Traditionell konzentrierten sich DALs auf die Verwaltung der Dateninfrastruktur und Analysetools. Da Unternehmen ihre Entscheidungen jedoch zunehmend auf verwertbare Daten stützen, die aus IT-Systemen stammen, hat sich die Rolle der DALs hin zu der eines Datenforschers weiterentwickelt. Auf diesem Weg entwickeln sich diese Fachkräfte zu strategischen Partnern ihrer Geschäftsführungen, die technisches Fachwissen mit Geschäftssinn verbinden und Daten in verwertbare Erkenntnisse übertragen sollen. Das soll strategische Initiativen erleichtern und das Unternehmenswachstum fördern.
Qualifikationen erfolgreicher DALs
DALs sollten eine Vielzahl von Qualifikationen mitbringen. Sie müssen Geschäfte datenbasiert voranbringen können und dabei neugierig und zugleich skeptisch bleiben, um den Wert verschiedener Datensätze zu erkennen und zu nutzen. Erfahrene DALs sortieren unbrauchbare oder minderwertige Daten aus und verbessern die Datenqualität, um zuverlässige und aussagekräftige Erkenntnisse zu gewinnen. Neben der Datenanalyse müssen DALs effektiv kommunizieren, um ihre Hypothesen zum Datenextrakt vermitteln und eine ergebnisorientierte, datengetriebene Kultur fördern zu können.
Nutzen stiften, Werte schaffen
Auf Basis von Leistungsindikatoren (Key Performance Indicators) können DALs Prozesse einleiten, die dem Unternehmen Wert verschaffen. Dafür entwerfen sie beispielsweise Anwendungsfälle, die Schwachstellen im Unternehmen offenlegen. Ob es darum geht, die Abwanderung von Kunden zu verhindern, durch Echtzeitdaten und -simulationen bessere Entscheidungen zu treffen oder durch die Bereitstellung von Informationen Zeit zu sparen – der Wert datengesteuerter Erkenntnisse kann auf verschiedene Weise gemessen werden. Etwa durch die Festlegung von Kennzahlen, die die Auswirkungen datengesteuerter Initiativen auf das Geschäftswachstum, die Entscheidungsfindung und die Zeitersparnis messen.
Schlüsselrolle bei digitaler Transformation
DALs können eine Schlüsselrolle bei der digitalen Transformation im gesamten Unternehmen spielen, indem sie beispielsweise eine Datenpipeline für die Analyseinfrastruktur sicherstellen – was die Digitalisierung und Integration von Datenquellen und -systemen erfordert – und Datenmengen verarbeiten und verwalten. Zudem müssen benutzerfreundliche Möglichkeiten für den Zugriff und die Nutzung von Daten geschaffen werden, die den Präferenzen und Gewohnheiten der Benutzer entsprechen. Veränderungen daran können notwendig werden, wenn unterschiedliche Nutzer fordern, dass Dateneingaben angepasst, neue Datenbeziehungen hergestellt oder die Datenqualität verbessert werden soll.