Dr. Rudi Schäfer
Freiberuflicher Berater & Interim Manager
Data Management ist keine rein technische Angelegenheit, sondern bedeutet, Daten als wertvolles Asset des Unternehmens zu verstehen und entsprechend zu behandeln. Hierbei ist die technische Seite sicher wichtig, jedoch sollten die Menschen im Unternehmen als entscheidender Erfolgsfaktor stets im Mittelpunkt stehen.
Ich helfe Unternehmen dabei, eine für sie passende Datenstrategie zu definieren und umzusetzen.
Bei Interesse sprechen Sie mich gerne auf LinkedIn an. Sehr gerne auch direkt per Du, sofern das zu Ihrer Unternehmenskultur passt.
Interim Management
In welchen Situationen kann ich Ihnen am besten als Interim Manager weiterhelfen? Im Folgenden sind vier Szenarien skizziert, die typische Situationen darstellen, in denen Interim Management eine hervorragende Lösung bietet. Dabei kann die passende Ausgestaltung je nach Unternehmen variieren von direkter Beauftragung als Freiberufler, in Zusammenarbeit mit einem Personaldienstleister mit bestehendem Rahmenvertrag oder auch als befristete Anstellung.
Das erste Szenario sieht wie folgt aus: Sie haben bereits beschlossen, dem Thema Daten mehr Gewicht in Ihrem Unternehmen zu verleihen. Dafür haben Sie eine oder mehrere der folgenden Positionen geschaffen und ausgeschrieben: Head of Data Management, Head of Data Governance, Head of Data Analytics oder Chief Data Officer. Der Rekrutierungsprozess läuft bereits, aber Ihnen ist bewusst, dass es einige Zeit in Anspruch nehmen wird, den richtigen Kandidaten zu finden. Vielleicht haben Sie sich sogar bereits für einen Kandidaten entschieden, dieser ist aufgrund seiner Kündigungsfrist in seiner aktuellen Rolle allerdings erst in einigen Monaten verfügbar.
Hierbei kann ich helfen, die Zeit bis zum Füllen der Vakanz produktiv zu überbrücken. Ich kann den Rekrutierungsprozess unterstützen, als Sparring-Partner gegebenenfalls das Profil für die ausgeschriebene Position weiter schärfen und wichtige Vorarbeit leisten.
Darüber hinaus unterstütze ich gerne bei Teamaufbau, Ist-Analyse, Einbindung von Stakeholdern, Entwicklung von Vision, Zielbild und Strategie bis hin zur Roadmap und Kosten-Nutzen-Einschätzung.
Der klassische Fall für Interim Management ist sicherlich der temporäre Personalausfall im Bereich Data Management, zum Beispiel aufgrund von Krankheit, eines Sabbaticals oder Elternzeit.
Dank schneller Auffassungsgabe, reichem Erfahrungsschatz und gewinnender Persönlichkeit kann ich mich schnell in die bestehende Rolle einfinden, Team- und Projektleitung übernehmen sowie laufende Aktivitäten weiterführen und weiterentwickeln.
Sie wollen Ihre bisherigen Data Management Aktivitäten konsolidieren, zentralisieren oder anderweitig umstrukturieren? Auch in diesem Szenario kann Interim Management zielführend sein. Mit einem frischen, unvorbelasteten Blick von außen, gelingt es mir akute Probleme zu lösen und die Data Management Organisation zukunftssicher aufzustellen. Mit Transparenz, Empathie und klarer Linie schaffe ich es, dass sich alle Beteiligten mit ihrer neuen Rolle und der Vision für Data Management identifizieren können.
Sie wollen Ihr Data Management professionalisieren, wissen aber noch nicht genau wie? Auch in dieser Frühphase unterstütze ich sehr gerne. Diese Unterstützung kann in Form von Interim Management oder als strategisches Beratungsprojekt erfolgen, siehe auch nächster Abschnitt.
Strategische Beratung für Planung und Aufbau
Wie kann ich Ihrem Unternehmen dabei helfen, Daten als wertvolles Asset zu verstehen und entsprechend zu behandeln? Im Folgenden beschreibe ich vier typische Projektansätze und wie ich mit strategischer Beratung bei Planung und Aufbau unterstützen kann.
Sie haben erkannt, dass Sie das Thema Daten in Ihrem Unternehmen dediziert angehen wollen, brauchen jedoch professionelle Unterstützung. Hierfür biete ich Ihnen gerne ein erstes für Sie maßgeschneidertes Orientierungsprojekt mit variabler Laufzeit an.
Am Anfang steht ein ganzheitliches Assessment, welches unter anderem die aktuelle Organisationsstruktur, die Geschäftsstrategie, die wichtigsten Daten und Systeme, sowie ein erstes Scoping beinhaltet. Basierend auf der initialen Auswertung entwerfe ich einen Vorschlag zum weiteren Vorgehen. Ich empfehle hier nachdrücklich, ein mehrstufiges Vorgehen, bei dem das Assessment mehrmals mit wachsendem Teilnehmerkreis durchgeführt wird, um so die weitere Planung iterativ auf solide Beine zu stellen. Dies erlaubt einerseits, bereits früh die wichtigsten Stakholder einzubinden und ihr Commitment sicherzustellen, und andererseits, die ersten Hypothesen mehrfach zu testen und gegebenenfalls zu korrigieren. Am Ende der Assessmentphase steht eine Zusammenfassung mit Reifegradbetrachtung, zentralen Herausforderungen und Zielbild-Vorschlägen.
