Unlock Data Innovation for the Business

Spreadsheet-Software, wie Microsoft Excel, ist fest im Berufsalltag verankert und genießt weitreichende Beliebtheit. Doch bei der Datenpflege zeigen sich die Grenzen dieser Programme deutlich, was sie für diese Aufgabe im Grunde ungeeignet macht. In einer Welt, die sich digital immer weiterentwickelt, wird dies immer mehr zum Problem. Die Bereitstellung von Daten, die sowohl qualitativ hochwertig als auch transparent und für weitere Anwendungen nutzbar sind, ist eine komplexe Herausforderung für Unternehmen und ihre Beschäftigten. Aktuell macht Künstliche Intelligenz rapide Fortschritte. Dadurch wird die flexible und vielfältige Verwendung von internen Daten immer wichtiger. Zudem sind mit komplexen Formeln beladene, unstrukturierte und umfangreiche Excel-Tabellen, die gesperrte oder versteckte Zeilen sowie inkonsistente Datenformate aufweisen, nicht nur bei den Mitarbeitenden unbeliebt, sondern bieten auch für die fortschrittlichste KI kaum brauchbare Ansatzpunkte – ein Paradebeispiel für das Prinzip „Müll rein, Müll raus“. Trotz der Verfügbarkeit moderner und effizienterer Alternativen halten viele Unternehmen an veralteten Methoden fest.

In unserem GreenLab nehmen wir diese Herausforderung an und erkunden, wie Self-Service-Tools den Umgang mit Daten verbessern können. Unser Ziel ist es, durch die Kombination aus technischen Innovationen, strategischen Ansätzen und einem Kulturwandel, Data Innovation greifbar und nachhaltig in den Unternehmensalltag zu integrieren. Wir sind auf der Suche nach intuitiven Softwarelösungen und Methoden, die es jedem Mitarbeitenden ermöglichen, Daten nicht nur zu sammeln und zu bearbeiten, sondern diese auch effektiv für eigene Zwecke und die des Teams einzusetzen. So streben wir danach, die Limitationen traditioneller Datenbearbeitungswerkzeuge zu überwinden und einen Weg für datengetriebene Innovationen zu ebnen.

Im Rahmen unseres GreenLab-Projekts wählten wir einen wissenschaftlichen Ansatz, basierend auf qualitativen Datenerhebungen in Form einer Umfrage und Experteninterviews. Unser Fokus lag darauf, uns mit einem realen Problem zu befassen, das auch von anderen Teammitgliedern wahrgenommen wurde. Dabei diente das Double-Diamond-Modell aus dem Design-Thinking-Umfeld als unser primäres Vorgehensmodell. Dieses Modell gab unserem Projekt Struktur und half uns dabei, das Problem zunächst von verschiedenen Perspektiven aus zu betrachten (Discover & Define), bevor wir uns auf geeignete Lösungen konzentrierten (Develop & Deliver). Der Prozess setzte auf kurze Entwicklungs- und Feedbackzyklen, um neben theoretischen Erkenntnissen auch praktische Prototypen zu entwickeln. Den Hauptteil dieser Entwicklungsarbeit tätigte unser Team während eines gemeinsamen Offsites in Frankreich. Durch unseren strukturierten Ansatz konnten wir unser GreenLab zielgerichtet und effizient umsetzen.

Basierend auf den Umfrageergebnisse begannen wir mit der Tool-Recherche, die als mögliche Alternative zur Excel-Nutzung dienen könnten.

Wir betrachteten eine Vielzahl unterschiedlicher Softwarelösungen, die wir nach ihrem Fokus auf Entwicklung und Business sowie ihrer Positionierung als Open-Source-Software oder Komponente einer Hyperscale-Plattform (Cloud-Services von Big Playern) kategorisierten. Diese Einteilung ermöglichte es uns, eine breite Palette von Optionen zu prüfen, die den spezifischen Anforderungen und Präferenzen unseres Projekts entsprachen.

Die Softwarelösungen wurden weiterhin in drei verschiedene Kategorien – technologisch, kulturell, strategisch – unterteilt, um ihre Eignung für verschiedene Aspekte unseres Vorhabens zu bewerten. Diese Kategorisierung half uns dabei, die Softwarelösungen auf ihre individuellen Stärken und Schwächen hin zu analysieren und zu bewerten.

