Was ist Datenkompetenz?

Datenkompetenz ist die Fähigkeit, Daten zu lesen, mit ihnen zu arbeiten, sie zu analysieren und mit ihnen zu vermitteln. Sie ist für das Zeitalter der Daten das, was Lesen und Schreiben für das Zeitalter des Drucks waren: eine Grundfähigkeit, die darüber entscheidet, ob jemand voll daran teilnehmen kann, wie eine Organisation Entscheidungen trifft. Eine datenkompetente Mitarbeiterin kann ein Diagramm richtig deuten, eine Zahl hinterfragen, die falsch aussieht, aus einem Datensatz einen belastbaren Schluss ziehen und ihn anderen erklären, ganz gleich, ob in ihrer Stellenbezeichnung das Wort „Daten“ vorkommt.

Datenkompetenz zählt, weil Organisationen heute auf Daten laufen, die meisten Menschen aber, von denen ihre Nutzung erwartet wird, es nie gelernt haben. Werkzeuge und Dashboards vermehren sich; die Fähigkeit, sie gut zu nutzen, hält nicht Schritt. Das Ergebnis ist eine wachsende Lücke zwischen den Daten, die eine Organisation hat, und dem Wert, den sie daraus zieht, eine Lücke, die keine neue Technik schließt, weil der Engpass beim Menschen sitzt. Und das Fundament der Datenkompetenz ist geteilte Bedeutung: Kompetent wird man nur in Daten, die man finden, verstehen und denen man trauen kann, weshalb Kompetenz und Data Governance eng zusammenhängen.

Datenkompetenz im Überblick

Datenkompetenz ist der Satz an Fähigkeiten, der jemandem erlaubt, Daten in seiner Rolle wirksam und verantwortungsvoll zu nutzen. Sie ist bewusst weit gefasst: Sie spannt sich über die Analystin, die ein Modell baut, die Führungskraft, die einen Bericht liest, und den Vorstand, der die Strategie setzt. Was sie verbindet, ist die Fähigkeit, sich mit Daten kritisch auseinanderzusetzen, statt passiv hinzunehmen, was ein Diagramm zu sagen scheint.

Ihre bestimmenden Merkmale:

• Allgemein, nicht spezialisiert: Sie ist eine Grundfähigkeit für alle, die mit Daten zu tun haben, und kein Vorrecht von Data Scientists.
• Mehrschichtig: Sie reicht von grundlegendem Bewusstsein bis zu fortgeschrittener Sicherheit, und Menschen stehen auf verschiedenen Stufen.
• Kritisch, nicht mechanisch: Sie schließt ein, Daten zu hinterfragen, irreführende Darstellungen zu bemerken und den Zusammenhang zu verstehen, und nicht nur, Werkzeuge zu bedienen.
• Vom Kontext abhängig: Sie verlangt zu verstehen, was die Daten bedeuten, und das hängt an geteilten Definitionen und verlässlichen Quellen.

Die vier Kernkompetenzen

Datenkompetenz wird üblicherweise in vier aufeinander aufbauende Kompetenzen zerlegt, also das, was eine datenkompetente Person kann, und alle ruhen auf einem Fundament aus geteilter, verlässlicher Bedeutung.

• 1 · Daten lesen. Verstehen, was Daten und Darstellungen sagen, und ebenso wichtig, was sie nicht sagen. Eine irreführende Achse oder einen herausgepickten Zeitraum erkennen.
• 2 · Mit Daten arbeiten. Die richtigen Daten finden, filtern und bereinigen und Quellen verbinden, um eine echte Frage zu beantworten, also die praktische Ebene.
• 3 · Daten analysieren. Belastbare Schlüsse ziehen: echte Muster erkennen, Ausreißer hinterfragen und Korrelation von Kausalität unterscheiden.
• 4 · Mit Daten vermitteln. Aus einer Erkenntnis eine klare Geschichte machen, die eine Entscheidung trägt. Eine Analyse, die niemand versteht, ändert nichts.

Die Kompetenzen bauen aufeinander auf, denn gut zu vermitteln setzt gutes Analysieren voraus, das wiederum die Arbeit mit Daten, die wiederum das Lesen, doch alle vier stehen auf demselben Fundament: auf geteilten Definitionen und verlässlichen Daten. Man kann Daten nicht richtig lesen oder analysieren, wenn man nicht weiß, was ihre Begriffe bedeuten.

