Fachbeiträge & Kommentare zu Analytics

Ausgangslage und Zielsetzung Ein großer Flugzeugturbinenhersteller fragte an, ob durch den Einsatz von Predicitve Analytics der Prozess von Maintenance, Repair and Overhaul (MRO) schneller und effizienter gestaltet werden könnte. Das Unternehmen prüft in regelmäßigen Abständen die im Einsatz befindlichen Triebwerke auf Schäden an den Turbinenschaufeln und tauscht diese gegebe... mehr

2.1.1 Ist jeder Besucher einer Seite eines Shops etc. ein Lead? Nicht jeder Homepage-Besucher ist ein Lead Je nach Standpunkt des Betrachters – zumindest ist es jedoch ein potenzieller Lead. Zu bewerten bleibt, ob der Besucher sich nur auf die Seite verirrt hat oder wirkliches Interesse am Unternehmen bzw. den Produkten/Dienstleistungen zeigt. Eine klassische Kenngröße für dies... mehr

1.1 Definition 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 Bas... mehr

Zusammenfassung Die Entwicklungen der letzten Jahre im Bereich Advanced Analytics und Machine Learning werden von vielen Unternehmen als wichtige Hebel gesehen, bisherige manuelle Forecasts zu digitalisieren. Die Vorteile eines algorithmischen Forecasts sind seine höhere Objektivität, ein geringer Aufwand, eine höhere Frequenz und unter bestimmten Voraussetzungen auch eine ver... mehr

Im zweiten Schritt muss die Ist-Situation umfassend analysiert werden, um zu verstehen, ob die zugrundeliegende Fragestellung für den ausgewählten Use Case richtig gesetzt ist. Die Erfahrung der letzten Jahre zeigt deutlich, dass die meisten Firmen schon in diesem ersten Schritt die größten Fehler machen. Praxis-Beispiel Forecast-Methoden im Sales-Bereich Zur besseren Antizipa... mehr

Die Modellentwicklung (der komplexeste Teil des Projektes) und das Training der Algorithmen erfolgt in Schritt 4. Abhängig von Fragestellung und Datenlage werden verschiedene Modellvarianten erprobt und grundlegende Designentscheidungen zum optimalen Modell getroffen. Vergleichbar dem Verhältnis von Profisportler und Trainer werden Trainingspläne entwickelt, absolviert und d... mehr

Um den Einsatz der Modellergebnisse für die Praxis vorzubereiten, werden nun nicht nur die Modelle in Richtung Ziel-Prognosegüte weiterentwickelt, sondern auch funktionale Prototypen i. S. v. Apps zur Visualisierung der Ergebnisse erstellt. Erfahrungsgemäß ist die Visualisierung der Ergebnisse ein wichtiger Faktor in PA-Projekten, denn die ansprechende Präsentation der Daten... mehr

Der neunte und letzte Prozessschritt zielt auf die Definition der weiteren Roadmap und auf Handlungsempfehlungen zur fortlaufenden Anwendung des Use Cases im Unternehmen. Das Steering Lab zeigt hierzu die technologischen und modelltechnischen Weiterentwicklungsmöglichkeiten auf. Diese Entwicklungsmöglichkeiten beinhalten die Entwicklung einer Produktiv-Applikation und die Fr... mehr

Vertrieb identifiziert Potenziale Die Aufgabe des Vertriebs ist natürlich, neue Verkaufspotenziale bei bestehenden bzw. neuen Kunden zu identifizieren. Daraus wird dann der Versuch dem "richtigen" Kunden die optimalen Problemlösungen anzubieten, möglichst zur richtigen Zeit oder ggfs. zu versuchen mit ihm in Kontakt zu bleiben. Kein persönlicher Kontakt zu Online-Kunden Das ist... mehr

Interaktion mit den Kunden Unternehmens-Websites und Shop sowie darauf basierende Analysetools geben Ihnen viele Informationen über das Kundenverhalten. Wichtig ist, die Interaktion mit den Kunden über Verweise zu weiterer Information Möglichkeit von Downloads Newsletter Nachfragen zu Themen Erfolgreiche adwords … zu verfolgen und zu messen. Aktivitäten der Kunden Hinzu kommen die Ver... mehr

