Daten werden immer wieder als das Öl des 21. Jahrhunderts beschrieben, es stellt sich aber die gleiche Frage wie beim Öl: Was machen wir daraus?
Schöne Dashboards allein haben keine Existenzberechtigung. Gefragt sind ganzheitliche Ansätze zur Beantwortung der Kernfrage. Elementar für die Nutzung von Business Intelligence Werkzeugen sind schnelle Entwicklungszyklen, Anpassungsfähigkeit und Möglichkeiten für die Szenariobildung und Massnahmenempfehlungen.
Das Sammeln von grossen Datenmengen bringt einem Unternehmen keinen Mehrwert per se. Daten können eine wichtige Entscheidungsgrundlage für Fach- und Führungskräfte sein, müssen dafür jedoch ganzheitlich betrachtet und sinnvoll analysiert werden.
Datenanalyse hier und heute
In den meisten Unternehmen werden Daten genutzt, jedoch oft mit einer Tendenz zu Ad hoc-Analysen und Excel-basierten Individual- oder Abteilungsauswertungen. Das Problem: isolierte Insellösungen mit fehlender Integration und unterschiedlicher Datengrundlage oder unterschiedlichem Datenverständnis.
Die verfügbare Datenmenge hat in den letzten Jahren massiv zugenommen, was beispielsweise anhand des Datenverkehrs im Mobilfunksektor gut zu beobachten ist.
Diese Entwicklung lässt sich nicht allein mit dem geänderten Nutzerverhalten erklären, sondern hat auch mit der Übertragung von zusätzlichen Daten zur Analyse der Interaktionen zu tun. Der allgemeine Trend zu mehr Daten ist nicht nur auf den Mobilfunksektor beschränkt, sondern ist allgemein zu beobachten. Daten sind omnipräsent, ihr Potenzial wird aber nicht genutzt. Weniger als die Hälfte aller strukturierten Daten werden genutzt. Unstrukturierte Daten werden zu weniger als 1% genutzt (1).
.
Was bringen uns Daten wirklich?
Daten können im Sinne einer historischen Betrachtung Situationen aus der Vergangenheit genauer untersuchen und mögliche Erklärungen für die entsprechende Entwicklung liefern.
Neben der Vergangenheitsbetrachtung können Daten auch als «Temperaturfühler» der aktuellen Situation genutzt werden. Dazu werden auf Basis von Vergangenheitswerten bestimmte KPI überwacht, um den Geschäftsgang oder die aktuelle Situation einordnen zu können.
Mit Hilfe neuer Entwicklungen im Bereich des Machine Learnings sowie bestehenden Methoden der Regressionsanalyse können auch künftige Szenarien gebildet und mit Hilfe von Modellen die Zukunft «vorhergesagt» werden. Diese Informationen bilden die Basis für datengestützte Entscheide und Massnahmen.
Im Sinne eines geschlossenen Kreislaufs werden die Auswirkungen der Massnahmen nach deren Umsetzung wieder auf die Wirksamkeit geprüft. Es bildet sich ein geschlossener Kreislauf, der eine kontinuierliche Überprüfung der Massnahmen erlaubt.
Stolpersteine bei der Datenanalyse / Vorgehen
Bei der Gestaltung von nachhaltigen Ansätzen für die Datenanalyse gibt es einige Stolpersteine und Herausforderungen, denen man sich von Beginn weg bewusst sein sollte. Die Kernfrage ist immer: «Was wollen wir beantworten?».
Information / Fragestellung
- Was ist die zugrunde liegende Fragestellung?
- Welche Informationen benötige ich für die Beantwortung der Fragestellung?
- Was für ein Output wird erwartet?
- Ist die Datensammlung sowohl ethisch als auch moralisch vertretbar und den “Datenlieferanten” zumutbar? Kommen die Resultate in irgendeiner Form auch den “Datenlieferanten” wieder zu gute?
Daten
- Haben wir genügend Daten?
- Entspricht die Qualität der Daten den Anforderungen?
- Wie können wir sicherstellen, dass die Daten nicht biased sind?
Darstellung
- Was müssen wir visualisieren?
- Was können wir überhaupt visualisieren?
Ein iteratives Vorgehen mit der Realisierung eines Proof of Concepts mit anschliessender Prüfung des generierten Nutzens hilft, den Einstieg in Business Intelligence schnell und mit möglichst effizientem Ressourceneinsatz zu ermöglichen.
Die Verfügbarkeit von Daten ermöglicht bessere, schnellere und fundiertere Entscheide, aber es gilt die Stolpersteine zu umgehen. Die grundsätzliche Klärung der Kernfrage steht im Mittelpunkt; nur die Beantwortung der Fragestellung rechtfertigt die Aufwände für Data Analytics. Schlanke und schnelle Entwicklung von Analysen helfen beim schrittweisen Aufbau eines umfassenden Analyseinstruments, das das Unternehmen effizienter macht.