Informationen, Wissenswertes und Neues aus dem Unternehmen

Controlling – Lebenszyklus eines Report

Nicht nur Produkte, auch Berichte und Report unterliegen einem Lebenszyklus. Dieser reicht von ersten formulierten Anforderungen über die Realisierung, Nutzung und Optimierung bis zur „Einstampfung“. Sehr selten wird das Berichtswesen gänzlich neu aufgestellt, viel mehr trifft Controlling Abteilungen in regelmäßigen Abständen die Notwendigkeit Berichte oder Berichtsteile zu aktualisieren und an geänderte Rahmenbedingungen anzupassen.

In meinem Alltag darf ich ganz unterschiedliche Herangehensweisen an diese Überarbeitung miterleben. Das reicht von detaillierter Planung auf höchster Ebene bis zur schnellen Anpassung der äußeren Form. Jede Arbeitsweise hat ihre Vor- und Nachteile, ist in der jeweiligen Situation berechtigt oder notwendig. Doch eine Erfahrung zeigt sich immer wieder: Was man in der Planung, Erarbeitung an Gedanken und Sorgfalt spart, steckt man am Ende als Zeit und Aufwand wieder rein. Bei einem überarbeiteten Bericht, der über einen längeren Zeitraum geliefert wird, kann das dann auch gern mal das x-fache der vorerst eingesparten Ressourcen sein.

Welche Arbeitsweise sich für das Ziel eines effizienten und qualitativ hochwertigen Reportings als riskanter bzw. chancenreicher erweist, habe ich Ihnen, überspitzt und mit einem Augenzwinkern, in dieser Übersicht zusammengefasst:

 

Poster der Controller macht den Unterschied in der Datenvisualisierung und im Reporting

 

 

Für Ihre Berichtsüberarbeitungen wünsche ich Ihnen Happy Reporting, an Stelle ungeliebter Murmeltiere!

Ihre Silja Wolff

 

 

Es muss mehr getan sein…

2016-Zitate Tun

Liebe Blogleser,

unsere Beiträge haben sich in den vergangenen Wochen rar gemacht. Es fehlten uns nicht die Themen und die Lust am Bloggen. Vielmehr haben unsere Tage nicht mehr Stunden bekommen und wir haben uns im Sinne dieses Zitat und unserer Kunden und Projekte entschieden, dass am Ende „mehr getan als gesagt“ sein muss.
Nichtsdestotrotz werden wir demnächst wieder in gewohnter regelmäßiger Manier neue Themen bloggen und freuen uns weiterhin über Ihr wohlwollendes Mitlesen.

Herzlichst, Ihre Silja Wolff

 

Gehören Design Thinking und Datenvisualisierung zusammen?

Ein innerer Dialog in mehreren Teilen, der begann als ein potentieller Kunde anrief und sein Anliegen so formulierte: „Wir wünschen uns einen Workshop über den Einsatz verschiedener Design Thinking Ansätze bei der Präsentation von Unternehmensdaten.“

A: Ist das nicht Elefanten auf Mücken werfen? Design Thinking und Datenvisualisierung, stimmt die Relation?

B: Kommt drauf an, z.B. wie man Design Thinking definiert und aus welcher Perspektive man Datenvisualisierung betrachtet. Nimmt man Design Thinking als einen Innovationsprozess, der den Kunden und seine Bedürfnisse in den Fokus rückt und die visualisierten Reports als Produkt bzw. Dienstleistung für einen (internen) Kunden sieht, gibt es zumindest schon mal eine Schnittfläche.

A: Ist für einen erfolgreichen Einsatz der Methode nicht mehr nötig als nur das Durchlaufen der Schritte?

B: Ja. Konsequent gedacht, hinterfragt man die vorhandene Kultur. Grundsätzlich braucht es die Bereitschaft zum Neudenken und eine nur grob planbare Verfügbarkeit verschiedenster Ressourcen. Neben dem täglichen operativen Geschäft wird es nicht gut gehen.

