Arbeitsteilung überwinden

Strategien für die Datenanalyse

Robert Schmitz, Area Vice President Southern Europe & Russia bei Qlik, im Gespräch über Business Intelligence (BI), den Weg zur richtigen Datenstrategie und das Zusammenspiel mit den Fachabteilungen.

Robert Schmitz, Area Vice President Southern Europe & Russia bei Qlik

Ein grundlegendes Verständnis für echte Datenkultur im Unternehmen ist laut Robert Schmitz eine wichtige Vorraussetzung für nachhaltiges Datenmanagement.

ITM: Herr Schmitz, welche Kompetenzen müssen Angestellte mitbringen, um souverän mit BI-Software arbeiten zu können?
Robert Schmitz:
Das hängt zu einem guten Teil davon ab, ob jemand ein Standard-Anwender ist, der mit wenigen Dashboards und überschaubaren Datensets zu tun hat, die ihm beispielsweise einfach und ortsunabhängig sowie in Echtzeit KPIs, Kundendaten und Co. verfügbar machen. Oder ob jemand als Power-User selbst Apps erstellt bzw. als Data Scientist auch an Themen wie M2M-Kommunikation, Machine Learning oder KI-Anwendungen arbeitet. Grundsätzlich lässt sich sagen, dass der Anwender – auf welchem Level auch immer – umso komfortabler arbeiten kann, je intelligenter die Analytics-Engines selbst werden. Beim Auffinden von Datenquellen, beim Durchsuchen auch größter Datensets oder beim Indizieren geeigneter Datenausschnitte anhand von Metadaten helfen bereits heute kognitive Systeme.

ITM: Wie sieht die Arbeitsteilung bei der Arbeit mit BI-Software zwischen IT und Controlling aus?
Schmitz:
Im Idealfall wird eine strikte Arbeitsteilung durch eine passende Datenanalyse-Strategie sogar nach und nach überwunden. Wer beispielsweise eine gepflegte SQL-Datenbank hat, kann ohne Weiteres mit dieser arbeiten und die dort gepflegten Stammdaten immer wieder in Analysen einbeziehen. Doch damit beginnen die Möglichkeiten wirklich performanter Datenanalyse und -visualisierung erst. Denn dynamisch werden Analytics-Projekte vor allem dann, wenn Daten aus allen Quellen einbezogen werden – strukturierte (beispielsweise aus der Datenbank), unstrukturierte (aus dem eigenen Data Lake etwa oder aus Social-Media-Aktivitäten), On-Premise- ebenso wie Cloud-Daten. Kann jeder für seinen Arbeitsbereich – und durch zentral gemanagte Governance gesteuert – passende Datensets aus vielen Quellen in seine Analytics-Apps laden, kürzt das Prozesse ab, stärkt die Datenkompetenz jedes Einzelnen und bringt sowohl Datenverständnis wie auch die konkrete Analysetätigkeit in die Fachabteilungen – ohne ein eigenes „Analytics-Department“, über das alles laufen müsste.

ITM: Mit welchem Schulungsaufwand ist eine Neueinführung realistischerweise verbunden?
Schmitz:
Hier spielen Unternehmensgröße und Vorwissen eine Rolle, sowie die Entscheidung zum „Do-it-yourself“ oder zum Training durch einen Hersteller oder Partner. In der Regel beträgt die Time-to-Value beim Ausrollen eines BI-Projekts aber zwischen wenigen Tagen und wenigen Wochen.

ITM: Inwiefern ist es erforderlich, für zusätzliche Aufgaben externe Spezialisten einzubeziehen?
Schmitz:
Unter anderem bei bestimmten Branchenanforderungen kann es sehr sinnvoll sein, spezialisierte Implementierungs-Partner mit ins Boot zu holen. Smart Factories, datenbasiertes Shopfloor-Management, die Verarbeitung von enormen Datenmengen aus digitalen Medizingeräten: Die Anwendungsfälle sind nahezu unendlich, in denen Systemintegratoren zum Beispiel eigene Lösungen um eine Analytics-Engine herum bauen, sodass besondere Bedürfnisse und Kundenwünsche adressiert werden.

ITM: Welche Voraussetzungen müssen gegeben sein, um einen belastbaren und aussagekräftigen Datenpool erschließen zu können?
Schmitz: Erstens Data Literacy - ein grundlegendes Verständnis für echte Datenkultur im Unternehmen, in der jeder mit Daten arbeiten kann, der das möchte und dazu motiviert ist. Zweitens eine moderne Analytics-Plattform, die durch ihre Architektur sowie ein großes Ökosystem aus offenen APIs und Konnektoren Daten-Integration aus allen Quellen und ohne Infrastrukturhürden gewährleistet. Und drittens aussagekräftige Visualisierungen, die Inhalte wirklich verdeutlichen, neue Einsichten transparent machen und so letztlich datenbasiert bessere Entscheidungen fördern.

Bildquelle: QlickTech GmbH

©2018Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok