Data Analytics

Die MDIS Wissensdatenbank

Was ist Data Analytics?

Unternehmen brauchen eine digitale Strategie, um in Verbindung mit der bisherigen Wertschöpfungskette datengetriebene Geschäftsmodelle zu konstruieren und zu testen. Die inhaltliche Ausrichtung des Controllings wird sich durch Big Data fundamental verändern, denn qualitative und quantitative KPIs werden durch dynamische und algorithmenbasierte Key Performance Indicators ersetzt. Diese KPI machen es dann unter anderem möglich, auf einfache Weise an Megatrends zu partizipieren.

Disruptive Technologien wie Big Data verändern die Grundlage von Geschäftsaktivitäten und sind Treiber sowie entscheidender Wettbewerbsfaktor. Data Analytics kann als Teil der Datenwissenschaft und zusammen mit Deep-Learning-Verfahren Aussagen generieren, die bisher mit statischen Zahlen nicht möglich waren. Unabhängig von der Branche, der Dienstleistung oder dem Produkt helfen datengetriebene Erkenntnisse dabei, die Prozesse effizienter zu gestalten.

Überdies hilft Data Analytics mit seinen Tools und Techniken bei der besseren und frühzeitigen Erkennung von Kundenbedürfnissen und deren Veränderungen. Außerdem kann die vollständig digitalisierte und strukturierte Datenerfassung Wachstumspotenziale vorhersagen. Allerdings ist es mit der alleinigen Bereitstellung nicht getan, denn es braucht eine intelligente Datenauswertung.

Data Analytics ist die Kombination von ausgereiften Entwicklungsmethoden und klassischen Verfahren aus Statistik oder Datenvisualisierung mit der Analyse und Wertschöpfung aus betrieblichen Daten. Um systematisch Wissen aus den Daten zu generieren, muss eine individuelle Datenstrategie, inklusive Data Analytics, entwickelt und umgesetzt werden.

Warum ist Data Analytics wichtig?

Bei der Arbeit von Data Analytics werden diese Fragen beantwortet:

Wo gibt es Daten im Unternehmen?
Wie lassen sich diese Daten systematisch nutzbar machen?
Was muss bei der Datenaufbereitung beachtet werden?
Wie kann der größtmögliche Nutzen aus den Daten gewonnen werden?

Das Potenzial externer Daten bleibt vielfach ungenutzt, vorrangig die Verknüpfung von Daten aus verschiedenen Quellen findet noch zu selten in Unternehmen statt. Um die Chance, völlig neue Erkenntnisse aus Daten zu gewinnen, kommt Data Analytics zum Einsatz. Während Data Analytics die Tools und Methoden umfasst, ist Data Analysis die eigentliche Anwendung der Datenauswertung.

Ziel von Data Analytics sind unternehmerische Entscheidungen, die weniger auf Vermutung als auf nachprüfbarem Wissen basieren. Bestehende Theorien und Modelle sowie Prognosen lassen sich auf diese Weise verifizieren oder widerlegen. Mit dem tiefen Einsatz von Data Analytics können Unternehmen die Wettbewerbsfähigkeit erhalten und komplexe Zusammenhänge leichter und viel schneller als früher erkennen.

Was sind die Aufgaben von Data Analytics?

Der Nutzen für Unternehmen zeigt sich in der internen und externen Sammlung relevanter Daten über das Kundenverhalten, die Marktsegmente und die eigenen Wachstumspotenziale. Data Analytics vermeidet Fehlentscheidungen und entwickelt neue Modelle.

Dabei kommen Funktionen zum Einsatz, wie:

Datenmanagement
Business Intelligence
Performance Management
Predictive Modeling
Asset Intelligence und
Automatisierung

Durch den Zugriff auf bisher kaum oder gar nicht verfügbare Datenarten kann Data Analytics auch Informationen aus sozialen Netzwerken oder externe Quellen wie Geo-Daten analysieren. Die Dateninterpretation basiert auf einer fortgeschrittenen Datenauswertung und führt im Kontext von Unternehmensentscheidungen zur besseren Entscheidung langfristiger Handlungsempfehlungen mit nur schwer absehbaren Folgen.

