Dark Data – Das unbewusste Datenwissen
2023-03-15
–
Data Transformation
Gut 90% der in einem Unternehmen vorhandenen Daten werden nicht genutzt. In vielen Fällen ist die Existenz dieser Daten nicht einmal bekannt. Dabei kann es für ein Unternehmen von zentraler Bedeutung sein, sich dieser „Dark Data“ anzunehmen, denn hier schlummern wichtige Informationen, die die Wettbewerbsfähigkeit erhöhen, Umsatzpotentiale generieren und Risiken reduzieren können.
Wie entsteht Dark Data?
Die Ursachen für die Entstehung von Dark Data sind vielfältig: Im Zuge der Digitalisierung haben die Anzahl der Datenquellen und die Menge der anfallenden Daten stark zugenommen. Zeitgleich sind die Kosten für die Datenspeicherung stark gesunken. Viele Unternehmen speichern alle möglichen Arten von Daten prophylaktisch für spätere (dann aber nie durchgeführte) Analysen. Daten und Dokumente werden im Unternehmensalltag vielfach kopiert, modifiziert und in unterschiedlichen Silos und Versionen abgelegt und stehen nur einzelnen Mitarbeitern oder Fachbereichen zur Verfügung. Manche Daten sind fehlerhaft, andere veralten schlichtweg und werden nie gelöscht. Im schlimmsten Fall jedoch werden Daten, die wirklichen Mehrwert bringen können, einfach ignoriert – sei es, weil man sie nicht kennt, sie nicht wiederfinden kann, keinen Zugang zu ihnen hat oder weil die nötigen Ressourcen und Fähigkeiten für deren Analyse fehlen.
Dark Data finden, klassifizieren, nutzen und managen
Um die verborgenen Datenschätze heben zu können, muss man sie zunächst einmal finden – entweder, indem man eine umfassende Bestandsaufnahme aller im Unternehmen vorhandenen Daten macht (= Datenassessment) oder indem man – den notwendigen Zugang vorausgesetzt – mit geeigneten Tools und Methoden des Data Retrievals und Information Retrievals gezielt nach spezifischen Informationen sucht.
Anschließend gilt es, die Spreu vom Weizen zu trennen, genauer gesagt: ROT-Daten von geschäftsrelevanten Daten zu unterscheiden. „ROT“ ist die Abkürzung für „redundant, obsolet, trivial“ und bezeichnet beispielsweise veraltete, beschädigte oder fehlerhafte Daten ohne Mehrwert. Diese stellen in erster Linie einen Kostenfaktor dar und sollten gelöscht werden. Zudem sollte durch geeignetes Datenmanagement die künftige Anhäufung von ROT-Daten verhindert werden.
Geschäftsrelevant ist Dark Data dann, wenn es Risiken oder Chancen darstellen könnte. Risiken entstehen beispielsweise, wenn „vergessene“ Daten geringeren Sicherheitsstandards unterliegen und zum Ziel von Hackerangriffen werden. Wenn es sich bei den gehackten Daten um personenbezogene Informationen handelt, kann es für ein Unternehmen sehr schnell sehr kostspielig werden. Ohnehin sollten personenbezogene Daten vor dem Hintergrund der DSGVO prinzipiell schnell auffindbar, modifizierbar, exportierbar und löschbar sein (Recht auf Auskunft, Berichtigung, Transfer und Löschung).
Chancen wiederum können in den Daten zahlreich enthalten sein: so können beispielsweise Gesprächsmitschnitte von Kundenanrufen oder E-Mail-Beschwerden wichtige Insights zu Pain Points, Kundenstimmung oder Optimierungspotentialen von Produkten und Serviceleistungen liefern. Log-Dateien bieten Hinweise auf das Verhalten von Website-Besuchern sowie Ansatzpunkte für die Verbesserung der Website-Performance. Aus Geodaten kann das Bewegungsverhalten der Kunden rekonstruiert und für die weitere Geschäftsplanung nutzbar gemacht werden (Geo-Tagging).
Für die Auswertung der vielfältigen, strukturierten und unstrukturierten Daten können neben klassischen statistischen Methoden beispielsweise Data Mining- und Textmining-Verfahren eingesetzt werden. Auf diese Weise können Muster (Klassifikationen, Segmentierungen, Prognosen, Abhängigkeitsanalysen, Abweichungsanalysen) erkannt sowie wichtige Themen, Stimmungen und Trends identifiziert und anschließend für Marketing, Vertrieb und Service nutzbar gemacht werden.
