In einem modernen, datengetriebenen Unternehmen gibt es bei der Entscheidungsfindung kaum einen Schritt, der nicht von Analysen begleitet wird. Doch auf dem Weg zu einer datengetriebenen Entscheidungskultur müssen wir zunächst verstehen, wie unser Unternehmen Analysen durchführt und mit den Erkenntnissen umgeht.
- Welche Daten werden gesammelt, was passiert mit ihnen und wie wirken sie sich auf unsere Entscheidungen aus?
- Betrachten wir unsere Kunden aus einer taktischen oder strategischen Perspektive?
- Sehen wir alle wichtigen Details?
- Wie können wir effizienter aggregieren?
- Sind unsere Analysen multidimensional oder sitzen wir in Silos fest?
- Wie viele Mitarbeiter im Unternehmen analysieren Daten? Und wie viele konsumieren die Ergebnisse?
- Wie beeinflusst die eingesetzte Analyse-Plattform die analytische Arbeitslast und den Informationsfluss innerhalb des Unternehmens?
Erst mit einem klaren Bild der Ausgangssituation lässt sich eine Strategie für den Wandel formulieren. Denn: Egal, wo sich ein Unternehmen im Spannungsfeld zwischen Berichtswesen und Data Discovery befindet, heutzutage müssen sich Analysetechniken nicht nur mit dem Business entwickeln, sie sollten dessen Evolution maßgeblich mitbestimmen. Welche Analysewerkzeuge und -techniken die Entscheidungsfindung unterstützen, kann sich je nach Phase im Entscheidungsprozess unterscheiden:
- Awareness: Erkennen, dass eine Entscheidung gefällt werden muss. Benachrichtigungen, komplexe Ereignisverarbeitung und gut designte Dash- und Storyboards bieten sich für diesen Schritt an.
- Scoping: Verstehen, welche Rahmenbedingungen wichtig und welche Bereiche indirekt betroffen sind. Statistiken, Datenvisualisierungen, Ad-hoc-Abfragen und bestimmte Data-Mining-Techniken eignen sich hierfür.
- Predicting: Identifizieren, wie sich unterschiedliche Handlungen auswirken. Simulation, Forecasting und Predictive Analytics sind in diesem Schritt der Entscheidungsfindung gefragt.
- Selecting: Die bestmögliche Handlung ausfindig machen. Hierbei können Optimierung und Regel-Engines helfen.
- Reporting: Überwachen der Auswirkungen einer Entscheidung. Hierbei ist selbstverständlich das Berichtswesen die relevante analytische Komponente.
Obwohl es innerhalb der Entscheidungsfindung Bereiche gibt, in denen riesiges Potenzial zur Effizienzsteigerung durch Algorithmen und Maschinenlernen schlummert, werden manche Prozesse immer die menschliche Sicht auf die Dinge erfordern. Datenvisualisierungen und Dashboards, wie sie mit dem Visual-Analytics-Tool von Tableau erstellt werden können, unterstützen diesen Blick, indem sie aus undurchsichtigen Datenbergen sichtbare Erkenntnisse machen.
