Article

Data Analytics: So machen Sie aus Masse Klasse

Wie Big Data auch Ihrem Unternehmen Wettbewerbsvorteile verschafft

Nie zuvor konnten Unternehmen ihre Entscheidungen so fundiert treffen wie heute. Möglich macht dies die Verfügbarkeit enormer Datenmengen und deren exakte, zielführende Interpretation. Damit eröffnet Data Analytics Unternehmen vollkommen neue Möglichkeiten der Wertschöpfung.

Autoren: Michael Engel und Dirk Hähnel

Es klingt fast zu schön, um wahr zu sein: Auf Basis umfassender Fakten erkennt ein Unternehmen, was Kunden und Geschäftspartner in Zukunft wünschen, welche Qualität sie bevorzugen und welche Mengen benötigt werden. Auch die konkreten Preisvorstellungen sind vorab bekannt, sogar das geplante Kaufdatum. All das erfährt das Unternehmen in Übereinstimmung mit sämtlichen regulatorischen Anforderungen. Ändert sich später ein Parameter, spiegeln die ermittelten Daten dies in Echtzeit wider. Kurzum, alle relevanten unternehmerischen Entscheidungen lassen sich auf einer Grundlage treffen, die so belastbar ist wie niemals zuvor.

Was vor einer Dekade noch wie eine ferne Vision erschien, ist heute Wirklichkeit. Die Verknüpfung von Statistics mit Computer Science ermöglicht es Big Data Analytics Organisationen, gewaltige Mengen relevanter Daten zu verarbeiten, zu verstehen, zu visualisieren – und aus all dem ein Höchstmaß an Nutzen zu ziehen!

Was Big Data Analytics unersetzlich macht

Sicher, Datenanalysen mit mathematischen und statistischen Methoden gibt es schon lange. Der Umfang verwertbarer Informationen sprengt heute jedoch alle Vorstellungen. Die Menge digital verfügbarer Daten verdoppelt sich alle zwölf Monate, schon bis zum Jahr 2025 könnte das jährlich generierte Datenvolumen auf 163 Zettabyte anwachsen. Wäre diese Datenflut auf 128-GB-iPads gespeichert, würde die Kette der dafür notwendigen Geräte rund 25-mal von der Erde bis zum Mond reichen!

Für die IT-, methoden- und systemgestützte Analyse der oftmals in Data-Warehouses vorliegenden Rohdaten aus vielen verschiedenen Quellen wird ein spezifischer algorithmischer Prozess verwendet. Ziel ist es, in den Informationen mit sogenanntem Data Mining Muster und Zusammenhänge zu finden, die Rückschlüsse über unterschiedliche Handlungsoptionen erlauben. Damit ermöglicht die Analyse von Korrelationen in Datensätzen unternehmerische Entscheidungen, die weniger denn je auf Vermutungen, dafür umso mehr auf nachprüfbarem Wissen basieren. Auch Theorien und Modelle können auf diese Weise verifiziert oder widerlegt werden.

Für Wirtschaft und Forschung ist die Bedeutung von Data Analytics inzwischen so groß, dass die International Data Corporation bis 2020 eine Steigerung des weltweiten Umsatzes für Big Data und Business Analytics von 130,1 Milliarden US-Dollar im Jahr 2016 auf mehr als 203 Milliarden US-Dollar im Jahr 2020 erwartet.[1] Untersuchungen von Deloitte belegen, dass auch in Deutschland fast die Hälfte der Unternehmen strategische Entscheidungen bereits heute unter Zuhilfenahme von Data Analytics treffen. Zur Erhaltung der Wettbewerbsfähigkeit ist eine Vertiefung und Erweiterung des Einsatzes von Data Analytics unerlässlich.

[1] https://www.idc.com

Die größten Stärken von Analytics

Grundsätzlich sind Analytics-Methoden und -Instrumente in nahezu jedem Geschäftsbereich anwendbar. So können Unternehmen mit Hilfe interner und externer Daten Kundenverhalten, Marktsegmente und Wachstumspotenziale umfassend betrachten, Fehlentscheidungen vermeiden und neue Modelle entwickeln. Die Analysefunktionen reichen von den Grundlagen wie Datenmanagement und Business Intelligence bis zu komplexeren Funktionen wie Performance Management, Predictive Modeling, Asset Intelligence, Automatisierung und mehr.

