Wir stehen vor der größten Umstrukturierung der letzten 100 Jahre
Es hat immer Veränderungen gegeben - aber die Dimension und Geschwindigkeit, mit der sich neue Gegebenheiten entwickeln, nimmt stetig zu. Indem wir Immer mehr digitalisieren, uns immer stärker digital verbinden schaffen wir immer mehr Netzwerke. In Netzwerken steigt die Komplexität aber nicht linear, sondern mit jedem weiteren Teilnehmer exponentiell. Wie kein zweiter Megatrend treibt die Digitalisierung deshalb Volatilität (Volatility), Unsicherheit (Uncertainty) und Mehrdeutigkeit (Ambiguity) voran. Das stellt völlig neue Anforderungen an Organisationen.
Die Wurzel unseres Problems liegt NICHT darin, dass wir uns in einer "Großen Rezession" oder einer "Großen Stagnation" befinden, sondern vielmehr darin, dass wir am Anfang einer großen Umstrukturierung stehen. André McAffee, 2011
Wir haben kein Komplexitätsproblem, sondern ein Entscheidungsdilemma
Der Wert eines Unternehmens ergibt sich letztendlich aus der Summe der Entscheidungen, die es trifft und umsetzt. Seine Vermögenswerte, Fähigkeiten und Strukturen sind nutzlos, wenn Führungskräfte und Manager nicht in der Lage sind die wesentlichen Entscheidungen häufiger richtig als falsch treffen.
Weil komplexe Probleme immer häufiger nicht nur im eigenen Team, sondern domänenübergreifend gelöst werden müssen, werden leicht zu viele Personen zu lange eingebunden. Steigende organisatorische Komplexität, die in starken produktbezogenen, funktionalen und geographischen Bereichen verwurzelt ist, trübt zusätzlich die die Verantwortlichkeiten. In der Folge hat die Zahl der Entscheidungsträger weiter zugenommen. Manager sind so immer weniger in der Lage, Entscheidungen richtig zu delegieren. Geringere Kommunikationskosten aufgrund des digitalen Zeitalters haben die Situation noch verschärft, da mehr Menschen in den Fluss des Wissensaustauschs über E-Mail, Messenger und Group Chats eingebunden wurden, ohne dass die Entscheidungskompetenz geklärt wurde. Führungskräfte verbringen deshalb immer mehr Zeit in Abstimmungen und das immer häufiger ohne Ergebnis.
So dauern wesentliche Entscheidungen immer länger, oder werden am Ende ganz einfach nach Bauchgefühl getroffen. Die Zahl der Fehlentscheidungen steigt. In der Folge handeln Unternehmen noch vorsichtiger, entscheiden noch langsamer.
Mit zunehmendem Alter und Größe werden Unternehmen gerne "auf Effizienz getrimmt". Deshalb arbeiten sie mit spezialisierten Fachbereichen, Hierarchien und immer mehr Prozessen.
Das ist eine großartiger Ansatz für eine Welt, in der sowohl das Problem als auch die Lösung bekannt sind. In einem solchen Umfeld sind Prozesse und Spezialisierungen der richtige Weg das Risiko für ein Unternehmen zu reduzieren. Aber im Gegenzug reduziert dies ihre Fähigkeit, flexibel und anpassungsfähig zu sein und - was immer wichtiger wird - auf neue Chancen und Bedrohungen zu reagieren. Je effizienter ein Unternehmen wird, umso langsamer wird es deshalb in seiner Reaktion auf Unvorhergesehenes.
Effizienz macht Unternehmen langsam
Automatisierung geht am Kern des Problems vorbei
Einfache und sich wiederholende Aufgaben können bereits heute mit einer Vielzahl von Lösungen, wie Chat-Bots oder Robotic Process Automation Tools (RPA) automatisiert erledigt werden. Das funktioniert immer dann, wenn alle Regeln und Parameter einer Situation bekannt, d.h. aus der Vergangenheit abgeleitet werden können. Computer sind ziemlich gut darin, Muster zu finden, vor allem wenn es sich um riesige Datenmengen handelt. Geht man davon aus, dass sich die Bedingungen unter welchen solche Muster entstanden sind nicht verändern, so besteht eine hohe Wahrscheinlichkeit dass sie auch in Zukunft Bestand haben werden. Dies ist die Annahme, die mehr oder weniger allen heute verwendeter Vorhersage-Systemen zu Grunde liegt. Tritt jedoch ein unerwartetes Ereignis ein, so sind alle Vorhersagen nichts mehr wert. Weil Algorithmen über kein vollständiges Bild der realen Welt verfügen müssen sie immer scheitern, wenn etwas passiert das außerhalb der festgelegten Parameter geschieht. Deshalb können Computer zwar bspw. besser Schach spielen oder vielleicht schon bald besser Auto fahren als ein Mensch, aber sie können eben nicht beides, sondern immer nur das wofür sie entwickelt wurden. Immer wenn die Komplexität der Situation die Fähigkeiten des Algorithmus übersteigt, oder weil ethische oder moralische Faktoren zu berücksichtigen sind braucht es auch in Zukunft noch Menschen.
