Daten werden erst durch Nutzung wertvoll – nicht durch das Sammeln

Daten sind das neue Öl in der Wirtschaft. Das neue Gold des 21. Jahrhunderts. So lauten beliebte Metaphern. Nein, sagen andere: Daten seien unendlich viel wertvoller als Öl oder Gold. Weil sie sich im Unterschied zu physischen Rohstoffen beliebig oft verwerten lassen, und dies auch zeitgleich von verschiedenen Nutzern. Daten nutzen sich nicht ab (können freilich veralten). Andere Stimmen klingen weit weniger enthusiastisch. Große Datenmengen (sog. Big Data) seien oft noch weit davon entfernt, wirklich intelligent und smart verwendet zu werden.

Datenökonomie steht erst am Anfang

Ähnlich wie beim Öl gibt es auch für Daten Produzenten, Veredler und Verwender. Zunehmend entstehen Märkte der Datenindustrie und der Datenökonomie. Oft sind diese jedoch noch weit entfernt von reifen, freien und fairen Märkten. Monopolisierung, Diebstahl und Missbrauch von Daten sind nach wie vor weit verbreitet. Die Ausbildung von Regeln und Standards hinkt weiterhin hinterher. Erst schrittweise findet die Datenökonomie heraus aus der „Wilderei“. Für den Fall, dass Konsumenten die Produzenten von Daten sind, zählen im EU-Raum hierzu beispielsweise die Datenschutzgrundverordnung (DSGVO; persönliche Daten betreffend) und ganz aktuell auch der Data Act-E (nicht personenbezogene Verbraucherdaten betreffend, Industriedaten betreffend).

Wichtige generelle Fragen betreffen Aspekte des Datenschutzes wie auch die Verfügbarkeit von Daten für die Datenproduzierenden selbst (das können Konsumenten sein, aber auch Unternehmen und andere Akteure im Markt, die alle auf ihre Weise Daten produzieren, wozu beispielsweise auch Maschinendaten und viele weitere wirtschaftlich relevante Daten zählen).

Für Datenzugang, Datennutzung, Datenaustausch und den Datenhandel fehlen bisher oft noch verbindliche Regeln. Wichtige Fragen bleiben noch offen: Wem gehören die Daten? Wem die rohen, die veredelten oder die abgeleiteten? Wer hat Zugriff auf welche Daten? Wer kann und darf diese in welcher Weise nutzen? Vieles ist hier erst noch in Klärung.

Grenzenlose Gier nach Daten

Weit verbreitet bleibt derweil die große digitale Datensammelwut. Getreu dem Motto: Erst einmal alles aufzeichnen, einsammeln und speichern. Sparsamkeit, Gerichtetheit oder Sinnhaftigkeit (was braucht man überhaupt an Daten und was nicht…) erscheinen hier als Fremdwörter.

Noch weit bedeutsamer: Vergessen oder unterschlagen wird in der allgemeinen Dateneuphorie gern, dass Daten erst durch ihre Nutzung wertvoll werden.

Auch Öl hat nicht durch sich selbst seinen Wert erhalten. Sondern beispielsweise erst durch die Veredelung zu Benzin oder Diesel. Und diese stiften wiederum nur als fossiler Antrieb für spezifische Motoren Wert. Oder durch Ableitung anderer Grundprodukte, etwa für die Verpackungsindustrie, für Pharmazie oder Kosmetik. Erst all dies zusammen ergab – freilich lange unter Ausblendung ökologischer Folgen – ökonomisch sinnvolle und nutzbare Einheiten.

Der behauptete „unendliche Wert“ von Daten liegt also keineswegs bereits in diesen selbst. Daten werden in gewaltiger Menge gesammelt (dies wird zukünftig noch weiter zunehmen) – tatsächlich genutzt werden davon bisher jedoch nur sehr wenige. In vielen Unternehmen – zumal in solchen, die nicht im Zentrum der Datenökonomie stehen – ist dies bis heute Praxis. Sammeln steht weit vor dem Nutzen (im vorliegenden Kontext ist damit ausdrücklich nicht gemeint, dass bspw. auch gezielt erhobene Marktforschungsdaten bisweilen ungenutzt in Schubladen landen können…).

Naivität im Umgang mit Daten

Vielerorts herrscht beim großen Datensammeln auch noch naiver Glaube: Daten würden von selbst zu sprechen beginnen. Ihren Zusammenhang, ihren Sinn, ihre Nützlichkeit aus sich heraus offenbaren. Aus ihrer schieren Menge heraus ein ganzes Bild liefern. Oder irgendwelche Algorithmen würden diese dann schon irgendwie nützlich und nutzbar machen.