A: Vielleicht doch Konzentration auf das Nötige und nicht der große, „gerade vom Zeitgeist gebeutelte“ Design Thinking Ansatz für ein paar Seiten Bericht?

B: Zumindest in der Theorie lässt sich der Prozess kurz formulieren: Design Thinking ist ein offen und interdisziplinär gestalteter Iterationsprozess, der sich in fünf grobe Schritte gliedern lässt:

  1. tief in das Thema eintauchen, beobachten wie sich Nutzer verhalten, in die Rolle des Kunden schlüpfen und spüren, wie es einem mit der Dienstleistung, dem Produkt ergeht
  2. es wurde in Schritt 1 so viel Wissen gesammelt (auch zwischen den Zeilen), dass es möglich ist, das Problem konkret zu benennen und sich darauf zu fokussieren
  3. jetzt mit Kreativität zur Lösungsfindung durchstarten – alles darf gedacht werden, was hilft die Hürde zu nehmen
  4. mit einfachen Mitteln einen Prototypen erstellen
  5. diesen Prototypen am Kunden testen, Feedback einholen und bei Änderungswünschen genau hinhören… nein – nicht verkaufen, den je nach Lernergebnis können, dürfen, müssen Schritte wiederholt werden.

A: Die Prozess-Sicht verengt aber die Perspektive auf das, was möglich wäre.

B: Das ist richtig. Doch die Eingangsbitte dreht sich ja um den Einsatz von Design Thinking bei der Präsentation von Unternehmensdaten.

A: Die Bitte führt dazu, dass es nicht um das „Wie“ der Präsentation geht sondern um das „Was“, um den Inhalt. Zur Inhaltsbestimmung von Reports, zur Beantwortung von Fragen nach Entwicklungen, die vielleicht übersehen wurden oder der Qualität von Beobachtungsrastern, der Kundenperspektive in vorhandenen Kennzahlensystemen lässt sich die Methode gut nutzen.

B: Doch ehrlich, wie viele Controller und Entscheider kenne ich in der Praxis, die noch freie Kapazitäten für solch aufwändigen Prozess haben?

A: Also bleibt alles wie immer? Das kann es ja auch nicht sein…

B: In der Praxis läuft es doch so, wenn sich Organisationen für Design Thinking in umfassender Form zur Entwicklung, Verbesserung von Dienstleistungen und Produkten für externe Kunden entscheiden, dann ändert sich fast zwangsläufig auch das Reporting. Und in kleiner, fein abgestimmter Form wird die Methode genutzt für das Design oder Re-Design von Berichten, als praktikabler Weg zwischen Möglichem und Nötigem…





Interessierte können hier weiterlesen und mehr erfahren:

Informativer Blog zum Thema Design Thinking, der viele Einblicke und wissenswerte Erfahrungen vermittelt: http://www.designthinkingblog.com/

Alle, die sich zum Thema austauschen möchten, sind hier richtig: http://www.designthinkingnetwork.com/

Visualisierung in der BWL-Lehre

Pressemitteilung – Markus Wolff, Geschäftsführer der chartisan GmbH, übernimmt Tätigkeit als Gastdozent an der Dualen Hochschule Baden-Württemberg. Als Experte für Informationsvisualisierung vermittelt er, neben theoretischen Konzepten, praktisches Wissens aus dem Reporting-Alltag.

Für die Datenaufbereitung und Analyse stehen beständig mehr Softwaretools in den Unternehmen zur Verfügung. Gute Ergebnisse liefern diese Tools allerdings nur, wenn sie von kompetenten Mitarbeitern genutzt werden. Diese schnelle technische Entwicklung geht einher mit gestiegenen Ansprüchen und Erwartungen an den Erkenntnisgewinn im Controlling bzw. Reporting. Hohe Anforderungen an technische und analytische Fähigkeiten sind wichtig. Die Visualisierung von Informationen als Bestandteil des Reportings wird leider noch oft vernachlässigt. Die besten Analysen können ihre Wirkung nicht entfalten, wenn im letzten Schritt – bei der Präsentation – Unklarheiten entstehen oder Entscheidendes unsichtbar bleibt.