Während der Toolanalyse konzentrierten wir uns besonders auf vielversprechendste Lösungen wie Streamlit, NoCoDB und AirTable, die Antworten auf unsere Forschungsfrage bieten konnten: „Wie befähigen wir nicht-technische Nutzende mit Self-Service-Lösungen bei der Zusammenarbeit mit tabellarischen Daten im Rahmen einer Data-Mesh-Strategie?“

Das Ergebnis unserer Untersuchung war vielversprechend. Die identifizierten Tools verfügen über eine Vielzahl von Funktionen und Anpassungsmöglichkeiten, die es den Nutzenden ermöglichen, Daten auf eine intuitive und effiziente Weise zu verarbeiten und zu analysieren – und dies eingebettet in eine dezentrale, agile Datenlandschaft.

Wir haben eine Anwendung mit Streamlit entwickelt, mit Power Apps eine Lowcode-Umsetzung aufgebaut, NocoDB in Azure implementiert und Airtable genutzt, um einen vordefinierte Use-Case abzubilden. Dabei diente eine zentrale cloud-basierte SQL-Datenbank als Datengrundlage für die verschiedenen Technologien. Damit wollten wir unterstreichen, dass sich diese nicht gegenseitig ausschließen, sondern auch im Parallelbetrieb genutzt werden können. Die gewählten unterschiedlichsten Ansätze haben uns vor diverse Herausforderungen gestellt. Unser Use-Case (Mitarbeiterkompetenzen) diente exemplarisch dazu, die verschiedenen Herangehensweisen besser vergleichen zu können. Es fehlten in unserem Beispiel allerdings noch relevante Features, wie Historisierung und Rollen- & Rechteverteilung.

Die nahtlose Anbindung und Integration eigener Datenbanken markiert einen entscheidenden Vorteil, um Daten zukünftig effizienter zu nutzen und tiefergehend analysieren zu können. Der aktuelle Markt bietet hierfür ausreichend intuitiven Lösungen, wovon viele auch problemlos im eigenen Rechenzentrum implementiert werden können, was Unternehmen eine größere Kontrolle und Sicherheit über ihre Daten ermöglicht. Besonders im Bereich der Live-Kollaboration stechen SaaS-Lösungen hervor, die allerdings oft keine direkte Anbindung an firmeneigene Datenbanken zulassen.

Die bloße Verfügbarkeit eines fortschrittlichen Tools löst jedoch nicht alle Herausforderungen. Eine erfolgreiche Einführung und vollständige Integration einer neuen Datenmanagementlösung verlangen eine umfassende Strategie, die weit über die technische Umsetzung hinausgeht. Eine Schlüsselrolle spielen dabei die Schulung der Mitarbeitenden im Bereich Datenkompetenz und die Entwicklung einer klaren Datenstrategie, die eine verbesserte Pflege und Nutzung der Daten ermöglicht. Dies erfordert einen kulturellen Wandel, der die Bedeutung von Daten im Unternehmenskontext neu definiert und die Mitarbeitenden dazu motiviert, sich aktiv einzubringen.

Darüber hinaus muss ein Unternehmen eine Umgebung schaffen, in der die Vorteile einer effizienten Datenverwaltung offensichtlich und zugänglich sind. Transparente, interaktive Dashboards, die Echtzeit-Insights bieten, können hier Wunder wirken, indem sie manuelle Reportings überflüssig machen und den Bedarf an zeitintensiven Meetings reduzieren. Durch die Förderung einer datengetriebenen Kultur, in der Informationen frei fließen und Entscheidungen auf soliden Daten basieren, kann ein Unternehmen nicht nur seine operative Effizienz steigern, sondern auch seine Wettbewerbsfähigkeit nachhaltig sichern.

In diesem Sinne geht es nicht darum, bestehende Datenpraktiken zu verbieten, sondern vielmehr darum, attraktive Alternativen zu bieten, die den Mehrwert einer strukturierten und strategischen Datenverwaltung klar aufzeigen. Ein Unternehmen muss sich daher auf die Reise begeben, um eine Kultur zu schaffen, in der Daten als wertvolles Gut betrachtet und entsprechend sorgfältig behandelt werden – ein Wandel, der tiefgreifend, aber unerlässlich ist, um Dateninnovationen im Unternehmen zu ermöglichen.