Sehen wir der Realität ins Auge: Alles was automatisiert werden kann, wird automatisiert werden. Weil es billiger, schneller und weniger fehleranfällig ist. Auch in Bereichen, in welchen wir das vor Kurzem noch nicht für möglich gehalten haben. In der Folge werden die Anforderungen an den Einzelnen Menschen immer höher, und damit wird das Leben ein Stück weit komplizierter. Es geht immer mehr um die Dinge, mit denen man nicht gerechnet hat, für die es kein Standard-Vorgehen gibt. Die wirklich wichtigen Entscheidungen mit weitreichenden Konsequenzen. Die komplexen Ausnahmen. Schwerwiegende moralische und ethische Fragen, die nur von Menschen richtig beurteilt werden können.
Die meisten Unternehmen versuchen das Problem so anzugehen, als wäre es ein reines Informationsproblem. Datengetrieben zu entscheiden gilt als das „best-practice“ der Stunde. Von diesem Trend profitieren seit vielen Jahren aber nicht die Unternehmen, sondern in erster Linie die Anbieter von Business Intelligence - und Analytics Software. Die massiven Investitionen in die Bereitstellung von immer mehr Daten haben Entscheidungen in Unternehmen kaum verbessert, im Gegenteil dauerten Entscheidungsprozesse heute länger denn je. Das wird sich auch mit der nächsten Softwareversion nicht ändern. Um wirklich voran zu kommen braucht es andere Ansätze und neue Lösungen.
Komplexität ist die wichtigste Ressource der Gegenwart
Komplex und kompliziert darf man nicht verwechseln. Kompliziertheit ist ein Maß für Unwissenheit. Sie verschwindet durch Lernen. Komplexität ist das Maß für die Menge der Überraschungen, mit denen man rechnen muss. Kompliziertheit kann man reduzieren, Komplexität nicht. Man muss sie erschließen.
Die meisten Daten aus der realen Welt sind an den Kontext gebunden sind, in dem sie gesammelt wurden. Selbst wenn Daten die gleiche Sache messen, sind zwei gekoppelte Datensätze in der Regel heterogen. Nehmen wir an, Sie messen etwas so einfaches wie die Temperatur in einem Kühlschrank, der Ort, an dem das Messgerät angebracht ist, die Art der Dichtungen, die verwendeten Türen usw. spielt eine wichtige Rolle. Aber wenn Daten so untrennbar mit externen Faktoren verbunden sind, können sie nicht fehlerfrei bereinigt oder angepasst werden, um einem anderen Datensatz exakt zu entsprechen.
Um flexibler und Widerstandsfähiger zu werden und "echte" Innovationen voran zu bringen, wird es für Unternehmen in Zukunft vor allem darum gehen müssen sich Kontextkompetenz anzueignen – die Fähigkeit, Zusammenhänge herzustellen. Das ist keine Aufgabe für Einzelkämpfer, sondern erfordert eine Team- und Fachbereichs-übergreifende Zusammenarbeit. Wer so Zusammenhänge erschließt und für andere zugänglich macht, gewinnt (neue) Lösungen, Antworten und Aussichten. Komplexität ist in diesem Kontext nicht länger ein Problem, sondern wird zur wichtigsten Ressource der Gegenwart.
Es geht nicht länger um immer mehr Daten, es geht darum sie im Kontext zu verstehen.
Würde eine Weihnachtsgans alle ihr zur Verfügung stehenden Daten auswerten, die Menge an Futter die ihr zur Verfügung steht, die Regelmäßigkeit mit der sie gefüttert wird usw., käme sie vermutlich zu dem Schluss, dass Menschen ihr sehr wohlgesonnen sind. Kurz vor Weihnachten würden vermutlich alle Prognosen über ihre Zukunft äußerst rosig ausfallen - und doch ahnen wir, wird sie schon bald ihre Glaubenssätze revidieren... Was der Gans fehlt sind nicht bessere Daten, sondern der richtige Kontext.
