Wo die Zusammenarbeit rund um Daten scheitert (und 4 Tipps zur Behebung)

Neuauflage von Plato

Verfolger: 0

Wo die Zusammenarbeit rund um Daten scheitert (und 4 Tipps zur Behebung)
Bild von creativeart auf Freepik

Datenteams arbeiten zunehmend wie Software-Engineering-Teams und nutzen Engineering- und Entwicklungstools, um ihre Arbeit zu verwalten. Diese reichen von Versionskontrollsystemen wie Github über die Einführung agiler Praktiken wie Kanban und Scrum bis hin zu Zeremonien wie Daily Standup, Sprint Commitments und Sprint Demos. Speziell entwickelte Lösungen (wie dbt für Datenmodellierung, Test und Integration) sind auf den Markt gekommen und unterstützen die Denkweise der Softwareentwicklung. Diese Lösungen unterstützen große, verteilte Datenteams dabei, ihr Bestes zu geben.

Aber wenn es um die Zusammenarbeit zwischen Datenteams und dem Rest des Unternehmens geht, gibt es noch viel Raum für Innovationen.

Selbst die zukunftsorientiertesten datengesteuerten Organisationen verlassen sich immer noch auf Standard-Collaboration-Tools und -Praktiken (z. B. Slack, E-Mail oder regelmäßig geplante Meetings), um die Kommunikation zwischen ihren Datenteams und den Interessenvertretern des Unternehmens zu verwalten. Warum nicht? Sollten das Datenteam und seine Arbeitsabläufe nicht anderen Funktionen in der Organisation ähneln? Dieses Argument und Verhalten funktioniert, wenn die Interaktionen relativ generischer Natur sind. Aber in Situationen, in denen die Teamdynamik komplexer ist (und Daten wichtiger für alle wichtigen Gespräche und Entscheidungen sind), reicht dieses Vertrauen auf generische Lösungen nicht aus.

Da Daten für den Geschäftsbetrieb immer zentraler werden, müssen die Mitglieder des Datenteams oft mehrere Aufgaben übernehmen. In einigen Fällen müssen sie als Produktmanager fungieren, indem sie die Bedürfnisse der Geschäftsbenutzer verstehen, damit sie die Datenplattform weiterentwickeln können. In anderen Fällen müssen sie Ad-hoc-Anfragen in einer Supportfunktion bearbeiten. In wieder anderen Situationen müssen sie neue Benutzer einbinden und ihnen helfen, sich mit den ihnen zur Verfügung stehenden Datenbeständen zu beschäftigen.

Generische Tools für die Zusammenarbeit und traditionelle Ansätze zur Arbeitsverwaltung versagen in diesen Szenarien schnell. Produktteams und Supportteams verfügen über speziell entwickelte Tools zur Verwaltung ihrer Arbeit. Brauchen Datenteams nicht auch eine Lösung, um Stakeholder-Anfragen optimal zu verwalten? Oder Tools zur Verwaltung ihrer Support-Dokumentation oder zur Schulung von Endbenutzern? Die besten Datenteams kämpfen oft mit diesem Teil ihres Workflows und übernehmen schließlich Lösungen, die für andere entwickelt wurden (in diesem Fall Produkt- und Supportteams).

Da die meisten Datenarbeiten und -interaktionen intern stattfinden, kann es für Teams schwierig sein, den richtigen Weg zu finden, um mit Geschäftsbeteiligten zusammenzuarbeiten, ohne Verwirrung zu stiften und auf Unbeholfenheit zu stoßen.

Wenn Sie die Zusammenarbeitsprobleme zwischen Datenteams und anderen untersuchen, werden Sie zwangsläufig Informationsasymmetrien zwischen Erstellern und Verbrauchern von Datenbeständen finden. Auf der einen Seite haben Sie Data Builder mit fundiertem Wissen über die zugrunde liegenden Daten, wie man sie manipuliert und analysiert und wie man sie in einen größeren Bestand von Datenbeständen kontextualisiert. Auf der anderen Seite haben Sie Datenkonsumenten, bei denen es sich in der Regel um Fachexperten mit umfassendem Wissen über das Unternehmen selbst handelt, was entscheidend sein kann, um einen breiteren Kontext bereitzustellen, die Daten zu verstehen und die Datenplattform weiterzuentwickeln.

Nehmen wir zum Beispiel Jane. Sie ist gerade als Vertriebsleiterin in ein Fortune-500-Unternehmen eingetreten und leitet ein verteiltes Team von 15 Vertriebsmitarbeitern, die über den Südosten verteilt sind. Am zweiten Tag ihres neuen Jobs erhält sie von einem Kollegen eine E-Mail mit mehreren Links zu verschiedenen Ressourcen: eine Tabelle mit Pipeline-Informationen, verschiedene Berichte in Salesforce und eine Handvoll Dashboards zur individuellen Leistung in der BI-Lösung des Unternehmens. Nachdem sie sich einige Minuten lang die Daten angesehen hat, stellt sie fest, dass sie keine Ahnung hat, was sie wirklich betrachtet und was es bedeutet. Sie sendet eine Nachricht an ihren Sales Ops Manager und bittet um Hilfe, die ihren Partner im Datenteam hinzuzieht, der die meisten dieser Ressourcen aufgebaut hat. Der Datenanalyst liest die E-Mail, seufzt und verbringt dann die nächste Stunde damit, eine Antwort zu schreiben. Sie erstellen auf ihrem JIRA-Board ein Ticket zur „Neubewertung der Dokumentation“.