Im Finanz- und Rechnungswesen kann Data Analytics unter anderem Performanceabweichungen deuten und Steuerrisiken identifizieren. Im Personalmanagement sind datengetriebene Entscheidungsprozesse möglich und in der Absatzsteuerung das Optimieren der Logistik. Im Bereich der Kundenbeziehungen lassen sich mit Data Analytics Produkte verbessern und das Kundenverhalten effizienter analysieren.

Wie funktioniert Data Analytics?

Die Menge digital verfügbarer Daten verdoppelt sich alle zwölf Monate, so Deloitte. Diese Datenflut besteht in aller Regel aus verschiedenen Datenquellen und unterschiedlichen Datenformaten. Um in den Informationen Zusammenhänge zu finden und Handlungsoptionen ableiten zu können, bedarf es einer belastbaren und nahtlosen Analysemethode wie Data Analytics.

Im Regelfall werden die Ergebnisse von Data Analytics in Form von Berichten, Protokollen oder Visualisierung dargestellt und präsentiert. Der aktuelle oder historische Zustand der Realität lässt sich mit Data Analytics abbilden. Die Analysemodelle und Simulationen kreieren Szenarien, die sich mit der Realität verbinden lassen, um Trends zu erkennen und Probleme zu lösen.

Beeinflusst wird Data Analytics dabei von der Informatik, der Mathematik, der Statistik und weiteren Wissenschaften. Mit ergänzenden Datenmanagement-Techniken wie Data Mining, Data Cleansing und Data Modeling wird so ein neues Level der Datenanalyse erreicht.

Die wertschöpfende Datenanalyse basiert auf vier unterschiedlichen Methoden, und zwar

Descriptive Analytics mit Ermittlung des Status quo aus aktuellen und historischen Daten.
Diagnostic Analytics mit der Antwort auf die Frage: “Warum passiert das gerade?” durch Verwendung der Daten aus Descriptive Analytics.
Predictive Analytics mit Einsatz von Deep Learning und Machine Learning, um zukünftige Ergebnisse vorherzusagen.
Prescriptive Analytics zur Ermittlung von Lösungen und definierten Ergebnissen, unter Einsatz von Algorithmen, Application Testing oder Machine Learning.

Was sind die Vorteile von Data Analytics?

Generierung von Wettbewerbsvorteilen
Verbesserung der Risikosteuerung
Bessere Kapitalzuweisung- und Investitionsentscheidungen
Messung finanzieller und nicht finanzieller Leistungen
Kundenzentrierte Ausrichtung von Geschäftsmodellen
Vermeidung von Kosten und Ausgaben
Umfassende Informationen über das aktuelle Geschäftsumfeld
Optimierung des Leistungsmanagements
Wechsel von reaktiven zu proaktiven Entscheidungen
Automatisieren von risikoarmen Prozessen
Hohe Flexibilität bei Veränderungen der Markt- und Wirtschaftsbedingungen

Unternehmen benötigen Verständnis für Datenanalysen

Die Analyse von Daten ermittelt die Performance von Unternehmen und zeigt das Potenzial sowie Optimierungsbedarf auf. Geschäftsprozesse können mit Data Analytics analysiert und ausgebildet werden. Die Entscheidungen auf dem Weg zum Unternehmensziel kommen zukünftig nicht mehr ohne Datenauswertungen aus. Nur mit diesen Auswertungen kann wertschöpfendes Wissen aus den Daten extrahiert werden. Unternehmerische Intuition reicht nicht mehr aus und muss um zahlenbasierte Rationalität ergänzt werden, um eine Realität zu finden, die auch in den kommenden Jahren Bestand hat. Dabei muss immer noch genug Raum vorhanden sein für unternehmerisches Handeln auf Grundlage persönlicher Erfahrungen oder Meinungen. Aber datenbasierte Analysen in Echtzeit haben entscheidende Vorteile gegenüber der bisherigen Strategie, ein Unternehmen zu führen. Data Analytics kann operativ eingesetzt werden, um ein konkretes Projekt zu unterstützen. Oder strategisch in der obersten Hierarchie-Ebene, um Entscheidungen über Veränderungen im Produktportfolio, die Expansion in globale Märkte oder Veränderungen der Customer Experience zu treffen. Oberstes Ziel von Data Analytics ist der wertschöpfende Umgang mit den gewonnenen Daten im Unternehmen, um kritische Unsicherheiten signifikant zu reduzieren und die Performance zu steigern.