Daten – wichtiges Asset in Unternehmen

Die immer weiter zunehmende Bedeutung von Daten in allen möglichen Branchen und Situationen wird zu einem tiefgreifenden Wandel der Wirtschaft führen. In der Beitragsreihe "Daten in Rechnungslegung und Steuerrecht" wird im Sinne einer Road Map der Frage nachgegangen, ob in Steuerrecht und Rechnungslegung der stattfindende fundamentale ökonomische Umbruch im Status Quo adäquat reflektiert und wo ggf. Ansätze für eine Weiterentwicklung des bestehenden regulatorischen Rahmens liegen könnten. Daneben wird versucht, eine Kommunikations- und Verständnisebene für die verschiedenen Stakeholder der Diskussion zu etablieren.

Daten haben einen Wert

Wir befinden uns im Übergang in die so genannte Data Economy. Ursache hierfür sind mehrere synergistisch wirkende technologische Entwicklungen, die dafür sorgen, dass Daten zu einem "Rohstoff" werden, aus dessen Nutzung ein enormer Mehrwert sowie Wachstums- und Nutzenpotenziale für Unternehmen und Gesellschaft geschaffen werden können. Treiber dieser Entwicklung zur Data Economy sind insbesondere die in Folge der Vernetzung digitaler Geräte und Sensoren enorme Zunahme der täglich generierten Datenmengen und Fortschritte in der Data Science, welche die zielgerichtete Auswertung von enorm großen Datenmengen im Rahmen von Big Data Analytics möglich macht.

Weitere begünstigende Faktoren sind der Preisverfall von Speichermedien sowie die exponentielle Zunahme der Rechenleistung heute verfügbarer Prozessoren. Hieraus ergeben sich unzählige Use Cases in allen möglichen Branchen und Situationen, die einen tiefgreifenden Wandel der Wirtschaft und öffentlichen Verwaltung zur Folge haben werden. Als Beispiele für Use Cases seien etwa Scoring Profile von Konsumenten, die für die gezielte Kundenansprache genutzt werden oder Predictive- Maintenance-Modelle für die Optimierung der Wartung von Maschinen genannt.

Was sind Daten?

Als Fundament für die weiterführenden Überlegungen wird im ersten Teil der Beitragsreihe "Daten – wichtiges Asset in Unternehmen" auf verschiedene Begriffe im Kontext Big Data eingegangen, da dies die Grundlage für ein Verständnis der Fragestellung durch Stakeholder außerhalb der IT-Abteilungen von Unternehmen bildet. So wird in einem ersten Schritt ein Vorschlag entwickelt, was semantisch und technologisch unter dem Begriff von "Daten" zu verstehen ist. Im Hinblick auf die Wertschöpfung von Big- Data-Projekten ist festzuhalten, dass nur verarbeitete Daten Erkenntnisse liefern können, die einen ökonomischen Mehrwert generieren. Hieraus ergibt sich in Anlehnung an die Datendefinition bestehender Standardsetter folgende inhaltliche Kaskade:

Verarbeitete Daten = Informationen = Wissen = Erkenntnisse.

Was ist Big Data?

Auch der Begriff "Big Data" ist zu betrachten. In der Literatur wird Big Data durch die sogenannten 5 "Vs" charakterisiert:, nämlich

• Volume (Datenmenge),
• Velocity (Geschwindigkeit),
• Variety (Vielfalt),
• Veracity (Präzision) und
• Value (Wert).

In Abhängigkeit vom angestrebten Use Case und den vorhandenen Möglichkeiten, wird die vorhandene Bandbreite von analytischen Modellen in Abhängigkeit von ihrer Komplexität und den potenziellen Wertbeiträgen von deskriptiven über diagnostische, zu prädiktiven (was wird passieren?) und letztlich präskriptiven (wie können wir das erreichen?) Modellen eingeteilt. Es ist zu erwarten, dass mit dem weiteren technischen Fortschritt eine Entwicklung zu prädiktiven und präskriptiven Modellen stattfinden wird.

Die Daten werden vor allem im Bereich der prädiktiven und präskriptiven Analytik ggf. mit Hilfe künstlicher Intelligenz (KI) und Machine Learning (ML) analysiert. Durch den Einsatz fortschrittlicher Analysetechniken können Unternehmen somit Datenquellen unabhängig von oder zusammen mit ihren vorhandenen Daten analysieren, um neue Erkenntnisse zu gewinnen oder schnellere sowie besser informierte Entscheidungen treffen

Einbezug aller Stakeholder notwendig

extrem dynamische Weiterentwicklung der Informatik, insbesondere der Data Science und das Internet of Things (IoT), führt dazu, dass fachliches Silodenken in Ermangelung einer Kommunikations- und vor allem auch semantischen Verständnisebene der Stakeholder befördert wird. Angesichts der tiefgreifenden Implikationen von Big Data für die Wertschöpfung und den Erfolg von Unternehmen kann eine Auseinandersetzung mit der Generierung und Nutzung von Daten im Sinne einer Data Strategy jedoch nach unserer Auffassung nicht nur auf den engen Kreis von Fachspezialisten in der Informatikabteilung oder deren Berater beschränkt sein, sondern muss alle internen und externen Stakeholder der Unternehmen einbeziehen. Die Grundlage für einen konstruktiven interdisziplinären Dialog der Stakeholder ist somit ein Grundverständnis der Big Data Technologie und ihrer Implikationen für die Wertschöpfung und Wettbewerbsfähigkeit von Unternehmen.

Die vorstehend ausgeführten Implikationen beschränken sich nicht nur auf die unternehmensinternen Fachabteilungen und das Management, sondern auch für die Berufsgruppen der Rechts- und Steuerberater sowie den Wirtschaftsprüfer, denen es obliegt, die für ihr Fachgebiet relevanten Schlussfolgerungen zu ziehen, um ihr unternehmerisches und gesellschaftliches Mandat adäquat wahrnehmen können. Die genannten Berufsstände sind somit dazu aufgerufen, sich fachlich mit dem Thema Big Data und den rechtlichen Konsequenzen auseinanderzusetzen und hierbei ihre originären Wissensgrenzen zu überschreiten und ihre eigenen Kompetenzen auf neu gewonnene Einsichten anzuwenden. Auf diesem Wege können sie einen echten Wertschöpfungsbeitrag zum Übergang in das Datenzeitalter mit seinen positiven Potenzialen für Gesellschaft, Wissenschaft und Wirtschaft leisten.

Teil 2: Daten – technische Grundlagen