Für die Visualisierung von Geschäftszahlen haben Experten wie Stephen Few, Edward Tufte, Prof. Rolf Hichert und andere hervorragende Methoden entwickelt. Vor allem im deutschsprachigen und europäischen Raum sind die Prinzipien von Hichert Success führend. Die Umsetzung dieser Prinzipien ist in der Praxis alles andere als trivial. Einige Hochschulen in Deutschland reagieren sensibel auf diese Entwicklung und bieten ihren Studenten Lehrveranstaltungen und Seminare zum Thema Informationsvisualisierung.

Neben regelmäßigen Gastvorträgen an der Hochschule Pforzheim wird Markus Wolff ab Januar 2016 als Gastdozent im Bereich BWL an der Dualen Hochschule Baden-Württemberg tätig sein. Herr Wolff ist Gründer und Geschäftsführer der chartisan GmbH. Sein Fachgebiet ist die Datenvisualisierung und Datenanalyse im wirtschaftlichen Kontext. Als Berater und Umsetzer arbeitet er europaweit für Unternehmen und Organisationen der unterschiedlichsten Branchen.

Er ist einer der erfahrensten von HICHERT+PARTNER zertifizierten Berater (HCC). Neben seiner Tätigkeit für chartisan arbeitet er seit mehr als acht Jahren als Trainer in Fachseminaren für HICHERT+PARTNER und für die Controller Akademie. In dieser Zeit hat er über 150 erfolgreiche Seminare und Workshops für Controller und Manager zum Thema Information Design geleitet.

Darüber hinaus veröffentlicht er Fachartikel, hält regelmäßig Vorträge und kooperiert eng mit anderen Wegbereitern des Management Information Designs, unter anderem im Rahmen der IBCS-Association. Vor seiner heutigen Spezialisierung studierte er Betriebswirtschaft an der FH Eberswalde sowie an der Donau-Universität Krems und arbeitete als Konzerncontroller bei der Saubermacher AG in Graz.

Bullet Graphs: 5 Nachteile die Sie vermeiden können

Was sind Bullet Graphs und wo werden sie eingesetzt?

Kennzahlenübersichten in Dashboards werden durch Visualisierung leichter verständlich. Die Umsetzung ist jedoch schwierig, weil Standarddiagramme für diese Aufgabe ungeeignet sind. Bullet Graphs, eine Sonderform der Balkendiagramme, wurden von Stephen Few speziell für Dashboards entwickelt. Sie sind grundsätzlich sehr gut für diesen Zweck geeignet, besitzen aber in Ihrer bekannten Form (siehe Abb.1 und Abb.2) einige Nachteile, die wir in unseren Projekten durch eine abgewandelte, optimierte Form der Visualisierung gelöst haben.

Abb.1: Die Bestandteile eines Bullet Graphs, wie er regelmäßig in Dashboards eingesetzt wird

  • Bullet Graphs sind eine besondere Form von Balkendiagrammen.
  • Sie vergleichen eine dargestellte Kennzahl mit einem Zielwert.
  • Außerdem werden durch Hintergrundfarben zusätzliche qualitative Informationen zugeordnet.
  • Bullet Graphs werden häufig in Dashboards verwendet. Sie ersetzen platzsparend die Tachometer.
  • Bullet Graphs können horizontal oder vertikal ausgerichtet sein.

