movisco Analytics - Durchblick durch Einblick

Analytics ist ein Oberbegriff, der prinzipiell das Sammeln von Daten und die anschließende Auswertung beschreibt. Die Disziplin spielt bei sämtlichen Geschäftsprozessen eine immer wichtigere Rolle. Denn mit Hilfe von Analytics-Methoden können Unternehmen bisher ungenutztes Wissen und wertvolles Potential aus ihren (eigenen) Daten schöpfen. Infolgedessen werden Konzerne in eine bessere Position versetzt, Einblicke in Geschäftsprozesse zu bekommen sowie Querverbindungen und Trends in Daten zu offenbaren.

Der Grundprozess von Analytics sieht dabei immer gleich aus: Mit dem Ziel, Erkenntnisse zu gewinnen, werden Daten aufbereitet, verarbeitet und analysiert, die wiederum dazu genutzt werden, um beispielsweise bessere Entscheidungen zu treffen, Geschäftsprozesse zu optimieren, Reaktionszeiten zu verkürzen und die Wettbewerbsfähigkeit zu verbessern.

Doch wie schöpft man diesen Mehrwert vollumfänglich ab? Analytics bezieht sich dabei auf eine breite Palette von Analysemethoden und -technologien wie beispielsweise Business Intelligence, Data Mining, Predictive Analytics und Big Data Analytics. In dieser Kombination hilft Analytics Unternehmen dabei, Daten als Ressource wahrzunehmen, zu verstehen und holistisch zu nutzen.

Business Intelligence oder Business Analytics? Beides!

Eine allgemeingültige klare Trennung zwischen Business Intelligence (BI) oder Business Analytics (BA) ist in der wissenschaftlichen Literatur nur schwer zu finden. Viele unterscheiden die beiden Bereiche anhand der Fragestellungen, welche sie beantworten oder welchen Zeitbezug die zur Untersuchung verwendeten Daten besitzen.

Es ist jedoch wichtig zu verstehen, dass Business Intelligence und Business Analytics eng miteinander verbunden und verflochten sind. Sie werden eingesetzt, um verschiedene Geschäftsprobleme zu lösen. Beide liefern auf ihre Weise Aufschlüsse für verschiedene Untersuchungskontexte.

Nicht zu verwechseln sind die verschiedenen Ebenen von Datenanalysen oder Analytics-Varianten, welche BI und BA zugeordnet werden können. Viele sogenannte Analytics-Tools haben mehrere dieser Analysemöglichkeiten inne und fokussieren den Aspekt Informieren respektive Optimieren.

Business Intelligence

Business Intelligence nutzt historische und aktuelle Daten um zu Informieren. Durch diese Retrospektive wird analysiert was passiert ist und aus welchen Gründen. Anwendungsbereiche umfassen vor allem visuelle Einblicke in Daten zur Leistungskontrolle. Ein Trend ist das sogenannte das Mobile BI, welches es ermöglicht ortsunabhängig von verschiedenen Endgeräten auf Analyseergebnisse zuzugreifen. Folgende Analyseebenen gehen aus BI hervor:  

Descriptive Analytics

Diese Art der Analyse untersucht die Daten, um die Frage “Was ist passiert?” zu beantworten. Entsprechend erfolgt eine vergangenheitsbezogene Auswertung von Daten. Business Intelligence greift hier vor allem durch eine Aufbereitung der Daten in Form verschiedenster Visualisierungen.

Diagnostic Analytics

Soll die Frage “Warum ist etwas passiert?” beantwortet werden, sprechen wir von Diagnostic Analytics. Ergebnisse dieser Untersuchungen helfen Ursachen-Auswirken-Relationen zu zeigen und unterstützen dabei, Muster zu identifizieren. Die Vorgehensweise zeichnet sich unter anderem durch Drilldowns, Data Discovery und Data Mining aus.

