Gastbeitrag von Mischa Lucyshyn
Daten – und warum wir sie lesen können wollen sollten!
Vor dem Hintergrund der fortschreitenden digitalen Transformation sind Daten und ihre Qualität zu einem wichtigen, immateriellen Gut geworden. Immer mehr Organisationen erkennen den strategischen Wert von qualitativ hochwertigen Daten und ihren Beitrag zum Unternehmenserfolg.
Unser qualityaustria Netzwerkpartner und Produktexperte Six Sigma und Statistik, Mischa Lucyshyn, reflektiert in diesem Newsartikel die Nützlichkeit von Daten anhand eines Beispiels aus der Welt des Sports.
Im Zuge der Digitalisierung sind viele Daten bereits vorhanden. Und es werden täglich mehr. Dieser Informationsstrom kann nützlich sein und genützt werden – oder auch nicht.
Ich möchte mit einem Zitat starten, mit dem im Rahmen einer kürzlich in Wien veranstalteten Konferenz Katrin Suder, ehemalige Staatssekretärin im deutschen Verteidigungsministerium, aufhorchen ließ (hier geht's zum Artikel in voller Länge):
Wir müssen Daten lesen wollen, die da sind.
Dieses Statement gilt in vielerlei Kontext – egal, ob man an die vergangenen 24 Monate der Pandemie denkt, an die über Jahrzehnte vorhandenen Umwelt- und Klimadaten oder an den Ukraine-Krieg, in dessen Kontext es formuliert worden ist. Ich möchte Sie aber im Folgenden auf einen Exkurs in die Welt des Sports einladen:
There is an epidemic failure within the game to understand what's really happening.
This leaves those who run Major League Baseball teams to misjudge their players and mismanage their teams.
So formuliert es der Nerd und Statistiker Peter Brand im auf wahren Begebenheiten beruhenden Film „Moneyball“, als er bei seinem Boss Billy Beane (Brad Pitt) mit der Aufforderung, Zahlen, Daten & Fakten mehr Raum im Entscheidungsprozess zu geben, offene Türen einrennt.
Es bedarf einer ordentlichen Portion Starrsinnigkeit und Ausdauer, ehe diese neuen, datengestützten Entscheidungsweisen (die Verwendung von Sabermetrics im Baseball-Fachjargon) in die Club-Kultur der Oakland Athletics Einzug halten – und sich nicht nur dort etablieren, sondern aufgrund des damit erzielten Erfolges auf andere Teams und Sportarten ausstrahlen:
So ist zum Beispiel beim FC Liverpool mit William Spearman ein in Harvard ausgebildeter Physiker, der u. a. am CERN zum Higgs-Boson arbeitete, als lead data scientist damit beschäftigt, Metriken zum Thema „pitch control“ oder „off-ball scoring opportunities“ und ähnliche. zu modellieren sowie in Strategie und Training einfließen zu lassen – oder Spielerdaten für das Recruitment zu analysieren. Eine seiner Daten-Quellen: Tracking-Daten aller 22 Feldspieler, aufgezeichnet von verschiedenen Kameras im Stadion mit einer Bildrate von 25 fps (frames per second). 135.000 Frames pro Spiel und Kamera.
Diese große Datenmenge verwendet Spearman, um einem Grundsatz der Nutzung von Daten gerecht zu werden, den Walter Shewhart, Erfinder der Regelkarten und des PDSA-Zyklus, sehr deutlich formuliert hat:
Data has no meaning apart from their context.
Der Datenreichtum aus der Anfield Road bietet den Analysen Spearman´s genau diesen nötigen Kontext.
Die erfolgreiche Nutzung von Daten in verschiedensten Organisationen hat zumindest zwei Voraussetzungen:
Die Kultur der Organisation: auf ihrer Basis wird entschieden, ob man „Daten lesen will, die da sind“.
Gibt es ein Instrument, das eine Organisationskultur auf den Geschmack bringen kann, Daten lesen zu wollen? Ja – zum Beispiel ein Qualitätsmanagementsystem, welches den Fokus auf kontinuierliche Verbesserung richtet, die ohne konsequente Daten-Nutzung nicht sinnvoll betrieben werden kann.
Wenn eine Organisationskultur diese Willens-Frage für sich mit einem klaren „Ja“ beantwortet hat, wird sie sich um die zweite Voraussetzung kümmern können: die erforderliche „Daten-Lesekompetenz“.
Wo kann man sich diese Kompetenz aneignen?
Wir haben bei der Quality Austria nicht die Möglichkeiten einer Harvard-Universität und auch nicht den Anspruch, Quantenphysiker*innen auszubilden – aber wir wollen an Daten Interessierten ein breites Spektrum von Gelegenheiten bieten, verschiedene, praktisch relevante Kompetenzen zum „Lesen von Daten“ zu erwerben:
Daten, die uns durch zunehmende Digitalisierung zur Verfügung stehen.
Oder Daten, die wir uns, gegebenenfalls im Rahmen einer Digitalen Strategie der Organisation beschaffen können.
Wie sagt Peter Brand in Moneyball:
Baseball thinking is medieval. They are asking all the wrong questions.
Relevante Fragen zu formulieren ist eine Fähigkeit, die uns Menschen keine datengetriebene Maschine abnehmen sollte. Diese Fragen mit Daten zu beantworten hingegen ist eine Kompetenz, bei der wir die Unterstützung von (Rechen-)Maschinen gut gebrauchen können.
Wenn wir können wollen.
Unser qualityaustria Angebot für alle, die neugierig (geblieben) sind:
Statistik als „Lernen von Daten“:
- Werkzeuge zur datengestützten Prozess- und Qualitätssteuerung
- Modellierung von Prozessen mit Versuchsdaten
- Modellierung von Zuverlässigkeit
Einführung in Data Science:
- QM-Werkstatt Quality Data Science
- NEU: QM-Werkstatt Data Science: Unsupervised Machine Learning
- NEU: Lean Six Sigma Spezialist*in (Yellow Belt)
- Lehrgang Six Sigma Spezialist*in (Green Belt)
- ENGLISCH: Guided online course Six Sigma Specialist (Green Belt)
- Lehrgang Six Sigma Spezialist*in (Black Belt)
- NEU: Lean Six Sigma-Werkstatt: Grafische Datenanalyse mit R
- Online Seminarreihe Upgrade-Training Digitalisierung – Trend & Praxis-Check
- Modul 3: Datenqualität (16.05.2022/19.10.2022)
- Modul 4: Qualitätsdaten (02.06.2022/25.10.2022)
Autor & Ansprechpartner
Netzwerkpartner*in
