„To have an eye for opportunity is to be a Data Scientist“.

Damian Mingle, Data Scientist

Unternehmen, die ihre Daten genau im Blick behalten, profitieren in mehrfacher Hinsicht. Sie erhalten zum einen die Möglichkeit, ihre Produktivität zu steigern und Geschäftsprozesse zu optimieren, zum anderen können sie fortlaufend korrigierend ins Tagesgeschäft eingreifen, wenn die aktuellen Daten einen dringenden Handlungsbedarf signalisieren.

Business Analytics ist die Grundlage, um bessere Entscheidungen treffen zu können. Wir sehen bereits seit langer Zeit: Daten gewinnen rapide an Bedeutung, weil Bauchentscheidungen bei zunehmender Faktenlage unzuverlässig sind. Business Analytics lässt wertvolle Zusammenhänge erkennen, die Erklärungen für Ergebnisse liefern und sogar Vorhersagen für die Zukunft ermöglichen.

Dieser Artikel zeigt, warum Business Analytics immer wichtiger werden wird, worauf Unternehmen achten müssen, wenn sie Business Analytics einsetzen wollen, und wie sie bei der Einführung vorgehen sollten.

Was ist Business Analytics?

Business Analytics besteht aus zwei Bereichen. Der Blick in die Vergangenheit wird durch Business Intelligence (kurz: BI) ermöglicht: In systematischen Analysen werden die Daten aus verschiedenen Quellen zusammengetragen, ausgewertet und visualisiert und dienen als Grundlage für unternehmerische Entscheidungen.

Advanced Analytics auf der anderen Seite richtet den Blick mit detaillierten Vorhersagen in die Zukunft oder steuert ohne menschliches Zutun autonom Prozesse und Maschinen.

Beide Analysemethoden beleuchten im Zusammenspiel, welche Vorhersagen aus Daten der Vergangenheit für die Zukunft getroffen werden können und eröffnen auf diese Weise die Möglichkeit zu Tests und Simulationen, um Entscheidungen im Vorfeld zu überprüfen.

Bauchentscheidung vs. datengestützter Entscheidung mit Big Data BI-Tools

Business Analytics ist aus Unternehmen nicht mehr wegzudenken, da Vorhersagen über zukünftige Ereignisse immer mehr an Bedeutung gewinnen. Unternehmen wollen nicht mehr nur rückblickend Daten auswerten und Erfolge messen, sondern auch konkrete Voraussagen für zukünftige Ereignisse treffen können. Predictive Analytics macht diese Prognosen möglich.

Sicherlich wird die Bauchentscheidung nicht komplett aus Entscheidungsprozessen verschwinden, doch sie wird stark hinter den Daten zurücktreten müssen, da „aus dem Bauch heraus“ nur begrenzte Entscheidungen möglich sind. Wer sich bei Entscheidungen allein von seinem Gefühl leiten lässt, kommt leicht zu dem Trugschluss, die optimale Entscheidung getroffen zu haben.

Der wesentliche Unterschied der Qualität der Entscheidungen basiert auf der Informationsmenge. Während Menschen Informationen nur begrenzt verarbeiten können, punkten Business Analytics Methoden mit einer automatisierten Verarbeitung einer Vielzahl von Daten aus unterschiedlichen Quellen.

Business Analytics ermöglicht:

  • Einblicke in historischen Daten sowie Echtzeitdaten (wie Wetterdaten und News)
  • Ableitungen aus den Daten für assistierte Entscheidungsprozesse
  • Vorhersagen zukünftiger Ereignisse durch Simulationen / Prognosen

Zusammengefasst lässt sich sagen: Business Analytics ermöglicht das Treffen optimaler Entscheidungen.


Die neue BI. Digitalisierung durch die Data Analytics Plattform


Warum brauchen Unternehmen bessere Entscheidungen?

Warum Business Analytics aktuell so stark an Bedeutung gewinnt, liegt in der Weitsicht für Entscheider und dem damit einhergehenden Wettbewerbsvorteil. Business Analytics bietet nicht nur die Datengrundlage, um bessere Entscheidungen in Unternehmen treffen zu können, sondern es zahlt auch direkt auf die Resilienz eines Unternehmens ein.

