37
se in einer Person: In seinem Profil verbinden
sich „Business-Fähigkeiten“ und „Data
Science“-Kompetenzen. Damit schafft er ein
neues Werkzeug/Vorgehen für das Controlling.
Zu den Mehrwerten, die damit geschaffen wer-
den können, gehören die schnellere und wir-
kungsvolle horizontale und vertikale Integration
im Unternehmen (vgl. Abbildung 1).
Klassischerweise sind die Datentöpfe im Unter-
nehmen aufgrund der unterschiedlichen „Silos“
der Fachbereiche voneinander getrennt. Be-
schaffung, Lieferantenmanagement, Logistik,
Produktion, Vertrieb und After Sales haben je-
weils ihre eigene IT und sind mit ihren Kernpro-
zessen nur selten voll integriert – selbst, wenn
sie ein gemeinsames ERP nutzen. Um die
durchgehende Prozessorientierung zu fördern,
gilt es, diese Unternehmenssilos im Sinne einer
horizontalen Integration aufzulösen. Sie verbin-
det die Wertschöpfung durchgehend, also von
den (Vor-)Lieferanten und bis hin zu After Sales
Services. Der Business-Data-Science-Ansatz
nutzt die Daten in den „Silos“ für seine inhalt-
lich konzeptionelle Arbeit: Er sichtet die vorhan-
denen Daten, konzipiert Mehrwerte daraus ge-
meinsam mit den Fach- und IT-Bereichen und
realisiert (programmiert) diese dann fokussiert
mit sogenannten „Daten-Services“. Dieses Vor-
gehen unterscheidet sich klar von dem der
klassischen IT-Bereiche, wo – häufig ohne
konkrete Mehrwert-Hypothesen – mit der tech-
nischen Datenintegration in einem Data Lake
begonnen wird. Der Ansatz des „Business Data
Scientists“ hingegen startet bei der konkreten
Datenverwendung.
Neben dieser horizontalen Perspektive fördert
Business Data Science auch die vertikale Integ-
ration, also die Datenintegration von der Ma-
schine bis zum Top-Management. Dabei fördert
sie viele Dateninkonsistenzen und -fehler zu
Tage, und wird gemeinsam mit den Leitern der
Fachbereiche zum Anwalt einer (messbaren)
Datenqualität bei Konsistenz und Validität der
Kennzahlenwerte. Bisher wurden Daten, die bei
jeglichen Prozessen im Unternehmen in riesi-
gen Mengen anfallen, auf komplizierte Art und
Weise zu Kennzahlen abstrahiert und dann der
Unternehmensführung zur Verfügung gestellt.
Mit dem Business-Data-Science-Ansatz erhält
die Unternehmensführung nicht nur den direk-
ten Zugriff auf Shop-Floor-Daten in Echtzeit,
sondern klare, inhaltliche Mehrwerte, die auch
den Business Case für die Datenintegration in
Data Lakes etc. rechtfertigen.
Der Business Data Scientist als
strategischer Innovator
Neben horizontaler und vertikaler Integration
kann Business Data Science auch auf strategi-
scher Ebene genutzt werden, wie folgendes
Beispiel veranschaulicht: Durch die Verkettung
der Daten entlang der Prozessschritte können
Ausfälle, z. B. einer Schleifmaschine oder
Schleifstrecke vorhergesagt – und damit im
Sinne von Predictive Maintenance vermieden
Abb. 1: Horizontale und vertikale Integration
CM Januar / Februar 2019