Weit gefehlt. Datenseen oder Datenozeane, gleich welcher Art und Größe, bleiben zunächst einmal eines: stumm. Ihr möglicher und ihr spezifischer Wert muss sich unter bestimmten Anforderungen, Fragestellungen und Zielstellungen erst einmal beweisen. Und dies auch in Konkurrenz zu möglichen anderen Wegen und Methoden des angestrebten Informations- und Erkenntnisgewinns.

Die Versuche, in großen digitalen Datenmengen mittels aufwändiger Rechenoperationen oder KI-Systeme Muster, Bedeutsames und Handlungsrelevantes zu ermitteln, erscheinen – jenseits bereits professionalisierter Leuchtturm-Projekte – eher noch anfängerhaft, allenfalls explorativ. Insbesondere immer dann, wenn es an geeigneten inhaltlichen Konzepten und Fragestellungen zu deren Verständnis und insbesondere auch zu deren Nutzung fehlt. Dies gilt nicht zuletzt auch im Bereich menschlicher Verhaltensdaten (digitale Verhaltensspuren, Digital Trace Data).

Reich und bereichert werden können in der Datenökonomie letztlich aber nur diejenigen, die – in der Metapher verbleibend – in der Lage sind: 1. Öl zu finden und dies zutage zu fördern, 2. das Öl weiterzuverarbeiten bzw. zu veredeln und 3. für das Öl intelligente und kreative Systeme zu dessen Nutzung und Weiterverwendung zu schaffen (Grundfrage: Was soll mit den Daten überhaupt „angestellt“ und „angetrieben“ werden?).

Daten bedürfen der Verarbeitung und intelligenter wie nachhaltiger Nutzungssysteme

Aus Rohdaten, wie etwa digitale Verhaltensdaten, können Rohdiamanten werden und in weiteren Veredelungsschritten dann auch wirklich wertvolle Diamanten. Zunächst aber gilt es, Daten zu bereinigen, sinnvoll zu verknüpfen, zu integrieren, mit Blick auf bestimmte Nutzen und Zielstellungen zu verstehen, zu interpretieren, und diese am Ende für eigene Kontexte, Ziele und Zwecke auch tatsächlich sinnvoll nutzbar zu machen.

Je schlechter das inhaltliche und methodische Rüstzeug dafür ist (und damit sind nicht ausschließlich adäquate Algorithmen oder Künstliche Intelligenzen gemeint), je schwammiger das Grundverständnis menschlichen Handelns und seiner motivationalen Basis und Gerichtetheit, je unschärfer das Bewusstsein über eigene Ziele und Handlungsmöglichkeiten, desto vergeblicher und enttäuschender wird dieses Unterfangen sein.

Eine weitere Herausforderung ist, dass Verhaltensdaten – selbst als so genannte Echtzeitdaten – immer bereits „Vergangenheitsdaten“ sind. Ein Verhalten wiederholt zu zeigen, bedeutet beispielsweise nicht automatisch, dass dieses so auch in Zukunft gezeigt wird. Der Mensch prägt Charaktere, Routinen, Gewohnheiten und Vorlieben aus. Er ist aber kein vorprogrammierter oder programmierbarer Automat (auch wenn manche sich dies wünschen mögen).

Kurz: Ein rein behaviorales, bloß an Verhaltensdaten orientiertes Grundverständnis menschlichen Handelns – und dies ist in der Wissenschaft lange bekannt – greift deutlich zu kurz. Daran ändern auch Unmengen digitaler Verhaltensdaten (wie etwa Surfverhaltensdaten, Klick-Daten, Kaufverhaltensdaten, Kommunikationsverhaltensdaten etc.) dem Prinzip nach nichts.

Für Verhaltensdaten, Maschinendaten oder Ereignis- bzw. Geschehensdaten der Natur sind völlig andere Bezugs- und Verständnismodelle relevant und erforderlich. Zwar kann man auch Verhaltensdaten wie bloße Geschehensdaten betrachten – dem Verständnis menschlichen Handelns (seinen Ursachen, Absichten, Zielen, Richtungen etc.) bringt dies aber kaum näher.

Auch Kundenbedürfnisse versteht man nicht durch bloßes Datensammeln

Verhaltensdaten zu sammeln, führt keineswegs automatisch zu besserem Kundenverständnis, besserem Kundenservice oder zu Kundenmehrwerten. Werbung an Konsumenten auszuspielen, nachdem sie das beworbene Produkt bereits gekauft haben, ist nicht sonderlich intelligent. Ein anderes plakatives Beispiel: Wenn in strukturell unpersönlich („menschenleer“) verfassten digitalen Ökosystemen (wie etwa Verkaufsplattformen im Internet) der Grad der Interaktion von Konsumenten mit den Anbietern deutlich abnimmt, so bedeutet dies keineswegs zwangsläufig, dass die Kunden grundsätzlich kein Bedürfnis oder Interesse mehr an der Kommunikation mit den Verkäufern/Anbietern haben. Ebenso könnte es auch sein, dass sich Konsumenten innerhalb solcher Ökosysteme in grundlegenden Kommunikationsbedürfnissen übergangen, frustriert und missachtet sehen. Dies aber lässt sich erst durch eine Forschung ermitteln, die entsprechende Kundenbedürfnisse exploriert, versteht, einordnet und in ihren Wirkungen (etwa auf Kundenzufriedenheit, Bindung, Weiterempfehlung etc.) aufzeigt und bemisst.