Spätestens vor der Bereitstellung und Analyse der Unternehmensdaten ist es wichtig, entsprechende Datensicherheitsregelungen wie Non-Disclosure-Agreements (NDAs) zwischen den beteiligten Unternehmen zu vereinbaren. Sind die Verträge abgeschlossen und die Datensicherheit gewährleistet, kann mit dem Angleichen und Harmonisieren der Daten begonnen werden. Dazu sind projektindiv... mehr

Parallel zur Modellentwicklung findet der zur Verankerung im Prozess entscheidende Wissenstransfer zwischen Data Scientists und den späteren Anwendern der algorithmischen Lösung statt. Hierbei sollten unbedingt mögliche Bedenken adressiert und Unklarheiten beseitigt werden, etwa durch Einführungen in die konzeptionellen Grundzüge der verwendeten Modelle und Methoden. Auch so... mehr

Ein nicht zu unterschätzender Faktor, der die Produktivsetzung der algorithmischen Lösung begleiten sollte, um eine nachhaltige und erfolgreiche Lösung zu garantieren, ist ein professionelles Change Management. Adressiert werden sollten dabei insbesondere die Themen Leadership & Team, Organisational Change, Culture Development und Communication Change. Horváth & Partners unt... mehr

Nicht jeder Homepage-Besucher ist ein Lead Je nach Standpunkt des Betrachters – zumindest ist es jedoch ein potenzieller Lead. Zu bewerten bleibt, ob der Besucher sich nur auf die Seite verirrt hat oder wirkliches Interesse am Unternehmen bzw. den Produkten/Dienstleistungen zeigt. Eine klassische Kenngröße für diese Einschätzung wäre hier die Dauer des Besuchs: Je länger der B... mehr

Durch die schnellere Verfügbarkeit – insbesondere interner Datenmengen z. B. durch die Signalisierung von Störungsmeldungen über Sensortechnik oder die Betriebsdatenerfassung in Echtzeit – lassen sich interne Prozess- sowie Fraud-Risiken früher identifizieren.[1] Das trägt auch dazu bei, dass Unternehmen bessere Frühwarn- und Früherkennungssysteme aufbauen können. Zum zweiten... mehr

Die Entwicklungen der letzten Jahre im Bereich Advanced Analytics und Machine Learning werden von vielen Unternehmen als wichtige Hebel gesehen, bisherige manuelle Forecasts zu digitalisieren. Die Vorteile eines algorithmischen Forecasts sind seine höhere Objektivität, ein geringer Aufwand, eine höhere Frequenz und unter bestimmten Voraussetzungen auch eine verbesserte Genaui... mehr

Für die erfolgreiche Umsetzung von prädiktiven Analytics-Projekten ist ein strukturiertes Vorgehen, verbunden mit einem ganzheitlichen Change-Management-Ansatz, zentral. "Ganzheitlich" bezieht sich in diesem Zusammenhang zum einen auf die technische Entwicklung und Implementierung der Algorithmen und zum anderen auf die Kommunikation mit Stakeholdern und Anwendern. Nur wenn ... mehr

Ein digitaler bzw. algorithmenbasierter Forecast (FC) weist zahlreiche Vorteile gegenüber klassischen Forecasts auf, was auch die weite Verbreitung in der Praxis erklärt. Klassische FC-Prozesse leiden bspw. oft unter einem zu hohen manuellen Aufwand und der damit einhergehenden Fehleranfälligkeit oder den unvermeidbaren und von Individualinteressen geprägten politischen Einf... mehr

Ausgangslage und Zielsetzung Im projektgebenden Unternehmen aus dem Bereich Life Science wurde festgestellt, dass in 2 Kernmärkten über die Jahre fast jede zweite Rechnung von den Kunden zu spät bezahlt wurde und insb. Neukunden zu einer verspäteten Zahlung neigten. Aufgrund der Vielzahl denkbarer Gründe für diese Situation konnte das Unternehmen nicht mit klassischen Zeitrei... mehr

"Richtige" Leads für die Wandlung zur Opportunity Welche Leads oder Opportunities sind nun die "richtigen" oder relevanten für das jeweilige Unternehmen und die Zielstellung? Zur Identifikation dieser richtigen Leads sollten Sie sich folgende Fragen stellen: Welche Kundenmerkmale machen einen interessanten Lead aus? Ist es z. B. eine bestimmte Unternehmensgröße, Teil eines Kon... mehr

