Was heißt schon Digitalisierung?

Digitalisierung ist wieder eines dieser unsäglichen Buzzwords, das wie so oft unreflektiert gehypt wird. Ich halte es obendrein für ein sehr gefährliches Buzzword, weil es den Fokus falsch setzt: Technik vor Geschäftsmodell. Dabei ist doch die Technik primär Mittel zum Zweck. Selbstverständlich können neue Techniken zu disruptiven Entwicklungen in Geschäftsmodellen führen, aber dennoch sollte man das Pferd nicht von hinten aufziehen.

Und um ehrlich zu sein: Die Werkzeuge der Digitalisierung sind nicht wirklich neu, sie sind nur weitaus mächtiger und allgegenwärtiger geworden. Aber welche Werkzeuge/Möglichkeiten sind das?

(1) Messen, Steuern, Regeln
Nun, wirklich nichts Neues in unserer längst digitalisierten Welt. Zugegeben: Die Auswertungsmöglichkeiten sind gewachsen, womit wir schon beim zweiten Punkt wären:

(2) Business Intelligence
Mit den zunehmend vorhandenen digitalen Daten (1) und mächtigeren Auswertungsmöglichkeiten der eigenen Daten oder selbst der Daten anderer, selbst unserer Mitbewerber (Comptetitive Intelligence) sind die Möglichkeiten der Business Intelligence gewachsen, aber neu sind sie bei Weitem nicht, allerdings in der Kombination mit…

(3) Big Data
…ergeben sich neue Erkenntnisse – auch wenn diese mitunter überschätzt werden. Die Vielzahl der heute verfügbaren Daten lässt uns elementare Grundsätze der Datenverarbeitung immer wieder vergessen: Nach wie vor gilt: Garbage in, Garbage out. Wir müssen also wissen, was wir messen und das nächste Dilemma liefert uns die Scheingenauigkeit: Messungen bis auf drei Kommastellen suggerieren Exaktheit und Wahrheit, nicht-messbare oder nicht gemessene aber relevante Einflussgrößen fliegen hingegen aus unseren Modellen hinaus und wir wundern uns dann, warum unsere Modelle nicht funktionieren. Hier ist weniger oft mehr. Ich plädiere an den gesunden Menschenverstand: Wenn auswerten, dann müssen wir auch wissen was und wo unsere Modellgrenzen liegen.

Kommen wir zu den mehr technologischen Aspekten hinter der Digitalisierung:

(4) Vernetzung
Auch in der Industrie ist Digitalisierung nichts Neues. Computer-gesteuerte Maschinen gibt es seit langem, was aber zunehmend steigt ist der Grad der Vernetzung. Damit hängen Maschinen oder ganze Produktionslinien plötzlich im Internet. Der Kühlschrank kann plötzlich selber bestellen, aber meine Produktionsmaschine ist plötzlich auch anfällig für einen Virenbefall á la Stuxnet. Mit der Vernetzung steigt die Komplexität und die wechselseitige Abhängigkeit.

(5) Virtualisierung
Unser Bild vom Computer ist noch stark geprägt von der physischen Entität eines Rechners, sei es unser Notebook, ein Desktop-PC oder ein Server. Aber zumindest in der Server-Welt haben sich Virtualisierungskonzepte längst durchgesetzt, da ordert man in einem Rechenzentrum nicht mehr (oder nur noch in besonderen Fällen) einen physischen Rechner, sondern stattdessen eine virtuelle Instanz. Zunehmend passiert die Virtualisierung auch nicht mehr im eigenen Haus, sondern wird ausgelagert in die…

(6) Cloud
Große Cloud-Anbieter, wie Microsoft, Google oder Amazon bieten Skalierungsmöglichkeiten, die man selbst nur schwer gewährleisten kann und wenn es denn sein muss, dann in einer Private-Cloud.

Aus all dem ergibt sich eine rasante…
(7) Beschleunigung.

Alle 7 Aspekte bergen Chancen und Risiken. Natürlich ist es sinnvoll zu prüfen inwieweit sie für bestehende Geschäftsmodelle relevant sind und ob sich neue Türen öffnen. Diesen Fragen muss man sich aber immer stellen und nicht erst wenn irgendwelche Jünger ihre Digitalisierungssandalen in die Luft halten.

Und auch mit den Grenzen und Problemen der Digitalisierung müssen wir uns beschäftigen: Die Komplexität steigt und es entstehen neue Abhängigkeiten. Einem Kind würde man vorsichtshalber nicht seine Kreditkarte anvertrauen, dem Kühlschrank, den ein Wildfremder programmiert hat schon…

Lasst die Kirche im Dorf und macht eure Hausaufgaben, die ihr immer schon gemacht haben müsstet, dann ist Digitalisierung nur alter Wein in neuen Schläuchen. Zugegeben – vielleicht ist der Wein gereift, aber neu ist er wirklich nicht.