Chancen und Risiken in der Datenökonomie

Doch zurück zu übergreifenden Chancen und Risiken der sich entwickelnden Datenökonomie und der datengetriebenen Wirtschaft

• Grundsätzlich besteht Einigkeit darüber, dass der Zugang zu Daten und ihre (Wieder-) Verwendungsmöglichkeit entscheidende Voraussetzungen für die Wettbewerbsfähigkeit und Technologieführerschaft von morgen sind – für die EU, für Deutschland wie für einzelne Unternehmen.
• Konsens besteht zudem weitgehend darüber, dass die Datenwirtschaft gegenüber den USA und China hinterher hinkt und mehr digitale Souveränität erforderlich ist, von der dann Unternehmen und Verbraucher gleichermaßen profitieren.
• Ebenso unstrittig ist: Daten beliebig zu sammeln, ohne Sinn, Zweck, Nutzen und Verstand, ist wahrlich kein Meisterstück wirtschaftlichen Handelns.

Aus vielerlei Gründen gibt es in und für Unternehmen (wie auch für den öffentlichen Sektor) in der Praxis allerdings noch Schwierigkeiten. Zu diesen Gründen zählen beispielsweise:

• Fehlende oder nicht bekannte Zugangsmöglichkeiten zu Daten außerhalb wie auch innerhalb des eigenen Unternehmens
• Uneinheitliche Datenformate und nicht vorhandene technische Schnittstellen
• Unsicherheit über rechtliche Rahmenbedingungen bei der Nutzung insbesondere personenbezogener Daten
• Offene Fragen, ob und wie das eigene Unternehmen überhaupt von der Datenökonomie profitieren kann
• Unsicherheit darüber, ob die mögliche Preisgabe eigener Daten nicht zu Wettbewerbsnachteilen führt, und andere aus ihrer größeren Datenmobilität mehr Kapital schlagen
• Hoher Aufwand bei gleichzeitig noch nicht absehbarem kommerziellen Nutzen

Und nicht zuletzt auch:

• Fehlen eigenständiger inhaltlicher Ziele, Strategien und Konzepte der Nutzbarmachung grundsätzlich verfügbarer Daten
• Fehlende Zusammenarbeit, Vernetzung und Synergiebildung zwischen Data Science und betrieblicher wie externer Marktforschung (bspw. aufgrund von Silodenken, Inselbildungen etc.).

All dies führt in der Praxis dazu, dass in vielen Unternehmen bisher gar nicht erst Versuche unternommen werden, aus dem Zusammenspiel unterschiedlichster Daten Kundenbedürfnisse besser zu verstehen und daraus neue Kundenmehrwerte zu generieren. Dies gilt im B2C-Sektor ebenso wie im nicht minder wichtigen B2B-Bereich. Soll sich dies ändern, erscheint noch einiges an Arbeit, Kreativität und Gehirnschmalz erforderlich.

Unerlässlich erscheint dabei auch ein branchenübergreifender, in vielen Bereichen neu zu definierender Rahmen für die Bereitstellung und Nutzung personenbezogener, nicht-personenbezogener wie auch unternehmensbezogener Daten (solche ohne spezifischen Geheimnisschutz).

Aber auch innerhalb und zwischen Unternehmen. Denn Datenkooperationen und Datenpooling finden schnell ihre Grenzen in übertriebener Geheimniskrämerei, einseitigen Versuchen unfairer Vorteilsnahme oder auch der Datenmonopolisierung. Kurz: In der Datenwirtschaft „menschelt“ es, ebenso wie in allen anderen Wirtschaftsbereichen. Konkurrenz und Abgrenzung steht über der Suche nach Kooperation und Synergien.

Funktionierende (zumal soziale) Marktwirtschaft beruht zuvorderst auf Vertrauen, Fairness und der Ausbildung gemeinsamer Spielregeln. Dies gilt im Speziellen auch für die Datenwirtschaft und in einer zunehmend datengetriebenen Wirtschaft insgesamt. Für deren Fortschritt erscheinen neben gemeinsamen Regelsystemen dann auch nicht nur KI, maschinelles Lernen oder generell moderne Technologien entscheidend.