Auswirkung auf die Effizienz eines Shops Nachdem das erste Ziel rund um eine Website erreicht ist – nämlich den Kunden überhaupt auf die Seite zu führen – möchte man den Kunden auch möglichst direkt zum Kauf führen. Was aber, wenn eine Vielzahl der Kunden den Besuch direkt wieder abbricht? Hier sollten Sie sich folgende Fragen stellen: Passen meine Themen zur Zielgruppe? Sind d... mehr

Der richtige Zeitpunkt ist im Vertriebsprozess entscheidend. Wann soll man (wieder) auf die Leads/Opportunities zugehen um eine Conversion in die nächste Stufe zu erreichen? Kann man analytisch den richtigen Zeitpunkt identifizieren? Welche Faktoren könnten eine Rolle spielen? (z. B. gesetzliche Neuerungen, Alter des Kunden, Alter der Kundenbeziehung) Wann gab es den letzten Ku... mehr

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 Analysen lassen sich ... mehr

Horváth, Teilnehmerbefragung Forum digitale Unternehmenssteuerung, 2022. mehr

Leads = Hinweise, Opportunities = Chancen Generell strebt man diesem Umfeld eine Optimierung von Leads (übersetzt: der Hinweis) und Opportunities (übersetzt die Gelegenheit, die Chance) an. Was genau einen Lead bzw. eine Opportunity ausmacht, muss in jedem Unternehmen gemeinsam mit Marketing und Vertrieb definiert werden und ist immer über einen unternehmensspezifischen Sales... mehr

Vorhersagen sind Wahrscheinlichkeiten Für erste Ideen sowie das Testen von und Lernen aus ersten Ansätzen sind umfangreiche Analysen oft nicht notwendig. Die Erwartungen und Anforderungen an die Analyse und den abgeleiteten Maßnahmen sollten im ersten Schritt nicht zu hoch sein – und gerade bei Vorhersagen sollte man sich stets vor Augen führen: Auch das Wetter können wir nic... mehr

Prädiktive Analytics-Projekte starten mit einer Phase der Ideenfindung, in der Zielstellung und Funktionalität des Anwendungsfalls ausgearbeitet und unmittelbar hinsichtlich der vorhandenen Daten und Prozessabläufe reflektiert werden. Die Ziele und angestrebten Vorteile des algorithmischen Forecasts werden mit Stakeholdern abgestimmt, um eine realistische Erwartungshaltung z... mehr

Ein weiteres Projektbeispiel hatte zum Ziel, bei einem großen Energieversorger in kurzer Zeit eine kostengünstige, effiziente und anwenderfreundliche Webapplikation dem gesamten CFO-Bereich zur Verfügung zu stellen. Die kann, basierend auf prädiktiven Algorithmen aus historischen Daten zukünftige Zahlungsströme mit hoher Güte prognostizieren. In der Ausgangssituation war dab... mehr

Als essenziellem Instrument der Unternehmenssteuerung kommt dem Forecasting eine kritische Bedeutung zu. Die Güte der Forecast-Ergebnisse sowie seine effiziente Erstellung bilden eine Basis für nachhaltige Wettbewerbsvorteile, indem faktenbezogene, transparente und schnelle Entscheidungen ermöglicht werden. Vor diesem Hintergrund ist es erstaunlich, dass viele Unternehmen häu... mehr

Ein weiteres Projektbeispiel bei einem Logistikdienstleister ist wiederum anders gelagert. Nach einer Analyse der bestehenden Entscheidungsprozesse im operativen Nachfrage-Forecast ergaben sich substanzielle Effizienzpotenziale durch Einsatz einer algorithmischen Lösung. Der Logistikdienstleister plant traditionell die Kundenlieferungen auf Basis der faktisch für den nächsten... mehr

Schritte zur Kundengewinnung Eine Blaupause für den Vertriebserfolg mit Analysen und abgeleiteten Maßnahmen gibt es nicht. Aber anhand eines Beispiels haben wir Schritte zusammengestellt, die es ermöglichen sukzessive die optimalen Ansätze zu identifizieren. Der erste Besuch auf einer Website kann zur ersten Qualifizierung genutzt werden. Pro Besucher bzw. Besuchergruppe lass... mehr