Die Hauptursache für diese Art von Problemen bei der Datenzusammenarbeit sind Informationsasymmetrien zwischen Bauherren und Verbrauchern, die alle frustriert und unzufrieden machen.

Tragischerweise sind die Mitarbeiter, die am häufigsten von dieser Dynamik betroffen sind, Nachwuchskräfte oder das mittlere Management an vorderster Front, da sie normalerweise weniger Macht in der Organisation und den geringsten Kontext haben, um die Entscheidungen zu verstehen, die im Zusammenhang mit den Daten getroffen werden. Ohne intensives Training sind diese Mitarbeiter anfällig für Kommunikationsprobleme, die aus Informationsasymmetrien resultieren. Sie neigen auch dazu, Opfer des „Quietschrad-Syndroms“ zu werden, bei dem die Stimmen der Führungskräfte und der Mitglieder des leitenden Führungsteams von den Datenteams natürlich am lautesten gehört werden (und daher ihre Anfragen und Bedürfnisse gegenüber denen anderer priorisiert werden).

Um eine bessere Kapitalrendite aus den massiven Investitionen in Datentools und Teams zu erzielen, müssen wir diese Informationsasymmetrien angreifen, die den Kern unserer Probleme bilden. Null zu erreichen, ist vielleicht ein erstrebenswertes Ziel, aber Datenteams sollten kontinuierlich danach streben, diese Lücke durch Praktiken, Partnerschaften und Tools zu schließen. Dadurch werden Reibungsverluste beseitigt, Transparenz und Vertrauen erhöht und allen ermöglicht, mehr aus den Datenangeboten des Unternehmens herauszuholen.

Hier sind 4 proaktive Tipps für Data Leader, die Informationsasymmetrien reduzieren und eine bessere Zusammenarbeit in ihren Organisationen erreichen möchten:

Organisations- und Teamstrukturen an den Bedürfnissen des Unternehmens neu ausrichten. Dazu gehören nicht nur Berichtsmodelle, sondern auch Datenteamrollen und -funktionen. Wir sehen bereits jetzt mehr Stellenausschreibungen für Rollen wie „Data Product Manager“ oder „Data Scrum Master“. Diese neuen Funktionen werden Datenteams dabei helfen, Herausforderungen bei der Zusammenarbeit zu bewältigen, bei denen es am Ende des Tages normalerweise um Menschen und Prozesse im Vergleich zu zugrunde liegenden Technologieproblemen geht.
Erwägen Sie, in ein Matrixmodell zu investieren wo Mitglieder Ihres Teams – oder in einigen Fällen ganze Pods – auf bestimmte Geschäftseinheiten ausgerichtet sind. Dies ermöglicht die Ausrichtung längerfristiger Dateninitiativen an den unmittelbaren Geschäftsanforderungen, fördert den Wissensaustausch sowie engere, kooperative Beziehungen zwischen Analysten und denen, die sie täglich unterstützen.
Fangen Sie klein an und bauen Sie auf Ihrem Erfolg auf. Das Macht des ersten Eindrucks kann nicht überschätzt werden. Die anfängliche Wahrnehmung des Datenteams ist unglaublich wichtig dafür, wie seine Arbeit aufgenommen wird. Denken Sie also im Voraus darüber nach, wie dies mit wichtigen Teammitgliedern funktioniert. Konzentrieren Sie sich, indem Sie starke Beziehungen zu 1-2 wichtigen Champions in der Organisation aufbauen, die helfen können, die Nachricht darüber zu verbreiten, wie großartig Sie sind. Erweitern Sie von dort aus.
Achten Sie darauf, welche Collaboration-Tools können über den gesamten Lebenszyklus Ihrer Dateninitiativen und Datenprodukte hinweg genutzt werden. Denken Sie beispielsweise darüber nach, wie Sie Ihre Mitarbeiter, Prozesse und Systeme für jede der folgenden Kategorien zusammenbringen möchten. Was für eine Kategorie funktioniert, scheitert oft kläglich in einer anderen:
- Zusammenarbeit im Datenteam
- Allgemeine Zusammenarbeit mit anderen Mitarbeitern außerhalb Ihres Teams
- Ad-hoc-Fragen oder Anfragen zu neuen Funktionen
- Laufender Support für Datenprodukte
- Scoping neuer Dateninitiativen oder Datenprodukte
- Weiterentwicklung Ihres Datenangebots basierend auf dem, was für das Unternehmen wertvoll ist

Innovative Datenteams migrieren bereits zu Best Practices im Software-Engineering, und dieser Trend wird sich wahrscheinlich in den kommenden Jahren fortsetzen. Wenn Sie in die Dateninfrastruktur investieren, um zukünftiges Wachstum zu unterstützen, denken Sie an Tools, die die Zusammenarbeit mit Geschäftspartnern unterstützen.

Nikolaus Freund ist eine erfahrene Führungskraft in der SaaS-Branche mit über einem Jahrzehnt Erfahrung in der Leitung von Start-ups, die sich auf produktgesteuertes Wachstum konzentrieren. Als Gründer und CEO von Workstream.io leitet Nick ein Technologie-Startup in der Seed-Phase, das Datenteams bei der Verwaltung kritischer Datenbestände unterstützt. Vor Workstream war Nick als VP of Operations bei BetterCloud tätig, einem unabhängigen Softwareanbieter, der die führende SaaS-Operations-Management-Lösung anbietet. Zuvor hatte Nick leitende Finanzpositionen bei Tesla inne, während er seinen MBA in Harvard erwarb.