Wenn Unternehmen heute davon sprechen „data-driven“ zu werden…
geht es meistens um Datenplattformen, Dashboards, AI-Initiativen oder Data Literacy Programme. Es geht um Technologie, Datenqualität und analytische Fähigkeiten.
Aber je länger ich mit Unternehmen an datengetriebenen Organisationen arbeite, desto stärker beschäftigt mich eine andere Frage: Warum sprechen wir so viel über Daten – und so wenig über Entscheidungen?
Diese Frage stand auch im Zentrum meines Gesprächs mit Christian Krug im Podcast Unf#ck Your Data.
Und ich glaube, genau bei diesem Thema liegt eines der größten Missverständnisse der Datenbranche. Denn eigentlich wollen Unternehmen nicht einfach mehr Daten haben. Sie wollen bessere Entscheidungen treffen. Das klingt zunächst banal. Tatsächlich verändert diese Perspektive aber den gesamten Blick auf Analytics, Data Literacy und die Rolle von Datenexpert:innen.
Mehr Daten führen nicht automatisch zu besseren Entscheidungen
In der Datenwelt existiert oft eine unausgesprochene Grundannahme: Wenn Menschen nur genügend Informationen haben, werden sie automatisch bessere Entscheidungen treffen.
Genau diese Annahme halte ich inzwischen für gefährlich verkürzt.
Christian Krug hat im Podcast eine Formulierung verwendet, die das Problem sehr gut beschreibt:
Viele Unternehmen „werfen Daten auf Entscheider:innen“ und hoffen, dass daraus automatisch bessere Entscheidungen entstehen.
In der Praxis erleben wir aber regelmäßig das Gegenteil.
Ein typisches Beispiel: Ein Unternehmen investiert über Jahre hinweg in eine große Digitalisierungsinitiative. Irgendwann analysiert ein Analytics-Team den ROI – und stellt fest, dass sich das Projekt wirtschaftlich nicht rechnet.
Rein rational müsste jetzt eine Neubewertung stattfinden.
Tatsächlich passiert häufig etwas anderes:
- Die Zahlen werden infrage gestellt.
- Es werden neue Argumente gesucht.
- Zusätzliche Nutzenversprechen tauchen auf.
- Die ursprünglichen Ziele werden neu interpretiert.
Viele Analyst:innen erleben genau solche Situationen als frustrierend. Schließlich waren die Analysen korrekt.
Aber genau hier beginnt das eigentliche Verständnisproblem:
Menschen treffen Entscheidungen nicht rein rational.
Daten konkurrieren nicht mit Fakten – sondern mit Identität
Einer der vielleicht wichtigsten Punkte unserem Gespräch:
Daten konkurrieren selten mit anderen Daten.
Sie konkurrieren mit:
- bestehenden Überzeugungen,
- Erfahrung,
- Status,
- Verantwortung,
- und manchmal auch mit persönlichen Ängsten.
Sobald Daten bestehende Entscheidungen infrage stellen, entsteht schnell eine Bedrohungssituation. Und genau dann reagieren Menschen nicht analytisch, sondern emotional.
In der Datenbranche wird dieser Faktor oft unterschätzt, weil wir Entscheidungen gerne als logische Prozesse betrachten. Tatsächlich sind Entscheidungen aber immer auch soziale und psychologische Prozesse.
Das bedeutet nicht, dass Daten unwichtig wären. Im Gegenteil.
Aber Daten allein reichen nicht aus, um Verhalten zu verändern.
Eine überraschende Erkenntnis: Das Problem ist oft kein Verständnisproblem
Das war wahrscheinlich einer der Punkte im Gespräch, bei dem Christian und ich besonders stark übereingestimmt haben.
Viele Analytics-Teams glauben, sie müssten nur besser erklären:
- bessere Dashboards,
- bessere Visualisierungen,
- bessere Argumente.
Natürlich helfen gute Kommunikation und Data Storytelling Methoden dabei endlich Verständnis zu schaffen.
Aber häufig scheitern datengetriebene Entscheidungen nicht daran, dass Menschen etwas nicht verstehen.
Sondern daran, dass Vertrauen fehlt.
Das ist eine unbequeme Erkenntnis für viele datenorientierte Organisationen, weil sie bedeutet:
Die Wirksamkeit von Analytics hängt nicht nur von Datenkompetenz ab, sondern auch von Beziehungsarbeit.
