Unternehmenssteuerung in der Digitalisierung – Ansätze mit Business Intelligence und Analytics

PrintMailRate-it

zuletzt aktualisiert am 3. Juli 2018
 
​Die Digitalisierung fordert die Unternehmenssteuerung immer wieder aufs Neue. Moderne Ansätze der Datenanalyse und -nutzung helfen dabei, den Herausforderungen zu begegnen. Verbesserte Analysewerkzeuge auf Basis umfangreicher Datengrundlagen beziehen direkt die Anwender in Nutzung und Analyseerstellung mit ein. Das macht Business Intelligence (BI) effektiver und agiler. Mit Predictive Analytics wird zudem die Datenanalyse teilautomatisiert, um zu deutlich umfangreicheren Erkenntnissen zu gelangen.
 
Unternehmenssteuerung in der Digitalisierung - Ansätze mit Business Intelligence und Analytics
   

Unternehmenssteuerung ist eine komplexe, arbeitsteilige und informationsintensive Aufgabe. Sie reicht von operativen Themenbereichen, z.B. der Entscheidung zur Abgabe konkreter Angebote, bis hin zur langfristig strategischen Ausrichtung des Geschäftsmodells. Fundierte Informationen sind dabei die Grundlage, um objektive Entscheidungen treffen zu können.
 
Die Digitalisierung führt zu neuer Komplexität, da Datenbestände stetig wachsen und zusätzlich Entscheidungs­prozesse schneller erfolgen müssen. Gezielte Datennutzung birgt dabei Chancen für Unternehmen, da sie Ansätze für neue Geschäftsmodelle oder Strategien liefert. Dagegen sind Beispiele aus verschiedenen Branchen bekannt, in denen eine fehlende Reaktion auf Veränderungen zu existenzgefährdenden Effekten führte (u.a. Handel, Mobilfunk).
 
Die IT hat die Aufgabe, Unternehmen dabei zu unterstützen, effizient, agil und arbeitsteilig durch moderne Datenanalyseformen Wettbewerbsvorteile zu erzielen.
 

Visual Analytics: Interaktion und Kollaboration 

Datawarehouse-Systeme (DWHS) sammeln Daten verschiedener Bereiche und bereiten sie zur Analyse vor. Anwender greifen dabei häufig auf tabellarische Darstellungen oder strukturierte, von der IT-Abteilung bereitgestellte Berichte zu. Für die Analyse großer Datenbestände eigenen sich die BI-Applikationen nur bedingt.
 
Moderne Analysewerkzeuge ermöglichen es, Daten durch hochvisuelle Darstellungen (z.B. Maps, Trees, Wasserfall) zu nutzen und dabei von aggregierten Darstellungen zu Detailauswertungen zu gelangen. Hierdurch entstehen neue und interaktive Nutzungsformen der Daten. Das wird als Visual Analytics bezeichnet. Self-Service-Szenarien erlauben zudem das „Erleben” von Datenanalysen unabhängig vom Endgerät und führen zu gesteigerter Nutzerakzeptanz.
 
In modernen BI-Werkzeugen steht zusätzlich die vereinfachte Zusammenarbeit zwischen Anwendern im Fokus. Verteilung und Kommentierung von Dateninhalten auf zentralen Plattformen helfen – ohne Redundanz und Zeitverzögerung – neue Erkenntnisse weiterzugeben.
 
Das Fokussieren des Anwendernutzens und visuelle Analysen machen moderne BI-Landschaften somit effizienter, agiler und kreativer. 
 

Strukturierte Datengrundlagen unverzichtbar 

Business Intelligence (bzw. Business Analytics) beschäftigt sich mit der methodischen und technischen Unterstützung von Entscheidungsprozessen durch adäquate Informationsversorgung. Der Self-Service-Ansatz erlaubt den Anwendern eine dezentrale und agile Datenanalyse, erfordert aber gleichzeitig die Garantie, dass Daten einheitlich verwendet werden und Ergebnisse somit objektiv vergleichbar bleiben. Das aktive Management unternehmensweiter KPI-Definitionen und v.a. das Bereitstellen zentraler Analysegrundlagen ist wichtiger als je zuvor. Technologische Innovation verändert hierbei den Ansatz zur Datenbereitstellung. Virtuelle und echtzeitfähige Systeme lösen klassische DWHS ab und sind direkt in operativen Systemen (z.B. ERP) enthalten. Die Notwendigkeit von dedizierten, persistenten DWHS ist somit auf Integrationsszenarien oder Big Data reduziert.
 

Predictive Analytics als künftiger Potenzialtreiber

Strukturierte Datengrundlagen und Visual Analytics helfen, indem sie Analysen und intuitive Oberflächen anbieten. Für datengetriebene Entscheidungen und die Nutzung aller relevanten Datenbestände reicht die Zeit häufig nicht aus. Predictive Analytics und Maschine Learning helfen, große Datenmengen automatisiert aufzubereiten und Muster zu finden. Dadurch können Unternehmen die gesammelten Daten schneller, umfangreicher und sicherer erschließen.
 
Die initiale Idee zu Predictive-Modellen und die finale Interpretation obliegt weiterhin dem Menschen, der unverzichtbar bleibt!
 

Fazit

Durch eine aktive Gestaltung der genannten Bereiche können Unternehmen vorhandene Daten-Potenziale für ihre Entscheidungen nutzen und daraus verschiedene Vorteile ziehen. Die Grenzen zwischen fachlichen Anwendern und der IT verschwimmen zunehmend, wodurch die Datenanalyse der Zukunft eine hoch-interdisziplinäre Aufgabe wird. Sie birgt zudem neue Anforderungen, die alle Beteiligten betreffen.
 

Bitte beachten Sie:

  • Strukturierte Datenbereitstellung und KPI-Management sind wichtiger denn je und wesentliche Voraussetzung für Visual Intelligence sowie Predictive Analytics.
  • Visual Intelligence befähigt zu schnellen, agilen und kollaborativen Datenanalysen.
  • Mit Predictive Analytics lassen sich Daten noch gezielter zur Generierung von Wissen einsetzen.
Um die Website zu personalisieren und Ihnen den größten Mehrwert zu bieten, verwenden wir Cookies. Unter anderem dienen sie der Analyse des Nutzerverhaltens, um herauszufinden wie wir die Website für Sie verbessern können. Durch Nutzung der Website stimmen Sie ihrem Einsatz zu. Weitere Informationen finden Sie in unseren Datenschutzbestimmungen.
Deutschland Weltweit Search Menu