Wie CDOs Business, IT und Data Science die Digitale Zukunft der Wiener Linien gestalten

Martin Dusek-Lippach verantwortet die Themen Digitale Transformation und IT-Strategie bei der WIENER LINIEN GmbH & Co KG. Eine Unzahl an Projekten steht gerade am Programm: Vom weiteren Auf- und Ausbau des Digitalen Teams mit Data Science, BI, Data Architecture & Engineering und Digital Transformation Consulting, dem Schaffen von Big Data Clusters, Data Warehouse, einer Data Excellence Organisation und der Verbreitung der Big Data & Digital Community im Konzern, sind es durchwegs Vorhaben, die eines möglich machen sollen: Das eigene Geschäft und die Vorgehensweisen zu digitalisieren und Daten zu nützen, um dem Kunden noch mehr zu bieten, noch effektiver zu arbeiten und neue Produkte und Services im Markt zu platzieren. Denn Martin weiß, dass in einer zunehmend digitalen Welt nur Unternehmen erfolgreich sind, die das Thema Daten ambitioniert, aber nach moralischen Gesichtspunkten, nutzen.

• Warum der Umgang mit Data Science und Big Data entscheidend für den Unternehmenswert ist.
• Warum die DSGVO eine riesige Chance für Unternehmen bietet.
• Warum die persönliche Digitale Transformation zu einer Aufgabe für jeden wird.

Wieviel Geschäftspotenzial steckt tatsächlich in den Datenschätzen des Unternehmens? Wie können sie genutzt werden?

Unternehmen des 21. Jahrhunderts sind potentiell als digitale Unternehmen zu sehen und befinden sich derzeit in einer Digitalen Transformation; einige wenige haben diese bereits abgeschlossen. Einige Surveys bzw. Studien belegen, dass neben Digital Leadership, People, Ecosystems, Agility, Business Integration vor allem um den Faktor Value from Data geht.

Wie man an den Beispielen in der Automobil-Industrie sieht, hat die Wertschöpfung, die ein Unternehmen aus den eigenen Daten bzw. Daten anderer kreiert, unmittelbare Auswirkungen auf den Unternehmenswert. Einige der deutschen Automobilkonzerne haben ein sehr umfassendes Datenqualitätsverständnis und achten sehr stark auf die korrekte Verwendung der Daten, setzen diese aber nur bedingt strategisch ein und entwickeln kaum neue Geschäftsmodelle auf dieser Basis. Tesla dagegen nützt die Daten nicht nur um die Operations der Fahrzeuge stetig zu verbessern, sondern kreiert gemeinsam mit seinen Kunden täglich neue Anwendungsgebiete und ist in der Lage die Daten in Echtzeit zu nutzen. Das ist einer der wichtigsten Gründe, weshalb der Wert von Firmen wie Tesla derzeit so hoch ist.

Für mich ergibt sich daraus die wichtige Erkenntnis: Ein Unternehmen, das heute überleben möchte, pflegt nicht nur seine Datenschätze, sondern vergrößert diese und nutzt sie aktiv, um neue Geschäftsmodelle zu entwickeln.

Was waren bisher die Show Stopper, die verhinderten, die Möglichkeiten für Big Data und Analytics auszuschöpfen?

Die Wertschöpfung aus Daten gelingt nicht, wenn nicht auch die anderen Faktoren der Digitalen Transformation verbessert werden. Es braucht digital-orientierte Führungskräfte, die Vertrauen in ihre eigen-initiativen Mitarbeiter haben, sonst gibt es auch keine Dateninitiativen. Ohne industrieübergreifende Ecosystems entstehen keine neuen Datenwerte und es können nur schleppend neue Geschäftsmodelle entwickelt werden.

Gerade im deutschsprachigen Raum wird das Nutzen von Daten auch als Bedrohung gesehen. Dabei muss man sich, wenn die DSGVO beachtet wird, nicht fürchten. Die EU hat mit der DSGVO nachhaltigen Ethos in die Datenwelt gebracht, jetzt sollte man dieses Rahmenwerk aktiv nutzen, um bei der Datennutzung extensiv, aber nach ethischen Grundwerten, vorzugehen. Viele Unternehmen sehen die DSGVO als Bedrohung, ich sehe sie als Chance!

Wie sieht dabei die Rollenverteilung von IT und Business aus? Wie sehr kann der Anwender mitgestalten?

Moderne digitale Unternehmen des 21. Jahrhunderts sehen keinen Unterschied zwischen IT und Business mehr. Self-service ist überall. Ein Mitarbeiter mit Eigeninitiative und digitaler Orientierung kreiert seine Arbeitsprozesse täglich neu und macht diese stetig effektiver. Auf Basis der Erfahrung aus vielen IT- bzw. digitalen Projekten lässt sich ableiten, dass der Approach des 20. Jhdts. endgültig passé ist. Die IT wartete auf die korrekte Anforderung des Business, Business wollte eigentlich zuerst verstehen, was eigentlich technisch möglich ist – und final bewegte sich an keinem Ende was. Dieser Loop muss durchbrochen werden.

