Teil 2: Wie Data Centricity Ihnen hilft, den Erfolg Ihrer Strategie zu kontrollieren

Ein naheliegender Ansatz der Nutzung erfolgskritischer Daten ist der der Strategiekontrolle. Hierbei werden die kritischen Erfolgstreiber eines Unternehmens für den Markterfolg (beispielsweise Innovationskraft, Lieferfähigkeit, Qualität oder Kundenzufriedenheit) systematisch erfasst und in einen Ursache-Wirkungszusammenhang gebracht. Geschäftsmodelle werden somit visualisiert, auf die wesentlichen Erfolgsgrößen fokussiert und messbar gemacht. Es sind nun Aussagen darüber möglich, ob – und falls ja in welcher Höhe – die Steigerung dieser Erfolgsgrößen tatsächlich zur Strategieimplementierung und damit zum Erfolg eines Unternehmens beiträgt. Bereits eine Fokussierung auf wenige zentrale Erfolgsgrößen erlaubt eine fundierte Kontrolle der Unternehmensstrategie:

• Identifikation vermeintlicher Erfolgstreiber. Führen Veränderungen einer Erfolgsgröße nicht zu gewünschten Veränderungen anderer finanzieller oder nicht-finanzieller Erfolgsgrößen, sollte das Geschäftsmodell (oder Teile davon) kritisch hinterfragt werden. Beispielsweise könnte ein Unternehmen aus dem Maschinenbau feststellen, dass die Liefertreue sich stetig verbessert, dies aber keine Auswirkungen auf die Zufriedenheit der Kunden im Bestandskundengeschäft hat. Vor diesem Hintergrund wäre zu prüfen, ob Kapazitäten nicht besser in den weiteren Ausbau des Servicegeschäftes gelenkt werden sollten. 
• Identifikation tatsächlicher Erfolgstreiber. Statistische Analysen erlauben nicht nur Aussagen darüber, ob Zusammenhänge zwischen kritischen Erfolgsgrößen bestehen (beispielsweise, ob Steigerungen der Produktqualität die Kundenzufriedenheit erhöhen), sondern auch in welchem Umfang dies geschieht. Somit kann ganz konkret ermittelt werden, ob eine schnelle Reaktion auf Kundenanfragen tatsächlich vom Kunden als substantiell wahrgenommen und honoriert wird. Aussagen wie „eine durchschnittliche Verkürzung der Reaktionszeit um 30 Minuten führt zu einer genauso starken Erhöhung der Kundenzufriedenheit wie ein Preisnachlass von 5%“ sind damit möglich.
• Identifikation mangelnder Strategieumsetzung. Verändern sich kritische Erfolgstreiber nicht wie geplant oder angestrebt, so ist dies ein Hinweis darauf, dass die Unternehmensstrategie nicht umgesetzt wird. Dies kann sehr viele verschiedene Gründe haben wie beispielsweise mangelnde Zeit, Abstimmungsprobleme zwischen Abteilungen, fehlendes Wissen über die Bedeutung zentraler Erfolgstreiber oder Probleme in der Messung dieser Erfolgstreiber. In jedem Fall liefert ein derartiges Wissen Ansatzpunkte, um die Strategieumsetzung zu verbessern.

Die Abbildung eines Geschäftsmodelles anhand zentraler Erfolgsgrößen ist nicht neu. Beispielsweise sieht die Balanced Scorecard von Kaplan und Norton, verbunden mit einer strategischen Landkarte, diese evidenzbasierte Entwicklung, Überprüfung und Aktualisierung der zentralen Erfolgstreiber eines Geschäftsmodells vor (Kaplan/Norton 2008). Data Centricity bedeutet in diesem Zusammenhang aber, dass Intuition und Erfahrungswissen um eine datengetriebene Entscheidungsgrundlage ergänzt werden. Um Data-Centricity in der Strategiekontrolle umzusetzen, ergeben sich für das strategische Controlling folgende zentrale Prozessschritte:

Zunächst ist die Strategie in die zentralen Erfolgstreiber eines Unternehmens zu übersetzen. Diese Erfolgstreiber stellen dabei Differenzierungsfaktoren zum Wettbewerb aus Kundensicht dar (beispielsweise Produktqualität) oder tragen zu diesen Differenzierungsfaktoren entscheidend bei (beispielsweise Automatisierungsgrad in der Logistik). Basiselemente, die Voraussetzung für den Markterfolg, aber keine Differenzierung darstellen, werden nicht berücksichtigt (beispielsweise Sauberkeit bei einem Lebensmittelhersteller oder die Einhaltung von DIN-Normen im Maschinenbau). Die Anzahl dieser zentralen Erfolgstreiber sollte bei 8-15 liegen.

In einem nächsten Schritt sind diese Erfolgstreiber über ausgewählte Kennzahlen messbar zu machen. Hierbei ist darauf zu achten, dass diese Kennzahlen die Erfolgstreiber tatsächlich und nicht nur vermeintlich abbilden. Ausgaben für Forschung und Entwicklung können – je nach Geschäftsmodell – ein wenig valides Maß für die Innovationstätigkeit sein. Kundenbefragungen zu Zahlungsbereitschaften sind oftmals zugunsten hoher Preisbereitschaften verzerrt. Neben den Erfolgstreibern des Geschäftsmodells, welche oftmals über nicht-finanzielle Kennzahlen erfasst werden, sind finanzielle Spitzenkennzahlen aus dem Rechnungswesen zu ergänzen, welche kurz- und langfristige finanzielle Ziele abbilden. Im Ergebnis entsteht eine Liste zentraler Erfolgsfaktoren. 

Im dritten Schritt werden Ursache-Wirkungsbeziehungen zwischen den Erfolgsfaktoren auf Basis statistischer Analysen ermittelt. So können vermeintliche und tatsächliche Erfolgstreiber ermittelt werden und das Geschäftsmodell kann in Form einer strategischen Landkarte visualisiert werden. Data Centricity bedeutet in diesem Zusammenhang zum einen, dass die festgelegten Kennzahlen in einem ERP System zusammengeführt, laufend aktualisiert und auf statistisch signifikante und betriebswirtschaftlich relevante Zusammenhänge überprüft werden. Abbildung 1 zeigt eine derartige strategische Landkarte für das Geschäftsmodell eines Unternehmens aus dem Maschinenbau. Hier zeigt sich beispielweise, dass die Liefertreue nicht, wie ursprünglich vermutet, zur Kundenzufriedenheit entscheidend beiträgt, dass die Produktqualität keinen wesentlichen Einfluss auf die Markenwahrnehmung ausübt und die ausgeweitete After-Sales Services die Kundendurchdringung nicht wesentlich steigern konnten.

Gelingt es, das Geschäftsmodell über statistische Analysen abzubilden, werden die Erfolgsfaktoren und deren Kennzahlen Teil der Strategiekontrolle und in den Zielsetzungsprozess eingebunden. Über Zielwerte, Maßnahmen zur Zielerreichung sowie Budgets kann der Prozess der Strategieimplementierung gesteuert werden.

What gets measured gets managed

— Peter Drucker