Data Analytics oder Künstliche Intelligenz sind für Entscheider keine Fremdwörter mehr. Datenanalysen laufen allerdings häufig losgelöst vom Business, so dass die Ergebnisse nicht ins Unternehmen kommuniziert werden und der Erfolg ausbleibt, so Gastautor Holger Hürtgen.
Analytics-Übersetzer sind ein Schlüssel zum Erfolg bei der Digitalisierung. Denn sie können die Ergebnisse von Big-Data-Analysen und technische Probleme für alle verständlich kommunizieren.
matejmo/Getty Images/iStock
Damit für das Unternehmen aus Data Analytics ein tatsächlicher Mehrwert entsteht, braucht es Mitarbeiter mit Übersetzerfähigkeiten, die eine Schnittstellenfunktion einnehmen. Sie müssen in beide Richtungen übersetzen: Vom 'Business-Deutsch' zur 'Analytiker-Sprache' und umgekehrt. Dabei ist wichtig, diese neue bilinguale Fähigkeit sowohl den Business-Deutsch Muttersprachlern als auch den Analytics-Muttersprachlern beizubringen – und das über alle Ebenen hinweg bis zum Chief Digital Officer. Der Übersetzer ist nicht unbedingt ein neues Jobprofil, sondern bezeichnet Mitarbeiter mit Übersetzerfähigkeit egal in welcher Funktion.
Data Scientist - ein Synonym für mehrere Rollen
Viele Unternehmen haben zwar erkannt, dass es für den Geschäftserfolg essenziell ist, neue Tech-Talente einzustellen und aufzubauen. Häufig werden unter diesen Sammelbegriff jedoch eine Vielzahl an Tätigkeiten summiert und bislang noch zu selten zwischen den tatsächlich notwendigen Fähigkeiten und Funktionen differenziert. Häufig ist der Data Scientist ein Synonym für mehrere Rollen, die sich zwischen den Welten von Analytics, IT und Technologie sowie Business befinden. Drei der wichtigsten Rollen sind zunächst der Data Engineer, der Daten aus der IT aufbereitet und dem Data Scientist zur Verfügung stellt. Dieser wiederum entwickelt einen Algorithmus, der aus den Daten wichtige Erkenntnisse für Geschäftsentscheidungen gewinnt. Letztlich braucht es den Analytics Engineer, auch Machine Learning oder Software Engineer, der dann die Algorithmen so anpasst, dass sie in Produktionsbetrieb gehen können.
Die Schnittstelle des Data Translator übersetzt Analytic-Ergebnisse in eine verständliche Sprache.
Holger Hürtgen/McKinsey
Für alle Rollen gilt gleichermaßen: Wer die notwendigen Übersetzer-Fähigkeiten entwickelt, wird zum Verbindungsstück, Bindeglied, Weichensteller zwischen den drei Welten, letztendlich die wertvollste Schnittstelle zwischen erhobenen Daten und dem daraus entstehenden wirtschaftlichen Mehrwert. Gerade Data Scientists sollten sich im Laufe ihrer Karriere signifikante Übersetzungsfähigkeiten aneignen, um dann als kommunikativer Übersetzer im Unternehmen aufzutreten. Während sich Junior Data Scientists zumeist auf die Modellierung der Analyse fokussieren, leistet der Senior Data Scientist die Übersetzungsarbeit.
Dolmetscher bringt Analyse und Business zusammen
Wie ein Dolmetscher für Deutsch und Englisch muss ein Analytics Translator mindestens zwei, besser noch drei Sprachen sprechen: Die analytische und die technische Sprache – oft auch als ein und dasselbe verstanden, obwohl Analytics und IT sich nochmal unterscheiden – sowie die Business-Sprache. So können sie das technische, datenreiche und das operative Geschäft eines Unternehmens verknüpfen und die Abläufe effizienter gestalten. Entscheidend für Analytics-Übersetzer sind Kenntnisse ihrer Branche, in Projektmanagement und Kommunikation, aber auch in den Techniken der Datenanalyse und IT. Gute Übersetzer wissen über die entscheidenden operativen Kennzahlen Bescheid und verstehen die Auswirkungen auf den wirtschaftlichen Erfolg des Unternehmens. Kurz: Sie brauchen das Handwerkszeug, technische Ansätze einzuordnen, aber auch ein ausgereiftes unternehmerisches Gespür. Darüber hinaus ist es immer sinnvoll, sich ein Wissen über typische Anwendungsfälle anzueignen, etwa Wartung, Lieferkettenverwaltung oder Abwanderungsvorhersage.
Der Bedarf an Analytics-Übersetzern steigt
In den kommenden Jahren wird diese Übersetzerfähigkeit immer wichtiger werden. Das McKinsey Global Institute schätzt, dass allein Unternehmen in den Vereinigten Staaten bis 2026 zwei bis vier Millionen Übersetzer benötigt werden. Das bedeutet, dass im Optimalfall mittel- bis langfristig alle Mitarbeiter mit den notwendigen Übersetzerfähigkeiten ausgestattet sein sollten – egal auf welchem Level. So ist eine reibungslose Kommunikation stets gewährleistet.
Data Scientists sind dabei zwar hart umkämpft, aber keine Mangelware mehr. Vielmehr fehlt es häufig noch an ihrer Übersetzungsfähigkeit, die in Zukunft auch vermehrt die Senior Data Scientists übernehmen müssen. Unternehmen sollten jedoch nicht nur extern neue Leute finden, die dann als Analytics-Übersetzer arbeiten. Gerade weil sich diese Fähigkeit durch die gesamte Betriebsstruktur zieht, sind eigene Leute dafür prädestiniert. Es kommt darauf an, in Schulungen die Fähigkeiten der Mitarbeiter auszubauen, und zwar sowohl auf der analytischen Seite bei den Data Scientists als auch auf der wirtschaftlichen Seite. Denn Übersetzer können und sollten eben nicht nur Data Scientists werden, sondern eben jeder andere Mitarbeiter auch.
Übersetzer-Handwerkszeug für alle – auch den CDO
Übersetzer sollten alle werden. Das gilt genauso für die Führungsetage, wie auch alle anderen Mitarbeiter, denn Übersetzungsfähigkeiten werden sowohl bei strategischen Entscheidungen als auch bei kleinteiligen, operativen Leistungen bis in die Frontlinie - etwa den Kassierer im Supermarkt oder die Call-Center-Agentin - benötigt. Auch spezielle Positionen in der Führungsriege, etwa der Chief Digital Officer (CDO), sollten mit den Fähigkeiten ausgestattet sein. Nur so gelingt die reibungslose Kommunikation durch alle Ebenen, von oben bis unten – kurz: durch das gesamte Unternehmen hindurch. So wird die Lücke zwischen dem Daten sammelnden Unternehmensteil und dem Teil, das sich um wirtschaftliche und betriebliche Entscheidungen kümmert, geschlossen.