Data Analytics bewährt sich daher als ein guter Einstieg in die Transformation hin zum datengetriebenen Unternehmen. Die Gründe liegen für Sarik Weber, Leiter Digitale Transformation bei Dr. Wieselhuber & Partner (W&P), auf der Hand: „Intelligente Data Analytics-Tools machen erste, schnelle Erfolge „sichtbar“ – und das erhöht die Akzeptanz bei Entscheidern, die so faktenbasiert agieren und Wertschöpfungsketten wesentlich effizienter gestalten können“.
Basis eines erfolgreichen Data Analytics Projekts: Ein geeigneter Business Case, in dem Analytics auch spürbaren Mehrwert liefert. „Hier ist vor allem ein kritischer Blick auf die Prozesse, Produkte und Services im Unternehmen gefragt, um zu bestimmen, wo die größten Effizienz- und Optimierungspotentiale liegen“, so Sebastian Batton, Digital Expert bei W&P. Im Zuge der Business Case-Definition sollten Zielwerte festgelegt werden, die nach dem Abschluss des Projektes eine Erfolgskontrolle ermöglichen. Neben dem Business Case gilt es eine adäquate Datenarchitektur aufzubauen. Nur wenn verfügbare Daten, Datenaufbereitung und Tools vernünftig aufeinander abgestimmt und integriert sind, können Analysen effizient umgesetzt und vor allem einfach skaliert werden.
Eine moderne Data-Analytics Architektur reicht von der Datenquelle bis zur Visualisierung und besteht in der Regel aus drei Ebenen:
- Datenquellen (z. B. ERP, CRM)
- Datenaufbereitung (z. B. Data Warehouse)
- Analyseumgebung (z. B. BI-Tool)
Welche konkreten Herausforderungen eine solche „End-to-End Data Pipeline“ mit sich bringt? Welche Tools für Reporting und Prognosen geeignet sind? Und welchen Mehrwert ein agiler Ansatz bei Data-Analytics Initiativen hat?
Mehr dazu im neuen W&P Dossier „Data Analytics: Durch Erkenntnisse aus Daten zu verbesserter Leistung“.