Abb.2: Dashboards mit Bullet Graphs, wie sie häufig empfohlen und eingesetzt werden

5 Nachteile dieser Bullet Graph Darstellung

  • Die Grafiken werden schnell unübersichtlich, weil viele Detailinformationen gezeigt werden, die nicht unbedingt nötig und teilweise gar nicht verfügbar sind, z. B. die qualitative Aussage „schlecht, mittel, gut“. Dieser Nachteil tritt vor allem auf, wenn viele Bullet Graphs auf einer Seite stehen (Liste von Kennzahlen).
  • Abweichungen vom Ziel sind nicht visualisiert und daher schwer erkennbar. Leicht ablesbar ist nur, ob der Ist-Balken den Zielwert überschreitet. Für die Betrachter wäre aber weiterhin wichtig, ob die Überschreitung gut oder schlecht ist und wie groß die Abweichung ist.
  • Farbige Hintergrundflächen lenken den Betrachter von der eigentlichen Hauptinformation ab, nämlich dem Ist-Balken und dem Zielwert. Die Farbflächen sehen immer gleich aus, egal ob das Ziel erreicht wurde oder nicht. Sie stören eher die Wahrnehmung als sie zu unterstützen.
  • Hintergrundflächen verringern den Kontrast zum Ist-Balken und Zielwert. Dadurch sind diese wesentlichen grafischen Elemente im Vordergrund schlechter zu erkennen.
  • Zielbereiche lassen sich schwer darstellen. In der Praxis gibt es nicht nur feste Zielwerte (Einzelwerte) für Schlüssel-Kennzahlen sondern oft auch Zielbereiche. Bei diesen Kennzahlen (KPI) gilt das Ziel als erreicht, solange der Ist-Wert zwischen Unter- und Obergrenze des Zielbereichs liegt.

So nutzen Sie die Idee der Bullet Graphs in Dashboards optimal

Für den Einsatz in Dashboards verwenden wir eine speziell optimierte Form von Bullet Graphs (Abb.3), welche die genannten Nachteile vermeidet und zusätzliche visuelle Features mitbringt.

Abb.3: Dashboard mit Bullet Graphs von chartisan empfohlen

  • Die vereinfachte Darstellung ohne unnötige Hintergrundflächen erlaubt einen schnellen Überblick.
  • Es werden Zielwerte (Einzelwerte) oder Zielwertbereiche (Unter-/Obergrenze) abgebildet.
  • Abweichungen werden farbig hervorgehoben: positiv (erwünscht) = grün, negativ (unerwünscht) = rot. Das Ausmaß der Abweichung ist visuell einfach erfassbar. Betrachter erkennen sofort, wo „viel“ rot oder grün aufleuchtet.
  • Die Wertebeschriftung ist platzsparend und übersichtlich in Tabellenspalten untergebracht.
  • Diese optimierte Grafikform nutzt die Stärken der ursprünglichen Bullet Graphs und ergänzt sie um eine visuelle Abweichungsanzeige. Der Detailgrad wurde so weit wie möglich reduziert, wodurch diese optimierten Bullet Graphs ideal für Listen von Kennzahlen geeignet sind.

Das gezeigte Beispiel haben wir übrigens mit einigen Tricks in Excel umgesetzt und automatisiert. Wie so oft war hier die Idee entscheidend, nicht das Tool. In diesem Sinne konnten wir Sie hoffentlich inspirieren. Sollten Sie weitere gute Ideen für Ihr Reporting suchen, kontaktieren Sie uns!

 

Sales Dashboard mit Excel

Ein kleiner Projekt-Einblick in ein übersichtlich aufgebautes Sales Dashboard. Durch die Realisierung in Excel, ohne etwaige Plugins oder VBA-Programmierung, lässt es sich komplikationslos von jedem Office-Anwender nutzen und verteilen. Die Datenaufbereitung basiert in diesem Beispiel auf Pivot-Tabellen. Eine Datenbank-Anbindung ist problemlos möglich.

Das ist keine Zauberei oder ewige Tüftelei. Versprochen!

Wenn Sie unsere Lösung interessiert, können Sie uns nach einer individuellen Lösung für Ihren Anwendungsfall fragen oder Sie besuchen ein Seminar zum Thema  >siehe Blogbeitrag hier< oder >direkt zum Seminar<  und erlernen es selbst.

 

Beispiele für angewandtes Report Design

Viel wurde hier im Blog über die wichtigsten Regeln und Lösungsansätze für gutes Report Design geschrieben. Ergänzend werden in diesem Beitrag zwei klassische Umsetzungsbeispiele vorgestellt, die in ähnlicher Form sehr häufig in Berichten zu finden sind.

