Mehr Kundenorientierung, mehr Innovation und höhere Effizienz verspricht Data Literacy. Je besser die Fähigkeit bei Bankmitarbeitern ist, mit Daten umzugehen, desto höher ist der Nutzen für Kunde und Institut. Beide profitieren vom Ansatz, Datenkompetenz als Allgemeinbildung zu verstehen.
Mit dem Ausbau von Data Literacy finden ausgewiesene Datenexperten und Mitarbeiter mit umfassenden Kundenwissen in Banken eine gemeinsame Sprache.
Mykola / stock.adobe.com
Datenkompetenz wird zunehmend wichtiger für die Mitarbeiter in den Fachabteilungen der Banken - und nicht nur dort. Der Stifterverband hat in seiner Data Literacy Charta Datenkompetenz bereits als "unverzichtbaren Bestandteil der Allgemeinbildung" für die digitale Zukunft definiert.
Aktuell werden Datenthemen von ausgewiesenen Datenexperten bearbeitet, weniger von einer breiten Basis der Mitarbeiter, weil man diese bisher nicht als datenkompetent einschätzt. Das mag zum Teil auch der Fall sein, jedoch gehen gerade die Mitarbeiter mit hohem Kundenkontakt seit jeher mit verschiedensten Daten um und haben darüber hinaus ein exzellentes Bankverständnis. Zur Entwicklung innovativer Geschäftsmodelle bedarf es intensiver Kollaboration zwischen beiden Gruppen – den Datenexperten und den Kunden- beziehungsweise Bankexperten. Eine Allgemeinbildung, sprich eine Basisdatenkompetenz, kann das Vokabular für die gemeinsame Sprache bilden
Datenkompetenz ist die gemeinsame Sprache
Man kann den Datenhaushalt eines Unternehmens verstehen wie eine Lebenswelt und mit dem Wortschatz einer Sprache beschreiben. Wie lebende Sprachen hat auch der Datenhaushalt eine Grammatik – die Beziehungen der Datenattribute und Wörter untereinander. Warum also nicht bewährte Modelle aus dem Erlernen von Sprachen und Fremdsprachen auf das Erwerben anderer Kompetenzen übertragen? In der Sprachausbildung gibt es drei Niveaustufen: "A – Elementar", "B – Kompetent" und "C – Experte". Die folgende Abbildung erläutert die Einteilung.
TCI Consult
Zur Verständigung im Alltag ist ein mittleres Kompetenzniveau, also "B" völlig ausreichend, vergleichsweise wäre B im Bereich Data Literacy mit guter Daten-Allgemeinbildung zu bezeichnen. Mitarbeiter mit dem Kompetenzniveau B sollten sich mit den Datenexperten gut verständigen können.
Ein mittleres Kompetenzniveau ist, je nach Geschäftsmodell der Bank, schon mit rund 3.000 Datenattributen abgedeckt. Mit der Förderung der Data Literacy bei den Mitarbeitern ist es möglich, Silostrukturen zu überwinden, indem die natürliche Strukturierung des Wortschatzes je Thema genutzt wird, um zwischen den Fachbereichen beispielsweise über datenbezogene Innovationen zu sprechen.
Mit Data Literacy aus dem Fach-Silo
Der datenbezogene Wortschatz einer Bank lässt sich in Themengebiete aufteilen:
- Es gibt einen Grundwortschatz zu Kernprodukten und Geschäftsprozessen (zum Beispiel Kunde, Konto, Kredit, Anlage),
- einen Wortschatz zu übergreifendem Wissen (allgemeine Konzepte wie Risikoermittlung, Kundenanlage) und
- einen Wortschatz zu speziellem Themenwissen (Marketing, Marktrisikoermittlung, Meldewesen und andere).
Mitarbeiter auf Kompetenzniveau B, also mit einer soliden Basis an Grund- und übergreifendem Wissen könnten bereits zwischen IT und Business übersetzen, sich in cross-funktionale Projekte einbringen und damit helfen, die Silostrukturen zu überwinden.
Denn aktuell besteht das Problem, dass häufig Datenexperten unterschiedlicher Themengebiete zusammentreffen und genau diese Strukturen unterstützen, die man in den vergangenen Jahren durch agiles Arbeiten entkräften wollte. Ein gutes Verständnis für Daten bei vielen Mitarbeitern ermöglicht Verständigung zwischen den Geschäftsbereichen und eröffnet vielen Mitarbeitern die Möglichkeit zur Gestaltung von Kundenorientierung und Innovation.
In der Vergangenheit war die Regulatorik ein wichtiger Treiber
In den vergangenen Jahren waren die Bemühungen, Data Literacy zu steigern, stark von Regulatorik beherrscht. Beispielsweise wurden Datenglossare im Rahmen von BCBS 239, einem Standard, der die Risikoberichterstattung von Kreditinstituten regelt, eingeführt. Zur Kompetenzstärkung in der Breite lässt sich feststellen, dass die bisherige Bemühung für die Datenkompetenz bei Mitarbeitern in den Geschäftsbereichen noch weiter ausgebaut werden sollte.
Die gute Nachricht: Die Mitarbeiter in den Geschäftsbereichen können bereits auf viel Vorwissen durch ihren Umgang mit Daten in vielen Prozessschritten und ihre Erfahrungen aus vergangenen Projekten zurückgreifen; es fehlt lediglich an Unterstützung, daraus Datenkompetenz aufzubauen.
Mit Gamification kooperativ Datenkompetenz entwickeln
Moderne, digitale Ansätze zur Förderung von Data Literacy setzen verstärkt auf Partizipation und spielerische Elemente. Denn wie beim Erlernen von Sprache ist es auch beim Erwerb von Datenkompetenz. Einmal in der Bank von Mitarbeitern geprägte Begriffe, die Vokabeln, erlernen sich fast von selbst und sollten auch in die Datenglossare übernommen werden.
Ähnlich den regionalen Sprachbesonderheiten wie "Semmel" und "Schrippen" als Worte für Brötchen, lässt sich nämlich auch in Banken die Sprache nicht von oben diktieren. Mitarbeiter müssen Datenattribute beziehungsweise deren Namen selbst wählen und festlegen, um dauerhaft verankert zu sein. Dazu wird mit interaktiven, das Gemeinschaftsgefühl stärkenden Elementen wie zum Beispiel der Möglichkeit, eigene Vorschläge einzubringen und gemeinsame Abstimmungen die Vermittlung nicht mehr als anstrengendes Lernerlebnis wahrgenommen, sondern als aktives Gruppenerlebnis. Verstärkt wird dies durch Gamification-Elemente analog Tinder & Co.
Fazit: Es ist nützlich für Banken, Data Literacy als Sprachkompetenz und damit als Ergänzung zur Fachkompetenz der Mitarbeiter zu verstehen und nicht als eine Form von IT-Expertise. Um im zukünftigen Wettbewerb mit Daten das bessere Kundenerlebnis, mehr Innovation und Effizienz zu schaffen, können insbesondere die Mitarbeiter aus den Geschäftsbereichen gemeinsam und spielerisch ihre Banking-Expertise um Datenkompetenzen erweitern.