Der sich daraus für Unternehmen ergebende Nutzen ist enorm:

  • Analytics erlaubt den Zugang zu umfassender Information über das aktuelle Geschäftsumfeld und dessen weitere Perspektive.
  • Bei der Optimierung des Leistungsmanagements wird das gesamte Spektrum von Menschen, Prozessen, Technologie und Governance einbezogen.
  • Es stehen präzise und zeitnahe Informationen zur Verfügung, um von reaktiven zu proaktiven Entscheidungen wechseln zu können.
  • Risikoarme Prozesse lassen sich automatisieren, um mehr Zeit auf komplexere Risikoszenarien und Entscheidungen mit hoher Relevanz zu konzentrieren.
  • Das Unternehmen wird flexibler, sodass es schneller auf sich ändernde regulatorische Markt- und Wirtschaftsbedingungen reagieren kann.

Insgesamt ändert sich die gesamte Organisationskultur in Richtung faktenbasierter Entscheidungen.

Das neue Level der Datengewinnung

Um von Analytics optimal zu profitieren, ist der Zugriff auf möglichst viele möglichst relevante Informationen erforderlich. Das exorbitante Wachstum entsprechender Daten basiert auf einer grundlegenden Verbesserung der Datengewinnung in drei Bereichen:

Signifikant höhere Rechengeschwindigkeit zum Beispiel durch das von SAP optimierte In-Memory-Computing erlaubt den sofortigen Zugriff auf riesige Datenmengen, da hierbei primär der Arbeitsspeicher als Datenspeicher dient. Zufließende Informationen aus operativen Systemen wie dem ERP lassen sich in Echtzeit bearbeiten und auswerten.

Spezifische Auswertungsmethoden ermöglichen das Verarbeiten bisher kaum oder gar nicht verfügbarer Datenarten. So lassen sich wissenschaftliche Artikel mithilfe semantischer Verfahren ebenso interpretieren wie rein numerische Daten. Via Artificial Intelligence werden auch Videobilder und Messungen durch Sensoren in Produktionsanlagen zu wichtigen Datenlieferanten.

Auch die Zahl externer Datenquellen steigt sprunghaft. Zu ihnen gehören Ergebnisse aus der Marktforschung und die öffentlich verfügbare Information über Wettbewerber sowie aus sozialen Netzwerken. Hinzu kommt weiterer externer Input – beispielsweise über Wettervorhersagen, Verkehrsaufkommen oder Geo-Daten.

Das atemberaubende Niveau der Dateninterpretation

Um die umfassenden, jedoch noch unstrukturierten Informationen nutzbar zu machen, ist eine fortgeschrittene Datenauswertung erforderlich. Dazu gehört insbesondere die intelligente Auswahl und Kombination der Informationen aus dem betreffenden Unternehmensbereich, aus der Branche (z.B. über ein Data Warehouse) und ggf. für den Einzelfall zusätzlich generierter Daten. Abhängig von der Fragestellung gleicht Artificial Intelligence die bereits vorhandene Information in Datenbanken mit neu gewonnenen Erkenntnissen ab, identifiziert Auffälligkeiten und sagt künftige Muster voraus – von bevorstehenden Schäden in Produktionsanlagen bis hin zu möglichen Unstimmigkeiten bei der Produktentwicklung, von Optimierungsmöglichkeiten in der Lieferkette bis zur gezielten Gefahreneinschätzung von Betrugsversuchen durch Vertragspartner oder Kunden.

Im Kontext von Unternehmensentscheidungen ergeben sich Anwendungsfelder auf allen organisatorischen Ebenen. Im operativen Bereich unterstützt Analytics konkrete Firmenentscheidungen, etwa um Risiken zu minimieren und Effizienzpotenziale auszuschöpfen. Noch größere Bedeutung kommt Data Analytics bei strategischen Maßnahmen der obersten Hierarchie-Ebene zu, bei denen es meist um einen langfristigen Handlungshorizont mit nur schwer absehbaren Folgen geht. Bei einer Deloitte-Umfrage im deutschen Mittelstand nannten die Unternehmen als besonders wichtige strategische Entscheidungen unter anderem die Erschließung neuer Märkte, Veränderungen des Produktportfolios, Einführungen neuer IT-Systeme sowie Veränderungen des Kundenportfolios.