Warum sie zählt

Datenkompetenz wird immer wieder als eine der größten Hürden auf dem Weg zu einer datengetriebenen Organisation benannt, und als eine der Investitionen mit dem größten Hebel:

• Sie hebt den Wert jeder anderen Investition in Daten. Kataloge, Dashboards und KI-Werkzeuge liefern nichts, wenn Menschen sie nicht gut nutzen können.
• Sie ermöglicht eine echte Datendemokratisierung. Selbstbedienung trägt nur, wenn das Selbst kompetent ist; sonst verbreitet die Demokratisierung nur Fehldeutungen.
• Sie verbessert Entscheidungen und senkt Risiken. Kompetente Teams bemerken das irreführende Diagramm und die Scheinkorrelation, bevor sie eine schlechte Entscheidung tragen.
• Sie ist die menschliche Seite der Bereitschaft für KI. Je mehr Erkenntnisse KI zutage fördert, desto wichtiger wird die Fähigkeit, sie zu hinterfragen und einzuordnen, nicht unwichtiger.

Die Hürden

Programme für Datenkompetenz scheitern aus vorhersagbaren Gründen, und die meisten davon haben nichts mit Schulung zu tun:

• Uneinheitliche Definitionen. Bedeutet „Umsatz“ dreierlei, führt keine noch so große Fähigkeit zu einer einheitlichen Antwort. Mehrdeutigkeit schlägt die Kompetenz, bevor sie beginnt.
• Nicht auffindbare Daten. Auf Daten, die man nicht findet oder denen man nicht traut, lassen sich keine Fähigkeiten aufbauen.
• Scheu und Kultur. Viele Menschen schrecken vor Daten zurück oder arbeiten in einer Kultur, in der Entscheidungen unabhängig von Belegen aus dem Bauch getroffen werden.
• Wildwuchs an Werkzeugen. Eine unübersichtliche Landschaft unverbundener Werkzeuge hebt die Einstiegshürde.

Das Muster ist aufschlussreich: Die größten Hürden für Kompetenz sind Probleme der Governance, nämlich mehrdeutige Bedeutung und nicht auffindbare Daten, und kein Mangel an Schulungsangeboten.

Wie man sie aufbaut

Weil die Hürden weitgehend bei geteilter Bedeutung und Auffindbarkeit liegen, ist der Aufbau von Datenkompetenz ebenso sehr eine Übung in Data Governance wie in Schulung. Die wirksamsten Programme verbinden Bildung mit der Infrastruktur, die Daten verständlich macht:

• Ein Business Glossary aufbauen, damit die Organisation für jeden wichtigen Begriff eine Definition teilt, der mit Abstand wichtigste Wegbereiter der Kompetenz.
• Einen Datenkatalog bereitstellen, damit Menschen Daten finden, verstehen und ihnen trauen können, ohne herumzufragen, was Neugier in Selbstbedienung verwandelt.
• Die Lineage sichtbar machen, damit Menschen sehen, woher eine Zahl kam, und beurteilen können, ob sie ihr trauen.
• Diese Infrastruktur mit einer zur Rolle passenden Schulung und mit sichtbarer Rückendeckung aus der Unternehmensleitung verbinden, oft geführt von einem Chief Data Officer.

Das ist der Beitrag von Dawiso zur Datenkompetenz: das Glossar und der Katalog, die allen ein geteiltes, verlässliches Vokabular geben, in dem man kompetent werden kann. Schulung bringt Menschen bei, Daten zu lesen; Glossar und Katalog sorgen dafür, dass die gelesenen Daten für alle dasselbe bedeuten. Steigende Kompetenz ist auch ein bestimmendes Zeichen für Fortschritt auf der Kurve der Datenreife.

Fazit

Datenkompetenz ist die menschliche Fähigkeit, die aus Datenbeständen geschäftlichen Wert macht, also die Fähigkeit, Daten über jede Rolle hinweg zu lesen, mit ihnen zu arbeiten, sie zu analysieren und mit ihnen zu vermitteln. Ihre härtesten Hürden sind keine Lücken an Fähigkeiten, sondern Lücken in der Governance: mehrdeutige Definitionen und nicht auffindbare Daten. Organisationen, die Kompetenz rein als Schulung behandeln, stoßen schnell an eine Grenze; die, die Schulung mit einem geteilten Vokabular und einem verlässlichen Katalog verbinden, bauen eine wirklich datengetriebene Kultur. Kompetenz ist das Ziel; geteilte, gesteuerte Bedeutung ist das, was es erreichbar macht.