Data-Analysts analysieren vorhandene Daten im Unternehmen im Kontext der Unternehmensstrategie, des Wettbewerbes und der internen Prozesse. Sie erstellen Analysen und Diagramme und präsentieren sie einem Publikum aus Management und Fachbereichen. Soweit die Theorie.

In der Praxis sieht es oft etwas anders aus. In den Data-Analysts steckt viel technisches Wissen über die Datenquellen und wie dort Daten entstehen und verarbeitet werden. Jeder ist sich darüber im Klaren, dass sie auf wertvollen Erkenntnissen sitzen, aber sie können sie oft nicht gut verkaufen. Analysen sind häufig sehr umfangreich und beinhalten Eventualitäten und Annahmen. Es besteht die Gefahr, dass der Empfänger die Analyse missversteht oder sie auf der Suche nach der richtigen Antwort zu sehr vereinfacht.

Führungskräfte beschweren sich häufig darüber, wie viel Geld sie in die Arbeit der Data-Analysts investieren, ohne die erhoffte Orientierung zu bekommen. Sie sehen keine greifbaren Ergebnisse, weil die Ergebnisse nicht in ihrer Sprache kommuniziert werden.

Welche Fähigkeiten machen einen Data-Analyst erfolgreich? Am besten eine Mischung aus Data Engineer, Data-Analysts, Business Analyst, Designer, Kommunikator und beratender Projektmanager. Leider ist diese Kombination extrem selten und würde auch nicht skalieren.

Die Lösung sind interdisziplinäre, agile Data-Teams, die sich aus Mitgliedern mit unterschiedlichen Kompetenzen zusammensetzen und eng zusammenarbeiten. Die Arbeit soll nicht mehr zwischen verschiedenen Teams weitergegeben werden, sondern unter den Teammitgliedern aufgeteilt werden. So gelingt es, den technischen Anteil mit dem geschäftlichen Anteil zu verbinden und die Fragen aller nicht-technischen Beteiligten zu beantworten und komplexe Ergebnisse einfach zu erklären.

Welche Art von Rolle und Expertise braucht ein Data-Team?

Die Schlüsselqualifikationen für Mitglieder dieser Teams ist es, intuitiv und fortlaufend zu lernen und gut kommunizieren zu können.

Manche Rollen sind sich näher und können, abhängig vom Entwicklungsstand oder der Projektphase, ggfs. von einer Person abgedeckt werden, z.B. Data Engineer und Data Analyst, oder auch Designer und Kommunikator.

Rolle: Chief Data Officer

• Aufgaben: wegweisende Beratung der Geschäftsführung hinsichtlich aller mit Daten verknüpften Prozesse, Entwicklung einer umfassende Daten- bzw. Informationsstrategie sowie einer Datenmanagementstrategie, sowie der Etablierung im Unternehmen, Data-Science- und Advanced-Analytics-Projekte initiieren und fördern, intelligente Monetarisierung der vorliegenden Daten, Treiber für die Entwicklung digitaler Geschäftsmodelle, Sicherstellung einer hohen Datenqualität im gesamten Unternehmen
• Expertise: starke organisatorische Fähigkeiten und ausgeprägte diplomatische Fertigkeiten, interdisziplinäres Arbeiten und eine grundlegende analytisch-technische Kompetenz, Erfahrung in der Gestaltung von cross-funktionalen Change-Prozessen in digitalen Initiativen und Projekten auf allen Ebenen des Unternehmens, ein offener und wertschätzender Charakter der Zusammenarbeit gestalten möchte, verbunden mit einer sehr guten Durchsetzungs- und Problemlösungsfähigkeit
• Führt: während der Definition einer Data Strategie, Bindeglied zwischen Chief Information Officer (CIO) und Chief Marketing Officer (CMO), Verantwortung für die Erkenntnisgewinnung über Datenanalytik und künstlicher Intelligenz
• Unterstützt: bei der laufenden Weiterentwicklung und Umsetzung der Data Strategie, um kulturelle Unterschiede zwischen den Projektbeteiligten zu überbrücken

Rolle: Projektmanager/Product Owner

• Aufgaben: Verwalten der Erstellung von Team-, Zeit- und Terminplänen, Ressourcen Verwaltung, Risiko Management, Einhaltung der Datenschutzbestimmungen dem Kunden gegenüber (Data Privacy) und der firmeneigener Standards und Richtlinien (Data Compliance)
• Expertise: hervorragend organisierte, zielorientierte und dynamische Persönlichkeiten, und ausgebildete diplomatische Fertigkeiten, Management Methodik (Kanban, Scrum), Mitarbeiter-Management
• Führt: während der Projektplanung und der operativen Ausführung eines Data Projekts
• Unterstützt: beim Stakeholder Management, beim Aufbau interdisziplinär aufgestellter Teams, beim know-how Transfer und der Sicherung von übertragbaren Projektergebnissen