In der Pandemie zeigte sich, dass historische Daten allein nicht genügen, um die bestmöglichen Entscheidungen für die Zukunft zu treffen, sondern vor allem Echtzeitdaten gewannen für Prognosen an Bedeutung. Business Analytics verschafft Unternehmen eine hohe Widerstandskraft, mit der sie nicht nur die aktuelle Krisensituation weiterhin gut meistern werden, sondern auch zukünftigen Veränderungen entspannt entgegensehen können.

Wer braucht Business Analytics?

Veränderungen sind seit jeher ein Faktor, der Unternehmen Bauchschmerzen bereitet. In jüngster Vergangenheit kämpften Unternehmen mit den Auswirkungen verschiedener Krisen wie der Wirtschaftskrise 2009, der Flüchtlingskrise 2015 oder der Corona-Krise 2020. Auch lokale Krisen wie das Hochwasser im Juli 2021 belasten eine Vielzahl von Unternehmen. Hinzu kommen der technologische Wandel, die Neugestaltung der Arbeitswelt und verschiedene Trends wie Veggie-Food oder Nachhaltigkeit … Flexibilität ist daher das A und O für den Geschäftserfolg.

Hinzu kommen Themen wie der Fachkräftemangel, sich verändernde Kundenerwartungen und ein hoher Kostendruck. Hinsichtlich ihrer Wettbewerbsposition haben Unternehmen laut einer Studie der Wirtschaftsprüfungsgesellschaft pwc von 2018 große Bedenken vor allem bezogen auf die:

  • Ökonomische Unsicherheit
  • Umweltrisiken oder Pandemien
  • Verschärfung des Wettbewerbs
  • Sich verändernde oder neue Technologien

Welche großen Trends beschäftigen derzeit Unternehmen?

  • Resilienz: Wie lässt sich die Widerstandsfähigkeit eines Unternehmens steigern? Je höher der digitale Reifegrad, desto mehr Widerstandskraft hat ein Unternehmen in Krisen.
    • Nachhaltigkeit: Sowohl im B2C- als auch im B2B-Bereich wird Nachhaltigkeit immer wichtiger. Unternehmen müssen ihre Prozesse daher nachhaltig gestalten.
    • Technologie: Innovative Technologien gestalten die Wirtschaft neu und verschaffen Vorsprung. Aktuelle Themen sind beispielsweise künstliche Intelligenz (KI), digitale Zwillinge, das Internet der Dinge und Business Analytics als Grundlage.

Es gibt also einen guten Grund, warum Unternehmen auf datengetriebene Entscheidungen setzen sollten: sie bringen Zuversicht statt Unsicherheit.

YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

PGlmcmFtZSBzcmM9Imh0dHBzOi8vd3d3LnlvdXR1YmUtbm9jb29raWUuY29tL2VtYmVkLzJ5SUR3MmdtNGVJIiB0aXRsZT0iWW91VHViZSB2aWRlbyBwbGF5ZXIiIGFsbG93PSJhY2NlbGVyb21ldGVyOyBhdXRvcGxheTsgY2xpcGJvYXJkLXdyaXRlOyBlbmNyeXB0ZWQtbWVkaWE7IGd5cm9zY29wZTsgcGljdHVyZS1pbi1waWN0dXJlIiBhbGxvd2Z1bGxzY3JlZW49IiIgd2lkdGg9IjU2MCIgaGVpZ2h0PSIzMTUiIGZyYW1lYm9yZGVyPSIwIj48L2lmcmFtZT4=

Vorteile von Business Analytics

In der heutigen Geschäftswelt müssen Unternehmen aus einer Fülle an Daten die wesentlichen Informationen herausfiltern, um …

  • schnelle Entscheidungen zu treffen,
  • qualifizierte Teams zusammenzustellen,
  • komplizierte Prozesse zu optimieren,
  • etc.

Hierbei unterstützt Business Analytics mit einem umfassenden und visualisierten Einblick: die Daten werden so aufbereitet, dass Entscheidungsträger anhand von Diagrammen oder anderen visuellen Aufbereitungsformen die besten Beschlüsse treffen können.