Betrachtet man konkrete Projektbeispiele, zeigt sich die Breite der möglichen Anwendungsgebiete des algorithmischen Forecastings. Dies sei im Folgenden anhand von 3 unterschiedlich gelagerten Projektcases dargestellt. 6.1 Absatzprognose bei mittelständischem Pharmaunternehmen Eines unserer Kundenprojekte bei einem mittelständischen Pharmaunternehmen befasste sich mit der Entwi... mehr

Kennzahlen sind das Herzstück bei der Bewertung von Kontakten und dem Kundeninteresse in der online Welt. Die passende Interpretation der Kennzahlen bezüglich Kundeninteresse, Intention des Kunden etc. ist die Herausforderung. mehr

Interessen oder Bedürfnisse der Kunden herauskristallisieren Um die Wandlungsquoten und Wandlungszeiten zu optimieren ist es für den Vertrieb jedoch wichtig, die Leads mit den besten Potenzialen zu erkennen und sich auf diese zu fokussieren – und den Rest zum "Warmhalten" möglichst wieder abzugeben. Neben den oben genannten Kenngrößen sind jetzt auch weitere Informationen un... mehr

Die Integration der Lösung in die Infrastruktur des Unternehmens stellt die abschließende Phase dar. Der Prototyp erhält den letzten Feinschliff zur Produktionsreife. Die Datenverarbeitung und Modellberechnungen werden hinsichtlich Rechenressourcen und Sicherheitsanforderungen optimiert und die notwendigen Schnittstellen werden eingerichtet. Zusätzlich wird ein Performance-M... mehr

Stehen die infrage kommenden Einflussfaktoren fest, kann mit der mathematischen Modellierung begonnen werden, wobei die Komplexität der verwendeten Algorithmen je nach Anwendungsfall und Datengrundlage variiert. Soll der algorithmische Forecast als Entscheidungshilfe im "traditionellen" Prozess unterstützen, so steht die Interpretierbarkeit des entwickelten Modells im Vorder... mehr

Eines unserer Kundenprojekte bei einem mittelständischen Pharmaunternehmen befasste sich mit der Entwicklung eines Systems zur Absatzprognose und dessen Integration in die Unternehmensplanung, um damit die Strategieplanung mit dem 2-Jahre-Forecast länderübergreifend zu verbinden. Durch die organisationsübergreifende Synchronisation wurden transparente und reaktionsfähige Pro... mehr

Aepli/Angst/Iten./Kaiser/Lüthi/Schweri, 2017, Die Entwicklung der Kompetenzanforderungen auf dem Arbeitsmarkt im Zuge der Digitalisierung, in SECO Publikation – Arbeitsmarktpolitik H. 47, Zollikofen, Zürich. Araz/Choi/Olson/Salman, Role of Analytics for Operational Risk Management in the Era of Big Data, in Decision Sciences, 51/2020, H. 6, S. 1320–1346. Autor, The "task appro... mehr

Simulationen helfen, Abhängigkeiten bei Situations- und/oder Handlungsänderungen transparent zu machen. Kern ist dabei das Verständnis der Wirkungsbeziehungen im Modellierungsbereich, deren Quantifizierung häufig große Probleme bereiten. Predictive Analytics kann helfen, Wirkungen zu quantifizieren. Allerdings gibt es Kompatibilitätsprobleme zwischen Predictive Analytics und d... mehr

Ein datengetriebenes RC führt in der Praxis zu mehreren Herausforderungen: Zunächst liegen zwar viele, aber längst nicht alle Informationen digital vor oder sind digital verarbeitbar. Ein vollständig digitales RC wird daher nicht immer möglich sein. Selbst wenn viele Daten digital vorliegen, kann die Heterogenität von IT-Systemen es verhindern oder erschweren, sie zusammenzu... mehr

IBM, CRISP-DM 1.0 – Step-by-step data mining guide, 2010. Kilger/Pampel/Vikas, Flexible Plankostenrechnung und Deckungsbeitragsrechnung, 13. Aufl. 2013. Möller/Pieper, Predictive Analytics im Controlling, in IM+io, S. 40–45. Oehler, Advanced Analytics für Controller, 2019. Siemen, Schätzung betrieblicher Kostenfunktionen mit künstlichen neuronalen Netzen, 2015. mehr