Dafür sind im ersten Schritt neue Rollen, wie der CDO (Chief Digital Officer) oder der DTO (Digital Transformation Officer) notwendig. Der CDO ist jedoch nur der erste seiner Art im neuen, digital gewandelten Unternehmen. Er ist weder nur IT oder nur Business, er erfüllt beide Rollen.

Er ist der Prototyp des neuen Mitarbeiters eines neuen digitalen Unternehmens und trachtet danach, sich zu vervielfältigen. Am Ende dieser Transformation sind alle Mitarbeiter digital-affin und können beide Rollen in Teilen erfüllen. Digital-Natives sind da zwar klar im Vorteil, aber es ist kein Muss. Jeder Mitarbeiter kann seine „Persönliche Digitale Transformation (PDT)“ starten und vorantreiben, hoffentlich mit der Unterstützung eines Digital Leaders.

Andere wichtige Rollen sind der zweite CDO (Chief Data Officer) und der CAO (Chief Analytics Officer). Diese Rollen können von Lead Data Architects/ Lead Data Engineers einerseits, andererseits von Lead Data Scientists gestellt werden.

Wie ist dabei die Rolle der Data Scientists? Was sind die Voraussetzungen für ihre Arbeit?

Data Scientists sind die Speerspitze der Wertschöpfung aus Daten und damit auch der Digitalen Transformation. Sie helfen Business ihre Daten zu verstehen, zu visualisieren und in späterer Folge mit Mathematik Know-how künstliche Intelligenz zu entwickeln. Sie ersetzen am Anfang der digitalen Datenreise die Daten-Infrastruktur in dem sie Datenintegration und Visualisierung manuell machen. Sie legen den Grundstein nicht nur für konkretes Requirements Engineering im Datenbereich, sondern beflügeln die Fantasien von Business um endlich zu wagen, neue Wege und neue Business Modelle zu denken.

Welche Anforderungen ergeben sich an die Daten-Infrastruktur?

Dateninfrastrukturen müssen skalieren können- dies sowohl technisch, als auch vor allem organisatorisch. Wenn man Green Field vorfindet, beginnt man mit BI Plattformen und Data Science Werkzeugen lokal und setzt dann am besten auf einer einfachen Big Data Umgebung auf. Später entwickelt man den Bereich Analytics in einem Enterprise Datawarehouse bei hoher Business Verfügbarkeit weiter.

Die Lösungen müssen zumindest in der Industrie Hybrid-Lösungen sein, damit ein operativer Betrieb, insbesondere bei kritischer Infrastruktur, auch in Notsituationen on premise möglich ist.

Und wie sehen die technischen Anforderungen aus? Welche Tools und Infrastruktur sind erforderlich?

Beide Welten Big Data und EDWH müssen MPP (Massive Parallel Processing) Systeme sein, um die Performance gewährleisten zu können. Im Endausbau sind Daten-Infrastrukturen nicht nur analytisch, sondern auch operational eingesetzt, d.h. sie müssen nicht nur Streaming- bzw. echtzeitfähig sein, sondern auch den operationalen Einsatz von künstlicher Intelligenz ermöglichen.

Viele der Hybrid-Big Data- Architekturen sehen gerade am Anfang Open Source Tools wie Spark, Kafka etc. vor, wobei bei der Ausprägung von Micro Services und gehobenen Datenanwendungen immer mehr auch Vendoren-Produkte vorsehen, insbesondere im EDWH Bereich.

Wenn Daten geschäftlich an Bedeutung gewinnen, was bedeutet das für die Sicherheitsanforderungen? Wo gibt es hier Handlungsfelder?

Gerade neue Datenarchitekturen und Datennutzungskonzepte müssen den neuesten IT-Sec und DSGVO Bestimmungen entsprechen. Das wird im Big Data/Data Science Bereich manchmal unterbewertet.

Da sind oft Konzepte der „klassischen“ IT sehr hilfreich. Typischerweise sind moderne Architekturen so gestaltet, dass man Business, IT Logik mit IT Sec und DSGVO von Anfang an im Design mitberücksichtigt. Das beginnt schon bei dem Genehmigungsprozess, wo neben den Anforderungen des Business Use Cases auch die DSGVO und IT Sec Anforderungen (incl. Datenklassifikationen) erhoben und gemanagt werden, die dann in der technischen Umsetzung auf der Big Data bzw. DWH Umgebung bis zu den BI Plattformen berücksichtigt werden.

Dieses Vorgehensmodell ermöglicht die Umsetzung von neuen digitalen Geschäftskonzepten und -modellen bei der Berücksichtigung von neusten Sicherheitsanforderungen.

Interessante Videos zu diversen Themen finden Sie auf unserem YouTube-Kanal.