Was ist Business Analytics?

Hier sind einige Beispiele, um diesen Punkt näher zu erläutern.

Finanzen

Ein Finanzmanager oder -direktor, der für die Finanzen oder den Geschäftsbereich einer Abteilung verantwortlich ist, möchte die Einnahmen, Kosten, Gewinnmargen usw. für seinen Geschäftsbereich kennen. Ein CFO hingegen möchte ähnliche Kennzahlen auf aggregierter Ebene für alle Geschäftsbereiche erfahren und in der Lage sein, einen Drilldown in jeden einzelnen Geschäftsbereich durchzuführen. Der CFO möchte möglicherweise auch Informationen über Zinsaufwendungen, die Auswirkungen von Wechselkursen, Steuern usw. erhalten, die über den Aufgabenbereich eines Finanzmanagers hinausgehen könnten.

Marketing

Ein Marketingmanager, der für die Nachfragegenerierung verantwortlich ist, möchte die Anzahl der Leads, Gelegenheiten und abgeschlossenen Geschäfte kennen. Außerdem würde er untersuchen, wie verschiedene Online- und Offline-Kanäle zur Nachfragegenerierung funktionieren. Ein Marketingmanager, der für die Markenentwicklung verantwortlich ist, würde hingegen wissen wollen, wie die Marke des Unternehmens von Kunden, Partnern, Wettbewerbern, Influencern usw. wahrgenommen wird. Ein CMO wäre sowohl an Marken- als auch an nachfragebezogenen Kennzahlen interessiert und würde den aggregierten Return on Marketing Investment (ROMI) verstehen wollen.

Vertrieb

Ein Vertriebsleiter mit einem bestimmten Gebiet und einem zu erreichenden Kontingent würde sich auf seine Vertriebspipeline konzentrieren, die aus geschaffenen, gewonnenen und verlorenen Verkaufschancen besteht. Er würde auch wissen wollen, wie lange es dauert, eine Verkaufschance abzuschließen, um zu bewerten, wie viele Verkaufschancen erforderlich sind, um die Quotenziele zu erreichen. Ein Vertriebsleiter hingegen würde ähnliche Informationen auf aggregierter Ebene wissen wollen und in der Lage sein, einen Drilldown auf einen Vertriebsmitarbeiter oder ein Vertriebsgebiet durchzuführen.

Betrieb

Ein Betriebsleiter, der sich auf eine Produktionslinie konzentriert, möchte sicherstellen, dass die Produkte zeitnah ausgeliefert werden, während gleichzeitig die Fehlerquote auf ein Minimum reduziert und der richtige Lagerbestand aufrechterhalten wird, um die Marktnachfrage zu befriedigen. Daher möchte er wissen, wie viele Einheiten in einer Produktionslinie verarbeitet werden, wie lange es dauert, bis eine Einheit den Prozess durchlaufen hat, mit welcher Geschwindigkeit ein Prozess Ergebnisse liefert, wie viele Einheiten die Qualitätsprüfung nicht bestehen usw.

Personalwesen

Ein Personalmanager, der sich auf die Einarbeitung, Bindung und Entlassung von Mitarbeitern konzentriert, interessiert sich für die Anzahl der offenen Stellen, die Anzahl der Bewerber in der Interview-Pipeline, die Anzahl der Mitarbeiter, die das Unternehmen freiwillig oder unfreiwillig verlassen, und andere damit verbundene Statistiken.

Führungskräfte

Der CEO eines Unternehmens untersucht alle Facetten des Unternehmens und interessiert sich für alle oben genannten Beispiele. Er möchte aggregierte Kennzahlen für jeden Aspekt des Unternehmens einsehen und sich in einen bestimmten Bereich vertiefen können, um mehr zu erfahren. Der CEO möchte auch wissen, wie das Unternehmen im Vergleich zu ähnlichen Unternehmen auf dem Markt abschneidet.

Business Analytics umfasst verschiedene Arten der Analytik. Jede Art hilft Unternehmen, trotz zunehmender Komplexität und Raffinesse fundierte Entscheidungen zu treffen.

Deskriptive Analytik

Die deskriptive Analytik verfolgt wichtige Leistungsindikatoren (KPIs) und andere operative Kennzahlen, um den aktuellen Zustand eines Unternehmens zu verstehen. Sie analysiert die vergangene Leistung, um die Frage „Was ist passiert?“ zu beantworten, und fasst historische Daten zusammen, um Trends, Muster und Erkenntnisse zu identifizieren.

Beispielsweise untersucht ein Einzelhandelsunternehmen die Verkaufsdaten des letzten Quartals, um Spitzenzeiten im Verkauf, beliebte Produkte und Kundendemografien zu identifizieren.

Diagnostische Analytik

Die deskriptive Analytik sucht nach Trends, während die diagnostische Analytik versucht, die Gründe für Trends aufzudecken. Sie geht über die Beschreibung hinaus, um zu verstehen, warum etwas passiert ist. Sie nutzt Data Mining, Korrelationsanalysen und Drilldown-Funktionen, um die Ursachen aufzudecken.

Beispielsweise stellt ein E-Commerce-Anbieter einen Umsatzrückgang fest und nutzt die diagnostische Analytik, um dies zu untersuchen. Durch die Analyse der Warenkorbabbruchraten und des Kundenfeedbacks wurde festgestellt, dass eine kürzlich durchgeführte Website-Aktualisierung den Bezahlvorgang verlangsamte, was zu Umsatzverlusten führte.