Für Kreditinstitute ist die frühzeitige Identifikation von Kreditrisiken nicht nur aufgrund steigender regulatorischer Anforderungen von herausragender Bedeutung. Auch hier hat die Verfügbarkeit kundenbezogener Daten in den letzten Jahren stark zugenommen, so die eine Entwicklung und Implementierung datengetriebener, automatisierter Kreditrisiko-Frühwarnsysteme möglich macht... mehr

Ziele Ziel des Management Reporting ist es, entscheidungsrelevante Informationen im Sinne von Zielbezug/-erreichungsgrad empfängerbezogen für die Steuerung des Unternehmens zeitnah zu erstellen und zu liefern. Mit der Informations- und Dokumentationsaufgabe soll das Reporting die unternehmensweite Transparenz sicherstellen (vgl. Abb. 14). Inhalte Es werden i. d. R. finanzielle... mehr

Big Data liefert uns mehr Daten, aber nicht notwendigerweise bessere Informationen. Das liegt zum einen daran, dass viele Daten schlicht und ergreifend "noise" sind, oder dass viele Daten, die wir benötigen nicht vorhanden sind.[1] Generell gilt, dass ein Mehr an Daten nicht notwendigerweise zu besseren Entscheidungen führt, denn Unsicherheit lässt sich durch ein Mehr an Date... mehr

Anderson, The End of Theory: The Data Deluge Makes the Scientific Method Obsolete, in Wired, 2008, https://www.wired.com/2008/06/pb-theory/, Abrufdatum 21.03.2022. Bhidé, The Judgment Deficit, in HBR September, 2010, S. 44-53. BT-Drucksache, 2013, https://dipbt.bundestag.de/dip21/btd/17/120/1712051.pdf, Abrufdatum 21.03.2022. Chip/Heath Decisive – How to Make Better Choices in ... mehr

Die Datenqualität ist im traditionellen RC oft gering, der manuelle Dokumentationsaufwand für die Risikoerfassung und -bewertung hoch und die Vergleichbarkeit zwischen Abteilungen, Niederlassungen und Weltregionen niedrig. Folglich sind auch die Entscheidungsgrundlagen, die auf einer derartigen Risikoanalyse basieren, wenig verlässlich und können zu Fehlentscheidungen führen... mehr

In der BI-Tool-Landschaft entwickelt sich eine neue Generation von Tools, die auf Augmented Analytics setzen. Hierbei handelt es sich um AI-gestützte Tools, die es Business-Nutzern ermöglichen, komplexe Daten zu verarbeiten, zu analysieren und zu visualisieren. Außerdem existieren immer mehr Open-Source-Lösungen, die auch kleineren Unternehmen entsprechende, umfassende BI-To... mehr

Nach dem Lieferkettensorgfaltspflichtengesetz (LkSG) sind bestimmte Unternehmen verpflichtet, seit 2023 ihren eigenen Geschäftsbereich und ihre Lieferketten regelmäßig auf Menschenrechts- und ökologische Risiken zu überprüfen und ggf. Präventions- und Abhilfemaßnahmen zu ergreifen. Zu den Sorgfaltspflichten zählen neben der grundsätzlichen Errichtung eines RM die Durchführun... mehr

Oftmals werden mit dem oben beschriebenen "Product-as-a-Service", bzw. generell mit "As-a-Service"-Geschäftsmodellen weitere Services angeboten, wie z. B. ein Asset Management zur Verwaltung oder Steuerung der Maschine, die Wartung der Maschine oder eine Finanzierungslösung. Das generiert zusätzliche Daten, bzw. bietet Unternehmen einen direkten Zugang zu Daten aus der Anwen... mehr

Aschenbrenner, Die Bedeutung von Participatory Design für Anwendungen mit Künstlicher Intelligenz, in Greiner/Berger/Böck, Analytics und Artificial Intelligence – Datenprojekte mehrwertorientiert, agil und nachhaltig planen und umsetzen, 2022, S. 252–261. Bornstein/Li/Casado, Emerging Architectures for Modern Data Infrastructure, 2020, https://a16z.com/2020/10/15/emerging-arc... mehr