Design Thinking trifft auf Data-Mining – Warum Data Thinking der Weg in die Zukunft ist
Vielleicht kommen Ihnen diese Situationen bekannt vor …
Sie möchten die Aktivitäten Ihres Unternehmens mit digitalen, datenbasierten Ansätzen verbessern. Die Chancen und Herausforderungen der digitalen Transformation liegen auf der Hand. Daher ist es sinnvoll, bestimmte Geschäftsstrategien auf der Grundlage von Daten zu überdenken. Sie haben mit kreativen Methoden wie Design Thinking eine Strategie entwickelt und wissen genau, welche datenzentrierten Lösungen Sie entwickeln müssen – aber die Fachabteilungen sträuben sich dagegen. Design Thinking ist schön und gut, aber Ihre Anwendungsfälle haben die Herausforderungen der Daten und IT-Systeme nicht ausreichend berücksichtigt.
Oder ist es andersherum passiert? Sie und Ihr Team haben Ihr Fachwissen in der Datenanalyse genutzt, um eine vielversprechende Datenlösung für Ihr Unternehmen zu entwickeln. Die technische Umsetzung der Maßnahmen ist klar – was fehlt, ist ein gutes Verständnis dafür, ob diese Lösung einen echten geschäftlichen Nutzen für das gesamte Unternehmen bringt. Wie soll die Lösung nachhaltig im Unternehmen implementiert werden? Welchen Nutzen bringt sie nicht nur dem Team, sondern potenziell auch den Kunden und internen Benutzern? Ist das Kosten-Nutzen-Verhältnis für diese Lösung angemessen?
Geschäftsstrategie und Datenwissenschaft – beide Seiten sind heutzutage für den Erfolg unerlässlich. Umso wichtiger ist es, diese Parteien auf konzeptioneller Ebene zusammenzubringen. Design Thinking und Data-Mining-Ansätze wie CRISP-DM (Cross-industry standard process for data mining) bieten in ihren jeweiligen Anwendungsbereichen ein großes Potenzial, aber es mangelt an Kommunikation und an der Zusammenführung dieser Ideen für eine nachhaltige Datenstrategie.
Fortschritt durch Strategie und Agilität – der Design Thinking-Ansatz
Das rasante Tempo, in dem innovative Technologien heutzutage entwickelt werden, verlangt von Unternehmen ein hohes Maß an Anpassungsfähigkeit. Kreative Methoden wie Design Thinking helfen dabei, über den Tellerrand zu schauen und flexible Lösungen für die Herausforderungen der digitalen Transformation zu finden. Gleichzeitig ermöglicht Design Thinking einem Unternehmen, nicht nur interne, sondern auch externe Faktoren bei der Strategieentwicklung zu berücksichtigen.
Data Thinking nutzt diesen Ansatz, um Kundenbedürfnisse aufzugreifen und sie mit datenbasierten Lösungen zu verknüpfen. Es ermöglicht, Strategie und Kreativität in die Entwicklung neuer Lösungen einfließen zu lassen und verankert so den Prozess nachhaltig in der Geschäftsentwicklung.
Daten sind der Schlüssel – Data-Mining und CRISP-DM
Kreatives, zukunftsorientiertes Denken ist ein wichtiger Schlüssel zum Erfolg. Oft werden diese Methoden jedoch ohne oder mit minimaler Beteiligung von technischen Fachleuten eingesetzt. Eine digitale Roadmap für ein Unternehmen zu entwickeln, ohne Datenwissenschaftler und IT-Fachleute in das Projekt einzubeziehen, ist auf Dauer nicht tragfähig. Data-Mining-Frameworks wie CRISP-DM sind für die Entwicklung datengesteuerter Lösungen konzipiert. Sie sind jedoch stark im technischen Bereich angesiedelt und werden von Entscheidungsträgern und Strategen nur selten berücksichtigt.
Dies ist der größte Vorteil von Data Thinking. Erstens verbindet es die konkreten technischen Ansätze von CRISP-DM mit den oft abstrakteren Konzepten der Design Thinking-Methode. Zum anderen bietet es die Möglichkeit, Daten- und IT-Experten von Anfang an einzubinden und die Entwicklung neuer Maßnahmen aktiv zu gestalten.
Data Thinking in der Praxis – Innovation durch Process-Mining
Data Thinking ist ein Framework für die Erforschung, Gestaltung, Entwicklung und Validierung von datengesteuerten Lösungen mit einem nutzer-, daten- und zukunftsorientierten Fokus. Es ist daher leicht zu erkennen, dass Data Thinking der klare Weg in die Zukunft ist. Aber wie können Unternehmen diesen Ansatz in der Praxis gewinnbringend anwenden?
Die Antwort lautet Process-Mining. Process-Mining hat starke Wurzeln in der Datenwissenschaft als Methode zur Datenanalyse von Geschäftsprozessen. Einige Process-Mining-Lösungen gehen jedoch noch einen Schritt weiter. Mithilfe von maschinellem Lernen und vielseitigen Analyse- und Steuerungsfunktionen kann Process-Mining ein leistungsfähiges Instrument für eine nachhaltige Unternehmensentwicklung sein.