Prädiktive Analytik

Prädiktive Analytik versucht, zukünftige Trends vorherzusagen. Sie nutzt statistische Modelle, Machine Learning und KI, um die Frage „Was wird passieren?“ zu beantworten. Die Analyse historischer Daten hilft Unternehmen, Trends, Risiken und Gelegenheiten zu antizipieren.

Beispielsweise nutzt eine Bank prädiktive Analytik, um das Kreditrisiko ihrer Kunden zu bewerten. Durch die Analyse der bisherigen Kreditrückzahlungshistorie, des Einkommensniveaus und der Ausgabengewohnheiten prognostiziert die Bank die Wahrscheinlichkeit eines Zahlungsausfalls und passt ihre Kreditvergabepolitik entsprechend an.

Präskriptive Analyse

Präskriptive Analyse nutzt prognostizierte Trends, um Geschäftsentscheidungen zu beeinflussen. Sie geht noch einen Schritt weiter und empfiehlt Maßnahmen zur Optimierung der Ergebnisse und zur Verbesserung der Geschäftsprozesse. Sie kombiniert künstliche Intelligenz (KI), Machine Learning (ML) und Optimierungsalgorithmen, um die Reaktion des Unternehmens auf zukünftige Herausforderungen und Gelegenheiten zu steuern.

Beispielsweise nutzt ein Logistikunternehmen präskriptive Analyse, um Lieferrouten zu optimieren. Unter Berücksichtigung von Echtzeit-Verkehrsbedingungen, Wettervorhersagen und Kraftstoffkosten schlägt das System die effizientesten Routen vor, um Lieferzeiten und Kosten zu minimieren.

Kognitive Analytik

Kognitive Analytik nutzt KI, natürliche Sprachverarbeitung (NLP) und Deep Learning, um unstrukturierte Daten (Text, Bilder, Videos) zu interpretieren und menschenähnliche Entscheidungen zu treffen. KI-Systeme analysieren Daten, nachdem sie den Kontext und die Bedeutung von Sätzen verstanden oder bestimmte Objekte in einem Bild erkannt haben, und verbessern ihre Entscheidungsfindung im Laufe der Zeit. Kognitive Analytik deckt spezifische Muster und Zusammenhänge auf, die mit einfachen Analytik nicht erkennbar sind.

Ein Chatbot für den Kundenservice nutzt beispielsweise kognitive Analytik, um Kundenanfragen zu analysieren, Stimmungen zu erkennen und personalisierte Antworten zu geben, wodurch die Kundenzufriedenheit verbessert wird.

Datenanalytik ist ein Oberbegriff für alle Arten der Datenanalytik. Sie umfasst alles von der Bereinigung und Verarbeitung von Daten bis hin zu komplexen Modellierungen und Visualisierungen, unabhängig davon, ob das Ziel geschäftsbezogen ist. Business Analytics ist ein spezialisierter Teilbereich der Datenanalytik, der sich auf die Lösung von Geschäftsproblemen und die Förderung operativer Verbesserungen konzentriert.

Anwendungen

Business Analytics konzentriert sich auf Entscheidungsfindung, Rentabilität und operative Effizienz. Sie wird in der Regel in Unternehmen eingesetzt, in denen Daten strategische Maßnahmen vorantreiben. Im Gegensatz dazu kann die Datenanalytik eher explorativ sein und darauf abzielen, Muster und Erkenntnisse aufzudecken, die nicht unbedingt eine unmittelbare geschäftliche Anwendung haben. Sie wird in der wissenschaftlichen Forschung, der Sozialforschung und der Lösung technischer Probleme eingesetzt.

Beispiele

Ein Unternehmen nutzt Geschäftsanalysen, um Einblicke in das Kaufverhalten seiner Kunden zu gewinnen und personalisierte Produkte zu empfehlen, wodurch sich die zukünftigen Ergebnisse für das Unternehmen verbessern. Im Gegensatz dazu könnte ein Forscher, der Datenanalytik einsetzt, Satellitenbilder analysieren, um Muster der Entwaldung und des Klimawandels zu identifizieren, oder Daten aus dem Bereich der öffentlichen Gesundheit nutzen, um den Ausbruch von Krankheiten vorherzusagen.

Um die Vorteile von Business Analytics zu nutzen, benötigen Sie drei Dinge.

Fokus

Stellen Sie Fragen, die für Ihr Unternehmen relevant sind. Es ist leicht, in die Falle zu tappen, irrelevante Fragen zu stellen, die Sie auf den falschen Weg führen oder Sie dazu veranlassen, viel Arbeit zu investieren, um Antworten auf Fragen zu erhalten, die Ihnen nicht weiterhelfen.

Daten

Um auf genaue Daten zuzugreifen, die Ihnen bei der Beantwortung der Fragen helfen, ist oft leichter gesagt als getan. Um die gewünschten Daten zu erhalten, müssen Sie eine datenorientierte Kultur in Ihrem Unternehmen etablieren (von oben nach unten und von unten nach oben) und über Datenmanagementprozesse verfügen, mit denen Daten zuverlässig und genau erfasst werden können.

Systeme und Tools

Verfügen Sie über die Mittel zur Verarbeitung und Analyse von Daten. Wir leben in einer Informationswirtschaft, in der Unternehmen Daten in Terabyte und Petabyte sammeln, die sich in unterschiedlichen Datenbanken befinden, die mit verschiedenen Hardware- und Softwaresystemen verbunden sind. Sie benötigen Systeme oder Tools, die Ihnen helfen, die Daten zu extrahieren, zu verarbeiten, zu analysieren und später zu visualisieren.