Beitrag #729 auf schlossBlog
Ein Vorgehensmodell zur Digitalisierung in KMUs gab es bereits in #693

#626 Reporting, BI & Big Data

Reporting ist ein Klassiker.
BI (Business Intelligence) und Big Data sind allgegenwärtige Buzz Words.
Zeit sich hier einmal dem Thema zu widmen und das nicht nur für Projektmanager.

Möglichkeiten und Grenzen von Big Data

Ein Beispiel für die Nutzung von Big Data ist der Fall des Autobahn-Snipers: Ein frustrierter LKW-Fahrer schießt während der Fahrt über mehrere Jahre aus seiner Fahrzeugkabine auf andere Fahrzeuge. Überführt wird er letztlich über eine systematische Auswertung von Kennzeichen-Erfassungen auf deutschen Autobahnen. Der Aufwand dafür beträchtlich, sowohl in finanzieller als auch in zeitlicher Hinsicht.
Nicht nur im Zusammenhang mit dem NSA-Skandal wird die Aussagekraft von Kommumikations-Metadaten immer wieder thematisiert. Dimitri Tokmetzis zeigt auf netzpolitik.org, was allein schon Metadaten über uns aussagen.
Oder haben Sie sich schon einmal gewundert, was soziale Netzwerke bereits über uns wissen ohne, dass wir es ihnen gesagt haben (z.B. weil unsere Kontakte uns in ihrem Adressbuch führen oder es ungewöhnliche Schnittmengen in den Kontakten unserer Kontakte gibt).
Big Data per se ist weder gut noch böse. Die Möglichkeiten sind einerseits beeindruckend aber andrerseits auch beängstigend. Wir können uns nicht davor verschließen, aber um so wichtiger ist eine kritische Auseinandersetzung mit dem Thema. Wir haben in der digitalen Welt bereits einen Kontrollverlust über unsere Daten erlitten .(Diese Tage erscheint hierzu das Buch: Das neue Spiel von Michael Seemann – siehe auch sein Blog ctrl-Verlust.) Wer argumentiert, er hätte nichts zu verbergen, ist naiv, denn aus der Kombination an sich „harmloser“ Daten entsteht mitunter eine kritische Information. Stellen Sie doch einmal einen Kreditantrag oder unterziehen sich der Gesundheitsprüfung für den Abschluss einer Versicherung und Sie sind schneller in Erklärungsnöten, als Sie sich vorstellen können.

Garbage in – Garbage out

Worüber auch Big Data nicht hinwegtäuschen kann sind die elementaren Grundprinzipien der Datenverarbeitung. Nach wie vor gilt Garbage in – Garbage out. Nur in der Flut der Daten vergessen wir manchmal welches Datum tatsächlich ein Information enthält und welches nicht oder überbewerten oder missinterpretieren dessen Informationsgehalt. Wir können unser Reporting und unsere Prozesse beliebig optimieren, aber wenn der Inhalt nicht stimmt…

Nicht Äpfel mit Birnen vergleichen

Natürlich dürfen wir auch nicht Äpfel mit Birnen vergleichen (inhaltlich).
Und zeitliche Synchronität wäre für die Vergleichbarkeit auch schön.

Korrelationen nicht mit Kausalität verwechseln

Bei der Interpretation von Daten dürfen wir selbstverständlich auch nicht Korrelationen mit Kausalitäten verwechseln. Handelt es sich tatsächlich um Ursache-Wirkungsbeziehungen oder möglicherweise nur um 2 Symptome der gleichen Krankheit…

Unwort: Komplexitätsreduktion

Es ist i.d.R. eine irrige Annahme, dass sich Komplexität reduzieren lässt. Eine Reduktion hilft uns vielleicht bei der Erfassung des Überblicks oder in Bezug auf Facetten, sie reduziert aber nicht die Komplexität des realen Systems und verführt uns so zu möglichen Kurzschlüssen und Fehlentscheidungen. Wir sollten uns gerade auch bei der Erstellung von Reports und Auswertungen stets ihrer Unvollkommenheit bewusst sein. Mitunter ist hier weniger mehr: Wenige Zahlen, die wir aber vernünftig einordnen und erklären können, deren Grenzen uns bewusst sind, sind besser als pseudowissenschaftliche Tiefe, deren Grundannahmen auf fragilen Mauern stehen, uns aber aufgrund ihrer vermeintlichen Exaktheit eine falsche Glaubwürdigkeit suggeriert. Allzu oft tappen wir in eine psychologische Falle und glauben viel leichter an die Richtigkeit einer Aussage, weil sie vermeintlich bis auf 2-Nachkommastellen belegt ist.