Fachbeiträge & Kommentare zu Analytics

Der Einsatz des Data Analyzer sollte jedoch überlegt und im Einklang mit dem bestehenden Berechtigungskonzeptes und den daraus resultierenden Nutzergruppen sein. Nicht jeder Standard-User benötigt zwingend den Data Analyzer. Er kann ein hilfreiches Werkzeug für Nutzer sein, die regelmäßig freie Analysen durchführen, jedoch muss der Umgang mit diesem auch geschult und geübt w... mehr

Viele Fachbereiche stehen vor der Herausforderung flexible ad-hoc-Analysen direkt in ihren Reporting-System zu integrieren und es Nutzern zu ermöglichen, schnell eigene Analysen zu erstellen. Die SAC bietet hierfür eine Funktion namens Data Analyzer, die diese Anforderungen abdecken soll. Hierbei handelt es sich, um einen eigenen, vom Dashboard losgelösten Bereich, den User ... mehr

Nach dem Absprung aus einer Story in den Data Analyzer sieht der Nutzer zunächst die Visualisierung oder Tabelle, von der aus er abgesprungen ist. Das Datenmodell, Filter und die angezeigten Kennzahlen und Dimensionen decken sich mit der ursprünglichen Darstellung. Nun kann ein Nutzer diese Darstellung flexibel anpassen. Er kann Dimensionen hinzufügen oder entfernen, die Dar... mehr

In diesem Abschnitt werden Erweiterungen betrachtet, welche bei umfangreichen und komplexen Anforderungen für den Story-Entwickler relevant sind. Des Weiteren werden Optionen der Integration von SAC-Dashboards in andere Tools beschrieben. Bei der Entwicklung ganzer Reporting-Landschaften müssen die Anforderungen verschiedener Fachabteilungen in dafür zugeschnittenen Berichten... mehr

Bei der Verwendung von Importmodellen erfolgt die Implementierung eines Datenmodells und die Transformation der Daten in der SAC. Nach dem Aufbau eines Modells können sowohl Fakten- als auch Dimensionsdaten (inkl. Hierarchien) über Importverbindungen in das Modell geladen werden. Die SAP stellt umfangreiche Konnektoren zur Verfügung, um eine Vielzahl von Quellsystemen anzubi... mehr

Für eine klare, verständliche und einheitliche Darstellung in Berichten bieten die International Business Communication Standards (IBCS) einen geeigneten Leitfaden. Die Einhaltung dieser Standards bietet eine Reihe von Vorteilen, denn er … gibt Vorgaben für die Gestaltung von Managementberichten, um eine einheitliche Berichtssprache zu gewährleisten. erleichtert die schnelle E... mehr

Für eine langfristig stabile Reporting-Landschaft in der SAC ist es empfehlenswert eine Systemarchitektur aufzubauen, welche über einen längeren Zeithorizont konstant bleibt und eine homogene Basis für die Anbindung diverser Prozesse und Analysen schafft. Die Architektur kann sich aus verschiedenen Systemen innerhalb einer zwei- bis dreistufigen Architektur zusammensetzen, w... mehr

Die Datenmodelle in der SAC folgen dem Konzept der multidimensionalen Datenmodellierung. Ein Datenmodell besteht dabei aus Fakten und Dimensionen. Pro Datenmodell gibt es genau eine Tabelle mit Transaktionsdaten, die Faktentabelle, deren Spaltenanzahl von der Anzahl der Dimensionen abhängt und die pro Transaktion (z. B. eine Buchung im ERP) eine Zeile hat. Es handelt sich al... mehr

Aus Datenschutzgründen oder wegen einer entsprechend aufgebauten Systemarchitektur ist es in manchen Fällen nicht gewünscht oder nicht notwendig, die Daten in die SAC zu importieren. In diesen Fällen ist es empfehlenswert, auf ein Live-Daten-Modell zurückzugreifen. Hierfür muss kein Datenmodell angelegt werden, da die SAC die Datenstruktur aus dem Backend für die Analyse ver... mehr

Bei der Entwicklung von Reports muss darauf geachtet werden, vorab ein geeignetes Konzept zu erstellen, welches in Einklang mit der Steuerungslogik eines Unternehmens steht. Für die Konzeption sollten die Zielsetzung des Reports und die Nutzergruppe definiert werden. Ein Mockup kann für die Implementierung hilfreich sein, da hier schon die Klickpfade und gewünschten Visualisi... mehr

