39
Services Mehrwert generieren können, und
welche Bedürfnisse diese haben. Beispiels-
weise hat ein Produktionsleiter das Bedürfnis,
seine Maschinenauslastung (OEE) zu erhöhen,
ein Controller möchte schneller auf Echtdaten
zugreifen können, etc.
Im nächsten Schritt, der Kreativphase, werden
konkrete Ideen generiert, um diese Bedürfnis-
se mit den vorhandenen Daten befriedigen zu
können.
Die Ergebnisse müssen hinsichtlich der
3+1-Regel geprüft werden: Beherrscht das Un-
ternehmen die Technologie (1), gibt es einen
klaren Anwendungsfall (2) und ergibt sich aus
der Kombination von Technologie und Anwen-
dung ein messbarer Benefit (3)? Werden diese
drei Fragen bejaht, funktioniert der Use Case.
Damit dieser erfolgreich ist, braucht es noch ei-
nen identifizierbaren Kunden (+1), der den Nut-
zen aus dem digitalen Service zieht (Quelle:
„3+1-Regel – Erfolgsfaktoren für Digitalisie-
rungsprojekte“, Dr. Michael Herbst, UNITY AG).
Damit entstehen mit ca. 3-4 Wochen Vorberei-
tungszeit und einem eintägigen Workshop An-
wendungsideen, die es wert sind, ausgearbei-
tet zu werden. Auch dabei wird wieder iterativ
und agil vorgegangen: Nach der Ideation Phase
werden „Proof of Concepts (POC)“ entwickelt
(vgl. Abbildung 3). Gemeint sind Programmier-
leistungen, die beweisen, dass die Idee tech-
nisch umsetzbar, der Kunde nach Nutzung zu-
frieden ist und der Business Case funktioniert.
Hierbei geht es nicht um die vollständige Ent-
wicklung eines Data Services, sondern darum,
zunächst mit minimalem Arbeits- und Zeitauf-
wand (< 3 Monate) herauszufinden, ob sich das
Vorhaben lohnt.
Wichtig ist, interdisziplinär und auf Basis breiter
Kompetenzen zusammenzuarbeiten: Control-
ling, Process Owner, Vertrieb/Business Deve-
lopment, Data Science und das obere Manage-
ment als Mandatgeber ziehen hier an einem
Strang.
Fazit
Das Controlling hat die große Chance, mit Hilfe
von Business Data Science unternehmensweit
Transparenz zu schaffen und durch Innovatio-
nen neue Serviceideen zu unterstützen. Diese
Chance sollte – im Sinne der langfristigen Er-
folgssicherung des Unternehmens – ergriffen
werden und kann ein wertvoller Beitrag eines
Controllings sein, das als Innovator und Enabler
für messbare Mehrwerte aus Daten des Unter-
nehmens auftritt.
·
·
Methodische Kompetenz, vergleichbar
einem Inhouse-Berater, und
·
·
Kreativität und Impuls-Know-how zum
Anregen von Innovationen.
Vor diesem Hintergrund spricht vieles dafür,
den Business Data Scientist organisatorisch im
Controlling zu verorten: Diese Service-Abtei-
lung beherbergt Methodiker, Effizienzwächter
und Entscheidungsunterstützer. Dennoch be-
stehen manchmal im Controlling die Gefahren,
zu weit von den Inhalten der Wertschöpfung
entfernt zu sein oder zu wenig fachliche Kreati-
vität und eigene Lösungsanregungen mitzu-
bringen, aber das sind Herausforderungen, de-
nen sich ein modernes Controlling heutzutage
sowieso stellen muss. Die Einführung von Busi-
ness Data Science im Unternehmen sollte da-
her mit einer generellen Initiative zur Förderung
des integrativen Arbeitens einhergehen – ge-
tragen vom CDO oder CFO des Unternehmens.
Vorgehen: Wie der Business Data
Scientist arbeitet
Im ersten Schritt, der Service/Data-Ideation-
Phase, gilt es, Use Cases bzw. Probleme zu
identifizieren. Dafür werden zunächst die vor-
handenen Daten betrachtet. Anschließend wird
untersucht, welche Kunden (unternehmensin-
terne oder -externe Personas) hier über neue
Abb. 3: Strukturiertes Vorgehen zur Entwicklung Digitaler Services
CM Januar / Februar 2019