Tabellarischer Plan-Ist-Vergleich

Das erste Beispiel zeigt eine tabellarische Gegenüberstellung von Plan- und Ist-Ergebnissen für alle Standorte eines Landes. Tabellen dieser Art finden sich in fast jedem Monatsbericht. Häufig sind sie aber mit vielen Spalten und langen Zahlen so überfrachtet, dass die Leser sie nur mit großer Mühe interpretieren können. In Abb. 1 wurde der Inhalt so gestaltet, dass die wichtigsten Inhalte sofort auffallen. Dafür sorgen die Visualisierungsspalten. Bereits nach wenigen Sekunden wird klar, dass es eine wesentliche negative Abweichung in Frankfurt gibt. Die Spalten mit den Basisdaten (VJ, PL, IST) und den daraus abgeleiteten Abweichungen sind ebenfalls schnell erfassbar. Das gelingt durch kurze Zahlen (hier in Mio.), kurze Spaltentitel sowie leichtes Design, ohne unnötige Linien oder Hintergrundfarben.

Diese Tabelle priorisiert ganz klar die absolute Abweichung vom Plan. Ausgewählte Zusatzinformationen werden dezent mit angezeigt, lenken aber nicht vom Wesentlichen ab.

ReportingDesignT3 Abb2

Abb. 1: Plan-Ist-Vergleich nach Standorten; EBIT in Mio. EUR

Konzernübersicht Umsatz-Ergebnis-Margen

Die Konzernübersicht (siehe Abb. 2) zeigt auf einer Seite die mittelfristige Entwicklung von Umsatz, EBIT und Margen in allen Ländern. Solche Übersichtsseiten eignen sich sehr gut für einen vorangestellten Zusammenfassungsteil in Berichten. Sie verdeutlichen schnell, welche wesentlichen positiven und negativen Entwicklungen vorliegen. Auf weiteren Seiten folgen dann die relevanten Details zu einzelnen Ländern, Projekten, Kostenarten usw. Ohne sinnvolle Überblicksseiten sind Manager gezwungen sich mit Details zu befassen, ohne das Gesamtbild zu kennen. Dabei wird zu viel Zeit mit unwesentlichen Dingen verbracht. Oft fehlt diese Zeit dann später, wenn der Berichtsempfänger endlich zu den wesentlichen, handlungsrelevanten Informationen vorgedrungen ist. Gute Übersichtsseiten zeigen das unverfälschte Gesamtbild. Sie helfen den Blick auf das Wesentliche zu richten sowie Zeit und Ressourcen richtig einzuteilen.

ReportingDesignT3 Abb4

Abb. 2: Konzern nach Ländern; Umsatz und EBIT in Mio. EUR, Marge in %

 

Häufig werden solche Übersichtsseiten in der Praxis nicht konsequent genug umgesetzt und verfehlen dadurch ihr Ziel. Viele kleine Diagramme zu erstellen, verursacht bei Berichtsersteller mehr Aufwand als ein großes Diagramm mit vielen Datenreihen. Die „Small Multiples“ sind aber für den Empfänger wesentlich besser zu verstehen. Der Mehraufwand ist also eine wertvolle Dienstleistung. Besondere Bedeutung hat der einheitliche Maßstab für alle Diagramme. Ohne ihn geht das Gesamtbild verloren. Die ganze Seite würde ihren Wert verlieren. Daher sollte der Maßstab auch dann durchgehalten werden, wenn kleine (unwesentliche) Werte kaum noch erkennbar sind. Das Gesamtbild hat hier oberste Priorität.