Zusammenfassend lässt sich sagen, dass SAP mit der SAC eine umfassende Reporting-Lösung anbietet. Diese verfügt über viele verschiedene Schnittstellen und insbesondere die Möglichkeit der Livedatenanbindung an andere SAP-Systeme ist ein Alleinstellungsmerkmal gegenüber anderen Reporting-Lösungen. Alternativ ist auch eine Importanbindung an die meisten gängigen Datenbanken mö... mehr

Für die Implementierung von Berichten werden in der SAC sogenannte Stories verwendet. Dies sind Objekte, welche auf einem Datenmodell aufsetzten und Visualisierungen bereithalten. Eine Story kann für die Darstellung von Canvas und Responsive Dashboards verwendet werden, letztere eignet sich für die Nutzung auf Mobilgeräten. Eine Story wiederum besteht aus beliebig vielen Unt... mehr

Moderne BI & Analytics- bzw. Datenplattformen benötigen passende Governance-Standards, um eine effektive und effiziente Arbeit mit internen und externen Daten im Unternehmen zu ermöglichen. Dieses Rahmenwerk sollte möglichst funktionsübergreifend aufgebaut sein, unternehmens- oder bereichsweit gültig und einheitlich sein. Außerdem beinhaltet ein solcher Governance-Ansatz in ... mehr

Überblick Der Einsatz von KI-basiertem Dashboarding, also die Nutzung von KI-Funktionalitäten in Reporting-Standardsoftware, unterliegt einer kontinuierlichen Weiterentwicklung. Es gilt klar zu differenzieren, welche Grenzen diese integrierten KI-Funktionalitäten innehaben und wo der Einsatz von spezifischer KI-Software bzw. Programmierungen außerhalb eines Dashboards abzubil... mehr

Eine BI & Analytics-Architektur mit ihren Lösungsbestandteilen erfordert zwei grundlegende Arten von Prozessen: Datenmanagement- und Data Governance-Prozesse. 2.3.1 Datenmanagement-Prozesse Das Datenmanagement bzw. die Datenbereitstellung umfasst dabei das Demand Management, welches sich mit der Sammlung der Datenbedarfe und dem anschließenden Aufbau von Datenpipelines befasst... mehr

Die Anzahl an Tools, welche KI nutzen, wächst – gleichzeitig wird jedoch die Transparenz der Funktionalitäten niedriger. Das ist ein Grund, warum es Unternehmen häufig schwerfällt, sich bei dem Wunsch zur Nutzung von KI für das richtige Tool zu entscheiden. Oft entsteht so eine ganze Tool-Landschaft von mehreren Anwendungen, welche teilweise unterschiedliche, teilweise jedoc... mehr

Künstliche Intelligenz kann für unterschiedliche Anwendungsfälle des Dashboardings genutzt werden – wir gehen hier auf eine Reihe ausgewählter Funktionalitäten ein und erläutern in diesem Zusammenhang die Vorteile und Möglichkeiten dieser Anwendungsfälle. Für beispielhafte visuelle Darstellungen nutzen wir die beiden Dashboarding-Tools SAP Analytics Cloud (SAC) sowie Microso... mehr

Die Verarbeitung solcher Transaktionsdaten stellt nur einen Teil der notwendigen Prozesse dar. Denn sowohl die Bewegungsdaten als auch Stammdaten und weitere Metadaten sind im Rahmen von Governance-Prozessen zu bearbeiten. Dieser zweite Typ von Prozessen in BI- und Analytics-Tools beschreibt die Governance bzw. die Nutzung von Standards, um z. B. die Bewegungsdaten korrekt z... mehr

KI-basierte Anwendungen bieten eine Reihe wichtiger Vorteil wie Natürliche Sprachverarbeitung: Microsoft Fabric integriert aktuell in einer öffentlichen Vorschau fortschrittliche KI-Algorithmen zur natürlichen Sprachverarbeitung, die es den Benutzern ermöglichen, komplexe Analysen in natürlicher Sprache durchzuführen. Dies erleichtert die Interaktion mit den Daten und ermögli... mehr

Die Architektur ist ein integraler Bestandteil der BI-Strategie, die im TOM sowohl technologisch als auch datenarchitektonisch behandelt werden sollte. Um eine robuste Basis zu schaffen und eine nahtlose Integration in die Organisationsstrukturen zu gewährleisten, sind verschiedene Aspekte zu berücksichtigen. Dieser Prozess beginnt mit der Festlegung geeigneter Architektursc... mehr

