Daten zu erfassen ist kein Selbstzweck. Ihr Wert entsteht erst, wenn sie eine betriebliche Frage beantworten, eine Entscheidung verbessern oder die Wirkung einer Handlung sichtbar machen. Eine große Datenmenge kann ebenso nutzlos sein wie eine einzelne, aber falsch verstandene Kennzahl.
Die Ausgangsfrage lautet deshalb: Welche Unsicherheit soll mit den Daten verringert werden?
Wofür können Daten gebraucht werden?
Einen Zustand erkennen
Daten machen sichtbar, was der unmittelbaren Beobachtung entgeht: offene Aufträge, verfügbare Kapazität, Zahlungsstatus, Fehlerhäufigkeit oder Bestände. Das unterstützt tägliche Koordination, sofern Werte rechtzeitig und im richtigen Kontext vorliegen.
Abweichungen früh erkennen
Ein Vergleich mit Erwartung, Grenzwert oder früherem Zustand kann zeigen, wo Handlungsbedarf entsteht. Dabei muss klar sein, ob eine Abweichung wirklich problematisch ist und wer reagieren soll.
Entscheidungen vorbereiten
Daten können Alternativen vergleichbar machen und Annahmen prüfen. Sie nehmen Verantwortlichen die Entscheidung nicht ab: Messwerte bilden immer nur ausgewählte Aspekte der Wirklichkeit ab.
Wirkung überprüfen
Wer einen Prozess verändert, braucht vorher einen beobachtbaren Ausgangszustand und ein gewünschtes Ergebnis. Nur so lässt sich später unterscheiden, ob die Maßnahme wirkte oder lediglich gleichzeitig etwas anderes geschah.
Nachweise ermöglichen
Für Kunden, Partner, Finanzierung oder gesetzliche Pflichten können vollständige und nachvollziehbare Aufzeichnungen erforderlich sein. Dann zählen Herkunft, Zeitpunkt, Unveränderbarkeit und verantwortliche Freigabe ebenso wie der Inhalt.
Lernen ermöglichen
Historische Daten zeigen Muster und helfen, Hypothesen über Ursachen zu bilden. Ein Zusammenhang ist jedoch noch kein Ursache-Wirkungs-Nachweis. Fachwissen und gezielte Prüfung bleiben erforderlich.
Wann schadet Datenerfassung?
Erfassung erzeugt Aufwand und verändert Verhalten. Sie kann schaden, wenn:
- kein konkreter Nutzer und keine Entscheidung benannt sind,
- Mitarbeitende Kennzahlen optimieren, während die eigentliche Leistung leidet,
- Definitionen zwischen Bereichen abweichen,
- manuelle Erfassung mehr Arbeit erzeugt als der Erkenntnisgewinn rechtfertigt,
- Daten ohne Zweck oder angemessene Löschregel wachsen,
- scheinbare Genauigkeit Unsicherheit verdeckt,
- personenbezogene Daten unnötig verarbeitet werden.
Besonders Leistungskennzahlen dürfen nicht isoliert auf einzelne Menschen oder Abteilungen angewendet werden. Lokale Optimierung kann Übergaben und Gesamtergebnis verschlechtern.
Von der Frage zur Erfassung
Eine belastbare Datenanforderung lässt sich in sechs Schritten formulieren:
- Frage: Was müssen wir wissen?
- Handlung: Welche Entscheidung oder Reaktion folgt daraus?
- Beobachtung: Welcher messbare Sachverhalt beantwortet die Frage?
- Definition: Wie wird der Wert eindeutig berechnet oder eingeordnet?
- Erfassung: Wo entsteht er möglichst nah am tatsächlichen Vorgang?
- Prüfung: Woran erkennen wir Vollständigkeit, Aktualität und Plausibilität?
Beispiel: Nicht „Wir brauchen ein Vertriebsdashboard“, sondern „Die Vertriebsleitung muss wöchentlich erkennen, welche zugesagten Angebote ohne nächsten Schritt bleiben, damit die zuständige Person rechtzeitig klären kann.“ Daraus lassen sich Status, Verantwortlicher, Zusagedatum und nächster Schritt ableiten.
Datenqualität gehört zur Bedeutung
Ein Wert ist nur nutzbar, wenn sein Kontext bekannt ist:
- Wer oder was wird gemessen?
- Auf welchen Zeitraum bezieht sich der Wert?
- Welche Fälle sind enthalten oder ausgeschlossen?
- Ist er aktuell, geschätzt oder nachträglich korrigiert?
- Aus welchem System und Prozess stammt er?
- Wer verantwortet Definition und Qualität?
Fehlt dieser Kontext, entstehen Diskussionen über Zahlen statt bessere Entscheidungen.
Weniger, aber wirksame Daten
Gute Datennutzung beginnt nicht mit vollständiger Erfassung alles Messbaren. Sie beginnt mit wenigen wichtigen Fragen, eindeutigen Definitionen und einer verlässlichen Rückkopplung in das Handeln. Erst wenn diese Verbindung funktioniert, lohnt sich eine Erweiterung.