Natürlich kann sich ein Unternehmen seinen Dark Data zunächst projekthaft nähern. Auf lange Sicht jedoch sollte die Nutzung von Daten strategisch geplant und fest im Unternehmen verankert werden. Hierfür bedarf es einer umfassenden und auf die jeweilige Geschäftsstrategie abgestimmten Datenstrategie, die die Leitplanken für die Datenhaltung, Datenqualitätssicherung, Datenbereitstellung und Datennutzung vorgibt und sicherstellt, dass IT-Architektur, Unternehmensorganisation und Datenwertschöpfung nahtlos ineinandergreifen.
Sollten Sie Fragen haben oder Unterstützung beim Heben Ihrer verborgenen Datenschätze benötigen, so kontaktieren Sie uns jetzt!
Anschließend gilt es, die Spreu vom Weizen zu trennen, genauer gesagt: ROT-Daten von geschäftsrelevanten Daten zu unterscheiden. „ROT“ ist die Abkürzung für „redundant, obsolet, trivial“ und bezeichnet beispielsweise veraltete, beschädigte oder fehlerhafte Daten ohne Mehrwert. Diese stellen in erster Linie einen Kostenfaktor dar und sollten gelöscht werden. Zudem sollte durch geeignetes Datenmanagement die künftige Anhäufung von ROT-Daten verhindert werden.
Geschäftsrelevant ist Dark Data dann, wenn es Risiken oder Chancen darstellen könnte. Risiken entstehen beispielsweise, wenn „vergessene“ Daten geringeren Sicherheitsstandards unterliegen und zum Ziel von Hackerangriffen werden. Wenn es sich bei den gehackten Daten um personenbezogene Informationen handelt, kann es für ein Unternehmen sehr schnell sehr kostspielig werden. Ohnehin sollten personenbezogene Daten vor dem Hintergrund der DSGVO prinzipiell schnell auffindbar, modifizierbar, exportierbar und löschbar sein (Recht auf Auskunft, Berichtigung, Transfer und Löschung).
Chancen wiederum können in den Daten zahlreich enthalten sein: so können beispielsweise Gesprächsmitschnitte von Kundenanrufen oder E-Mail-Beschwerden wichtige Insights zu Pain Points, Kundenstimmung oder Optimierungspotentialen von Produkten und Serviceleistungen liefern. Log-Dateien bieten Hinweise auf das Verhalten von Website-Besuchern sowie Ansatzpunkte für die Verbesserung der Website-Performance. Aus Geodaten kann das Bewegungsverhalten der Kunden rekonstruiert und für die weitere Geschäftsplanung nutzbar gemacht werden (Geo-Tagging).
Für die Auswertung der vielfältigen, strukturierten und unstrukturierten Daten können neben klassischen statistischen Methoden beispielsweise Data Mining- und Textmining-Verfahren eingesetzt werden. Auf diese Weise können Muster (Klassifikationen, Segmentierungen, Prognosen, Abhängigkeitsanalysen, Abweichungsanalysen) erkannt sowie wichtige Themen, Stimmungen und Trends identifiziert und anschließend für Marketing, Vertrieb und Service nutzbar gemacht werden.
Natürlich kann sich ein Unternehmen seinen Dark Data zunächst projekthaft nähern. Auf lange Sicht jedoch sollte die Nutzung von Daten strategisch geplant und fest im Unternehmen verankert werden. Hierfür bedarf es einer umfassenden und auf die jeweilige Geschäftsstrategie abgestimmten Datenstrategie, die die Leitplanken für die Datenhaltung, Datenqualitätssicherung, Datenbereitstellung und Datennutzung vorgibt und sicherstellt, dass IT-Architektur, Unternehmensorganisation und Datenwertschöpfung nahtlos ineinandergreifen.
Sollten Sie Fragen haben oder Unterstützung beim Heben Ihrer verborgenen Datenschätze benötigen, so kontaktieren Sie uns jetzt!
Kontakt
Get in touch.
Sie haben Fragen zu unserem Beratungsangebot oder zu Einstiegs- und Karrieremöglichkeiten bei uns? Oder Sie haben ein ganz anderes Anliegen? Wir freuen uns auf Ihre Nachricht.
