Teil 4: Datengetriebene Unternehmenssteuerung: Konsolidierung und Stabilisierung

25.04.2021

Nachdem wir auf Auslöser, Anforderungen und Technologien betrachtet haben, widmen wir uns nun dem Thema der Konsolidierung in der datengetriebenen Unternehmenssteuerung.

Im Unternehmen bereitgestellte Daten führen oft zu einem bunten Strauß an Berichten für jegliche Fragestellungen und Designwünsche. Jeder Bericht und jede Kennzahl erfordert Aufwand in Qualitätssicherung und Wartung, deshalb ist eine regelmäßige Revision aus fachlicher und technischer Sicht sinnvoll.

Viele Wünsche – was macht Sinn?

Der Hunger kommt beim Essen. Das ist im übertragenen Sinne bei Datenprojekten nicht anders. Es werden die ersten Fragestellungen bearbeitet, die Nutzer freuen sich und erzählen es weiter. Nicht selten finden sich Nutzer mit besonders großer Begeisterung. Sie beginnen selbst Daten vorzubereiten und Berichte zu erstellen. Oder die Werbetrommel bewirkt, dass immer mehr Stakeholder Fragestellungen formulieren und entwickeln (lassen). Das ist jedes Mal schön zu sehen! Manchmal führt das allerdings an einen Punkt, an dem festgestellt wird, dass es so nicht weitergehen kann.

Die richtige Granularität in der Visualisierung

Gerade im Bereich der Visualisierung verzetteln wir uns manchmal bei der Erfüllung der Anforderungen. Nicht vorhandene Funktionen im Tool werden durch Workarounds ersetzt. Eine Fülle von Filtermöglichkeiten an verschiedenen Stellen wird angewendet und reichlich fachliche Logik in Berechnungen umgesetzt. Das kann zu schlechter Performance der Berichte und zu hohen Aufwänden bei der Wartung der Berichte kommen. Auch Antworten auf Fragen der Nutzer, wie die Daten im Dashboard im Detail zustande kommen, stellen sich als aufwändig heraus. Was können wir tun?

Zunächst einmal hilft es, alle Berichte durchzugehen und sich einen Überblick über deren Fragestellungen und Stakeholder zu verschaffen. Vielleicht fallen dann schon Redundanzen auf. Im Gespräch mit den Stakeholdern kann sich zudem zeigen, dass die ein oder andere Fragestellung nicht mehr relevant ist oder sich verändert hat. Über die Zeit können sich auch Definitionen geändert haben. Wichtig ist, dass die Begriffe über alle Fragestellungen hinweg einheitlich genutzt werden und diese Festlegungen auch transparent sind. Nicht mehr benötigte Zahlen sollten aus Berichten entfernt werden, um nur wichtige Werte für Entscheidungen anzuzeigen. Weder die Wartung der Dashboards ohne aktuellen Nutzen noch die weitere Bereitstellung ohne Wartung sind sinnvolle Alternativen.

Berichte vereinfachen und stabilisieren

Bei den weiterhin notwendigen Berichten und Fragestellungen kann oftmals die Umsetzung vereinfacht werden. War der ein oder andere Workaround doch nicht so dringend notwendig und kann entfernt werden? Gerade die Fülle an Funktionen, die Tools wie Tableau Software so reizvoll und die Berichte so faszinierend erscheinen lassen, erschweren die Qualitätssicherung enorm. Die reichlichen Filtermöglichkeiten in Tableau können als Orientierung dienen:

  • neben der Filterung in der Abfrage der Datenquelle bieten Datenquellenfilter in Datenextrakten,
  • übergeordnete Kontextfilter,
  • Arbeitsblattfilter,
  • Sätze und
  • Filteraktionen

weitere Möglichkeiten, die einbezogene Datenmenge zwischen Datenquelle und Anzeige im Dashboard zu verändern. Damit ändern sich die KPIs, auf die sich der Nutzer verlässt! Es gilt also abzuwägen, ob jede Filterebene notwendig ist. Achten Sie darauf, dass die Filterungen für vergleichbare Fragestellungen in verschiedenen Berichten vergleichbar umgesetzt wurden. Ähnliches gilt für Berechnungsfunktionen und Tabellenkalkulationen, deren tatsächliche Ergebnisse nicht immer sofort nachvollziehbar sind.

Dashboards mit Visualisierungstools wie Tableau zu erstellen, macht großen Spaß und bringt schnell Erkenntnisse. Allerdings besteht zwischen Ausprobieren und qualitätsgesichertem Dashboard ein Spannungsfeld und einiges an Arbeit, die nicht unbedingt sichtbar wird. Das führt dazu, dass die Erstellung der Berichte oft bei wenigen Experten bleibt, die sich mit Tools und Daten sehr gut auskennen. Bei doubleSlash wurde der ursprünglich angedachte Selfservice aus diesem Grund bislang nicht umgesetzt. Auch in Kundenprojekten läuft es oft auf Experten und wenige Poweruser hinaus, die Berichte erstellen.

Streudiagramm, Vergleich von einzelnen Jahren und dem gesamten Zeitraum
Abbildung 1: Streudiagramm, Vergleich von einzelnen Jahren und dem gesamten Zeitraum – eigene Darstellung/Tableau

Schnelle Übersicht durch Katalogisierung

Für die Vergleichbarkeit ähnlicher Fragestellungen und der Reduzierung von Aufwänden haben wir auch die Nutzung eines Datenkatalogs schätzen gelernt. Darin werden alle vorhandenen Attribute, deren fachliche Bedeutung, die Herkunft und das Format erfasst. Fachliche Fragen von Nutzern lassen sich damit schneller beantworten, zudem hilft es bei der Suche nach Datenquellen für neue Fragestellungen. Auch eine grundlegende Dokumentation zu Datenquellen, deren Zusammenführung und Veränderungen an den Daten dient der Transparenz über den Weg zwischen Datenquelle und Anzeige in einem Bericht. Bei einer wachsenden Zahl an Berichten und Datenvorbereitungen hilft die grundlegende Dokumentation, um mögliche Fehler in Daten schneller zu entdecken.

Fazit

Um ein automatisiertes Berichtswesen anbieten zu können, sind Plausibilitätschecks und Monitoring unabdingbar. Abhängig von der eingesetzten Technologie und der fachlichen Plausibilisierungsfragen kann die Erstellung ein großer Aufwand sein, der im Sinne der Verlässlichkeit aber notwendig ist.

Egal ob an der Datenvorbereitung oder der Visualisierung gearbeitet wird: grundlegend ist das Gefühl der Verantwortung für die mit den Daten bereitgestellte Information. Aufgrund fehlerhafter Daten gefällte Entscheidungen können weit reichende Folgen haben. Das gilt genauso für die Auswahl der Kennzahlen: Dem Nutzer muss der Wert einer Kennzahl nicht gefallen. Dies könnte dann ein Indiz für eine notwendige Entscheidung sein. Wichtig ist, ob die Kennzahl Aussagekraft in Richtung der getroffenen Ziele hat. Eher kann man darüber nachdenken, ob es weitere Kennzahlen gibt, die nebeneinandergestellt umfassenderen Hintergrund für konkrete Entscheidungen bieten.

Zu Teil 1 der Blogserie: Erwartungen und Auslöser

Zu Teil 2 der Blogserie: Fachliche Anforderungen und Struktur

Zu Teil 3 der Blogserie; Technologieentscheidungen

Zurück zur Übersicht

Kommentar verfassen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

*Pflichtfelder

*