Big-Data-Trends 04.07.2019, 07:01 Uhr

Datenanalysen schlagen das Bauchgefühl

Unternehmen können deutlich von der Erfassung und Auswertung ihrer Daten profitieren. Allerdings müssen die Informationen in geeigneter Form aufbereitet werden, ansonsten sind sie wertlos.
(Quelle: Elnur / shutterstock.com )
Das weltweite Datenvolumen wächst explosionsartig: Im Jahr 2011 hat es die Marke von 1 Zettabyte überschritten, das sind eine Milliarde Terabyte oder ausgeschrieben eine 1 mit 21 Nullen. Und das Wachstum beschleunigt sich immer stärker. Manche reden bereits von einem Daten-Tsunami. Schon 2020 sollen es schier unvorstellbare 35 Zettabyte sein.
Dass sich aus Daten Nutzwert fürs Unternehmen ableiten lässt, hat sich herumgesprochen. Eine Studie des Digitalverbands Bitkom besagt, dass bereits 57 Prozent der Unternehmen in Deutschland Big Data nutzen oder zumindest planen, entsprechende Techniken einzusetzen. Denn klar ist: Die Daten an sich sind praktisch wertlos, so­lange sie nicht in geeigneter Form aufbereitet und analysiert werden und die Entscheider Schlussfolgerungen daraus ziehen.
Hier kommt Business Intelligence (BI) ins Spiel - als technikgetriebener Prozess zur Analyse von Daten und zur Präsentation verwertbarer Informationen - der Führungskräften dabei helfen soll, fundiertere Geschäftsentscheidungen zu treffen.
BI umfasst zahlreiche Anwendungen und Methoden, um Daten aus internen und externen Quellen zu sammeln, sie für die Analyse vorzubereiten, Abfragen zu entwickeln und Berichte und Datenvisualisierungen zu erstellen. So lassen sich die Ergebnisse neben den Entscheidungsträgern im Unternehmen auch den operativen Mitarbeitern zugänglich und verständlich machen. In Zeiten komplexer und dynamischer Märkte gehen mit einem Informationsvorsprung meist auch Wettbewerbsvorteile einher.
Der eigentliche Wert der Daten liegt also in ihrer Auswertung. Der Prozess der Suche, Vorbereitung und Auswertung läuft unter dem Stichwort Data Mining. Der Begriff ist etwas irreführend, denn es geht um die Gewinnung von Wissen aus bereits vorhandenen Daten und nicht bloss um die Generierung oder Erschliessung der Daten selbst.
Es gibt mehrere Methoden, um die Daten in einen Mehrwert für das Unternehmen zu verwandeln: Business-Intelligence-Plattformen bieten Verfahren und Prozesse zur Sammlung, Analyse und Darstellung der Daten. Das Ziel besteht dabei häufig darin, Kosten zu senken und Risiken zu minimieren. Dabei gilt es, im Vorfeld detailliert zu definieren, was genau man untersuchen will und was das Ziel der Analyse ist. Business Intelligence richtet den Fokus also vorrangig auf einzelne Unternehmens-Kennzahlen und liefert viele punktuelle Einsichten.
“Wie schaffe ich es, dass mein Unternehmen weiß, was es schon lange wüsste, wenn es die vorhandenen Informationen entsprechend nutzen würde.„
Daniel Fallmann, Gründer und Geschäftsführer von Mindbreeze
Das noch nicht so weit verbreitete Process Mining verfolgt einen anderen, ganzheitlicheren Ansatz: Es analysiert nicht einzelne KPIs, sondern Prozesse, und stellt sie so dar, wie sie in der Realität ablaufen - in Echtzeit. Das ermöglicht es Unternehmen, ineffiziente Prozesse und Abweichungen von Soll-Werten schnell zu identifizieren.
Die österreichische Firma Mindbreeze ist auf Enterprise Search und Information Insight spezialisiert. Mindbreeze-Gründer Daniel Fallmann rät, folgende Frage zu stellen: «Wie schaffe ich es, dass mein Unternehmen weiss, was es schon lange wüsste, wenn es die vorhandenen Informationen entsprechend nutzen würde?» Anders gesagt: Viele Unternehmen wissen nicht, was sie wissen könnten. Die Bereitstellung von Informationen zum richtigen Zeitpunkt und im richtigen Kontext ist ausschlaggebend dafür, dass Geschäftsentscheidungen zeitgerecht getroffen werden, dass der Kunde dem Unternehmen treu bleibt, weil er sofort präzise Antworten erhält, oder dass Kosten reduziert werden, etwa weil Maschinenteile dank Predic­tive Maintenance ausgetauscht werden, bevor es zum teuren Produk­tionsstillstand kommt.

Andreas Dumont
Autor(in) Andreas Dumont


Das könnte Sie auch interessieren