November 14, 2019

Der BI-Markt wächst kontinuierlich, es gibt mittlerweile tausende und abertausende Business-Intelligence- und Data-Analytics-Anbieter weltweit. Trotz dieses Überangebots haben viele Firmen noch immer Bedarf an Lösungen, die sie bei der Digitalisierung ihrer Prozesse und der Analyse ihrer Daten unterstützen. Was und welche Anwendungen die Begriffe Business Intelligence und Data Analytics miteinschließen, ist vielen Firmen noch ein Rätsel. Von anschaulichen Tortendiagrammen kann hier schon lange nicht mehr nur die Rede sein.

Denn bei Data Analytics sollte es neben der einfachen Datenvisualisierung darum gehen, Unternehmensdaten richtig „zu lesen“ (hierzu mehr in meinem nächsten Blog). Dafür muss man zunächst festzustellen, ob das Unternehmen bereits Daten sammelt, die noch nicht in Informationen umgewandelt werden. Dabei geht es auch darum, die Prozesse im Unternehmen, der Branche oder der Kunden zu verstehen. Nur so ist es möglich, die richtigen Datenquellen zusammenzuführen und diese zielgerichtet aufzubereiten.

Wichtige Punkte, um eine Zukunft in Unternehmen vorzubereiten, in der Daten als Mehrwert dienen, sind meiner Meinung nach folgende:

Starten – die Datenaufbereitung

Die erste Frage, die Unternehmen sich stellen sollten, lautet: Wie können wir Daten und Analysen nutzen, um neue Chancen für das Geschäft zu erschließen? Und wie können die Anwendungen so in meine Prozesse integriert sein, dass eine einfache und komfortable Nutzung möglich ist?

Der erste Punkt betrifft immer die Datenaufbereitung – den Stützpfeiler von Advanced Analytics. Laut der Unternehmensberatung McKinsey werden hier durch falsche Herangehensweise bis zu 70 Prozent Budget verschwendet. Häufig verursacht wird diese Verschwendung dadurch, dass im ersten Schritt alle Daten pauschal bereinigt werden, ohne vorher eine Strategie festgelegt zu haben. Vor der Aufbereitung sollte jedoch geklärt werden, welche Use Cases ein Unternehmen überhaupt bietet und ob die nötigen Daten dafür zur Verfügung stehen. Die Verknüpfung der Daten zu realen Anwendungsfällen im Unternehmen ist Fundament für den gewinnbringenden Einsatz von Analytics.

Komfortable, effiziente Lösungen schaffen – die Datenanalyse

Damit bin ich auch bereits bei meinem zweiten Punkt: der Anwendung von Data-Analytics-Systemen in der täglichen Arbeit. Effiziente Lösungen bedürfen keiner Experten im Unternehmen, alle wichtigen Informationen sollten möglichst für alle relevanten Mitarbeiter zugänglich sein. Business-Intelligence- und Data-Analytics-Anwendungen haben schließlich unter anderem die Funktion, gerade auch Mitarbeitern, die nicht regelmäßig mit bestimmten Daten arbeiten, diese verständlich darzustellen. Für diese Funktion gewinnen dann auch die oben genannten Tortendiagramme für eine Vielzahl der Anwender wieder an großer Bedeutung, doch mit Schwerpunkt auf den entscheidenden Informationen und einer eindeutigen Darstellung. Denn häufig geht es tatsächlich im Kern darum, Datenauswertungen oder -berichte für die Entscheidungsfindung heranzuziehen. Reporting-Funktionen helfen hier, die relevanten Kennzahlen an die richtigen Personen zu verteilen.

Das i-Tüpfelchen – Data Science

Sind jedoch alle Daten bereits optimal aufbereitet, die Analyse ist richtig aufgesetzt und jeder Mitarbeiter arbeitet effizient mit der Anwendung, liegt immer noch Potenzial brach. Hier geht es über die klassische Datenanalyse hinaus. “The electric light did not come from the continuous improvement of candles,” sagte einst Oren Harari, Wirtschaftsprofessor an der University of San Francisco. Und das gilt aus meiner Sicht auch für die Datenanalyse: Man sollte sich nicht nur auf bereits gegangene Wege verlassen.

Meine Kollegen und ich probieren viel, experimentieren teilweise auch mit Datensätzen – ich halte es für sinnvoll, neue Anwendungen regelmäßig zu testen. Gerade in hart umkämpften Branchen kann das zu ganz neuen Wettbewerbsvorteilen führen. Anwendungen wie Künstliche Intelligenz bieten ungeahnte Potenziale und erleichtern – und beschleunigen vor allem – die Arbeit mit Daten.

Die Vision

Die digitale Transformation bringt für Unternehmen Herausforderungen mit sich – aber auch viele Chancen. Diese sollten Unternehmen greifen. Die richtige Anwendung vorhandener Datenschätze spielt hier eine große Rolle. Wichtig ist es dabei, die Kernfunktionen von Data Analytics richtig zu implementieren und so eine gewinnbringende Anwendung im Unternehmen sowie eine richtige Interpretation der Daten zu ermöglichen. Nur so können Daten in Mehrwert für Unternehmen verwandelt werden. Um das Optimum aus diesen Daten zu gewinnen, sollte man sich nicht scheuen, auch neue Wege zu beschreiten und Trendthemen in der Datenanalyse zu testen.


AUTOR

Jens Siebertz

Jens Siebertz ist Senior Vice President bei INFORM DataLab.