Wie Unternehmen verborgene Datensätze aus dem Datensee heben

Daten sind unbestreitbar die Währung der Zukunft. Oft fehlt Unternehmen jedoch das entsprechende Bewusstsein und die richtige Technik, um aus den eigenen Datensätzen Wert zu schöpfen. Dabei liegt in ihnen oft mehr Monetarisierungspotential verborgen, als manch ein Geschäftsführer ahnt.

Wie Unternehmen verborgene Schätze aus dem Datensee heben

Die Bürokratie machte aus Menschen sprichwörtlich Nummern – und wurde damit deutlich effizienter. Noch weiter ging die Digitalisierung. Sie marginalisierte den Menschen auf Einsen und Nullen und läutete damit eine Zeitenwende ein: Datensätze sind nicht nur gehalt-, sondern auch wertvoll geworden. Internetgiganten wie Google, Amazon oder Facebook schöpfen daraus pures Gold.

Doch nicht nur Plattformen und soziale Netzwerke globalen Ausmaßes können aus Daten Geld machen. Jedes Unternehmen hat Daten, die es gewinnbringend einsetzen kann – als Stichworte seien „Big Data“ und „Data Lakes“ genannt. Beginnend bei detaillierten Informationen über die Produkte, interne Prozesse und Infrastrukturen, bis hin zu Kunden- und Marktdaten sowie Erkenntnisse aus Studien oder Ergebnisse von Werbeaktionen, können Unternehmen auf eine Vielzahl an Daten zurückgreifen. Das ist jedenfalls dann der Fall, wenn sie die richtigen Technologien zur Auswertung nutzen.

Gewöhnlich sind die Quellen der Daten ebenso vielseitig wie die Daten selbst. Manche Unternehmen setzen daher zunächst auf eine Bestandsaufnahme: Welche Daten sind vorhanden, und woher kommen sie? Bevor das Unternehmen allerdings Wert aus den vorhandenen Informationen gewinnen und eventuell Strategien an neuen Erkenntnissen ausrichten kann, steht eine mühsame Daten- und Quelleninventur. Als zweiter Schritt ist dann eine Vereinheitlichung des gesamten Datenbestands nötig, damit eine Analyse stattfinden kann.

Datensätze

Weniger Kosten und mehr Gewinn durch Enterprise Search

Alternativ und kostengünstiger ist der Einsatz einer Enterprise-Search-Lösung: sie hilft dabei, einen sogenannten Datenintegrationslayer für die Analyse zu erstellen. Dabei ist dann völlig egal, ob sich die Daten auf den eigenen Servern, in der Cloud oder auf externen Datenbanken befinden. Es spielt auch keine Rolle, ob sie strukturiert oder unstrukturiert sind. Das Search-Tool indiziert alle angebunden Daten, normalisiert sie und stellt dank seiner flexiblen Indexstruktur das zentrale Äquivalent eines Data Lakes dar.

Damit das Ganze funktioniert, ist es wichtig, dass das Tool überhaupt auf die Daten zugreifen darf. Eine Enterprise-Search-Lösung hat im besten Fall ein recht umfangreiches Set von Standardkonnektoren an Bord, durch die sie sich mit unterschiedlichen Datenquellen verbinden kann. Bei der Auswahl entsprechender Software sollten Unternehmen zudem darauf achten, dass sie skalierbar ist. Oft sind die Datenbestände sehr groß und weiter im Wachstum begriffen, damit muss das Tool umgehen können.

Das Herz eines guten Enterprise-Search-Systems ist die künstliche Intelligenz. Früher stand die Volltextsuche im Fokus solcher Lösungen, mittlerweile ist Machine Learning ein treibender Faktor für die Wertschöpfung durch Daten. Erst mit intelligenter Content-Analyse-Software wird ein Enterprise-Search-System zu einem wichtigen digitalen Mitarbeiter im Unternehmen. Mit ausgeklügelten Verfahren ist das Tool dann in der Lage, Inhalte je nach Thema zu erfassen, automatisiert zu sortieren, Querverbindungen und Beziehungen zwischen Datensätzen auszumachen und Trends zu erkennen.

Wertschöpfung und Monetarisierung

Für die Geschäftsführung ist wichtig, sich klarzumachen, dass sie Daten in vielerlei Weise zur Monetarisierung nutzen kann. Nicht immer schlägt sich der Profit allerdings in offensichtlichen Umsätzen oder Gewinnen nieder. Es gibt Wertschöpfungen, die sich eher passiv auf die Wirtschaftsleistung des Unternehmens auswirken.

Beispiele für direkte Wertschöpfungen sind etwa neue Geschäftsmodelle, Produkte. Oder Kunden, die Unternehmen durch die Analyse der vorhandenen Datensätze etablieren beziehungsweise gewinnen können. Ein weiterer direkter monetärer Nutzen entsteht beispielsweise aus der Wiederbelebung alter Kundenkontakte, die bereits brachlagen, weil sie im Datensumpf untergegangen sind.

Eher indirekte Wertschöpfung ergibt sich zum Beispiel daraus, dass Teams ihre Prozesse optimieren und effizienter arbeiten oder das Management aufgrund einer weitreichenderen Informationslage bessere Entscheidungen trifft. Zuweilen kommt es sogar vor, dass Mitarbeiter gleichzeitig an ein und derselben Lösung für ein Problem arbeiten, das sich an unterschiedlichen Stellen im Unternehmen in verschiedenen Ausprägungen verdeutlicht. Ein Phänomen, das das Management verhindern könnte, wenn es die richtigen Daten nicht nur hätte, sondern auch Querverbindungen analysieren könnte. Falsche Entscheidungen und schlechte Prozesse kosten das Unternehmen Geld.

Egal, welche Art der Wertschöpfung angewandt wird, wertvolles Wissen aus Daten bleibt ohne entsprechende Analysemechanismen oft ungenutzt. Unternehmen kostet es bares Geld, die Auswertung und Nutzung des Datenbestands zu vernachlässigen.

Return of Investment

Gerade im Mittelstand hält sich trotz allem hartnäckig das Gerücht, dass der Kosten-Nutzen-Faktor eines Enterprise-Search-Tools ungünstig und der Aufwand der Implementierung enorm sei. Beides ist tatsächlich nicht der Fall.

Eine Enterprise-Search-Software kostet natürlich erst einmal Geld im Sinne von Nutzungsgebühren oder Lizenzkosten und Implementierungsleistungen. Doch angesichts des Potentials zur Monetarisierung können Unternehmen ruhigen Gewissens davon ausgehen, dass sich die Anschaffung sehr bald nach der Einführung amortisieren wird. Das System in Betrieb zu nehmen sollte jedenfalls kein Hindernis darstellen. Enterprise-Search-Lösungen sind bei normalen Anforderungen schnell installiert und mit allen notwendigen Datenquellen verbunden, sodass sie zügig die Arbeit aufnehmen können.

Unternehmensdaten sind ein wertvolles Asset. Oft liegen im Datenmeer Schätze verborgen, die nur darauf warten, gehoben zu werden.

Der Beitrag wurde ursprünglich hier veröffentlicht …