Business Analytics

Business Analytics geht einen Schritt weiter und beschäftigt sich mit der Zukunft. Diese Analysen verwenden vorwiegend historische Daten, um Prognosen zu generieren So werden aus vorhandenen Daten neue Daten erzeugt, welche beispielsweise genutzt für strategische Entscheidungen genutzt werden. Um diese Näherungen zu generieren sind mehrere technische Komponenten notwendig. Folgende Analyseebenen stammen aus BA:

Predictive Analytics

Wenn es um die Zukunft und die Antwort auf die Frage “Was könnte passieren?” geht, gibt dieser Analytics-Typ Aufschluss. Um eintretende Szenarien vorherzusagen, sind schnelle Analysen gefragt. Zunehmend ist hier der Self-Service-Ansatz im Unternehmen gewünscht, um etwaige Analysen einer breiten Anwenderschaft zur Verfügung zu stellen.

Prescriptive Analytics

Diese Datenanalyse stellt eine Form des Advanced Analytics dar und liefert Handlungsempfehlungen, wodurch die Frage “Was sollte getan werden?” beantwortet wird. Darüber hinaus werden die Ergebnisse der Prescriptive Analytics genutzt, um auf potenziell eintretende Vorfälle zu reagieren oder diese gar zu verhindern. Einen wesentlichen Bestandteil stellen Simulationen und Machine Learning Techniken dar.

Planning

Planning ist eine der zentralen Aktivitäten eines jeden Unternehmens. Dabei stellt die Planung meist einen sehr zeit- und ressourcenaufwendigen Prozess dar, welcher darüber hinaus Abhängigkeiten zur IT aufweist.

Da zur Erstellung von Plänen Daten kombiniert und analysiert werden, ist es ein idealer Anwendungsfall für Analytics und den damit verbundenen Methoden und Technologien. Warum also nicht auch hier bekannte Visualisierungskonzepte und Interaktivität aus BI und BA nutzen?

Weitere Verbesserungsreserven finden sich beispielsweise in automatisierten Planungsprozessen wieder, welche falsch interpretierten Informationen oder unerkannten Trends vorbeugt sowie dem Lösen von Abhängigkeiten, bei dem der Self-Service Ansatz eine entscheidende Rolle spielt.

Analytics kann durch den Aufbau von Analysemodellen und Simulationen dazu beitragen, verlässlichere Vorhersagen für die Zukunft zu generieren und Nutzergerecht zu visualisieren.

Analytic Trends im Finanzdienstleistungsbereich

In der Finanzdienstleistungsbrache haben zunehmend mehr Unternehmen die Bedeutung von Analytics für sich erkannt und stehen jetzt vor der Herausforderung, eine passende Strategie für sich zu entwickeln. Oft geht dies einher mit großen IT–Transformationsprojekten, bei denen die Architektur grundlegend neugestaltet wird. Da Analytics im Bankwesen ein komplexes Thema mit vielen Facetten ist, gilt es, die richtigen Technologien und Tools einzusetzen. Ebenso müssen Compliance-Anforderungen mit der Wertschöpfung der Assets Daten in Einklang gebracht werden. Mit dem richtigen Ansatz kann Analytics beispielsweise bei Fragen zu Risikominimierung oder Betrugserkennung helfen, aber auch bei der Entwicklung von personalisierten Angeboten und Dienstleistungen für den Kunden unterstützen.

Wichtig für sämtliche Analysen ist es, meist bestehende Datensilos aufzubrechen und zur Verfügung zu stellen. Ein wesentlicher Aspekt besteht darin, die Unabhängigkeit für viele Fachbereiche von der IT-Abteilung zu erzielen, welche in der Vergangenheit Daten bereitgestellt hat. Gleichzeitig soll eine Flexibilität für Ad-hoc-Auswertungen unter Anwendung neuester Methoden in der Kombination mit anpassbaren Datengrundlagen gegeben sein. Dieser Self-Service Wunsch wird durch Trainings und der entsprechenden Know-how-Vermittlung realisiert. Nicht zuletzt wird die Durchführung von Analysen interaktiver und kollaborativer. Gleiches gilt für das Planning. Analyseergebnisse sollen darüber hinaus schnell und einfach in Visualisierungen überführt werden, um diese anschließend Entscheidungsträgern vorzulegen.