Keine Angst vor Daten!

Nicht alle Menschen sind beim Anblick eines Dendrograms oder einer langen Zahlenkolonne von der Neugier gepackt; nicht selten kommen auch negative Emotionen zum Vorschein. Eine Erklärung dafür ist, dass nicht jeder während der Schulzeit gute Erfahrungen im Matheunterricht hatte und dementsprechend weniger gute Erinnerungen geweckt werden. Hinzu kommt, dass sich viele auch nicht trauen nachzufragen, wenn sie etwas nicht verstehen. Und so sitzen viele Menschen in Meeting-Räumen zusammen und schauen sich Zahlen an, die sie nicht verstehen und auch nicht hinterfragen.

Für denjenigen, der Daten vermitteln muss, bedeutet das, dass das Datenmaterial in eine „Story“ gepackt werden muss, wie es auf Neudeutsch heißt. Damit stehen nicht die Zahlen im Vordergrund, sondern das, was die Zahlen bedeuten. Allerdings sind schlechte Erinnerungen an den Matheunterricht nicht der einzige Grund für Skepsis gegenüber Daten.

Trotz aller Lippenbekenntnisse, wie wichtig Daten sind, hat die Statistik als Daten-Disziplin keinen guten Ruf. “Trau keiner Statistik, die Du nicht selber gefälscht hast” ist nur ein Beispiel dafür, dass Zahlen misstraut wird. Wie einfach mit Zahlen gespielt werden kann, wird tatsächlich auch im Statistik-Abschnitt besprochen, aber wenn der Daten-Disziplin misstraut wird, wie kann dann ernsthaft mit Daten gearbeitet werden?

Angst vor Gesichtsverlust

Zahlen und Daten haben einen weiteren Nebeneffekt, der ebenfalls psychologischer Natur ist. Neben der Angst davor, dass man die Zahlen nicht versteht, kann auch eine mindestens latente Angst existieren, dass durch Zahlen und Daten das eigene Tun messbarer und damit auch vergleichbarer wird. Wenn zum Beispiel gemessen wird, ob ein Text auf einer Webseite tatsächlich gelesen wird, dann hat dies den ganz großen Nachteil, dass auch herauskommen kann, dass der Text nicht gelesen wird. Wenn viel Zeit in den Text investiert wurde, dann kann dies zu einer Enttäuschung führen, die man gerne vermeiden möchte.

Ähnlich sieht es aus, wenn man sich schon eine Meinung gebildet hat, sich nun aber mit Daten konfrontiert sieht, die diese Meinung widerlegen. Es ist nicht untypisch, dass Menschen von sich selbst auf andere schließen („n=1“ oder „anekdotische Evidenz“ genannt) und allein ihre Erfahrung und Erlebnisse zu einer Meinungsbildung verwenden. Oder dass nur Daten gesucht werden, die die eigene Meinung unterstützen (ein sogenannter Bestätigungsfehler). Hier kann es mitunter schwierig sein, Daten sprechen zu lassen, wenn eine Meinung schon gebildet wurde, denn auch dies könnte einen Gesichtsverlust bedeuten. Man stelle sich vor, dass einem religiösen Menschen gesagt wird, dass Daten existieren, dass sein Gott nicht existiert; dies bedeutet einen Verlust, der emotional nicht zu unterschätzen ist. In der Sozialpsychologie wird dies auch als kognitive Dissonanz bezeichnet.

Aufbrechen von Daten-Silos

Nicht das Unvermögen der Mitarbeiter, sondern vielmehr die Struktur eines Unternehmens verhindert nicht selten den intelligenten Umgang mit Daten. In fast allen Unternehmen existiert eine Vielzahl von Daten, aber das bedeutet nicht, dass diese für alle Mitarbeiter verfügbar sind. Allein schon aus Datenschutzrechtlichen Gründen ist dies nicht möglich. Nicht ntypisch ist zum Beispiel, dass die IT die Customer Relationship Management-Datenbank betreut, das Marketing die Marketing-Daten wie Web Analytics oder Tracking-Daten von Marketing- Kampagnen, und das Produktmanagement die Produktnutzungsdaten (sofern diese erhoben werden). Manche Abteilungen sprechen unterschiedliche Sprachen, so dass das Marketing zum Beispiel nicht so gut mit der IT sprechen kann, weil ein ganz anderes Vokabular genutzt und ein anderer Wissensstand vorausgesetzt wird.

Daten sind auch ein Machtfaktor, denn was würde passieren, wenn eine Abteilung einer anderen Abteilung Daten zur Verfügung stellte und diese damit Sachen vollbrächte, die die eigentliche „Besitzerin“ der Daten nicht zustande gebracht hatte? Das Gleiche gilt für Daten, die die Profitabilität einer bisher anerkannten Abteilung in Frage stellen und somit alles, woran die Mitarbeiter bisher geglaubt haben. Nicht umsonst tun sich viele Unternehmen damit schwer, von früher erfolgreichen Modellen los zu lassen. Gleichzeitig wird gerne der Datenschutz vorgeschoben, um Daten nicht teilen zu müssen. Wer Zugang zu Daten hat und sie versteht, erhält somit auch die Deutungshoheit.

Die Arbeit mit Daten ist also nicht allein eine informations-technologische, sondern auch eine politische. Will ein Unternehmen daten-basiert arbeiten, so verlangt dies auch einen Change Management-Prozess, der alle Beteiligten mitnimmt.

Nächster Abschnitt: Analyse, Analytics, Statistik, Data Science – Was denn jetzt?