Herausforderung Datenschutz

Bei der Verwendung großer Datenmengen aus unterschiedlichen Quellen kommt dem Datenschutz eine herausragende Bedeutung zu. Gemäß der neuen Datenschutz-Grundverordnung der EU (DSGVO, ab 28. Mai 2018 in Kraft) müssen Unternehmen bei der Erhebung von Verbraucherdaten das Einwilligungsprinzip beachten und sich, auch wenn sie in Drittstaaten ansässig sind, den Regeln des lokalen Marktes unterwerfen. Die Nichteinhaltung der neuen datenschutzrechtlichen Anforderungen kann zu empfindlichen Bußgeldern und Vertrauensverlust führen. Die DSGVO sieht vor, dass gegen Unternehmen bei einem Verstoß Bußgelder in einer Höhe von bis zu 20 Millionen Euro oder 4 Prozent des weltweiten Jahresumsatzes verhängt werden können – je nachdem, welcher Betrag höher liegt.

Um Datenschutz effektiv im Unternehmen zu verankern und alle Informationen richtlinienkonform zu nutzen, sind unbedingt rechtliche, technische, organisatorische und prozessuale Aspekte zu berücksichtigen. Diesen multidisziplinären Themenbereich mit den Ansprüchen an eine effiziente Data Analytics in Einklang zu bringen, erfolgt bei Deloitte durch die enge Zusammenarbeit mit den Experten des Deloitte Centers for Data Privacy.

Anwendungsfelder für Data Analytics im Unternehmen

Generell bietet Data Analytics Lösungen für fast alle Unternehmensbereiche an. Dazu gehören Methoden, neue Ansätze und Instrumente zur Steuerung des Unternehmens zu entwickeln, sowie das Bereitstellen von Lösungen in der Unternehmensplanung, Preis- und Volumenplanung, Lieferantenbewertung, Rechnungsprüfung und die Erhöhung der Leistungsfähigkeit von Unternehmensprozessen. 

Finanz- und Rechnungswesen

Finance Analytics unterstützt vorausschauendes Handeln und beschleunigt Prozesse. Sie hilft …

  • Risiken rechtzeitig zu erkennen
  • Performance-Abweichungen zu deuten
  • neue Potenziale zu erschließen
  • Prozesse zu gestalten
  • Steuerrisiken zu identifizieren.

Regulierung

Risk & Regulatory Analytics optimiert das Risikomanagement und verbessert die Außenwirkung. Sie …

  • identifiziert Abweichungen von internen und externen Vorschriften
  • unterstützt die Buchführung durch Journal Entry Testing und statistische Tests
  • ermöglicht interne Kontrollsystem sowie Fraud Detection und Prevention mittels Ad-hoc-Analysen und Continuous Monitoring
  • ermöglicht den Einsatz von Anti-Trust- und Data-Privacy-Anwendungen
  • unterstützt Analysen der Unternehmensprozesse hinsichtlich Effektivität, Effizienz und Compliance.

Kundenbeziehungen

Customer Analytics ermöglicht Umsatzmaximierung durch differenziertes Customer Relationship Management (CRM). So lassen sich …

  • potenzielle Verkaufsmöglichkeiten erkennen
  • Kundenverhalten und Kundenbeziehungen effizient analysieren
  • Risiken der Kundenabwanderung rechtzeitig ausfindig machen
  • zielgerichtete Marketing-Kampagnen für die Kundenbindung und Neukundengewinnung initiieren
  • Produkte verbessern und die Preisfindung optimieren.

Personalmanagement

Workforce Analytics unterstützt Human-Resources-Strategien, indem

  • Prozesse im Personalmanagement optimiert werden 
  • die Rekrutierung und Bindung von Talenten gefördert wird
  • datengetriebene Entscheidungsprozesse (zum Beispiel bei der Mitarbeitersicherheit) unterstützt werden.

Absatzsteuerung

Supply Chain Analytics erlaubt Vorhersagen in Hinblick auf Bedarfsplanung, Beschaffungsprozesse, Produktion und Distributionsprozesse. Dies umfasst …

  • den Einblick in die gesamte Lieferkette: von der Nachfrage bis zu allen Aspekten des Vertriebs
  • Kostenersparnisse im Einkauf
  • das frühzeitige Erkennen von potenziellen Störungen
  • fundierte Nachfrageprognosen
  • das Optimieren der Logistik.

