Viele Unternehmen, wie SIEMENS oder HelloFresh, verknüpfen erfolgreich ihre gesammelten Daten mit Technologien, um bessere Entscheidungen zu treffen und in der Folge rasant steigende Gewinne zu erzielen. Wo liegt hier also der Schlüssel zum Erfolg? Nun, dafür benötigt es vor allem Menschen mit den entsprechenden Fähigkeiten. Genauso wichtig wie die korrekte Bedienung der Software ist die Erfahrung, geeignete von ungeeigneten Daten zu unterscheiden. Ziel ist also, die Daten zu analysieren, zu visualisieren und daraus Handlungsempfehlungen abzuleiten. Kurz gesagt: Wir brauchen Menschen mit Datenkompetenz.

Bereinigen, verknüpfen, visualisieren

Allein die Beherrschung von Daten und Software reicht nicht mehr aus. Daten fungieren nur als Rohstoff. Sie stellen Abstraktionen der realen Welt dar. Durch das Bereinigen, Verknüpfen und Visualisieren der Daten entstehen die Informationen. Wir sind die Verbraucher dieser Informationen. Für die Transformation von Daten in „Macht“, also die Informationen in Handlungswissen umzuwandeln, benötigen wir Datenkompetenz.

Datenkompetenz bzw. Data Literacy umfasst die Fähigkeiten, Daten auf kritische Art und Weise zu sammeln, zu verwalten, zu bewerten und anzuwenden. (C. Ridsdale, J. Rothwell, M. Smit, H. Ali-Hassan, M. Bliemel, D. Irvine et al.: Strategies and Best Practices for Data Literacy Education: Knowledge Synthesis Report. 2015, doi:10.13140/RG.2.1.1922.5044)

Diese Definition habe ich in der Studie: „Strategies and Best Practices for Data Literacy Education“ gefunden, was durch die Wissenschaftler C. Ridsdale, J. Rothwell, M. Smith and M. Bliemel im Jahr 2015 erfasst wurde.

Welche Kompetenzen umfasst Datenkompetenz?

Die Wissenschaftler haben im Rahmen dieser Studie 32 Definitionen zu Datenkompetenz aus verschiedenen Quellen tabellarisch erfasst, um die Unterschiede und die Gemeinsamkeit der Definitionen zu zeigen. Am Ende der Untersuchung haben sie dreiundzwanzig Kompetenzen und damit verbundene Fähigkeiten, Kenntnisse und Aufgaben unter fünf Hauptthemen zusammengetragen:

  • konzeptionelle Rahmen,
  • Datenerhebung,
  • Datenmanagement,
  • Daten Auswertung und
  • Datenanwendung

Quelle: (Ridsdale et. al., 2015, p.38)

Bereiche und Aufgaben der Datenkompetenz

Fähigkeiten, Kenntnisse und Aufgaben, die für Datenkompetenz erforderlich sind:

  • Grundverständnis für Daten
  • Wissen über den Nutzen und der möglichen Anwendung von Daten

Dabei geht es darum, das Konzept von Daten zu verstehen. Voraussetzung ist, ein Verständnis für Daten und Wissen im Umgang mit ihnen zu haben. Dann können Nutzen und mögliche Anwendungsfälle erkannt werden. Grundlagen hierfür sind:

  • Was sind die Daten?
  • Wie soll ich mit Daten umgehen?
  • Wie soll ich die Daten anwenden und wofür?

Mit Daten meine ich alle Kennzahlen und Dimensionen, die tabellarisch erfasst sind. Zusätzlich müssen wir das Verständnis darüber haben, wie diese Zahlen mit Statistik zu interpretieren sind.