Mit Business Analytics verschaffen sich Unternehmen einen Überblick über die aktuelle Geschäftssituation, die als Grundlage für schnelle und fundierte Entscheidungen dient und eine vorausschauende Unternehmenssteuerung ermöglicht. Die Unternehmen profitieren zudem von Echtzeitabfragen und können strategische Reportings aus extrem großen Datenmengen erstellen.

Anwendungsfall: Routenoptimierung in der Logistik

Um die Vorteile von Business Analytics besser zeigen zu können, werfen wir den Blick auf einen konkreten Anwendungsfall in der Logistik. Die Situation ist folgende: es gibt 15 verschiedene LKWs in der Logistik, die alle zu den besten Zeiten starten und die Aufträge abarbeiten sollen. Damit der Ablauf reibungslos funktioniert, sind fünf Personen für die Tourenplanung (Disposition) zuständig und an diese Mitarbeiter*innen koppelt sich zugleich das Wissen über die Tourenplanung:

  • Welcher Fahrer*innen sind verfügbar?
  • Welches Fahrzeug besitzt die notwendige Ausstattung?
  • In welcher Reihenfolge sollen die Aufträge optimal abgefahren werden, um Leerfahrten zu minimieren?
  • Mit welchem Geschwindigkeitsprofil kann ich rechnen (Infrastruktur, Stau, Streckenführung)
  • Welche Zeiten sind für Be- und Entladung geplant?

Wie setzt das Unternehmen Business Analytics ein, um einerseits das Wissen von Mitarbeiter*innen abzukoppeln und andererseits die Streckenplanung zu optimieren? Zunächst werden sämtliche Daten wie Stammdaten (Personal, Fahrzeuge, Aufträge) und Bewegungsdaten (GPS-Standorte, Lenkzeiten) zusammengetragen und ein Regelwerk erstellt. In diesem Regelwert werden Regeln, Wissen, Konflikte, Störungen und Risiken hinterlegt, auf denen ein Algorithmus zur optimierten Routenplanung geplant wird. Er bezieht die Wissensbasis sowie die Zielgrößen ein.

Wie geht der Algorithmus vor? Er simuliert mehr als 1.000 Möglichkeiten, wie die LKWs ihre Routen abfahren könnten und wählt im Anschluss die optimale Möglichkeit aus. Auf diese Weise kann für alle 15 LKWs ein optimaler Tourenplan zusammengestellt werden. In diesem Szenario kommt zum Beispiel eine Cloud-Applikation zum Einsatz, die aus einem Dispositionstool Informationen über die Auftragslage von Kund*innen extrahiert sowie die verfügbaren Fahrer*innen und Fahrzeuge. Daraufhin wird der Tourenplan berechnet und ein Mitarbeiter bzw. eine Mitarbeiterin prüft am Ende den Plan, welcher dann elektronisch an die Fahrer*innen übermittelt wird.

Der Prozess ist:

  • optimiert
  • verdichtet
  • deutlich effizienter

In diesem Anwendungsfall konnten ungefähr 10 % der Leerfahrten reduziert werden.

Business Analytics:datengetriebene Entscheidungen treffen

Der Weg eines Unternehmens von den Daten zur Auswertung und schließlich zur Entscheidung verläuft mit Business Analytics wiefolgt:

  • Datenquellen: In Unternehmen existieren viele verschiedene Datentypen von intern und extern, die teils unstrukturiert vorliegen.
    • Integration: Aus den Rohdaten der verschiedenen Datenquellen werden verknüpfte Daten erzeugt.
    • Datenhaltung: In einem Data Warehouse, einer Cloud oder einer Mischform wird die Datenbasis zusammengeführt und zentral gehalten, sodass Datensilos aufgelöst werden.
    • Prozessierung: Die Daten werden in einen Prozess mit mehreren Dimensionen in ein für den Anwendungsfall geeignetes Zielschema überführt und durch analytische Funktionen ausgewertet.
    • Auswertung: Für menschliche Anwender werden die Ergebnisse der Analysen am Ende visualisiert. Das Ergebnis ist ein besseres Verständnis, höhere Transparenz und auch eine höhere Akzeptanz bei den Anwender*innen.