Anwendungsfelder von Data Analytics in verschiedenen Branchen

Effekte auf die Wertschöpfung erzielt Data Analytics in nahezu allen Branchen:

Im Financial Service kann Analytics mithilfe integrierter Servicedienstleistungen Performance- und Wettbewerbsoptimierungen bewirken. Dies geschieht durch kundenspezifische Leistungsangebote sowie die gezieltere Ausrichtung der Geschäftssteuerung, Planung und Umsetzung der Unternehmenssteuerungs-Architektur, Anpassungen an neue regulatorische Rahmenbedingungen, die Verbesserung und Neueinführung von Reporting-Lösungen und die Entwicklung von Client-Analytics-Lösungen.

In der Technologie-, Medien- und Telekommunikationsindustrie (TMT) lässt sich Analytics ganzheitlich einsetzen. Network Analytics unterstützt die optimale Planung von Netzkapazitäten, Process Analytics dient der kundenbezogenen Ausrichtung der Prozesse, hinzu kommen die Analyse von Sensor- und Metadaten sowie die schnelle Informationen zu den aktuellen TMT-Trends.

Im Retail hilft Analytics dem Einzelhandel, Antworten auf Herausforderungen wie verändertes Kundenverhalten, verstärkten Wettbewerb durch Online-Shops sowie die Vielzahl von Produktinnovationen zu finden. Dazu gehören die Optimierung des Warenkorbes durch Self Learning & Predictive Modelling, die Verbesserung von Up- und Cross-Selling-Möglichkeiten durch die Analyse von Kundendaten, automatisierte Vorhersagemodelle für die Warendisposition, effizienteres Personalmanagement durch verbesserte Personalplanung und Performanceoptimierung durch die Analyse von Finanzdaten.

Wie Unternehmen sich verändern müssen

Wichtigste Voraussetzungen für das Gelingen der Implementierung von Data Analytics in Unternehmen sind deren gesamthaftes Verständnis innerhalb der Organisation und die darauf abgestimmte Ausrichtung der gesamten Unternehmenskultur. Da die Datenanalyse vom Beschaffungs- und Wertherstellungsprozess über die Supply Chain bis zum Absatzmarkt die gesamte Organisationslandschaft des Unternehmens betrifft, hat es sich als zielführend erwiesen, dieses Thema bei der Unternehmensführung anzusiedeln – beispielsweise bei einem verantwortlichen CDO oder beim CFO.

Bei der Umsetzung kommt es darauf an, dass die Data Analysts und Data Scientists mit den Anwendern im Unternehmen bereichsübergreifend zusammenarbeiten. Diese wiederum sollten darin geschult werden, komplexe Datenanalysen ergebnisorientiert zu interpretieren.

In diesem Prozess könnte es Signalwirkung haben, wenn auch das Top-Management bei seinen Entscheidungen Data Analytics von Anfang an mit einbezieht. Nur wenn das Prinzip der faktenbasierten Entscheidungsfindung in die Unternehmenskultur eingebettet ist, lässt sich der Wert von Datenanalysen von innen heraus vollständig ausschöpfen.

Ein Use Case der besonderen Art

Wie breit gefächert die Anwendungsmöglichkeiten der Datenanalyse sind und welchen Stellenwert Data Analytics als entscheidungsunterstützende Maßnahmen bereits einnimmt, belegt ein Anwendungsfall, mit dem sich das Deloitte Analytics Institute derzeit befasst.

Aufgabe:

Im Auftrag eines global tätigen Pharmaunternehmens entwickeln die Experten von Deloitte ein Verfahren, mit dem sich neurodegenerative Erkrankungen diagnostizieren lassen.

Umsetzung:

Auf Grundlage der aktuellen medizinischen Forschung sowie vorliegender Metadaten entwickelt das Deloitte Analytics Institute ein mathematisches Modell, mit dem signifikante Biomarker identifiziert werden können.

Zielsetzung:

Durch das Zusammenführen komplett unterschiedlicher Daten und deren intelligenter Auswertung soll eine Vereinfachung der Diagnose erreicht werden. Die Ergebnisse der Datenanalyse werden so dazu beitragen, dass die Diagnostik neurodegenerative Erkrankungen künftig einfacher und schneller erfolgen kann.

Unser Deloitte-Service

Data Analytics bedeutet nicht, dass mit ihrer Implementierung Unternehmensentscheidungen nur noch faktenbasiert oder
 gar automatisch getroffen werden. Genügend Raum für unternehmerisches Handeln, das auf der Grundlage persönlicher Erfahrung oder der Intuition basiert, wird es immer geben.

