Tipps zum Einsatz von Analytics-Software

Das Angebot an Analytics-Software ist unübersichtlich und nimmt mit rasantem Tempo zu. Viele Software-Anbieter werben zudem lautstark mit vermeintlich einzigartigen Funktionen ihrer Produkte und sorgen damit bei Entscheidern für Verwirrung. Fach- und IT-Verantwortliche, die den Einsatz von analytischen Verfahren in Betracht ziehen, beklagen sich zudem über unklare Voraussetzungen, um diese Methoden anzuwenden. Entsprechende Systeme sollen nicht nur technische Aufgaben erfüllen, sondern einen messbaren geschäftlichen Nutzen erzielen, der Wettbewerbsvorteile verschafft und die Strategie der Unternehmen maßgebend unterstützt.

Die erfolgreiche Anwendung von analytischen Verfahren setzt die Identifikation von nutzbringenden Analytics-Vorhaben oder -Anwendungen voraus. Dazu sind fachliches und analytisches Wissen erforderlich. Dieses ist jedoch in der Regel in den Unternehmen nicht gleichmäßig verteilt, da die Fachabteilungen zwar über Sachkenntnis verfügen, die Möglichkeiten von Analytics nicht kennen. Für die Analytics-Fachleute gilt dies umgekehrt. Fachleute beider Seiten sollen nutzbringende Vorhaben folglich gemeinsam identifizieren. Dazu soll ein exploratives und schrittweises Vorgehen gewählt werden.

Die Suche nach geeigneten Vorhaben beginnt am besten mit einer Überprüfung von etablierten Analytics-Anwendungen. Dazu gehören beispielsweise:

•    Mikrosegmentierung in Echtzeit, um maßgeschneiderte Angebote für Versicherungspolicen zu erstellen.
•    Monitoring von komplexen Produkten wie Transportmitteln und Anlagen, um bei geahnten Problemen rechtzeitig zu intervenieren, zum Beispiel durch das vorbeugende Bereitstellen von Ersatzteilen.
•    Mustererkennung, wie die Suche nach Anomalien in Zeitreihen, um Kreditkartenbetrug oder Steuerhinterziehung aufzudecken.
•    Durchsuchen von Daten, um Abhängigkeiten zwischen Parametern zu entdecken.
•    Empfehlungssysteme, um wie Amazon, potentielle Kunden auf weitere interessante Produkte aufmerksam zu machen (Cross Selling).

Das entscheidende Kriterium für den Einsatz von Analytics ist der realisierte Nutzen. Ein systematisches Nutzenmanagement soll daher sicherstellen, dass die Vorhaben durch einen möglichst großen Nutzen, Wettbewerbsvorteile sichern und die Strategie des Unternehmens stärken. Ist dies erfüllt, werden sie anschließend in Form von Projekten weiter konkretisiert. Die Fachabteilungen und die Analysespezialisten ermitteln dabei den Projektnutzen mithilfe ausführlicher Business Cases. Hier ist zu beachten, dass der Projektaufwand größtenteils der IT-Abteilung, während der entsprechende Ertrag den Fachabteilungen zugeschrieben wird. Der Projektnutzen stellt die Basis für die Auswahl und Priorisierung der Projekte dar, die danach innerhalb eines Projektportfolios (Masterplan) koordiniert werden.

Umsetzung und Anwendung von Analytics

Für die ersten Vorhaben ist es ratsam, zunächst kleine und klar umrissene Probleme auszuwählen. Prototypen sollen dabei helfen, das gewählte Vorgehen rasch zu überprüfen. Es wird empfohlen, größere Projekte in mehrere kleine zu unterteilen. Um das Realisierungsrisiko zu beschränken, sollen Analytics-Vorhaben schrittweise und iterativ im Unternehmen eingeführt werden. Stößt ein Teilprojekt auf Probleme, kann nach einer Lösung gesucht werden – ohne bereits Erreichtes zu verwerfen.

Analytics-Systeme basieren in der Regel auf mathematischen Modellen, deren Gültigkeit regelmäßig zu überprüfen ist. Ein systematisches Modellmanagement, das unter anderem eine Modellbibliothek und ein Modell-Versionierungssystem enthält, soll deshalb den effizienten Einsatz der Modelle sicherstellen.

Die Verbreitung von Analytics soll durch Schulungen gefördert werden. Ein Performance-Management-System mit Key Performance Indicators (KPIs) steuert die Zielerreichung des in Betrieb genommenen Analytics-Systems. Die Koordinierung aller verwandten Aktivitäten kann einem Analytics-Kompetenzzentrum übertragen werden. Die umgesetzte Architektur soll stabil, standardisiert, integriert und sicher sein.

Die nachhaltige Anwendung von Analytics setzt voraus, dass Fachabteilungen und Analysespezialisten eng zusammenarbeiten. In der Praxis oftmals keine leichte Aufgabe, denn die Kluft zwischen beiden ist in vielen Unternehmen noch groß. Gemeinsam müssen sie gewinnbringende Analytics-Vorhaben explorativ und iterativ identifizieren sowie deren Nutzen bestimmen. Nutzen-, Modell- und Performance-Management sowie Entwicklungsprototypen helfen, Analytics schrittweise und erfolgreich einzuführen.

Der Autor, Dr. Ilias Ortega, ist als Senior Consultant Business Intelligence bei der Trivadis AG tätig.

Bildquelle: Yello Dog/Stockxchng