Rolle: Data Engineer bzw. Data Architect

• Aufgaben: Datenerfassung, Datenspeicherung und Datenverarbeitung (Data Maintenance), Aufbau von Daten- und Visualisierungssystemen, entwickeln, implementieren und pflegen von Algorithmen und Modellen, Entwicklung von Vorlagen und Systemen für wiederholbare Prozesse (Automatisierung), Pflege von Stammdaten
• Expertise: Programmierung, Statistik, Systemarchitektur
• Führt: zu Beginn der Einrichtung eines Data Teams, früh in der Entwicklung eines Projekts
• Unterstützt: während der routinemäßigen Datenanalyse, der Hypothesentests und der visuellen Exploration von Daten

Rolle: Data Analyst

• Aufgaben: Hypothesen zu Daten und Datenmodellen entwickeln und testen, wichtige Einflussgrößen identifizieren, Identifikation von Muster und nützliche Trends für Geschäftsentscheidungen
• Expertise: statistische Methode, Objektivität und kritisches Denken, technische und nicht-technische Kommunikation, Kontextsetzung, Qualitätssinn
• Führt: zu Beginn der Einrichtung eines Data Teams, des Projektentwurfs, der Hypothesentests und der visuellen Datenexploration
• Unterstützt: zu Beginn der Einrichtung eines Data Teams, früh in der Projektentwicklung, während der Entwicklung der visuellen Kommunikation und Präsentation für die Zielgruppe

Rolle: Business Analyst

• Aufgaben: Geschäftsziele definieren und Geschäftsergebnisse im Blick behalten, Hypothesen entwickeln und testen, Entwicklung nicht-technischer Kommunikation
• Expertise: funktionelles Wissen über das Geschäft, kritisches Denken, Entwicklung von Strategien, nicht-technische Kommunikation
• Führt: während des Projektentwurfs, der Prüfung von Hypothesen und der visuellen Exploration von Daten, während der Kommunikation mit dem nicht-technischem Publikum
• Unterstützt: zu Beginn der Einrichtung eines Data Teams, während des Visualisierungs- und Designprozesses

Rolle: Designer (Informationsdesigntalent)

• Aufgaben: visuelle Kommunikation und Präsentationen entwickeln (Farben, Schriften und Diagramme), Erstellen von Vorlagen und Stilen für wiederholbare Visualisierung (Ästhetik)
• Expertise: Informationsgestaltung, Gestaltung der Präsentation, konstruktives Denken, überzeugende Kommunikation, Fokus auf das Publikum, Verstehen und Manipulieren von Datenvisualisierung
• Führt: bei der Datenvisualisierung und der Erstellung von Präsentationen und visuellen Systemen (Templating)
• Unterstützt: während visueller Iterationen und dem Prototyping

Rolle: Kommunikator (Storytelling)

• Aufgaben: aus Daten und Bildern Geschichten entwickeln, Hilfe bei der Erstellung von Präsentationen im Story-Format, vor nicht-technischem Publikum präsentieren, Kommunikationslücke zwischen Algorithmen und Führungskräften schließen
• Expertise: Informationsgestaltung (ästhetischer Verfeinerung, Einfachheit, Klarheit), Schreiben und Editieren, Überzeugende Kommunikation, sehr gute Präsentationsformen und die Fähigkeit komplexe Zusammenhänge einfach verständlich zu vermitteln
• Führt: bei der Erstellung von Datenvisualisierung und Präsentationen, während der Präsentation vor nicht-technischem Publikum
• Unterstützt: während visueller Iterationen und dem Prototyping

Was hilft dem Team?

• Tägliche Übung: one-minute presentations – Ergebnisse auf intelligente Weise so zu formulieren, dass sie von allen verstanden werden können
• Mentoring & Weiterbildung – Mitarbeiter, die Interesse daran bekunden, Talente zu entwickeln die sie nicht haben, die sie aber brauchen, sollten dazu ermutigt werden
• co-located Team – alle Teammitglieder sollten während eines Projekts im gleichen physischen Raum arbeiten – so sind keine/kaum Übergaben nötig, zusätzlich sollte ein gemeinsamer virtueller Raum für Kommunikation und Zusammenarbeit eingerichtet werden
• regelmäßiges 360 Grad Feedback
• die Entwicklung und Pflege eines gemeinsamen Glossar