Die abgebildeten Kennzahlen sollen natürlich für die Empfänger interessant und entscheidungsrelevant sein. Die absolute Verteilung der Umsätze im Konzern ist dem Vorstand meist gut bekannt und daher in monatlichen Berichten nicht besonders interessant. In solchen Fällen können Übersichtsseiten z. B. Ergebnisse, Abweichungen, Margen oder andere Kennzahlen thematisieren. Dabei sind Prozentwerte (z. B. Umsatzwachstum in Prozent) hinsichtlich der Skalierung oft günstiger als Absolutwerte. Das wichtigste Ziel und Qualitätskriterium jeder einzelnen Seite ist ein hoher Informationswert für die Empfänger.

Verbesserungspotenzial hinsichtlich des Reporting-Designs gibt es praktisch in jedem Unternehmen. Erste Umsetzungsschritte sind erfahrungsgemäß mit wenig Aufwand und geringem Risiko machbar.

Davon profitieren alle Beteiligten. Durchdachtes Berichtsdesign in der gezeigten Form vermittelt nicht nur Fakten sondern auch das gute Gefühl, alle wichtigen Informationen verstanden zu haben.

Undankbares Handwerk entspannt Berichtsempfänger

Die Visualisierung von Informationen ist, aus handwerklicher Sicht, anspruchsvolle Typografie. Aus einem einfachen Grund ist dieses Handwerk zuweilen recht undankbar: Das typografische Produkt selbst soll beim Wahrgenommen-Werden quasi auf den Inhalt hin durchsichtig sein, ohne dass seine Anwesenheit bewusst wird. Sobald die typografische Gestaltung einer Seite, eines Reports selbst Gegenstand der Aufmerksamkeit des Lesers wird, stimmt in der Regel irgendetwas nicht.

 

Typografie ist dann gut, wenn man von ihrem Vorhandensein keine Kenntnis nimmt. Das gilt zumindest für den Berichtsempfänger, der sich mit der Bedeutung des Inhalts befasst und nicht mit seiner Form.

 

Die Richtigkeit der Behauptung zeigt sich im Umkehrschluss: Wenn beim Erfassen des Inhalts die Gestaltung zum bewusst wahrgenommenen Gegenstand wird, ist eine Konzentration auf den Inhalt nicht möglich. Der Leser ermüdet schneller, die Konzentration ist nimmt rapide ab. Der Typograf spricht von nicht mehr von der Augenweide, sondern vom Augenpulver.

Zeilen- und Spaltenabstände beeinflussen die Wirkung von Berichten, meist eine Kombination aus Diagramm, Tabelle und Text, enorm. Gleichzeitig sind die Regeln relativ einfach in der täglichen Arbeit zu berücksichtigen.

Richtschnur Zeilenabstand

Beim Lesen hangelt sich das Auge an der Zeile entlang. Der richtige Zeilenabstand hilft ihm dabei. Der Zeilenabstand ist die Schriftgröße zuzüglich des Durchschusses einer Schrift. Er wird von der Mittellängen-Unterkante einer Zeile zur nächsten gemessen. Als Ideal für den Leser gilt für den Zeilenabstand die Formel Schriftgröße plus 20% der Schriftgröße (Durchschuss). In den üblichen Software-Programmen ist ein Durchschuss von 20% der Schriftgröße als Standard voreingestellt.

 

Typografie Zeilenabstand

 

Spaltenabstände im Text

Der Spaltenabstand ist in der Regel keine voreingestellte Standardgröße. Er wird individuell vom Ersteller festgelegt. Hier kann man sich typografische Erfahrung zunutze machen.

Ist der Spaltenabstand zu eng gewählt, erhält man sehr schnell Augenpulver. Bei einem zu weit gewählten Abstand nimmt das Auge Spalten als nicht zusammen gehörig war. Ein guter Spaltenabstand lässt sich leicht erzeugen, entspricht er doch den Kleinbuchstaben (Minuskeln oder auch Gemeinen) „m“ und „i“ der jeweiligen Schriftgröße.

 

Typografie idealer Spaltenabstand

 

Dies gilt nicht allein für Textspalten, sondern lässt sich auch direkt auf Zahlenkolonnen anwenden.

