. .

Business Analytics

Wie Unternehmen ihr Daten-Potenzial optimal ausschöpfen

Die klassische Auswertung meist historischer Daten innerhalb von Business Intelligence-Software ist heutzutage oftmals nicht mehr ausreichend. Folgende Probleme treten in den BI-Systemen häufig auf: Die Performance der bisherigen Analysen und Reports ist schlecht bzw. die Auswertung dauert zu lange. Ein rein „historisches Betrachten“ reicht den Verantwortlichen nicht mehr aus – sie wollen verlässliche Prognosen. Oder aber es werden neue Visualisierungsmöglichkeiten gewünscht, um noch einfacher und schneller Kennzahlen aufnehmen zu können.

Während BI seine Auswertungen und Analysen primär aus historischen Daten zieht, geht Business Analytics noch einen Schritt weiter. Es fokussiert sowohl die Visualisierung von Performance (Descriptive Analytics) als auch die Vorhersage zukünftiger Trends (Predictive Analytics). Ein weiterer Fokus liegt in der Entscheidungsfindung und Effizienz der analysierten Systeme (Prescriptive Analytics).

Im Rahmen von Descriptive Analytics werden Gründe für Erfolge bzw. Misserfolge in den historischen Daten gesucht. Dabei kommen größtenteils statistische Messgrößen wie Mittelwerte oder Standardabweichungen zum Einsatz. Die Daten hierfür stammen aus operativen Quellsystemen wie ERP oder CRM. Im Beispiel: Um die beste LKW-Route zwischen A und B für einen Logistiker zu ermitteln, werden alle Strecken, die jeden Tag gefahren wurden, hinsichtlich Zeitaufwand (durchschnittlich, minimal, maximal), Durchschnittsgeschwindigkeit und Benzinverbrauch untersucht.

Über Predictive Analytics wird modelliert und vorhergesagt, was zukünftig mit den Kennzahlen passieren könnte. Quelldaten sind dabei historische Performancedaten wie Umsätze (Sales) oder Facebook-Likes (Social Media) der letzten 60 Tage. Anhand von verschiedenen Algorithmen wird untersucht, wie sich die Kennzahlen in den nächsten x Tagen entwickeln werden. Im Beispiel: Zur Ermittlung der Reichweite von Social Sharing und deren Auswirkungen auf Klicks wird auf Basis von vergangenen Sharings eine Prognose über zukünftige Reichweiten erstellt.

Prescriptive Analytics geht über das reine Vorhersagen hinaus und versucht anhand von Unternehmenspräferenzen oder Budgetrichtlinien, Empfehlungen für die besten Entscheidungen zu treffen. Es werden sowohl interne als auch externe Daten zur Simulation in verschiedenen Modellen eingesetzt. Dabei werden verschiedene Variablen berücksichtigt, die von den Entscheidungsträgern auch angepasst werden können.
Im Beispiel: Basierend auf den Daten von Promotion-Aktionen, Meldungen in Newslettern, Preismodellen und dem Einkaufsverhalten der Nutzer wird eine optimale Strategie für Pricing und Produktplatzierung ermittelt.

Ein weiteres Einsatzgebiet für Business Analytics liegt in den verschiedenen Geschäftsprozessen im Unternehmen. Hier soll „Process Intelligence“ dafür sorgen, dass Prozesse analysiert und optimiert werden. So soll ein „Optimierungskreislauf“ entstehen. Auch in den Organisationen gibt es Optimierungsfragestellungen (Organizational Analytics): Welche Teams und Abteilungen arbeiten zusammen und wie sind sie in die Prozessbearbeitung involviert? Gibt es eine Korrelation zwischen beteiligten Organisationseinheiten und Performance-Kennzahlen (wie z.B. Durchlaufzeiten)?

Unternehmen sehen sich heute mehr und mehr mit den Anforderungen zur Implementierung von Kontrollsystemen konfrontiert. Auf typische Geschäftsprozesse wirkt zudem eine Vielzahl an Regularien. Die Analyse von Risiken und Compliance ist daher ein immer wichtiger werdender Aspekt. In der „Risk and Compliance Analytics“ kann die Einhaltung von Regeln und Regularien überwacht und aufgezeigt werden. Dabei wird aufgezeigt, an welchen Stellen im Geschäftsprozess es zu potenziellen Compliance-Problemen kommen kann. Aber auch im produzierenden Gewerbe wird die Auswertung von anfallenden Daten immer wichtiger. So muss bei der Produktion von Teilen nicht nur die Effizienz hinsichtlich Auslastung, Materialienlieferung etc. optimiert werden. Auch mögliche Parallelen in den produzierten Komponenten sind zu ermitteln.

„Business Intelligence war erst der Anfang. Durch neue Technologien, verbesserte Visualisierungsmöglichkeiten, effizientere Algorithmen und eine breitere Akzeptanz des Themas in den Fachbereichen, ergeben sich neue Betätigungsfelder. Abteilungen und komplette Unternehmen unterliegen einem ständigen Effizienz- und Optimierungsdruck. In den anfallenden Daten steckt oft großes Potenzial, um diese Ziele zu erreichen. Mit Business Analytics kann das Daten-Potenzial besser ausgeschöpft werden“, erklärt Arne Roßmann, Consultant der Ancud IT-Beratung GmbH.


Weiterführende Literatur:
[1] Daten, Ereignisse, Prozesse, Risiken, Kollaboration; BI-SPEKTRUM Ausgabe 03/2011
[2] Fertigung lässt sich am Wertstrom ausrichten; BI-Spektrum Ausgabe 02/2011
Zurück zur News-Übersicht

News