizierung, Verfügbarkeit, Datenmodell und Stammdaten. Ohne ein sauberes Datenmodell und gepflegte Stammdaten bleibt jede Kennzahl Verhandlungssache.

III · Governance & Data Management. Ethik, Sicherheit, Datenschutz, Qualität, Zugriff, Ownership und Einwilligung. Genau hier scheitern die meisten: Niemand will die Verantwortung für eine Kennzahl übernehmen. Deshalb liegt Governance im Framework quer über allen anderen Ebenen, nicht daneben.

IV · Data Value Chain. Von Sourcing und Collection über Storage und Aufbereitung bis zu Consumption und Marketplace. Daten erzeugen erst dann Wert, wenn sie konsumiert werden, nicht wenn sie gespeichert sind.

V · Skills & Capacities. Skill-Gaps, Training, In- und Outsourcing, Partnering. Die beste Architektur trägt nicht, wenn das Team sie nicht selbst weiterführen kann.

So nutzt man es: Status quo und Gap-Analyse

Das Framework ist ein Bewertungsraster, kein Schaubild für die Wand. In der Praxis gehe ich jeden Baustein einzeln durch und bewerte ihn ehrlich: vorhanden und belastbar, teilweise vorhanden, oder offene Flanke. Aus dem Muster der Lücken entsteht die eigentliche Aussage. Meist zeigt sich schnell, dass die Schwachstellen nicht in der Technik liegen (Ebene IV), sondern in Alignment (I) und Governance (III).

Aus der Gap-Analyse wird eine priorisierte Roadmap: zuerst die Lücken schließen, die Entscheidungen blockieren, dann die, die Effizienz kosten. So wird aus einer abstrakten Datenstrategie eine Reihe konkreter, steuerungsrelevanter Schritte.

Das Takeaway

Eine Datenstrategie ist gut, wenn die Steuerung ihr vertraut. Dafür müssen alle fünf Ebenen zusammenpassen, nicht nur die Plattform. Das Framework macht sichtbar, wo es hakt, und in welcher Reihenfolge man es angeht. Die Technologie ist dabei austauschbar. Die Struktur bleibt.