News.Now

Wie ein fehlendes Informationsmanagement den Gewinn von Unternehmen gefährdet

Zwei Drittel der Unternehmen sorgen sich um Produktivitätsverlust durch unauffindbare Informationen, wie eine Studie zeigt! Informationsmanagement wird damit in Unternehmen zu einem wichtigen Skill für alle Mitarbeiter*innen und kann sich sogar auf den Gewinn von Unternehmen auswirken. Aber wie können Unternehmen dem entgegenwirken?

18. Oktober 2022

Frau schaut sich Statistiken auf einem Tablet an

Nur geteiltes und zugängliches Wissen hat einen Wert für Unternehmen. Die Veränderungen in der Arbeitswelt der letzten Jahre hat diese Zugänglichkeit zu Informationen und Daten erschwert. Das hat konkrete Folgen, wie Studien belegen.

Einzelne Wörter können eine große Wirkung erzielen. Früher reichte das Wort Gold, abgedruckt in einer Zeitung, um einen Rausch auszulösen und tausende Abenteuerlustige zum Fundort zu locken. Heutzutage löst ein anderes kleines Wort ähnliche Umwälzungen aus: Daten. Seit Jahren haben Unternehmen den Wert der im Zuge ihrer Prozesse anfallenden Informationen erkannt, der Datenrausch ist im vollen Gange, und das rechnet sich: Dateninnovative Unternehmen können mit bis zu 83 Prozent gestiegenen Bruttoumsätzen rechnen.

Allerdings haben die plötzlichen Veränderungen, die wiederum vom Wort Corona ausgelöst wurden, zu einigen Schwierigkeiten im Umgang mit Daten geführt. Hybride Arbeitsmodelle machen es deutlich komplizierter, allen Mitarbeitenden gleichen Zugang zu notwendigem Wissen zu gewährleisten und im Vorfeld Daten strukturiert zu sammeln. Das hat spürbare Auswirkungen auf die Effizienz und Produktivität von Unternehmen.

Gewinneinbußen durch fehlendes Informationsmanagement

Denn eine Studie des US-Marktforschungsunternehmens APQC (American Productivity & Quality Center) unter Führungskräften nordamerikanischer und europäischer Unternehmen zeigt, dass zwei Drittel der Befragten sich um Produktivitätsverlust durch unauffindbare Informationen sorgen. Ein Viertel geht deshalb gar von Gewinneinbußen aus. Um diesem Problem Herr zu werden, streben 75 Prozent der Befragten ein verbessertes Informations- und Wissensmanagement für ihr Unternehmen an.

Denn viele haben in den letzten Jahren bereits in verschiedene Plattformen und Dienste zur Informationsbereitstellung und Datenverarbeitung, etwa ERP-, CRM-, SCM-Systeme, Business Warehouses und Business Intelligence, investiert. Ein weiteres Problem ist, dass bedingt durch das Home-Office vermehrt unstrukturierte Daten anfallen.

Problemfeld unstrukturierte Daten

Daten treten in verschiedenen Formen auf, strukturiert, unstrukturiert oder semistrukturiert. Strukturierte Daten, wie Namen, Adressen oder Telefonnummern, lassen sich einfach mit Hilfe intelligenter Verarbeitungstools nutzen. Unstrukturierte Daten, etwa E-Mails, Bilder, Dokumente oder Tonaufnahmen, sind da schon weitaus schwieriger auszuwerten. Dafür braucht es weitere Informationen, wie die Metadaten eines Bildes oder in Ordnern organisierte Dokumente. So entstehen aus unstrukturierten semistrukturierte Daten.

Und nur diese Datensätze lassen sich durch Big Data Analytics Anwendungen gewinnbringend nutzen. Während virtueller Meetings oder bei gemeinsam digital bearbeiteten Dokumenten fallen also vor allem unstrukturierte Daten an, die mit Metadaten angereichert werden müssen. Ein weiteres Hindernis ist dabei oft die Vielfalt der verwendeten Tools. Zu Beginn der Pandemie wurden im Schnelldurchlauf neue Dienste eingeführt, ohne auf die Kompatibilität zu achten. Eine zentrale Plattform hilft auch hier, den Datenaustausch zu verbessern.

Über Use Cases zum eigenen Data Science Projekt

Unternehmen benötigen also die richtige Strategie, um von ihren Daten zu profitieren. Viele schrecken aber bislang noch vor der Einführung eines Data Science Projekts zurück, aus vielfältigen Gründen, etwa weil ihnen ein passendes, anschauliches Beispiel fehlt, welches sich auf ihre konkrete Situation übertragen ließe. Der Spezialist für die digitale Transformation valantic hat genau dieses Problem erkannt und stellt in seinem Whitepaper die fünf Schritte auf dem Weg zu einem erfolgreichen Data Science Projekt vor.