Big Data und der Business-Nutzen intelligenter Datenanalysen
Einmal die Route nachgeschaut, einen Flug angeklickt oder ein Restaurant geliked – wir produzieren auf Schritt und Tritt Daten. Und ob wir es wollen oder nicht: Unternehmen zeichnen viele unserer Digital Footprints auf, die wir mal mehr und mal weniger bewusst hinterlassen.
In jedem Unternehmen schlummern also Massen an rohen und ungenutzten Daten, aus denen sich wertvolle Informationen und damit neues Wissen herausfiltern lassen. Doch mit einer reinen Betrachtung der Daten ist es längt nicht getan: Erst wenn diese intelligent in einen Zusammenhang gestellt und das Gesamtbild anschließend interpretiert wird, erhalten Betriebe ein besseres Verständnis für ihr Business und ihre Kunden. Mit dieser Grundlage können sie wiederum konkrete Maßnahmen ableiten, unternehmensrelevante Entscheidungen besser treffen und so ihre Geschäftsfähigkeiten optimieren. Prozesse werden effizienter, Innovationen vereinfacht und die Produktivität und Kundenzufriedenheit gesteigert.
Doch es gibt ein Problem.
Wie behält man den Durchblick in den Datenmassen?
Laut einer Studie haben ein Drittel der befragten Unternehmen diese Thematik zwar auf der Agenda, wissen aber nicht, wie sie mit ihren Datenmassen umgehen sollen. Denn die Pools an Informationen sind oftmals so komplex, dass ihr Potenzial sich nicht auf den ersten Blick erschließt. Und: Die Hoheit über die Daten hat zu oft noch die IT. Dabei sollten Big Data und Business Intelligence-Verfahren im digitalen Zeitalter eigentlich in jedem Unternehmen abteilungsübergreifend zum modus operandi gehören.
Um mehr aus seinen Daten zu machen, müssen vor allem folgende Fragen beantwortet werden:
- Welche Informationen sollen aus den Daten generiert werden?
- Ist der Datensatz vollständig genug dafür?
- Welche Datensilos gibt es eigentlich im Unternehmen?
- Wie kann man relevante Datensätze extrahieren und konsolidieren?
- Wer ist für diese Strukturierung zuständig?
- Welche Tools wären hilfreich?
Sind diese Fragen geklärt, kann die Mission „Intelligente Datenanalyse“ losgehen. Diese vier Tipps sollen dabei helfen.
4 Herangehensweisen für ein besseres Daten-Management
1. Einrichtung einer geeigneten technologischen IT-Basis
Um einen tatsächlichen Mehrwert aus den Daten ziehen zu können, müssen diese im ersten Schritt verstanden werden. Darauf basierend sollte die IT eine Infrastruktur konzipieren, die sicherstellt, dass sich alle relevanten Datensilos zusammenführen lassen. Dafür sind wiederum Kenntnisse über den Ursprung der Daten sowie über die nötigen Netzwerkverbindungen für deren Übertragung wichtig. Strategische Rechenzentrumsentscheidungen sowie Überlegungen, neue Datenmodelle in der Cloud zu verwalten, liegen hier ebenfalls in der Hand der IT-Verantwortlichen.
2. Ziele definieren und Business Analysts engagieren
Sollen bestehende Kundenbindungen gestärkt, neue Kunden akquiriert oder Prozesse effizienter gestaltet werden? Wer weiß, was er will, weiß auch, was er tun muss. Diese Aufgabe sollte Fachkräften zugeteilt werden, die über Kompetenzen in diesen Bereichen verfügen – sei es Cloud Computing, Hyperkonnektivität oder In-Memory-Technologien. Dieses Business Intelligence-Team sollte sich ausschließlich mit der Analyse, Aufbereitung und Auswertung der Daten befassen, die im Anschluss über ein Dashboard für alle zugänglich gemacht werden. Geleitet werden sollte das Team durch einen erfahrenen Spezialisten (beispielsweise einen Chief Data Officer oder Chief Information Officer), der eng mit der Geschäftsleitung zusammenarbeitet und als Hauptverantwortlicher die Datenqualität steuert.
3. Sämtliche Nutzerdaten für eine 360-Grad-Kundensicht betrachten
User Centric Analytics sollten in keinem Unternehmen fehlen. Denn mit jeder Angabe und jedem Update hinterlassen Nutzer Daten, die für Unternehmen aufschlussreich sind. So können Betriebe zum Beispiel Informationen für neue Angebote und Einkommensquellen nutzen. Der Ansatz des 360 Degrees Customer View verzahnt hier sämtliche Datenquellen wie Verhaltensmuster (Bestellungen, Zahlungshistorie), CRM-Daten (Interaktionen auf Social Media), Deskriptives (soziodemographische und geographische Informationen) oder Einstellungen (Präferenzen) miteinander. Die Daten betrachtet man am besten immer individuell, innerhalb eines Kundenlebenszyklus und in Echtzeit. Dies ermöglicht zum Beispiel, Marketingkampagnen zielgerichteter auszustrahlen, da personalisierte Empfehlungen auf Basis einzelner Nutzer geschehen.
4. Agile Software für Datenorganisation und -steuerung einsetzen
Digitale Geschäftsmodelle werden durch neue Technologien unterstützt, die umfassende Datenanalysen durchführen und somit sehr präzise und zuverlässig Erfolgsfaktoren und Optimierungspotenziale einer Webseite vorhersagen können. Anstatt viele verschiedene Tools zu nutzen, die möglicherweise nicht miteinander kompatibel sind, sollten Unternehmen in integrierte Systeme investieren. Diese Allround-Lösungen sind in der Lage, hohe Datenanforderungen durch einfache und automatisierte Prozesse verlässlich zu erfüllen. So haben Betriebe stets schnell Zugriff auf aktuelle und exakte Ergebnisse. Wann immer möglich, sollte eine agile Entwicklungsmethodik eingesetzt werden, die sich an spätere Bedürfnisse anpassen lässt.
Doch: Wo findet man passende Software- und Service-Partner, die diesen Anforderungen genügen? In letzter Zeit tauschen sich viele Konzerne und KMU mit Startups aus, da diese über das nötige technologische Know-how verfügen und innovative B.I.-Tools anbieten. Die Unternehmen können somit datengestützte Analysen vornehmen, deren Erkenntnisse ihnen klare Wettbewerbsvorteil verschaffen. Und ohnehin: Solch eine Business-Partnerschaft schafft jede Menge Vorteile.
Business Intelligence reloaded: Wenn etablierte Unternehmen auf Startups treffen
Immer mehr Traditionsunternehmen haben die Notwendigkeit einer Digitalstrategie erkannt und fahren aktuell ihre Antennen in die Startup-Szene aus, die aktiv an Big Data-Lösungen arbeitet – so auch TA Triumph-Adler.
Das Unternehmen will seinen Kunden bei der Nutzung von Daten unter die Arme greifen und digitale Prozesse entwickeln, die kostengünstig, schnell und effizient sind. Und so werden derzeit jede Menge Startup-Kooperationen angestoßen. Zu nennen ist hier insbesondere die erfolgreiche Zusammenarbeit mit Datapine: Während TA Triumph-Adler neue agile Anreize erhält, profitiert Datapine von etablierten Strukturen sowie einem großen Kundennetzwerk. Dieser Austausch zwischen Old und New Economy ist ein gutes Beispiel dafür, wie die Chancen von Big Data gezielter genutzt werden können.