In der letzten Folge von thinkBI ging es um eine Beobachtung, die vermutlich viele aus Organisationen kennen: Der Informationsbedarf ist nicht auf allen Ebenen gleich. Je weiter man in einer Hierarchie nach oben kommt, desto stärker verändert sich die Art der Informationen, die benötigt werden.
Nach der Veröffentlichung der Folge hat sich Jasmin auf LinkedIn gemeldet und an ein Gespräch erinnert, das wir vor einiger Zeit schon einmal zu diesem Thema geführt hatten. Ihr Hinweis war interessant: Wenn man Projekte, egal ob im Bereich Business Intelligence oder KI, ausschließlich aus der Perspektive von Entscheidern denkt, besteht die Gefahr, dass sie scheitern.
Und damit hat sie einen wichtigen Punkt angesprochen.
Denn genauso wenig, wie sich ein Projekt ausschließlich von unten nach oben durchsetzen lässt, funktioniert es in der Regel auch von oben nach unten.
Eine reine Graswurzelbewegung ohne Unterstützung aus dem Management hat es schwer, in einer Organisation nachhaltig Wirkung zu entfalten. Gleichzeitig führt ein Top-Down-Ansatz oft dazu, dass Lösungen zwar formal umgesetzt werden, aber im Alltag nur halbherzig genutzt werden. Man erfüllt die Anforderungen gerade so – oder findet Wege, sie zu umgehen.
Organisationen funktionieren eben nicht so einfach, wie es unsere klassischen Darstellungen manchmal suggerieren.
Warum wir so gerne in Pyramiden denken
Wenn man beginnt, über Business Intelligence zu sprechen, stößt man relativ schnell auf ein bestimmtes Muster: Pyramiden.
Viele Modelle, die erklären sollen, wie aus Daten Erkenntnisse entstehen, nutzen genau diese Form. Ein bekanntes Beispiel ist das sogenannte DIKW-Modell. Die Abkürzung steht für Data, Information, Knowledge und Wisdom, also Daten, Information, Wissen und Weisheit.
Die Idee dahinter ist relativ einfach:
Am Anfang stehen Dinge in der Welt, die wir beobachten. Aus diesen Beobachtungen entstehen Daten. Wenn wir diese Daten analysieren, werden daraus Informationen. Durch die Verbindung und Einordnung dieser Informationen entsteht Wissen. Und wenn wir dieses Wissen bewerten und reflektieren, gelangen wir schließlich zu Weisheit.
Diese Entwicklung wird häufig als Pyramide dargestellt. Daten bilden das Fundament, Weisheit die Spitze.
Bei meiner Recherche zu diesem Thema bin ich auf ein sehr gut aufbereitetes Video der RWTH Aachen gestoßen, das dieses Modell im Rahmen eines Datenkompetenzkurses erklärt. Wer sich dafür interessiert, findet hier den Link.
https://av.tib.eu/media/64882
Die Pyramide der Datenanalyse
Eine ähnliche Struktur begegnet uns auch bei den verschiedenen Arten der Datenanalyse. Auch hier wird häufig eine Pyramide verwendet, die unterschiedliche Analyseformen voneinander abgrenzt.
Die erste Ebene ist die deskriptive Analyse. Hier geht es um die grundlegende Frage: Was ist passiert? Wir betrachten vorhandene Daten und versuchen zu verstehen, welche Informationen darin stecken.
Darauf folgt die diagnostische Analyse. Sie stellt die nächste Frage: Warum ist das passiert? Wir versuchen also, Ursachen zu erklären und Zusammenhänge sichtbar zu machen.
Diese beiden Ebenen blicken im Grunde genommen in den Rückspiegel. Sie beschäftigen sich mit der Vergangenheit.
Erst danach kommen die Ebenen, die viele Organisationen besonders attraktiv finden: Predictive und Prescriptive Analytics. Hier geht es um Fragen wie: Was wird wahrscheinlich passieren? Und wie können wir beeinflussen, was passieren wird? Damit bewegen wir uns zunehmend in Richtung Zukunft.
Das Fundament wird gerne vergessen
Was beide Modelle gemeinsam haben, ist eine einfache, aber wichtige Erkenntnis: Man kann nicht oben anfangen.
Wer Vorhersagen treffen möchte, braucht zuerst Daten. Wer Entscheidungen automatisieren will, braucht zuerst ein Verständnis der Vergangenheit. Und wer Weisheit erreichen möchte, muss zuerst Informationen und Wissen aufbauen.
Trotzdem begegnet man in der Praxis immer wieder Projekten, die genau diesen Schritt überspringen wollen.
Man möchte sofort auf der obersten Ebene arbeiten, mit Prognosen, KI oder automatisierten Entscheidungen, obwohl das Fundament aus Daten, Verständnis und Analyse noch gar nicht stabil ist. Die Folge ist oft Frustration. Nicht, weil die Methoden falsch wären. Sondern weil die Reihenfolge nicht stimmt.
Anforderungen einordnen
Gerade in der Anforderungsanalyse kann es deshalb hilfreich sein, sich diese Pyramidenmodelle noch einmal bewusst zu machen. Denn häufig liegen Anforderungen auf ganz unterschiedlichen Ebenen:
Manche betreffen schlicht die Frage, was eigentlich passiert ist.
Andere versuchen bereits zu erklären, warum etwas passiert ist.
Und wieder andere möchten direkt wissen, was als Nächstes passieren wird.
Diese Ebenen voneinander zu unterscheiden, hilft oft dabei, Projekte realistischer zu planen und Erwartungen besser einzuordnen.
Denn am Ende gilt auch hier:
Weisheit entsteht nicht oben. Sie wächst aus Daten.
🎧 Die komplette Folge findest du im thinkBI Podcast.
Wenn du eine Meinung zu diesem Thema hast oder eine Perspektive teilen möchtest, kannst du mir auch gerne eine Sprachnachricht schicken. Vielleicht taucht sie in einer der nächsten Folgen von thinkBI auf.
Musik: Great Podcast Intro (short & long) von Lundstroem
Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/
