Schlaf und Bewegung mit Smartwatches tracken, unser Leben auf Social Media teilen, abends Netflix schauen, den ganzen Tag über googeln: In der heutigen Gesellschaft ist die explodierende Menge an Daten, die wir jeden Tag erzeugen, kaum vorstellbar – und sie wird weiter wachsen. Durch die zunehmende Verbreitung von IoT-Geräten beschleunigt sich dieser Trend sogar noch weiter und wird bis 2025 voraussichtlich 175 Zettabyte erreichen. (Für alle, die sich gerade fragen: 1 Zettabyte entspricht einer Milliarde Terabyte. Ganz schön viel, oder?)
Im Business-Kontext werden Daten oft als das neue Öl bezeichnet, also als eine extrem wertvolle Ressource.
Aber wie wertvoll sind Daten wirklich und wie entsteht daraus ein Wettbewerbsvorteil?
Im Zeitalter von Big Data geraten Unternehmen immer häufiger an den Punkt der Informationsüberflutung. Die zentrale Herausforderung besteht deshalb heute nicht mehr darin, Daten zu sammeln oder verfügbar zu haben, sondern sie zu reduzieren und sinnvoll zu filtern.
Um Daten wirklich nutzen zu können, müssen zuerst sogenannte Key Intelligence Questions (KIQ) definiert werden, also präzise formulierte Fragen, die den konkreten Informationsbedarf beschreiben. Anschließend müssen aus der oft riesigen Datenmenge relevante, zuverlässige und aktuelle Daten extrahiert und mithilfe geeigneter Analyseverfahren in handlungsrelevantes Wissen umgewandelt werden, um diese Fragen zu beantworten.
Die Antwort auf die Frage, wie Daten einen Wettbewerbsvorteil schaffen, ist daher eigentlich ganz einfach: Daten allein tun es nicht.
Damit Daten wertvoll werden, müssen sie zuerst transformiert werden, so wie Öl erst zu Treibstoff verarbeitet werden muss. Erst diese Transformation in umsetzbares Wissen ermöglicht es Entscheidungsträgern, schneller und fundierter zu entscheiden und dadurch echte Wettbewerbsvorteile zu schaffen. Dieser Prozess ist ein zentraler Bestandteil strategischer Entscheidungen in Unternehmen und wird häufig unter den Begriffen Business Intelligence oder Marketing Intelligence zusammengefasst.
Das DIKW-Modell
Das Data-Information-Knowledge-Wisdom-Modell (DIKW-Modell) veranschaulicht diesen Zusammenhang sehr gut. Es beschreibt die hierarchische Beziehung zwischen Daten, Informationen, Wissen und Weisheit. Im Fokus steht dabei die schrittweise Transformation von Daten zu Wissen bzw. Intelligence. Der Begriff „Weisheit“ wird im Unternehmenskontext meist weggelassen, da er als unerreichbarer Idealzustand gilt.
Daten
Daten sind einzelne, isolierte Datenpunkte, die aus objektiven oder subjektiven Quellen stammen können und sowohl korrekt als auch fehlerhaft sein können. In ihrer rohen Form sind sie zunächst nicht miteinander verbunden und bieten daher keinen direkten Mehrwert für ein Unternehmen.
Informationen
Durch die sinnvolle Verknüpfung einzelner Datenpunkte lassen sich Informationen gewinnen. Diese sind bereits strukturierter und aussagekräftiger als rohe Daten, haben jedoch eine Einschränkung: Sie beschreiben primär die Vergangenheit oder im besten Fall die Gegenwart und erlauben noch keine sicheren Aussagen über zukünftige Entwicklungen.
Wissen
Im nächsten Schritt werden Informationen durch Analyse und Interpretation zu Wissen weiterentwickelt. Dieses Wissen bildet die Grundlage für Entscheidungen und wird oft als Intelligence bezeichnet. Es enthält tiefere Einblicke in Muster, Trends und Entwicklungen und ermöglicht dadurch fundierte Entscheidungen über zukünftige Entwicklungen.
Dieser Prozess reduziert einerseits das Entscheidungsrisiko und hilft andererseits, die Datenmenge sinnvoll zu verdichten. So wird Informationsüberflutung vermieden, da im Idealfall nur noch wirklich handlungsrelevantes Wissen weitergegeben wird.
Fazit
Zusammengefasst beschreibt Business- und Marketing-Intelligence die Aufbereitung und Verarbeitung von Daten zu Informationen und umsetzbarem Wissen im Unternehmenskontext. Ziel ist es, die Entscheidungsqualität zu verbessern und dadurch Wettbewerbsvorteile zu schaffen.