 

Typografie Spaltenabstand in einer Tabelle

 

Umgang mit Abständen in Tabellen

Der ideale Zeilen- und Spaltenabstand für einen als zusammen gehörig empfundenen Text ist jetzt bekannt und lässt sich in der Regel auch leicht in Tabellen umsetzen. Hier die sichtbaren Unterschiede anhand eines einfachen Excel-Beispiels:

 

vorher nachher Bespiel: Typografie einer Tabelle

 

Die Lesbarkeit in den beiden oberen Varianten ist eingeschränkt. Das Auge des Lesers wird relativ schnell ermüden. Die Konzentration auf den Inhalt benötigt größere Anstrengungen als im folgenden Beispiel, welches den oben genannten Regeln folgt.

 

angewandte Typografie in einer Tabelle

 

Diese Tabelle ist nach den obigen Faustregeln gegliedert. Der Tabellenkopf enthält häufig die meisten Textzeichen. Es ist durchaus üblich diese bis zu 2 Punkt kleiner als die Schriftgröße des Korpus zu setzen. Zeilenabstände, die ein Vielfaches bzw. Halbes der Schriftgröße sind, eignen sich häufig besser zur Gliederung als Linien. Die einzelnen Zahlenkolonnen haben das gleiche Zeichenformat. Alle sind rechtsbündig ausgerichtet.

 

Sie sehen, Typografie ist häufig keine kreative Kunst, eher ein Handwerk. Es ist die gezielte Umsetzung von Erfahrungsregeln und die Anwendung spezialisierter Techniken.

 

Der ganze Aufwand, das ganze Wissen hat nur ein Ziel: Es ist am besten, wenn dem Betrachter die Tatsache, dass das Betrachtete Ergebnis eines Gestaltungsprozesses ist, gar nicht auffällt. Doch auch hier gilt, das Einfache ist häufig das Schwierigste. Sollten Sie mal nicht weiterkommen, wir helfen gern.

Eine Branche sortiert sich… neue Berufe im Datenmanagement

In Gesprächen werde ich manchmal gefragt, ob ich wirklich mehr als ein Nischenthema in unserer Tätigkeit sehe. Vielleicht liegt es daran, dass wir mit vielen Menschen aus verschiedenen Unternehmen, Organisationen, Branchen zusammentreffen und so sehr unterschiedliche Facetten des Themas mitbekommen. Ich kann auf diese Frage jedenfalls mit leuchtenden Augen und aus dem Stand ein kleines Zukunftsplädoyer halten. Das werde ich jetzt nicht tun 😉

Doch ein Indiz der Zukunftsfähigkeit ist die Differenzierung der Tätigkeiten im Bereich Informations-, Datenmanagement. T. H. Davenport und D. J. Patil haben bereits in der „Harvard Business Review“ vom 01.10.2012 den Job des Data Scientist als „the sexiest job of the 21st century“ ausgerufen. Heute findet man etliche Stellenangebote, Jobgesuche und auch Ausbildungsmöglichkeiten unter dem Schlagwort Data Scientist. Aus meiner Sicht ist das erst der Anfang neuer Tätigkeitsfelder, die sich aus den vorhandenen Controlling-, IT- und Wirtschaftstätigkeiten entwickeln.

Für alle Suchenden, Lernenden und Interessierten ein kleiner Überblick, welche neuen Berufe seit rund zwei Jahren proklamiert werden und inzwischen viele Chancen bieten:

 

Data Scientist


Ein Data Scientist setzt sein Know-how aus den Bereichen Mathematik, Statistik und Informatik ein, um komplexe Sachverhalte zu untersuchen. Er entscheidet, welche Analyseformen geeignet und welche Rohdaten erforderlich sind. Der Data Scientist interpretiert Daten, fusioniert Datenquellen und baut mathematische Modelle.