Fasst man die bis hierhin genannten Punkte zusammen, lassen sich die genannten Anforderungen und damit verbundenen Herausforderungen für das Berichtwesen nicht kurzfristig umsetzen bzw. überwinden. Vielmehr gilt es, sehr genau das Vorgehen in einer Roadmap vorab zu definieren. Dies ist insbesondere deshalb relevant, da die Unternehmenssituation im jeweiligen Krisenstadium (s... mehr

Unabhängig von der individuellen Ausgangssituation ist es erforderlich, dass sich Unternehmen mit der digitalen Transformation auseinander setzen, da sie in jedem Fall die kulturellen, strategischen und strukturellen Ebenen betrifft. Hierzu gehören eine umfängliche Change-Begleitung sowie die Einbeziehung und das Commitment des Managements, um die Notwendigkeit der Veränderu... mehr

Digitalisierung von Lieferketten Bereits heute sind Teilprozesse digital. Digitalisieren lassen sich das durchgängige Nachverfolgen von Waren, die Automatisierung der Abfertigung, die Organisation der Auslieferung, eine automatisierte Dokumentation und Prozesse im Lager, wo Aufbereitung für Auslieferung an Endkunden bzw. Bereitstellung für den Handel erfolgen. Digitalisierung ... mehr

Ungeachtet des konkreten Anwendungsfalls lässt sich mittlerweile ein "best practice" im Vorgehensmodell für die Umsetzung von Predictive-Analytics-Anwendungsfällen identifizieren. Im Folgenden werden die 9 Schritte in der Entwicklung eines Predictive-Analytics-Anwendungsfalls ("Use Case") beschrieben, die in Projekten von Horváth & Partners regelmäßig zur Anwendung kommen. Ab... mehr

Das Advanced-Analytics-Universum umfasst 4 Bereiche, die eindeutig voneinander abzugrenzen sind. Die Bereiche sind: Descriptive Analytics, Diagnostic Analytics, Predictive Analytics und Prescriptive Analytics. Diese lassen sich anhand der Achsen Komplexität und Nutzen ("Business Value") anordnen (vgl. Abb. 3). Abb. 3: Die 4 Bereiche des Advanced Analytics Descriptive Analytics... mehr

Der Einsatz von prädiktiven Analytics allein bewirkt jedoch noch nicht, dass der Forecast eine höhere Prognosegüte erhält und mit geringerem Aufwand realisierbar ist. In dieser Sektion wollen wir die Erfolgsfaktoren für den Einsatz von prädiktiven Analytics näher beleuchten. Im Wesentlichen lassen sich die Faktoren, von denen ein erfolgreicher Einsatz prädiktiver Analytics a... mehr

Die Vorteile von prädiktiver Analytics lassen sich am besten veranschaulichen, wenn man sich die Charakteristika des klassischen Forecasts vergegenwärtigt: Ein solcher Forecast wird "von Menschenhand" in einem manuellen Prozess erstellt und dessen Erstellung folgt zumeist einer Mischung aus sehr einfachen Logiken und Experteneinschätzungen. Im Gegenzug hierzu weist die Foreca... mehr

2.1 Terminologie Predictive Analytics beschreibt den Schnittpunkt von Statistik und Computer Science, der sich mit der Extraktion von Informationen aus Daten befasst, um diese zur Vorhersage von Trends und Mustern zu verwenden. Dabei kommen auch in Predictive Analytics statistische Methoden zum Einsatz, wie etwa Data Mining, Regressionsmodelle, Entscheidungsbäume, Clusteranal... mehr

Der Zyklus aus strategischer Planung, Zielsetzung, operativer Planung und Forecasting bildet ein wichtiges Instrument der Unternehmenssteuerung. Entsprechend ist die Steigerung von Qualität und Effizienz im Bereich Planung und Forecasting für viele Unternehmen ein zentrales Ziel. Gleichzeitig stellen Planung und Forecasting in vielen Unternehmen aufwändige Prozesse dar, die ... mehr

Es liegt in der Natur von prädiktiver Analytics, dass diese eine objektive Prognose der Zukunft darstellen. Hinzu kommt, dass prädiktive Analytics automatisch auf einem granularen/operativen Level stattfinden können. Folglich kann ein Forecast mittels prädiktiver Analytics den Forecast-Prozess weitgehend automatisieren. Er ersetzt aber nicht den eigentlichen Planungsprozess.... mehr

