[vc_row][vc_column][vc_custom_heading text=“Daten sinnvoll nutzen“ font_container=“tag:h1|font_size:48|text_align:left“ use_theme_fonts=“yes“ css=“.vc_custom_1598529488124{margin-top: -25px !important;}“][vc_custom_heading text=“Eine Reise zur Implementierung datengetriebener Entscheidungen in Unternehmen“ font_container=“tag:h2|font_size:28|text_align:left|color:%23676b6d“ use_theme_fonts=“yes“ css=“.vc_custom_1598529499748{padding-bottom: 10px !important;}“][vc_column_text]

[/vc_column_text][ultimate_spacer height=“15″ height_on_tabs=“15″ height_on_tabs_portrait=“15″ height_on_mob_landscape=“15″ height_on_mob=“15″][/vc_column][/vc_row][vc_row][vc_column][vc_custom_heading text=“Kurz & Bündig“ font_container=“tag:h2|font_size:34|text_align:left“ use_theme_fonts=“yes“ css=“.vc_custom_1598268967432{margin-top: -25px !important;}“ el_class=“box-headline“][vc_row_inner el_class=“box-content-wrapper“][vc_column_inner][vc_column_text]Sinnvolle Zusammenhänge aus großen Datenmengen zu extrahieren und diese als Wettbewerbsvorteil des Unternehmens zu nutzen, ist eines der großen Ziele von Unternehmen, die sich zum Digitalunternehmen entwickeln möchten. Auf dem Weg dorthin gilt es, sowohl die technischen Voraussetzungen für effiziente und sinnvolle Analysen zu schaffen als auch eine datengetriebene Kultur im Unternehmen zu verankern.
[/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row css=“.vc_custom_1519752670572{margin-top: -10px !important;}“][vc_column][ultimate_spacer height=“30″ height_on_tabs=“15″ height_on_tabs_portrait=“15″ height_on_mob_landscape=“15″ height_on_mob=“15″][vc_column_text]Nahezu alle Unternehmen verfolgen das große Ziel, Daten zu generieren und zu allokieren, um diese in der allgemeinen Entscheidungsfindung und Unternehmenssteuerung einzubinden. Die Wirklichkeit sieht jedoch oft anders aus. Während die Generierung von Daten grundsätzlich gut funktioniert, bleibt die sinnvolle Aufbereitung und Nutzung der daraus resultierenden Informationen meist auf der Strecke. Was am Ende übrig bleibt, sind isolierte Datensammlungen, manuelle Auswertungen und Entscheidungen nach Bauchgefühl.
[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]

[/vc_column_text][vc_custom_heading text=“Der Startpunkt“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]BARC’s BI Trend Monitor 2020 attestiert, dass die meisten Unternehmen sich aktuell in einem Spannungsfeld zwischen dem Sammeln immer größer werdender Daten und einem Hinterherhinken hinter effizienten Auswertungsmechanismen befinden. Hinzu kommt, dass die Menge verfügbarer Datenmengen weiter rasant steigt und dass der Erfolg, Prozesse und Geschäftsmodelle zu optimieren, immer stärker mit sinnvollen Datenanalysen und darauf beruhenden Entscheidungen zusammenhängt. In der jährlich erscheinenden Studie wurden weltweit 2.865 Personen befragt, darunter Anwender, Berater und Anbieter von Business-Intelligence-Lösungen. Eine Erkenntnis, die besonders hervorsticht und hervorragende Unternehmen von der Masse unterscheidet, ist die unterschiedliche Bewertung des Themas „Etablierung einer datengetriebenen Kultur“. Die Top 10 Prozent der Unternehmen, die durch ein besonders schnelles Reporting sowie eindeutige Wettbewerbsvorteile aufgrund extrem effizienter Business-Intelligence-Systeme überzeugen können, messen einer datengetriebenen Kultur eine besonders hohe Bedeutung bei. Die 10 Prozent am anderen Ende der Skala bewerten diesen Faktor nicht als besonders relevant.