Fähigkeiten, Kenntnisse und Aufgaben:

  • Bewertung und Sicherstellung der Qualität der Datenquelle
  • Datenerschließung und -sammlung: Durchführung von Datenexploration, Identifizieren nutzbringender Daten sowie das Sammeln von Daten
  • Daten – Zuverlässigkeit

Bei der Datensammlung ist es wichtig, ein Ziel zu setzen. Erst dadurch erschließt sich, warum und welche Daten gesammelt werden sollen. Dabei spielt die Fragestellung eine wichtige Rolle: Welche Fragen wollen wir mit unseren Daten beantworten? Denn wir können die Fragen nur beantworten, wenn uns die relevanten Daten vorliegen.

Darauf basierend sollen die zuverlässigen Datenquellen identifiziert werden. Aus diesen Datenquellen lassen sich dann die Daten ermitteln und erfassen.

Eine zentrale Rolle neben den Datenquellen spielt auch die Datenqualität. Hier muss gewährleistet werden, dass die Daten, die wir sammeln, auch zuverlässig sind. Hierfür ist unser kritisches Denken gefragt: Die Datenquelle und ihre Qualität müssen nach ihrer Zuverlässigkeit bewertet werden, um potenzielle Fehler oder Probleme zu identifizieren.

Die Datenerfassung kann von einfachen bis hin zu komplexen Methoden Kompetenzen erfordern. Wir können z. B. Daten sammeln, indem wir eine einfache Excel-Liste manuell befüllen oder wir verwenden die fortgeschrittenen Kenntnisse in der Programmierung und Statistik. Dabei schreiben wir ein Skript, das uns die Daten aus Internet holt.

Fähigkeiten, Kenntnisse und Aufgaben:

  • Datenorganisation
  • Datenmanipulation
  • Datenkonvertierung
  • Erstellung und Verwendung von Metadaten
  • Datensicherheit und Wiederverwendung
  • Aufbewahrung von Daten

Nachdem wir Daten gesammelt haben, geht es um deren Management. Das bedeutet, dass man die Daten organisiert, manipuliert, bereinigt, konvertiert und für die Nutzung der Daten für die Kollegen abspeichert.

Für die Organisation und Bewertung der Daten sind die Werkzeuge und Standard-Daten-Management-Methoden eine Voraussetzung.

Datenmanagement erfordert auch, einen sicheren Umgang mit Datenmanipulation zu beherrschen. Darunter versteht man Kenntnisse mit Datenbereinigungsmethoden ebenso wie das Identifizieren von Ausreißern und Anomalien.

Außerdem müssen Daten sehr häufig in ein anderes Format konvertiert werden. Hier ist das Wissen über verschiedene Datentypen und Konvertierungsmethoden notwendig. Zusätzlich soll ein Datenmanager in der Lage sein, die Metabeschreibung zu definieren, und sich mit der Bereitstellung von Daten auskennen.

Die Themen Datenschutz und Datensicherheit spielen im Daten-Management eine immer wichtigere Rolle. Denn heutzutage gibt es hierfür immer mehr cloudbasierte Lösungen. Relevante Fragen in diesem Bereich sind, wem die Daten gehören, wo und wie lange darf ich diese Daten aufbewahren und wie schütze ich meine Daten?

Fähigkeiten, Kenntnisse und Aufgaben:

  • Datenwerkzeuge
  • Datenanalyse
  • Dateninterpretation
  • Nutzen von Daten zur Identifizierung von Problemen
  • Datenvisualisierung
  • Datengetriebene Entscheidungsfindung

Bei der Datenauswertung verwendet man statistische Methoden, um die Informationen aus den Daten zu bekommen. Bei den statistischen Methoden geht es um Wege der deskriptiven und induktiven Statistik.

Aus der deskriptiven Statistik ging mit den Fortschritten in der Informationstechnologie die explorative Datenanalyse (EDA) hervor. Dabei werden erste Visualisierungen schnell erstellt, um zu verstehen, was die Daten mit sich bringen. Diese Visualisierungen dienen Erforschungszwecken, das heißt: Ich schaue mir die Trends an, suche nach Mustern in den Daten und versuche, das Big Picture zu begreifen.

