Data Science, Self-Service, Machine Learning, Internet of Things … All diese Begriffe rund um die Digitalisierung geistern schon seit einiger Zeit durch die IT-Welt – und nicht nur durch diese. Spätestens die letzte Fußball-EM hat mit dem Phänomen „Packing“ auch dem Nicht-ITler unter den Fans des Breitensports die Augen geöffnet, was Big Data ist und kann.
Was der Verbraucher weiß, wissen Unternehmen schon länger. Die Digitalisierung des Geschäfts und die Auswertung dabei entstehender Daten sind entscheidend für den Erfolg. Das gilt nicht mehr nur für einzelne Unternehmen, sondern für ganze Wirtschaftszweige, die ein datengetriebenes Geschäftsmodell verfolgen. Es stellt sich also längst nicht mehr die Frage, ob ein Unternehmen sein Geschäft digitalisiert. Entscheidend ist, wie gut und wie konsequent das geschieht.
Wichtig dafür ist zukunftsfähige Analytics, mit der jeder im Unternehmen umgehen kann, und die eine zuverlässige Basis für Geschäftsmodelle bildet. Hierzu ein paar Tipps:
1. Nutzen Sie alle Daten
Geht nicht, gibt’s nicht. Milliarden von Sensoren liefern ständig Daten – ob von der Windkraftanlage, vom Mähdrescher, vom Geldautomaten oder vom Fitnessarmband. Dazu kommen Myriaden von Daten aus anderen Quellen wie Social Media. Der ständige Datenfluss ist viel zu wertvoll, um ihn ungenutzt versickern zu lassen. Leistungsstarke Analytics hilft, Daten schon dort auszuwerten, wo sie entstehen (beispielsweise in-Stream) – und sie somit in aussagekräftige Informationen zu verwandeln.
2. Nutzen Sie auch Daten, die scheinbar keine sind
Daten in Tabellen sind nur der Anfang. Texte, das gesprochene Wort, Bilder, Videos lagen für eine systematische Analyse bisher jedoch brach. Das gilt ebenso für Blog-Beiträge, Connected-Car-Daten, Informationen aus dem Smart Home oder Aufzeichnungen aus dem Callcenter – dabei liefern gerade diese Daten nicht selten ausgesprochen wichtige Aussagen.
3. Erzeugen Sie mehr Wissen aus Ihren Daten
Auch Unternehmen, die sich bereits mit Datenanalyse befassen, nutzen oftmals noch nicht das ganze Potenzial. Advanced Analytics geht einen Schritt weiter. Hier geht es nicht nur darum, Analysen zu automatisieren, die man auch in Spreadsheets durchführen könnte. Sie deckt Zusammenhänge auf, die man niemals vermutet hätte, und ermöglicht die Verknüpfung von Unternehmensdaten mit externen Informationen – die Voraussetzung für wettbewerbsrelevante Vorteile.
4. Suchen Sie in der Zukunft, nicht in der Vergangenheit
Der Blick in die Vergangenheit – wie bei traditioneller Business Intelligence – reicht heute nicht mehr, um fundierte Geschäftsentscheidungen zu treffen. Der Händler will nicht noch schneller wissen, welche Produkte er gestern verkauft hat. Er will wissen, welche Produkte er morgen wo und zu welchem Preis ins Regal stellen muss, um seine Profitabilität zu erhöhen und das Kundenerlebnis zu steigern. Erst dann gewinnt er einen essenziellen Wettbewerbsvorteil – und dazu braucht er Predictive Analytics, die zuverlässige Prognosen zulässt.
5. Holen Sie die Analysen aus der Nische
Analytics hat im „stillen Kämmerlein“ nichts verloren. Alltägliche Analysen müssen schnell und einfach direkt von den Fachabteilungen genutzt werden können. Stehen Self-Service-Verfahren zur Verfügung, die so einfach sind wie die altbekannten Spreadsheets – werden sie auch akzeptiert und genutzt. Marketingverantwortliche können so ganz ohne Unterstützung durch die IT Churn- und Affinitätsanalysen vornehmen. Der Controller, der bislang mühsam mit Excel Abweichungen feststellt, arbeitet künftig selbstständig mit vorausschauenden analytischen Steuerungsmethoden.
6. Wagen Sie Agiliät, beweisen Sie Mut, machen Sie Fehler
Wichtig ist, dass sich IT und Fachabteilungen austauschen. Der enge Dialog ist die Basis, um Ideen für Big Data Use Cases zu entwickeln. Dazu müssen sich Unternehmen von traditioneller Projektdenke lösen. Statt von vorneherein die Kosten-Nutzen-Bilanz im Kopf zu haben, sollten Fachabteilungen auch über Bereichsgrenzen hinweg zum agilen Experimentieren mit großen Datenmengen und Analytics ermutigt werden. Eine Laborumgebung wie im Big Data Lab lässt auch schnelles Scheitern zu, ohne dass dadurch der normale Betriebsablauf oder das Budget übermäßig strapaziert wird.
7. Bauen Sie ein tragfähiges Fundament
Um verschiedene Lösungen zusammenzuführen und die Datenqualität sicherzustellen (die die Voraussetzung für aussagekräftige Analytics ist), braucht man eine integrierte analytische Plattform. Hierüber werden Nachvollziehbarkeit, Governance und Sicherheit der analytischen Infrastruktur gewährleistet.
8. Denken Sie an die Umsetzung – von Beginn an
Analytics wird künftig zum Standard in Unternehmen gehören. Aber der Nutzen wird sich nur dann einstellen, wenn alle Faktoren stimmen: Tempo, Leistung, Skalierbarkeit, Automatisierung, Nutzerfreundlichkeit, Sicherheit, Compliance, Offenheit. Kurz: ein Höchstmaß an Industrialisierung. Benötigt wird eine lernende Plattform, die Innovation im Unternehmen fördert. Und die Innovationen auch schnell ins produktive Geschäft bringt.
9. Setzen Sie auf Weltklasse-Technologie
Das Beste von den Besten – nicht geringer sollte der Anspruch bei der Wahl der richtigen Analytics-Lösung sein. Unternehmen, die ihr Geschäft auf digitale Prozesse stützen, müssen in leistungsstarke Technologie investieren, die auch die Anforderungen von morgen erfüllt. Nur wenn die Technologie zuverlässig funktioniert und die gewünschten Ergebnisse liefert, sind ihre Investitionen zukunftssicher.
Interesse an konkreten Anwendungsfällen aus dem deutschsprachigen Raum? Typische Ansatzpunkte für mehr Wettbewerbsfähigkeit durch Analytics sowie Erfahrungen bei der organisatorischen Verankerung lesen Sie in der BARC-Studie „Advanced & Predictive Analytics“. (www.sas.de/analytics)
Oder schreiben Sie mir für weitere Informationen per Kommentarfunktion.