Für die meisten Organisationen erweisen sich entscheidungsunterstützende Maßnahmen wie datenbasierte Analysen in Echtzeit, vorausschauendes Abwägen von Alternativen und automatisierte Prozesse aber als entscheidende Vorteile im Wettbewerb.

Das Deloitte Analytics Institute hilft, das unternehmensspezifische Potenzial von Big Data und Advanced Analytics bestmöglich auszuschöpfen und den geeigneten Mix aus unternehmerischer Intuition und zahlenbasierter Rationalität zu finden. Wir unterstützen unsere Kunden dabei, die relevantesten Entscheidungen zu priorisieren und alle dafür notwendigen Informationen mittels geeigneter Datenquellen und Modelle zu generieren. Um für jedes Unternehmen die maßgeschneiderte Lösung zu finden, kombiniert das Deloitte Analytics Institute grundsätzlich das Know-how von Branchenexperten, das Verständnis für Algorithmen von Data Scientists und die Kompetenz von Data Engineers für den IT-Bereich.

Bei der wertschöpfenden Datenanalyse unterstützt das Deloitte Analytics Institute Unternehmen sowohl bei ihrer Data Strategy als auch im operativen Business:

Bei der strategischen Ausrichtung prüfen unsere Experten gemeinsam mit dem Unternehmen, welche Daten für die jeweilige Zielsetzung benötigt werden und welche möglicherweise bereits nutzbar sind. Wo Daten noch fehlen, wird festgelegt, welche neu erhoben und welche idealerweise zugekauft werden.
Anschließend werden Strukturen und Prozesse daraufhin geprüft, wie die Organisation am effizientesten Fähigkeiten entwickeln kann, wertschöpfend mit den gewonnenen Daten umzugehen. Besonderes Augenmerk legen wir bei der Lösungsbewertung darauf, dass alle Daten rechtskonform eingesetzt werden. Dafür kann das Analytics Institute auf die Expertise des gesamten Deloitte-Netzwerks zugreifen. Diese Kombination von aufeinander abgestimmten Expertenwissen verleiht unserem Deloitte-Service seine einzigartige Breite und Tiefe.

Soll Data Analytics operativ eingesetzt werden, um ein konkretes Projekt zu unterstützen, sorgen die Experten des Deloitte Analytics Institutes dafür, dass dem Unternehmen zum richtigen Zeitpunkt die richtigen Informationen vorliegen. Hierfür wird in Lab Sessions geprüft, ob bereits Daten in der erforderlichen Menge und Qualität vorhanden sind. Ist dies der Fall, wird getestet, ob sie die notwendige Vorhersagekraft haben, um eine kritische Unsicherheit signifikant zu reduzieren. Fehlen erforderliche Daten, werden Alternativen aufgezeigt, diese zu beschaffen.

Auf der Basis der gewonnenen Daten und entwickelter Konzepte evaluiert das Deloitte Analytics Institute mögliche Lösungen. Hierbei achten die Deloitte-Experten darauf, ein möglichst einfaches Modell zu entwickeln, das die Performance steigert und zugleich die Organisation nicht überfordert. Zeigt das Proof of Concept, dass ein Modell verwertbar ist, wird aus dem Prototyp ein Arbeitsmittel generiert, das sich in der Praxis bewähren muss – der anspruchsvollste Schritt in diesem Prozess. Denn die Implementierung in die Unternehmenspraxis umfasst auch Aspekte wie Risikoabschätzung, Garantien und regulatorische Rahmenbedingungen, bei denen wir das breit gefächerte Expertenwissen des Deloitte-Ökosystems einbinden können. Abschließend prüfen wir die Effektivität der Lösung in Echtzeit und helfen, sie kontinuierlich anzupassen.

Wünschen auch Sie Beratung zu den Wertschöpfungspotenzialen, die sich aus innovativen Analytics- und Big-Data-Lösungen ergeben? Unsere Deloitte-Experten bieten den kompletten End-to-End-Service – von der gemeinsamen Definition einer Analytics-Strategie über die Entwicklung von intelligenten, kognitiven Systemen und dem Design von Big-Data-Architekturen bis hin zur Implementierung von innovativen Lösungen und Cutting-Edge-Plattformen.

Verlassen Sie sich auf uns: Wir unterstützen Sie heute bei Ihrer Entscheidung für morgen!