Datenvisualisierung ist ein wichtiger Teil der Datenanalyse. Wir müssen verstehen,

  • welche Diagramme am besten die Botschaft vermitteln, die die Daten mit sich bringen,
  • wie wir sinnvolle grafische Darstellungen von Daten kreieren,
  • wie wir die Kernaussage identifizieren,
  • wie wir Zusammenhänge der Informationen verstehen,
  • wie wir Unstimmigkeiten innerhalb der Daten identifizieren,
  • wie wir den Nutzen der Daten erkennen.

Für Datenvisualisierung ist die Beherrschung einer Visualisierungssoftware notwendig.

Fähigkeiten, Kenntnisse und Aufgaben:

  • kritisches Denken
  • Datenkultur
  • Dateninterpretation
  • Evaluieren von Entscheidungen basierend auf Daten

Bei der Datenanwendung geht es darum, wie wir unsere Datenvisualisierungen richtig interpretieren, Informationen daraus ziehen und Handlungen ableiten.

Bei diesem Schritt ist unser kritisches Denken beim Arbeiten mit Daten gefragt. Daten zeigen uns nur einen Teil der Realität und mit dieser Tatsache sollten wir bewusst umgehen. Die Herausforderung liegt darin, dass wir Menschen die gewonnenen Informationen aus den Daten mit unserer Intuition und unserem Wissen verbinden müssen, um zu den richtigen Handlungen zu kommen.

Ziel kann daher nicht sein, datenbasierte Entscheidungen zu treffen. Viel mehr helfen uns Daten helfen uns ein Baustein, die Realität zu verstehen. Wir müssen uns mit den datenbasierten Auswertungen auseinandersetzen. Die Entscheidung für eine Handlung erfolgt jedoch dadurch, dass wir die generierten Informationen, unsere Intuition und unser Wissen miteinander verbinden.

Bei Datenanwendung, Datenkultur und Datenethik spielt die Erkenntnis eine wichtige Rolle, dass die Informationen unsere Entscheidungsfindung beeinflussen. Wir wollen ethisch korrektes Handeln ableiten. Es ist unabdingbar, kognitive Verzerrungen (cognitive bias, eng.) zu verstehen und sich davon zu lösen. Wir müssen an dieser Stelle auch verstehen, welche negativen Folgen Datenanalysen haben können. Bei schlechter Anwendung resultieren daraus Diskriminierung von Menschen, politische Wahlmanipulation oder auch schlechte Gesetzen.

Alle diese Kompetenzen in der Überlappung ergeben Datenkompetenz.

Eigene Darstellung

Diese Kompetenz befähigt Menschen, reale Probleme durch Nutzung, Analyse und Interpretation von Daten. Wir können Phänomene messen, Daten kritisch hinterfragen sowie Muster erkennen. Diese Fähigkeit ist auch wichtig, um komplexe und gesellschaftlich relevante Phänomene wie globale Wirtschafts- und Finanzverflechtungen, Migration, Pandemien oder Klimawandel zu verstehen.

Im Zeitalter der Digitalisierung kommt der Datenkompetenz eine Schlüsselrolle zu, die in einer modernen Gesellschaft unerlässlich ist.

So steht es um die Datenkompetenz

In den vergangenen Jahren wurden zahlreiche Studien durchgeführt, um zu sehen, wo wir heute mit der Datenkompetenz in unserer Gesellschaft stehen. Das sind die Beispiele der zwei Studien:

Alteryx-Studie

Im Rahmen dieser Studie wurden mehr als 1000 Deutsche* befragt, die täglich in irgendeiner Form mit Daten arbeiten, wobei 135 davon in der Produktions- und Fertigungsbranche tätig waren.

69% der Fachkräfte in der Industrie halten sich für überdurchschnittlich gut im Umgang mit Daten, aber nur 27% sind dazu in der Lage, einen tatsächlichen Mehrwert fürs Unternehmen zu generieren.