In weiteren Arbeitspaketen kann eine Vision und Datenstrategie entwickelt, eine Organisationsstruktur entworfen, sowie Planung und Material für den Change Prozess erarbeitet werden.
Beim Aufbau einer Data-Mangement-Funktion oder -Einheit gilt es zunächst, wichtige strategische Fragen wie die folgenden zu entscheiden: Was sind die mittelfristigen und langfristigen Ziele? Welche Data-Mangement-Ansätze passen zum Unternehmen und wie können bereits bestehende Funktionen am besten integriert werden? Wie zentral oder dezentral sollte die Umsetzung erfolgen? Wo sollte die Data-Management-Funktion organisatorisch angesiedelt werden, um die gesteckten Ziele am besten erreichen zu können?
Das weitere Vorgehen entspricht dem des vorherigen Punktes: Ein sorgfältiges Assessment ist Grundlage für die Entwicklung von Vision, Datenstrategie und Organisationsstruktur. Anschließend kann mit Teamaufbau und Roadmap-Planung begonnen werden.Für den erfolgreichen Aufbau einer Data Governance ist es wichtig, möglichst früh Klarheit über Ambitionsniveau und Zielsetzung zu erreichen und sicherzustellen, dass das Mandat und die zur Verfügung stehenden Ressourcen zum jeweiligen Ambitionsniveau passen. Auch dies kann bereits eine erste Hürde sein, bei der ich durch Aufklärungs- und Überzeugungsarbeit helfen kann, das Buy-In der wichtigsten Stakeholder zu gewinnen.
Die richtigen Weichenstellungen auf Managementebene werden dabei unterstützt durch ein erstes Assessment der System- und Datenlandschaft, sowie der bisher gelebten Prozesse und Verantwortlichkeiten rund um Datenmanagement. Zudem ist es wichtig, die bisherige Abdeckung regulatorischer Anforderungen zu bewerten und den IST-Stand beim Thema Datenqualität einzuschätzen.
Aus dieser ersten Reifegradbetrachtung kann anschließend eine Zielvorstellung mit priorisiertem Umsetzungsplan entwickelt werden.
Typische Arbeitspakete für die Umsetzung sind etwa: das Entwickeln einer Data Governance Richtlinie, eines unternehmensgerechten Rollen- und Verantwortungsmodells, sowie formaler Prozesse, Einführung einer Metadatenplattform mit Anbindung an bestehende datenführende Systeme, Erfassen fachlicher Datenmodelle und Inhalte für ein Businessglossar, Dokumentation von Datenqualitätsanforderungen, Einführen von Datenqualitätsmessungen und -berichten, Etablieren von Datenqualitätsprozessen.
Auch beim Thema Data Analytics muss man sich zunächst Klarheit über einige Fragen verschaffen: Gibt es bereits eine Reihe von qualifizierten Anwendungsfällen, die umgesetzt werden sollen? Oder müssen diese zunächst in Workshops mit den Fachbereichen erarbeitet werden? Gab es bereits erste Data-Analytics-Umsetzungen oder -Verprobungen? Sind die erforderlichen Daten für potentielle Anwendungsfälle in ausreichender Qualität vorhanden und leicht zugänglich, zum Beispiel über eine zentrale Datenplattform?
Je nach Gegebenheiten und Anforderungen im Unternehmen, kann eine Umsetzung von Data Analytics verschiedene Schwerpunkte haben, zum Beipiel:- Zentrales Team für Ideation, Priorisierung und Umsetzung von Anwendungsfällen
- Aufbau und Bereitstellen einer zentralen Data Analytics Plattform, welche einzelnen Abteilungen die eigenverantwortliche Umsetzung von Anwendungsfällen ermöglicht
- Fokus auf ML Ops
- Data Analytics Governance
Typische Arbeitspakete für den Aufbau von Data Analytics sind: Entwicklung von Vision, Zielbild und Roadmap, Teamaufbau, Technologieauswahl, Projektplanung und -durchführung.
Meine Herangehensweise
Einen guten Überblick und Einstieg in das Thema Data Management bietet das DAMA DMBOK 2 (Data Management Body of Knowledge). Es dient mir oft als solider Bezugspunkt und Nachschlagewerk mit hilfreichen Frameworks. Darüber hinaus bin ich auch mit den Konzepten Data Mesh und Data Fabric wohl vertraut. Wie mit allen theoretischen Frameworks besteht die Kunst jedoch darin, deren Kerngedanken zu verinnerlichen, um sie dann sinnvoll kombinieren, adaptieren und ausbauen zu können.
Ich bin davon überzeugt, dass ein erfolgreiches Data Management nur gelingen kann, wenn man die Bedarfe des jeweiligen Unternehmens ganzheitlich im Blick hat und bestehende Frameworks nicht blind anwendet, sondern auf die individuellen Gegebenheiten anpasst.
Zu meinen Grundüberzeugungen gehört zudem, dass ein gutes Data Management mehr leisten kann als nur Funktionsbausteine abzudecken. Es kann eine essentielle Schnittstelle zwischen verschiedenen Ressorts sowie zwischen Fachbereichen und IT darstellen, die wesentlich zum Gesamterfolg des Unternehmens beiträgt. Um dies zu erreichen, ist es wichtig die Menschen im Unternehmen als entscheidenden Erfolgsfaktor zu verstehen.
Kontakt
Wenn ich Ihr Interesse wecken konnte, sprechen Sie mich gerne auf LinkedIn an.
Sehr gerne auch direkt per Du, sofern das zu Ihrer Unternehmenskultur passt.