Sondern am Ende immer, und in nicht zu hintergehender Weise, auch menschliches Verstehen, zutiefst menschlich geprägte Ziele, Absichten, Strategien und Aushandlungsprozesse.

Psychologie, Soziologie, Pädagogik, Biologie, Ökologie als Wissenschaft von Lebenssystemen und weitere Disziplinen – wie auch deren fruchtbarer Austausch – werden daher auch in der auf den ersten Blick primär technisch erscheinenden Ökonomie der Daten ihren festen Platz behalten.

Man muss diese nur gut – und idealerweise menschenwürdig, fortschrittlich und nicht böswillig manipulativ – zu nutzen wissen!

Überlegen Sie abschließend mit Blick auf Ihr eigenes Unternehmen selbst einmal:

• Welche Art von Kundendaten, insbesondere „Digital Trace Data“, werden von Ihrem Unternehmen gesammelt und gespeichert (bspw. Surfverhalten, Klickverhalten, Kaufverhalten, Kündigungsverhalten, Nutzungsverhalten, Kommunikationsverhalten, Third-Party-Data etc.)?
• Welchen systematischen Verarbeitungs-, Verknüpfungs- und Analyseschritten werden solche Daten unterzogen?
• In welcher Weise und von welchen Stellen werden diese Daten bereits aktiv genutzt? Oder liegen diese eher noch brach?
• Stehen die gewonnenen Daten der Marktforschung, dem Marketing oder dem Vertrieb zeitnah und in verständlicher Form zur Verfügung? Oder stellen diese im Unternehmen eher noch intransparente oder schwer zugängliche „Blackbox-Systeme“ bzw. „Dateninseln“ dar?
• Besteht in Ihrem Unternehmen bereits ein ausgeprägtes Bewusstsein bzw. Verständnis dafür, welche Daten zu welchen Zielen und Zwecken für Ihr Unternehmen jetzt und in Zukunft besonders relevant und nützlich sind bzw. sein können?
• Werden Data Science und klassische Marktforschung in Ihrem Unternehmen bereits systematisch aufeinander bezogen und befruchten sich wechselseitig? Oder stellen diese voneinander getrennte Welten dar?
• Inwiefern haben sich bei der Auswertung von Verhaltensdaten bereits neue und wichtige Fragen und Synergien für die klassische Marktforschung ergeben? Inwiefern hat in umgekehrter Richtung die Marktforschung bereits wichtige Impulse zur Einordnung oder auch Neubetrachtung von Verhaltensdaten geliefert?
• Welche konkreten Nutzungs- und Synergiepotentiale sehen Sie in Ihrem Unternehmen hier und für die Zukunft?
• Gibt es in Ihrem Unternehmen bereits Ansätze zur Verknüpfung von Verhaltensdaten mit psychologisch fundierten Konzepten (bspw. Motivtypen)?
• Welche Daten (Kundendaten, Maschinendaten, Unternehmensdaten etc.) gelten in Ihrem Unternehmen als „geheim“? Welche wäre man zukünftig bereit, innerhalb von Kooperationen und zum gemeinsamen Nutzen mit anderen zu teilen? Welche Daten werden heute bereits mit Kooperationspartnern ausgetauscht?
• In welchen Bereichen haben die Sammlung und Auswertung großer digitaler Datenmengen bereits zu konkreten Ergebnissen, Fortschritten und Entwicklungen geführt? Was fällt Ihnen als besondere Highlights oder Meilensteinprojekte dazu ein?
• Ist das Wissen und die Kompetenz im Umgang mit großen Datenmengen sowie auch mit dem Austausch und Handel von Daten insgesamt bereits gut aufgestellt?
• Glauben Sie, dass Ihr Unternehmen in der sich weiterentwickelnden Datenökonomie eher ein Profiteur sein kann, oder eher zu den Verlierern zählen könnte? Was führt Sie zu Ihrer Einschätzung? Welche spezifischen Chancen und welche Risiken sehen Sie?

Kontakt aufnehmen und austauschen

Interessiert am weiteren Austausch zum Umgang mit Daten, zur Besonderheit von Verhaltensdaten und deren Auswertung sowie zu den Synergiepotenzialen von Data Science und Marktforschung? Sprechen Sie uns gerne an: Tanja Höllger – tanja.hoellger@heuteundmorgen.de – Telefon: +49 221 995 005-12. Wir freuen uns auf den vertiefenden Austausch mit Ihnen!

Weitere Blogbeiträge zu zukunftsrelevanten und innovativen Themen – speziell auch zur Marktforschung – finden Sie regelmäßig auch auf der Themenübersicht unseres Blogs „Plan Z – Zeit für Zukunft“.

Ausdrucken