Datenkompetenz in der deutschen Industrie

Mehr als zwei Drittel (69%) der Arbeitnehmer, die in der Produktions- und Fertigungsbranche tätig sind, vertreten die Meinung, dass die Pandemie die Bedeutung einer starken Datenkompetenz für Geschäftsentscheidungen noch erhöht hat. Doch auf Nachfrage kristallisierte sich ein Bedarf an weiteren Fort- und Weiterbildungen heraus:

In Bereichen der grundlegenden Handhabung von Daten schätzt sich weniger als die Hälfte als sehr gut ein: 41% der Angestellten sind sich beispielsweise ihrer Fähigkeit sehr sicher, vertrauenswürdige Daten identifizieren zu können. Weitere 37% sind laut Umfrage sehr gut im Bereinigen von Daten und ebenso viele der befragten Angestellten halten sich für sehr kompetent beim sicheren Teilen von Daten.

Bei der Frage nach den konkreten, analytischen Fertigkeiten sinken die Werte noch einmal deutlich: So gaben nur 30% der Mitarbeiter in der Industrie an, deskriptive Analysen aus Daten generieren zu können. Vorhersagen für die Zukunft (prädiktive Analyse) können laut eigener Angaben 25% und Handlungsempfehlungen für ähnliche Situationen (präskriptive Analyse) 22% mit ausreichender Sicherheit ableiten.

Exasol-Studie

Die Exasol-Studie zur Datenkompetenz der 16- bis 21-jährigen in Deutschland – die Digital Natives – kommt hier zu einem ernüchternden Ergebnis und zeigt: Deutschland hat enormen Nachholbedarf

Um „digitale Bildung“ scheint es in Deutschland nicht besonders gut bestellt, so die Ergebnisse einer Exasol-Studie zur Datenkompetenz der 16- bis 21-Jährigen:

Nur 18 Prozent stimmen absolut zu, dass die Schule ihnen Kompetenzen vermittelt, die sie für die Verwendung von Daten brauchen.

Tableau-Studie

IDC-Studien, die von Tableau gesponsert wurden, ergaben, dass 83% der CEOs eine datengesteuerte Organisation wünschen. Gleichzeitig fühlen sich aber nur 33% der Führungskräfte damit wohl, geschäftliche KPIs und Metriken in Frage zu stellen. Das führt zu einer Diskrepanz zwischen dem, was Führungskräfte „wollen“ und „haben“. Fast alle Führungskräfte sagen, dass sie ihr Unternehmen datengesteuerter machen wollen, aber sie schrecken vor kulturellen Investitionen zurück, die dazu beitragen, diesen Wandel in die Realität umzusetzen.

IDC-Studien, die von Tableau gesponsert wurden, ergaben, dass 83% der CEOs eine datengesteuerte Organisation wünschen. Gleichzeitig fühlen sich aber nur 33% der Führungskräfte damit wohl, geschäftliche KPIs und Metriken in Frage zu stellen. Das führt zu einer Diskrepanz zwischen dem, was Führungskräfte „wollen“ und „haben“. Fast alle Führungskräfte sagen, dass sie ihr Unternehmen datengesteuerter machen wollen, aber sie schrecken vor kulturellen Investitionen zurück, die dazu beitragen, diesen Wandel in die Realität umzusetzen.

Aussage Mark Nelson, Tableau President & CEO:

“Es besteht ein dringender Bedarf an Menschen mit Datenkenntnissen, da die Digitalisierung alle Bereiche unseres Lebens erfasst. Aber es klafft eine große Lücke: 83% der Führungskräfte wollen, dass ihre Unternehmen datengesteuert sind, aber nur 33% der Mitarbeiter sagen, dass sie sich bei der Arbeit mit Daten wohlfühlen.“

Fazit: Die Unternehmen fokussieren sich heutzutage auf Digitalisierungsprozesse und die Modernisierung der Analytics-Bereiche. Die Mitarbeiter lernen, die Software für die Datenverarbeitung und Datenanalysen zu beherrschen. Es entsteht dabei eine große Wissenslücke, was Datenkompetenz angeht.