In der Regel ist eine große Bandbreite an Expertenwissen verschiedener Bereiche und Disziplinen gefragt, so dass Daten-Wissenschaftler im Team am erfolgreichsten arbeiten können. Ein wesentlicher Teil der Arbeit besteht in der Ergebniskommunikation, so dass Verhandlungsgeschick und emotionale Kompetenzen ein weiteres Erfordernis sind.
Neben der Forschung, dem „traditionellen Arbeitsgebiet“ der Data Scientists wächst der Bedarf in der Wirtschaft, Stichwort „Competitive Intelligence“, stetig.

Data Artist oder Data Visualizer


In der Kommunikation von komplexen Analyse-Ergebnissen spielt die Visualisierung eine entscheidende Rolle. Diese ist die Aufgabe der Data Artists oder Data Visualizer. Erfolgreiche Data Visualizer haben ihre fachliche Heimat häufig in den Naturwissenschaften, der Mathematik oder den Wirtschaftswissenschaften. Das fachliche Know-how wird ergänzt durch Kreativität, starke kommunikative Eigenschaften und technische Affinität. Arbeitsmittel sind eine Vielzahl verschiedenster Visualisierungstools und Grafiksoftware.

In der Wirtschaft arbeiten Data Artist häufig in vorhandenen Analyse-Teams und vorrangig für interne Entscheidungsträger. Immer stärker werden Data Visualizer für die externe Kommunikation eingesetzt, wenn es darum geht komplexe Trends, Muster z.B. demographische Daten etc. zu transportieren.

Data Architect

Sobald große Datenmengen anfallen, ist für deren Verwaltung ein Data Architect gefragt. Kernaufgabe des Data Architect ist die mittel- und langfristig sinnvolle Planung und Umsetzung einer Gesamt-IT-Struktur. Dazu gehören die Entwicklung, Pflege von formalen Datenbeschreibungen und Datenstrukturen mittels Definitionen, Modellen, Flussdiagrammen und ähnlichem. Teilaufgabe der Datenarchitektur ist auch die Beachtung und Einhaltung von Datenrechten. Für diese Zielerreichung ist umfassendes fachliches Know-how von Datenbanken, Datenanalysen und Software gefragt.

Daten-Ingenieur


Der Daten-Ingenieur ist zuständig für die reibungslose Funktion von Hard-, Software- und Netzwerkkomponenten des „Big Data-Systems“. Die Stelle ähnelt in der Funktion den System- und Netzwerkverwalterin im IT-Bereich.

Die Aufgaben des Daten-Ingenieurs lassen sich nicht haarscharf von denen des Data-Architects trennen. In größeren Organisationen arbeiten Data-Architect und Daten-Ingenieur als Team.

Information Broker


Der Information Broker schließt das Informationsdefizit, in dem er benötigte Daten schnellstmöglich recherchiert, selektiert und fallweise passend präsentiert. Dazu filtern, strukturieren und analysieren Information Broker große Datenmengen. Fachliches mathematisches, statistisches Know-how und eine gute Allgemeinbildung sind, neben technischen Verständnis, gern gesehene Eigenschaften.

In der Regel arbeiten Information Broker als eigenständige privatwirtschaftliche Unternehmen, die ihre Informationen verschiedenen Kunden bereitstellen. Interne Stellen für Information Broker als ergänzendes Big Data-Teammitglied sind derzeit eher die Ausnahme.

Data Change Agents


Data Change Agents arbeiten unternehmensintern und bereichsübergreifend. Sie konzentrieren sich auf die Analyse und Anpassung bestehender Prozesse, mit der Zielstellung einer Gesamt-Daten-Architektur. Häufig umfasst diese Tätigkeit auch unternehmenspolitische Aspekte. Neben ausgeprägten kommunikativen Fähigkeiten, sind unternehmensinterne Kenntnisse und das Verständnis von Unternehmensprozessen wichtig. Der Data Change Agent sichert die Qualität seiner Arbeit durch fachliches Know-how im Bereich Qualitätsmanagement ab.

 

Zwischen den einzelnen Tätigkeiten gibt es derzeit noch einige Unschärfen und Überschneidungen. Inwieweit sich die einzelnen Berufe weiter voneinander differenzieren und abgrenzen, wird sich in der Zukunft zeigen.