Ein konstanter Trend hingegen, der sich seit Jahren auf Platz eins der Umfrage hält, ist das Thema Datenqualität, womit bewiesen wäre, dass das Sammeln der Daten im Gegensatz zur sinnvollen Nutzung derselben meist die kleinere Herausforderung darstellt. Ratsam ist es daher, einen Weg zu finden, mit dem ein Unternehmen es schafft, Standards von der Datenerhebung über die Datenvorbereitung bis hin zur Visualisierung zu implementieren, um geschäftsrelevante Informationen auch tatsächlich vollständig zu erhalten und sinnvoll verwerten zu können. Gleichzeitig gilt es, die erforderlichen Standards und Prozesse für alle Mitarbeiter so transparent und plakativ aufzuzeigen, dass diese die Auswirkungen auf den Erfolg ihres täglichen Arbeitens stetig erkennen und schätzen lernen.[/vc_column_text][vc_custom_heading text=“Wie sieht ein erfolgreicher Weg in der Praxis aus?“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]Betrachtet man einen beispielhaften Vertriebsprozess, beginnt die Reise zu datengetriebenen Entscheidungen mit der Reise des Kunden, der Customer Journey. Auf seinem Weg von der ersten Information über die tatsächliche Entstehung eines Bedarfes bis hin zum Kauf eines Produktes passiert der Kunde zahlreiche analoge sowie digitale Kontaktpunkte, während seine Kaufentscheidung reift und schließlich im Kauf mündet. Auch wenn die Customer Journey je nach Branche, Unternehmen, Produkt oder Dienstleistung völlig individuell und einzigartig ist, so liefern die jeweiligen Kontaktpunkte sowie das Wissen um den aktuellen Standpunkt des Kunden wertvolle Einblicke in die Abschlusswahrscheinlichkeit sowie die Möglichkeiten der Einflussnahme im Vertriebsprozess.
Ein Vertriebsmitarbeiter lernt diesen Wert zu schätzen, wenn er erkennt, dass er künftig beispielsweise die Kunden herausfiltern kann, deren Abschlusswahrscheinlichkeit in naher Zukunft am höchsten ist. Somit maximiert er seinen persönlichen Erfolg und damit den des Unternehmens. Er wird wesentlich effizienter in seiner Arbeit und lernt, dass funktionierende Datenauswertungen und damit auch vollständige Datensätze ein unerlässlicher Bestandteil für künftiges Wachstum sind.[/vc_column_text][vc_single_image image=“22670″ img_size=“full“ add_caption=“yes“][vc_custom_heading text=“Wo liegen die Stolpersteine?“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]Bleibt man bei dem Vertriebsbeispiel, lassen sich gleich mehrere Herausforderungen beispielhaft ableiten.

Datenqualität: Wie im BI Trend Monitor beschrieben, stellt eine mangelhafte Datenqualität die größte und häufigste Herausforderung in Business-Intelligence-Projekten dar. Daten sind unvollständig erfasst, wichtige Attribute fehlen oder einzelne Systeme und Prozessschritte lassen keine automatisierte Auswertung zu. Letztendlich führt dies häufig zu manuellen Auswertungen, doppelter Datenhaltung und den allseits bekannten Excel-Auswüchsen.

Heterogene Datenquellen: Je mehr Softwaresysteme an einem Prozess beteiligt sind, desto komplexer wird die Datenauswertung. Jedes System liefert unter Umständen ein anderes Format, Systeme unterstützen sich gegenseitig nicht und die Zusammenführung unterschiedlicher Datenquellen, die besonders wertvolle Einblicke liefern kann, wird massiv erschwert.

Datenmenge: Der allgemeine Trend zur Auswertung aller jemals verfügbaren Daten führt dazu, dass auch Fachexperten am Ende damit überfordert sind, tatsächlich relevante Daten rauszufiltern und sinnvolle Zusammenhänge zwischen den Daten zu erstellen.

Priorisierung: Nahezu in jedem Geschäftsbereich ist es mittlerweile sinnvoll, Datenanalysen in Entscheidungen einfließen zu lassen. Doch wo fängt man an? Welche Geschäftsvorfälle und Abteilungen haben Vorrang? Baut man zunächst die komplette technische Analysestruktur auf oder kann man auch schon davor erste Einblicke erlangen?[/vc_column_text][vc_single_image image=“22672″ img_size=“full“ add_caption=“yes“][vc_custom_heading text=“Der Weg ist das Ziel“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]Betrachtet man abschließend sowohl die Erfolgsfaktoren als auch die Herausforderungen, so erkennt man, dass die Etablierung datengetriebener Entscheidungen ein sehr individuelles Vorhaben ist. An erster Stelle ist es essenziell, klare Ziele und Zusammenhänge zu definieren und die Mitarbeiter auf dem Weg hin zum datengetriebenen Unternehmen mitzunehmen. Nur so können kreative Ideen zur Etablierung datengetriebener Geschäftsmodelle entstehen und Wettbewerbsvorteile erreicht werden. Ebenso wichtig ist allerdings auch der Aufbau flexibler und individueller Analysestrukturen zur Umsetzung der Geschäftsmodelle.

Eine Methode, die sich dazu in zahlreichen Projekten bewährt hat, ist der Aufbau einer an den Kunden angepassten Datenplattform in der Cloud, die die folgenden Charakteristika vereint:

Individualität: Die Plattform umfasst ausschließlich die Services, die das jeweilige Unternehmen benötigt. Von einer einzelnen Datenbank, über Streaming Services bis hin zu speziellen KI-Werkzeugen: Eine individuelle Datenplattform vereint die besten Services führender Anbieter wie Microsoft, Amazon oder Google und kann gleichzeitig Open-Source-Werkzeuge und Eigenentwicklungen integrieren.

