Data Science und digitale Prozesse bieten enorme Möglichkeiten, Transformationen und Anpassungsprozesse in Echtzeit zu begleiten und maximal wirksam zu unterstützen. Und mit jedem Schritt der digitalen Transformation kommen mehr Möglichkeiten hinzu. Dadurch entstehen auch neue Ansätze und Chancen für Change Management Strategien und Methoden.
Das „Sense and Response“-Modell
Pinaki Chakladar, Senior Managing Consultant bei IBM, legt besonderen Wert auf das „Sense and Response“-Modell, dass der Sammlung und Verarbeitung relevanter Daten zugrunde liegt. Sein Fokus auf die Wahrnehmung individueller und situationsabhängige Bedürfnisse der Stakeholder kann radikal verändern, wie wir in Zukunft Transformationen begleiten. Er bricht durch diesen Data Science Ansatz mit vielen traditionellen Change Management Modellen. Das Modell verwendet Design-Thinking-Prinzipien (basierend auf Stakeholder-Personas) und agile Programm-Methoden, um einen Rahmen für das Veränderungsmodell zu schaffen. Es ist speziell auf die Erfahrungen der Stakeholder im Verlauf des Veränderungsprozesses ausgerichtet und nutzt fortschrittliche Analytik und Datenwissenschaften.
Ein Grundpfeiler dieses neuen Veränderungsmodells ist die mutli-channel Datenanalyse. Sie beruht darauf, den Stakeholdern digital „zuzuhören“ und so die Stimmungen der Mitarbeiter, Vertriebspartner und Kunden zu erfassen. Im vorgestellten Beispiel werden Social Media Kommentare, Hotline-Anfragen und die Nutzung der Trainingsvideos ausgewertet. Auch Details, wie das Anhalten und Wiederholen der Trainingsvideo wird mit einbezogen. Auf dieser Grundlage werden die Interessen und Hilfsmittel eines breiten Spektrums von Stakeholdern analysiert. Das Data Science Modell nutz kontinuierlichen Messungen, um den Change Plan in Echtzeit an die Bedürfnisse der Stakeholder anzupassen. Pinaki Chakladar erreicht dadurch schnellere und optimierte Transformationsergebnisse für seine Kunden. Aktuell wird dieses Modell erfolgreich im Rahmen eines digitalen Transformationsprogramms in einem der größten Chemie- und Erdölunternehmen Indiens eingesetzt.
Der Weg hin zu einer datenbasierte Unternehmenskultur
Unternehmen, in denen die digitale Transformation schon weiter fortgeschritten ist, denken bereits laut über eine datengesteuerte Strategie, eine datengesteuerte Entscheidungsfindung nach. Spätestens dort fällt der kleine Unterschied zwischen „datengesteuert“ und „datengestützt“ ins Gewicht! Eine Diskussion entbrennt über das akzeptable Mass an Datenhörigkeit, mögliche Datenmanipulation und die sinnvolle Berücksichtigung der menschlichen Erfahrungen und Kompetenzen. Es stellt sich die Frage, wieviel datengesteuertes Verhalten wir in unserem Unternehmen insgesamt für gut heißen und an welcher Stelle. Die Meinungsbildung hierzu hängt direkt mit den Digitalisierungsgrad des privaten und sozialen Umfeldes zusammen und ist somit eine Frage der Gesellschaft. Alan Bostakian, Chief Consulting Officer bei Intelligent Organization, hat die Diskussion zur „datengesteuerte Unternehmenskultur“ im Rahmen von Data Science im Change einmal genauer unter die Lupe genommen.
Eine Kultur entwickelt sich nicht auf Knopfdruck oder top down! Es ist eine gemeinsame Reise, diese Kultur zu entwickeln. Sie orientiert sich an dem Verhalten, das allgemein akzeptiert und geschätzt wird. Und: unsere Change-Management-Praxis spielt auf dieser Reise eine wichtige Rolle. Eine datengesteuerte Kultur bringt dem Unternehmen nur dann Vorteile, wenn die Beschäftigten auch die Fähigkeit und Erlaubnis besitzen, sie zu leben.
In datengesteuerten Unternehmenskulturen ist „Data Democracy“ von entscheidender Bedeutung. „Data Democracy“ bedeutet den vollen Zugriff auf die erhobenen Daten für alle Beschäftigen, damit sie dem kollektiven Schwarmwissen jederzeit und aus jeder Perspektive zur Verfügung stehen. Dahinter steht also ein dezentraler, agiler Gedanke bei nur geringer hierarchischer Kontrolle. Doch um den optimalen Nutzungsgrad von Data Science im Unternehmen zu erreichen, braucht jeder Beschäftigte die Fähigkeit, die Daten auch dem Bedarf entsprechen abzurufen und nach Perspektiven zu filtern. Zudem braucht es die kognitive Fähigkeit, die Daten so miteinander in Beziehung zu setzen und zu interpretieren, dass daraus handlungsorientierte Schlussfolgerungen entstehen. Da sind wir noch nicht! Die Kompetenz zum Lesen und Auswerten von Daten ist bisher nur unzureichend vorhanden. Ganz klar ein Future Skill, den jedes Unternehmen ausbauen sollte!