Wer als Analyst:in ausschließlich als „objektive Instanz“ auftritt, unterschätzt oft, wie stark Vertrauen darüber entscheidet, ob Menschen bereit sind, ihre Perspektive zu verändern.
Vielleicht brauchen wir weniger Data Literacy – und mehr Decision Literacy
Das ist wahrscheinlich die These aus dem Podcast, die der Mainstream-Meinung in der Datenbranche am stärksten widerspricht.
Denn aktuell investieren viele Unternehmen massiv in Data Literacy Programme:
- Wie lese ich Dashboards?
- Wie interpretiere ich KPIs?
- Wie bediene ich Tools?
- Wie funktionieren Datenmodelle?
All das ist wichtig.
Und es greift zu kurz.
Denn selbst hoch datenkompetente Menschen treffen schlechte Entscheidungen, wenn sie:
- ihren eigenen Biases nicht bewusst sind,
- Unsicherheit nicht aushalten,
- nur nach Bestätigung suchen,
- oder Entscheidungen ausschließlich anhand von Outcomes bewerten.
Deshalb glaube ich:
Wir brauchen zusätzlich zu Data Literacy eine echte Decision Literacy.
Menschen in Unternehmen müssen lernen:
- wie Entscheidungen entstehen,
- welche psychologischen Mechanismen wirken,
- wie Biases Entscheidungen verzerren,
- und wie man Entscheidungsprozesse bewusst gestaltet.
Gute Entscheidungen führen nicht immer zu guten Ergebnissen
Auch das widerspricht einer sehr verbreiteten Denkweise in Unternehmen.
Wir bewerten Entscheidungen meist rückblickend anhand ihres Ergebnisses:
- Erfolg = gute Entscheidung
- Scheitern = schlechte Entscheidung
Doch so einfach funktioniert Realität nicht.
Gute Entscheidungen können scheitern, weil unvorhersehbare Faktoren eintreten. Schlechte Entscheidungen können zufällig erfolgreich sein.
Gerade datengetriebene Organisationen sollten deshalb lernen, nicht nur Ergebnisse zu bewerten, sondern auch die Qualität des Entscheidungsprozesses selbst.
Christian Krug hat im Podcast einen Gedanken formuliert, den ich dabei besonders wichtig finde:
Wenn wir Entscheidungen nur anhand von Outcomes bewerten, lernen wir unter Umständen genau die falschen Verhaltensweisen.
Die eigentliche Zukunftsfrage für datengetriebene Unternehmen
Ich glaube deshalb, dass die entscheidende Frage der kommenden Jahre nicht lautet:
„Wie werden wir datengetriebener?“
Sondern:
„Wie werden wir entscheidungsfähiger?“
Denn Daten stehen heute in nahezu unbegrenzter Menge zur Verfügung. Die eigentliche Herausforderung besteht darin, mit Unsicherheit, Komplexität und Informationsflut sinnvoll umzugehen.
Genau dort entscheidet sich, ob Analytics im Unternehmen tatsächlich Wirkung entfaltet.
Warum wir das Decision Excellence Lab entwickelt haben
Aus genau diesen Beobachtungen heraus haben wir das Decision Excellence Lab entwickelt.
In unserer Arbeit erleben wir immer wieder hochkompetente Datenexpert:innen, die technisch exzellente Analysen liefern – und trotzdem das Gefühl haben, dass ihre Arbeit im Unternehmen nicht die Wirkung entfaltet, die sie eigentlich haben könnte.
Nicht weil die Daten schlecht wären.
Sondern weil Entscheidungsprozesse selten bewusst gestaltet werden und viel zu schnell das Bauchgefühl regiert.
Im Decision Excellence Lab arbeiten wir deshalb genau an dieser Schnittstelle zwischen:
- Analytics,
- Entscheidungspsychologie,
- Data Storytelling,
- Biases,
- Entscheidungsarchitektur,
- und organisationaler Wirksamkeit.
Wir unterstützen Datenexpert:innen dabei, nicht nur bessere Analysen zu erstellen, sondern echte Entscheidungsexzellenz im Unternehmen aufzubauen.
Denn am Ende geht es nicht darum, möglichst viele Daten zu produzieren.
Sondern darum, bessere Entscheidungen zu ermöglichen.
Das vollständige Interview mit Julia Zukrigl bei Christian Krug im Podcast Unf#ck Your Data findet ihr hier. Wer dem Podcast und Christian noch nicht folgt, sollte das dringend ändern. Absolute Hörempfehlung!