Stochastische Anforderungen liegen i. d. R. in der Natur der vorherzusagenden Daten und können vom Unternehmen nicht beeinflusst werden; praktische Anforderungen können hingegen vom Unternehmen (z. B. durch Ausbau der IT-Infrastruktur) direkt beeinflusst werden. Mathematisch formuliert, stellen stochastische Anforderungen sicher, dass die Zufallsvariablen, welche einem Sample... mehr

Eine weitere Ausbaustufe der Automatisierung innerhalb der Planungsprozesse, die sich aktuell bei dem genannten Unternehmen in der Umsetzung befindet, bildet die Nutzung von modernen Analytics-Methoden. Predictive Analytics nutzt fortschrittliche Datenanalysemethoden, um Vorhersagen über zukünftige Ereignisse und Ergebnisse zu treffen. Es handelt sich dabei um einen dynamisc... mehr

Werfen wir nun einen Blick auf die praktischen Anforderungen, die direkt vom Unternehmen beeinflusst werden können. Hierzu zählen vor allem folgende Bedingungen: Verfügbarkeit der Einflussfaktoren: Die benötigten Inputdaten zur Erstellung des algorithmischen Forecasts sollten mit geringem Aufwand verfügbar sein und automatisiert abgerufen werden können. Insbesondere kann ein ... mehr

Predictive Analytics beschreibt den Schnittpunkt von Statistik und Computer Science, der sich mit der Extraktion von Informationen aus Daten befasst, um diese zur Vorhersage von Trends und Mustern zu verwenden. Dabei kommen auch in Predictive Analytics statistische Methoden zum Einsatz, wie etwa Data Mining, Regressionsmodelle, Entscheidungsbäume, Clusteranalysen, sowie Meth... mehr

Durch die in den letzten Jahren gestiegenen Möglichkeiten der IT ist eine punktuelle oder umfassende IT-Unterstützung der Prozesse möglich, was im Controlling-Prozessmodell 2.0 durch die verbindende "Schicht" der Analytics verdeutlicht wird. Je nach Unternehmen, Geschäfts-, Führungs- oder Steuerungsmodell können analytische Unterstützungen punktuell oder umfassend eingesetzt... mehr

Vollmert/Lück, Google Analytics, 2015. Javis, Was würde Google tun?, 2009. mehr

Bishop, Pattern Recognition and Machine Learning, 2006. Gleich/Grönke/Kirchmann, Strategische Unternehmensführung mit Advanced Analytics, 2017. Hastie/Tibshirani/Witten/James, An Introduction to Statistical Learning, 2013. Oehler, Advanced Analytics für Controller, 2019. Provost/Fawcett, Data Science für Unternehmen, 2017. Stephan, Strategietransformation, 2014. mehr

Spezielle Datenverarbeitungssysteme wie ein Data Warehouse oder Business-Intelligence-Systeme (Werkzeug 7 in Abb. 3) dienen dazu, die Daten zu aussagekräftigen Informationen weiterzuverarbeiten. Zum Teil ermöglichen auch bereits ERP-, CRM- oder SCM-Systeme Datenauswertungen. Ziel eines BI-Systems ist die Gewinnung von Erkenntnissen aus den im Unternehmen vorhandenen Daten zur... mehr

Business Analytics als Oberbegriff umfasst die Sammlung von fakten- und datenbasierten Modellen, Methoden und Technologien der Nutzung von Big Data zur Unternehmenssteuerung. Es handelt es sich somit um einen interdisziplinären Ansatz, der analytische Kompetenzen aus der Mathematik, der Statistik und der künstlichen Intelligenz (KI) mit technisch-methodischen IT-Kompetenzen ... mehr

Im ersten Schritt werden grundlegende Potenziale hinsichtlich des Einsatzes von Predictive Analytics mit dem Unternehmen diskutiert, die Hauptprozesse betrachtet und mögliche Use Cases evaluiert. Bei der Identifizierung und Evaluation der möglichen Use Cases kommt insbesondere die Stärke der Kombination von Branchenexperten, die das Marktumfeld genau kennen, und Fachexperten... mehr

