Entscheidungssysteme: Bestandteile und Zuständigkeiten / 4 Datenvielfalt und Datengranularität bestimmen die Aussagekraft

Die Aussagekraft der gesammelten (Kategorie A in Abb. 1) und weiter verarbeiteten Daten (Kategorie B in Abb. 2) wird bestimmt durch die Menge, die Vielfalt, die Granularität und durch die Korrektheit deren Erfassung und Speicherung. Die späteren Entscheidungen können nur so gut und richtig sein, wie auch die zugrundeliegenden Daten korrekt und aussagekräftig sind. Es ist müßig zu erwähnen, da man denkt, dass korrekte Daten eine Selbstverständlichkeit sind, jedoch zeigt die Praxis, dass bei der Datenqualität oft noch viel Aufholbedarf gegeben ist.

Werden sehr viele Kostenarten definiert, also eine hohe Granularität vorgegeben, ermöglicht dies auch sehr detaillierte Auswertungsmöglichkeiten und bietet somit eine sehr feinjustierte Entscheidungsgrundlage. Wird z. B. bei der Erfassung von Reisekosten von Vertriebsmitarbeiter unterschieden, ob diese mit dem Firmenwagen, dem Zug oder dem Flieger reisen, ermöglicht dies spätere Auswertungen zur Reiseeffizienz dieser Reisearten im Vergleich. Um sagen zu können, welche Reise welche Kosten verursacht, müssen auch die Reisezeiten der Mitarbeiter sowie der Reisegrund (welcher Kunde, welches Projekt etc.) erfasst werden. Dieses einfache Beispiel soll aufzeigen, dass abhängig davon, welche Fragestellungen später mit dieser Datengrundlage entschieden werden sollen, unterschiedliche organisatorische Notwendigkeiten daraus hervorgehen. Die gewünschte granulare Datenerfassung bedeutet vielleicht einen höheren Aufwand oder auch eine Transparenz, die möglicherweise nicht gewollt, aufgrund der Datenschutzgrundverordnung gar nicht erlaubt ist oder von Teilen der Mitarbeiterschaft nicht akzeptiert wird. Hervorzuheben ist, dass die Genauigkeit der Datenerfassung nicht nur ein technisches Thema ist – sie kann auch Widerstände erzeugen, die bewusst gemanagt werden müssen.

Soll der Kunden-Deckungsbeitrag später darüber entscheiden, welcher Betreuungsklasse ein Kunde zugeordnet wird, muss z. B. auch der Betreuungsaufwand eines Kunden erfasst werden. Dies erfordert eine Erfassung der Zeiten, zugeordnet auf den Kunden. Soll zur Kundenklassifizierung auch das Kaufpotenzial des Kunden und die Wettbewerbsaktivität bei diesem Kunden ermittelt werden, müssen die Kundendaten noch um viele weitere exogene Informationen angereichert werden, deren Ursprung vielleicht das Wissen der Vertriebsmitarbeiter ist. Die Infos können auch zugekaufte Daten von Datenanbietern wie Google, Nielsen, der GfK oder auch vom Distributor bzw. dem Handelspartner stammen.

Die detaillierte Erhebung und Speicherung von Daten, erfordert auch einen größeren Aufwand, was z. B. eine höhere Anzahl an Falschbuchungen zur Folge haben kann. Immer dann, wenn Daten manuell erfasst werden, existieren nicht unbedeutende Fehlerquellen. Je mehr Glieder der gesamten Kette an Datenerfassungs- und -verarbeitungssystemen digitalisiert sind, desto weniger relevant ist die Datenmenge und desto weniger Fehlerquellen sind vorhanden.

Im reinen Onlinegeschäft ist es bereits heute so, dass die Daten hochgradig automatisiert erfasst werden. Auch im stationären Geschäft wird Schritt für Schritt die Digitalisierung nachgezogen. Das Problem der unkorrekten Daten oder der Weigerung von Menschen, Daten preis zu geben, wird somit immer geringer werden. Noch aber ist es so, dass in den meisten Unternehmen viele der für die Entscheidungsfindung notwendigen Daten manuell erfasst werden oder zumindest manuelle Schritte die gesamte Kette der Entscheidungsfindung unterbrechen.

Durch die Corona-Krise im Jahr 2020 wird momentan die Digitalisierung enorm beschleunigt, jedoch werden wir noch sehr lange mit einer Mischung aus manuell und digital erhobenen Daten arbeiten müssen.