Capgemini’s aktuelle Change Studie zeigt, dass datengestütztes Change Management den Transformationserfolg signifikant verbessert.
Die Visualisierung von Data Analytics im Change ist Key!
Gerade wenn es um neu eingeführte Produkte, Services oder Tools geht, kann eine umfassende Daten-Analyse uns helfen, mehr über das Nutzerverhalten von Kunden und Mitarbeitenden zu erfahren. Die Daten können sowohl Probleme als auch Best Practices sichtbar machen. Doch sichtbar heißt noch nicht gleich verständlich. Oft stehen wir eher vor einem Datendschungel oder schauen auf die immer gleichen Balken und Kreisdiagramme. Im Change Management sind allerdings andere Informationen interessant.
Wir wollen wissen, wo die Dinge im Fluss sind oder wo es stockt. Zu welchem Thema wird besonders oft Hilfe nachgefragt? Welche Dinge sind leicht und intuitiv zu benutzen, so dass die Mitarbeitenden und Kunden sich durch diese Neuerung unterstützt fühlen. Sandeep Bhat, EVP-Products bei Gramener Inc., ist Experte für erfolgreiche Visualisierung von Data Science im Change. Die Kommunikation seiner IT Projekte stützt sich auf die gezielte Visualisierung von Datenströmen und Volumen. Er nutzt die Tatsache, dass die Aufnahme von Daten durch das menschliche Auge anders im Gehirn verarbeitet wird, wie die Aufnahme durch das Gehör. Menschen können mit den Augen komplexe Situationen extrem schnell erfassen und analysieren. Wir tun es jeden Tag im Straßenverkehr, wenn wir unsere Arbeit erledigen oder andere Menschen beobachten. Die nackten Daten können manchmal schwierig zu interpretieren sein, aber das richtige Bild kann die Daten UND die dahinter liegenden Informationen offenlegen.
Mittels dieser Grafik konnte ein Support Center zeigen, dass die enorm langen Durchlaufzeiten ihrer Service Request nicht darin begründet sind, dass die Prozesse schlecht sind oder zu lang. Das Problem dieses Centers lag darin, dass das Kundenproblem nicht richtig verstanden wurde. Hier wurden fertige Lösungsvorschläge vom Kunden immer wieder als nicht hilfreich zurückgewiesen. Das Team fokussierte sich konkret auf diese Schwachstelle und konnte die Durchlaufzeiten kurzfristig enorm verbessern.
Für die Kommunikation unserer Changeprojekte ist also eine gute Visualisierung dessen, was es zu verändern gilt, unerlässlich. So können aus Daten → Erkenntnisse und aus Erkenntnissen → kollektives Wissen entstehen. Auf Basis des so gewonnenen Wissens können viele Stakeholder zur Problemlösung aktiviert werden, um Veränderungen gezielt und zügig herbeizuführen.
Fazit:
Mit dem Einsatz fortschrittlicher sozialer Analytik und künstlicher Intelligenz (KI) entstehen enorme Möglichkeiten, besser und schneller zu transformieren. Wir könnten durch Hinzunähme von Data Science leicht zwischen einem systemorientierten Ansatz und einem personalisierten Change-Ansatz wechseln. Das würde auf natürliche Weise agile, iterative Transformationsprogramme unterstützen und somit auch die Evolution hin zu einem kontinuierlichen Wandel in Unternehmen. Doch der nutzbringende Einsatz umfassender Datenerfassung hängt massgeblich davon ab, wir schnell wir in Unternehmen die Fähigkeit ausbauen können, diese Daten zu lesen, zu visualisieren und zu interpretieren. Im Prinzip bedeutet es für die Beschäftigten, eine ganz neue Sprache zu erlernen, zu lesen, zu sprechen und zu visualisieren! Und diese Fähigkeiten scheinen unverzichtbar, angesichts der steigenden Menge an verfügbaren Daten, der Notwendigkeit, sich vor Fehlinformationen zu schützen und mit immer komplexer werdenden Zusammenhängen kompetent umzugehen.
„Wir versuchen, durch die Augen zu beeinflussen, was wir der Öffentlichkeit durch ihre wortfesten Ohren nicht vermitteln können!“
Florence Nightingale
English (UK)
Neueste Kommentare