Predictive Analytics zielt darauf ab, auf Basis von strukturierten Daten Prognosen für zukünftige Ereignisse/Entwicklungsverläufe zu treffen. Die Verfügbarkeit großer Datenmengen bei gleichzeitiger Fähigkeit, diese effizient zu verarbeiten, eröffnet heute neue Möglichkeiten und Anwendungsgebiete. Algorithmisch erstellte Prognosen sind gegenüber klassischen Prognosen höher auto... mehr

Zusammenfassung Überblick Früher kannte der Vertrieb seine Interessenten und Kunden persönlich. Heute erfolgen viele Kontakte mit einem Unternehmen über das Internet und damit erst einmal anonym und unstrukturiert. Erst wenn diese einzelnen Kontaktinformationen erhoben, strukturiert und ausgewertet werden, ergibt sich ein Bild von den einzelnen Web-Besuchern. Über smarte Analys... mehr

Zusammenfassung Predictive Analytics zielt darauf ab, auf Basis von strukturierten Daten Prognosen für zukünftige Ereignisse/Entwicklungsverläufe zu treffen. Die Verfügbarkeit großer Datenmengen bei gleichzeitiger Fähigkeit, diese effizient zu verarbeiten, eröffnet heute neue Möglichkeiten und Anwendungsgebiete. Algorithmisch erstellte Prognosen sind gegenüber klassischen Progn... mehr

Nach Abschluss der Modellierung werden die Modellergebnisse aufbereitet und gemeinsam mit den Fachexperten des Kunden hinsichtlich ihrer Güte und Einsatzfähigkeit evaluiert. Hier werden die letzten Stellschrauben der Modellierung angepasst, um das Optimum aus den Algorithmen herauszuholen. Gegebenenfalls kann hier aber auch das Ergebnis sein, dass eine weitere Modellierungss... mehr

In den nachfolgenden Abschnitten werden 3 aktuelle Praxisbeispiele in anonymisierter Form vorgestellt, um einen Eindruck zu vermitteln, in welchen Bereichen heute schon erfolgreich mit Predictive Analytics gearbeitet werden kann, wie jeweils vorgegangen wurde und welcher Nutzen für das projektgebende Unternehmen erreicht wurde. 4.1 Accounts Receivable Forecast Ausgangslage und Zi... mehr

Unter Predictive Analytics (PA) versteht man Prozesse, Konzepte und Methoden, mit denen auf Basis von strukturierten (Vergangenheits-)Daten und mithilfe von klassischer Statistik und/oder maschinellem Lernen (Machine Learning), Vorhersagen von Ereignissen gemacht werden können. Vereinfacht geht es darum eine Vorhersage zu machen, welche Entwicklung sich auf Basis einer vorli... mehr

Predictive Analytics ist kein monolithischer Baustein in Form einer einfach zu aktivierenden Funktion, sondern selbst ein Prozess. Der Standard CRISP-DM (Cross Industry Standard Process for Data Mining) skizziert ein mögliches Vorgehensmodell.[1] Beim CRISP-DM handelt es sich um einen Ansatz, Predictive Analytics in klar abgegrenzte Prozessschritte zu strukturieren.[2] Es ze... mehr

Die 3 Praxisbeispiele zeigen typische Anwendungsfälle von Predictive Analytics. Auch wenn alle Beispiele auf den gleichen Prinzipien beruhen, bei genauerem Hinschauen unterscheiden sie sich sowohl im Vorgehen als auch der Komplexität der finalen Lösung. Der "one-size-fits-all"-Ansatz ist Stand heute noch nicht gefunden, auch wenn sich insb. im Bereich des Forecasting erste S... mehr

Ausgangslage und Zielsetzung Im Rahmen des Planungsprojekts mit einem Energiedienstleister sollte das Potenzial von Predictive Analytics für die Energieversorgerbranche eruiert werden. Dazu sollte beispielhaft auf Grundlage historischer Nachfragemuster und ausgewählter externer Faktoren eine verbesserte Vorhersage des Energieverbrauchs erreicht und somit eine verbesserte Ress... mehr

Ein wesentliches Einsatzgebiet von Predictive Analytics ist das im Zentrum dieses Beitrags stehende Management Reporting bzw. die Unterstützung der Unternehmenssteuerung in Planung, Budgetierung und Forecasting. Innerhalb des Forecasting bieten sich insb. Prognosen von Absätzen/Umsätzen ("Sales Forecast"), Kosten (z. B. Materialeinkauf, Lagerhaltung) und Geldbewegungen (z. B... mehr