Wie bereit sind Daten für Business Analytics Anwendungsfälle?

Wie steht es um die Datenqualität in Unternehmen? Sie ist die Grundlage für einen optimalen Algorithmus und zeichnet sich durch die folgenden Merkmale aus:

  • Korrektheit
  • Vollständigkeit
  • Aktualität
  • Konsistenz (keine Dubletten)
  • Gültigkeit

Die Arbeit mit Business Analytics erfordert eine hohe Datenqualität, weshalb sich Unternehmen bei der Business-Analytics-Einführung zunächst einen umfassenden Überblick über ihre Daten verschaffen müssen, um in einem zweiten Schritt die Qualität der Daten zu optimieren. Dazu zählt das Anreichern der Daten mit Informationen, das Löschen von Dubletten und veralteten Daten und die Verknüpfung der Daten untereinander.

Einführung und Vorgehen: Wie sollen die Daten verwertet werden?

Viele Unternehmen sind gedanklich zu schnell bei der Technologie wie beispielsweise bei KI, wenn sie über Optimierungsmöglichkeiten nachdenken. Ob eine Technologie allerdings die passende Lösung für ein Unternehmen ist, sollte zunächst ermittelt werden. Auch die Entscheidung für eine Methode muss fundiert erfolgen und sollte nicht aus dem Bauch heraus getroffen werden.

Für die Start mit Business Analytics ist ein Workshop empfehlenswert, in welchem gemeinsam mit Business Analytics Experten erarbeitet wird, wie das Projekt angegangen werden kann. Darin geht es darum, welche Fragestellung das Unternehmen verfolgt. Im Hinblick auf das weiter oben beschriebene Logistik-LKW-Beispiel lautete die Fragestellung: „Wie können wir Leerfahrten von LKWs reduzieren?“.

Entscheidungsgrundlagen für eine Technologie sind komplex und hängen maßgeblich von der Art der Analyse ab:

Verwertung | Data Analytics in a Nutshell

  • Deskriptive Analyse: Reports, Maps/Anfragen, Views/Märkte
  • Diagnostik: Korrelationen, Anomalien, Warnungen, Datengewinnung, Self-Service BI
  • Prädiktive Analyse: Bedarfsprognose, Simulation der Lieferkette, vorausschauende Wartung, Risikobewertung, Prognosen
  • Preskriptive Analyse: Routenplanung, automatische Preisfindung, automatische Maschineneinstellung, nächstbeste Aktion, Maschinenempfehlungen

Neben der Analyse der internen Prozesse ist auch ein Blick auf die Marktsituation und den Wettbewerb hilfreich. Unternehmen sollten die Strategien und Anwendungsfälle von Marktbegleitern, Partner*innen und ihrer Kundschaft im Blick behalten, die über vergleichbare Geschäftsmodelle verfügen. Kluge Entscheidungen lassen sich treffen, wenn sich Unternehmen einen Überblick über den aktuellen Stand der Forschung und Entwicklung verschaffen.

Auf dieser Basis werden Lösungsmöglichkeiten in Bezug auf ihre Machbarkeit, den Reifegrad des Unternehmens und die Wirtschaftlichkeit entwickelt. Im Idealfall wird dies, wie oben beschrieben, im Rahmen eines Workshops erarbeitet und am Ende steht eine Priorisierung der Anwendungsfälle sowie eine Entscheidung über die nächsten Schritte.

Business Intelligence & Advanced Analytics als strategische Werkzeuge einsetzen

Bringen Sie Ihre Daten auf das nächste Level und treffen Sie optimale, strategische Entscheidungen für Ihr Unternehmen. Business Analytics unterstützt Sie dabei, bessere Wege zu finden und zu wachsen. Entdecken Sie unser breites Spektrum an analytischen Anwendungsfällen und fordern Sie uns mit Ihrer Aufgabe heraus.


Unsere Angebote rund um Business Analytics