Wesentliche Entscheidungen können nicht allein anhand von Daten getroffen werden. Sie basieren auch auf immateriellen Faktoren wie Vertrauen oder Begeisterung, aber vor allem auf der menschlichen Erfahrung und der Fähigkeit komplexe Zusammenhänge zu verstehen.
Das umfassende Verständnis über die Zusammenhänge von Ursache und Wirkung der Welt in der wir leben kann auf absehbare Zeit nicht von Maschinen ersetzt werden. Aus diesem Grund ist jeder Ruf nach ausschließlich datengetriebenen Entscheidungen ein bisschen so, als würde man mit geschlossenen Augen nur im Licht der Laterne nach dem Schlüssel suchen wollen.
Daten in komplexen Situationen entfalten ihren wahren Wert erst dann, wenn wir sie im Kontext mit anderen verfügbaren Informationen betrachten. Im intelligenten Unternehmen muss das nahtlos über Fachbereiche oder räumliche Distanzen hinweg möglich sein. Alle Abläufe sollten an Wertströmen und nicht länger an Domänen ausgerichtet sein. Weil alle Probleme letztlich Unternehmensprobleme sind, müssen sie auch wie solche behandelt werden - und nicht in Silos.
O-Data stammt aus Unternehmensanwendungen wie Vertriebs-, Finanz-, Logistik- und HR-Systemen. Sie gibt Auskunft über operative Kennzahlen wir Lagerumschlagshäufigkeit, abgebrochene Einkäufe, Debitorenlaufzeit von Forderungen oder Mitarbeiterabwanderungsquoten. X-Data beschreibt dagegen den menschlichen Faktor zu O-Data: die Überzeugungen, Emotionen und Absichten, die erkennen lassen, warum bestimmte Dinge geschehen und wie Einfluss darauf genommen werden kann. X-Data stammen aus Quellen wie Kundenfeedback, Weiterempfehlungsrate (Net Promoter Score), Produktrezensionen, Markenstimmung und Mitarbeitermotivation.
Ganz ähnlich wie im operativen Umfeld kann auch im analytischen Umfeld zwischen harten Kennzahlen und den eher weichen, menschlichen Faktoren unterschieden werden. Während A-Data darauf abzielt die Frage zu beantworten, ob ein Problem vorliegt, beantwortet C-Data die Frage nach dem Warum. Hier geht es insbesondere darum die Ereignisse aus verschiedenen Blickwinkeln zu betrachten und in den richtigen Kontext einzuordnen. C-Data findet man heute hauptsächlich in Berichtskommentaren, Meetingprotokollen, Email-Verteilern und Chat-Räumen.
Im 21. Jahrhundert wird es darum gehen Technologien und Prozesse für den Mensch zu optimieren
Wir sind in den letzten Jahren unglaublich gut darin geworden, die Bausteine von Entscheidungsmodellen zu konstruieren. Wir haben aus immer mehr Daten immer mehr Informationen erzeugt. Wir haben sie in unzähligen Systemen hübsch aufbereitet und immer mehr Menschen zugänglich gemacht. Nur bei der Anwendung dieser Daten, haben wir den Mensch bisher kaum berücksichtigt.
beeBlum rückt den Mensch in den Mittelpunkt. Wir unterstützen den dynamischen Prozess der Analyse und Bewertung von Informationen. Wir geben der prädiktiven Analytik einen Rahmen für die Modellierung komplexer Systeme zur Unterstützung der Entscheidungsintelligenz.
Decision Intelligence
Die Analyse und Optimierung der Entscheidungsfindung ist eine Disziplin, die bisher kaum betrachtet wurde. Deshalb bieten sich gerade hier überdurchschnittlich viele Chancen. „Decision Intelligence“ ist noch sehr jung und vereint Data Science mit Theorien aus der Sozialwissenschaft, der Entscheidungstheorie und der Managementwissenschaft . Ihre Anwendung bietet einen Rahmen für die Nutzung von maschinellem Lernen im großen Maßstab. Die Grundidee ist, dass Entscheidungen auf unserem Verständnis davon beruhen, wie Handlungen zu Ergebnissen führen. Entscheidungsintelligenz analysiert diese Ketten von Ursache und Wirkung. So werden viele heute nur „gefühlte“ Fakten messbar.
Dies ist eine aufregende Zeit. Auf unserem Weg in die Wissen-basierte Gesellschaft ist die nächste große Hürde der effektive Umgang mit Entscheidungen. Durch bessere Abstimmung, Zusammenarbeit und kontinuierliche Verbesserung kann beeBlum Dir dabei helfen gerade bei komplexen Sachverhalte in unglaublich vielen Anwendungsfällen viel bessere Ergebnisse zu erzielen.