Skalierbarkeit: Der Kunde zahlt nur die Datenkapazitäten, die er zum aktuellen Zeitpunkt benötigt. Innerhalb von Sekunden können Kapazitäten und Services ereignisgesteuert nach oben oder unten skaliert werden, sodass eine optimierte Performance bei maximaler Kosteneffizienz erreicht werden kann.

Sicherheit: Industriestandards kombiniert mit speziellen Unternehmensanforderungen, welche von technischen Parametern bis hin zur menschlichen Interaktion reichen, garantieren höchste Sicherheit und Privatsphäre.
Die Schritte zur Implementierung gliedern sich wie folgt: An erster Stelle stehen die Zielfindung, die Definition relevanter Business Cases sowie die Erstellung eines Data-Governance-Konzepts. Anschließend werden die zugrundeliegenden Daten und Datenquellen analysiert. Hierfür entsteht im Anschluss eine Strategie zur Zusammenführung der Daten sowie zur sinnvollen Strukturierung und Konsolidierung der Daten aus unterschiedlichen Quellen. Mängel in der Datenqualität werden dabei identifiziert und später bei der technischen Entwicklung bedacht. Der vierte Schritt umfasst die Entwicklung eines Small Pictures, das es ermöglicht, zeitnah erste sogenannte Quick Wins zu erzielen. Parallel dazu entsteht ein Big
Picture, das den Fahrplan für die langfristige Strategie enthält. Anschließend erfolgen die eigentliche Entwicklung sowie der technische Aufbau der Plattform. Frei nach dem Motto „Der Weg ist das Ziel“, geht es nach dem Go Live in die Phase der stetigen Optimierung und Automatisierung. Die Vorteile dieser Methode liegen in einem schnellen Go Live trotz gewissenhaftem Aufbau stabiler, langfristig nutzbarer Datenanalysestrukturen, einem modularen Aufbau sowie der umfassenden Anpassbarkeit trotz Nutzung von Standardservices und Technologien bekannter Software-Hersteller.
Eine Datenplattform in der Cloud eignet sich für Unternehmen aller Art. Dies zeigen einschlägige Referenzprojekte des BI-Beratungshauses PREVISIONZ. Bei einem mittelständischen Unternehmen aus dem Dienstleistungssektor konnte beispielsweise ein umfassendes Berichtswesen für die Bereiche Vertrieb, Projektmanagement und Finanzcontrolling innerhalb von nur vier Monaten aufgebaut werden. Gleichzeitig betreut PREVISIONZ mehrere Finanzdienstleister, die komplexe Data- Warehouse-Strukturen in die Cloud transferieren, um die skalierbare Rechenleistung und Automatisierbarkeit für KI-basierte Prozesse zu den Themen Produktoptimierung und Vertriebssteuerung zu nutzen.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][ult_createlink title=“Zu den Literaturangaben“ btn_link=“url:https%3A%2F%2Fwww.aws-institut.de%2Fim-io%2Fausgabe-2020-3-324%2F|title:Ausgabe%202020-3-324||“][ult_dualbutton btn_hover_style=“Style 2″ btn_border_style=“solid“ btn_color_border=“#ffffff“ btn_border_size=“2″ btn_alignment=“left“ dual_resp=“off“ button1_text=“Einzelheft kaufen“ icon_link=“url:https%3A%2F%2Fwww.aws-institut.de%2Fim-io%2Fproduct%2Fquantified-everything%2F|title:Quantified%20Everything||“ btn1_background_color=“#f3f3f3″ btn1_bghovercolor=“#f07d00″ icon=“Defaults-book“ icon_size=“22″ icon_color=“#f07d00″ icon_hover_color=“#ffffff“ button2_text=“Jetzt abonnieren“ btn_icon_link=“url:https%3A%2F%2Fwww.aws-institut.de%2Fim-io%2Fabo-imio%2F|title:Abo||“ btn2_background_color=“#f3f3f3″ btn2_bghovercolor=“#f07d00″ btn_icon=“Defaults-chevron-right“ btn_icon_size=“22″ btn_icon_color=“#f07d00″ btn_iconhover_color=“#ffffff“ divider_text=“oder“ divider_text_color=“#f07d00″ divider_bg_color=“#ffffff“ btn1_text_color=“#f07d00″ btn1_text_hovercolor=“#ffffff“ btn2_text_color=“#f07d00″ btn2_text_hovercolor=“#ffffff“ title_font_size=“desktop:20px;“ btn_border_radius=“30″ title_line_ht=“desktop:22px;“ btn_width=“280″][/vc_column][/vc_row]