Suchen

Kommentar von Dr. Uwe Heckert, Unisys Data Analytics – fünf Tipps für den Start im Mittelstand

| Autor / Redakteur: Dr. Uwe Heckert / Nico Litzel

Viele Großkonzerne sind beim Thema Data Analytics bereits gut aufgestellt, doch der Mittelstand hat noch Aufholbedarf. Dr. Uwe Heckert, Vice President Public Sector EMEA und Geschäftsführer Unisys Deutschland, gibt fünf Tipps, wie Big-Data-Projekte auch in mittelständischen Unternehmen gelingen können.

Firma zum Thema

Der Autor: Dr. Uwe Heckert ist Vice President Public Sector EMEA und Geschäftsführer Unisys Deutschland
Der Autor: Dr. Uwe Heckert ist Vice President Public Sector EMEA und Geschäftsführer Unisys Deutschland
(Bild: Unisys Deutschland)

Großkonzerne haben die Möglichkeiten und das nötige Kapital, eigene Teams aufzubauen und in Big-Data-Projekte zu investieren. Häufig fördert die Unternehmensspitze die prestigeträchtigen Data-Analytics-Projekte, vor allem auch, um im internationalen Vergleich wettbewerbsfähig zu bleiben. Doch vielfach bedarf es neben großen Investitionen eines langen Atems, bis die ersten Ergebnisse vorzeigbar sind und gefeiert werden können. Vor allem dauert es oftmals, ein Data Analytics Team aufzubauen, denn Data Scientists sind rar.

Und dann sind da noch Unmengen von Daten, meist unstrukturiert, und es muss erst einmal herausgefunden werden, wie man diese aufzubereiten hat bzw. wo man am sinnvollsten ansetzen und mit Data Analytics echte Vorteile für das Unternehmen generieren kann. Außerdem mangelt es häufig an der Unterstützung der Business Units bzw. der Verantwortlichen. Dennoch haben viele Großkonzerne mittlerweile erfolgreich Data-Analytics-Projekte umgesetzt und bauen ihre Aktivitäten hier weiter aus.

Data Analytics und der Mittelstand

Im Mittelstand sieht die Situation anders aus. Viele mittelständische Unternehmen haben weder die finanziellen Mittel noch kommen sie an die raren hoch spezialisierten Fachkräfte für ein eigenes Data Analytics Team heran. Gleichzeitig fehlt es vielen am langen Atem, bis erste Ergebnisse sichtbar sind. Trotzdem: Schon allein wegen der zunehmenden Digitalisierung und um im globalen Wettbewerb zu bestehen, sollte sich auch der Mittelstand mit Data Analytics beschäftigen und bestmöglich davon profitieren.

Data Analytics as a Service als Alternative zum aufwendigen Selbstmachen

Nun bedeutet Data Analytics nicht automatisch, dass Unternehmen alles selbst machen müssen. Data-Analytics-as-a-Service-Angebote sind eine gute und einfache Möglichkeit für Mittelständler, wichtige Erkenntnisse und Business-Vorteile aus ihrer vorhandenen Datenbasis zu ziehen. Diese zumeist Cloud-basierten Lösungen haben den Vorteil, dass Data-Analytics-Projekte schneller und zu geringeren Initialkosten gestartet und umgesetzt werden können. Denn der Aufbau eines eigenen Teams ist dabei nicht notwendig. Holt man sich externe Experten, die über das notwendige Know-how und die entsprechende Erfahrung verfügen, für Workshops und Brainstormings ins Haus, sind sinnvolle Data-Analytics-Projekte schnell definiert und mit entsprechenden Cloud-Tools erste Ergebnisse bald sichtbar. Investitions- und laufende Kosten sind hier im Vergleich zu eigenen Projekten in der Regel niedriger.

Das ist gut so. Denn die Einsatzszenarien und der Nutzen von Data Analytics bei mittelständischen Unternehmen sind auf jeden Fall gegeben und sehr vielversprechend. Ein paar Beispiele: Kleinere Banken oder Versicherungen können Kunden identifizieren, bei denen von einem erhöhten Risiko der Zahlungsunfähigkeit ausgegangen werden muss. Autovermieter erkennen frühzeitig, wenn Kunden betrügerische Absichten mit dem Mietauto hegen. Oder nehmen wir eine mittelständische Retailkette als Beispiel: Sie kann über die automatisierte Auswertung der Zahlungseingänge künftige Zahlungsausfälle prognostizieren und entsprechend reagieren. Außerdem kann sie aus der Analyse ihrer Bonus- und Loyalty-Programme die richtigen Marketing-Maßnahmen ableiten, die auch bei den Kunden ankommen und gerne gesehen sind.

Tipps für einen erfolgreichen Data-Analytics-Einstieg

Trotzdem: Viele mittelständische Unternehmen sehen Data Analytics eher kritisch und lassen lieber die Finger davon oder scheitern an den ersten zaghaften Versuchen – weil sie nicht wissen, wie sie die Sache sinnvoll starten sollen. Dabei ist es gar nicht so schwer, mithilfe moderner Analytics-Strategien und -Tools Gewinn aus vorhandenen Daten zu ziehen. Wenn Sie diese fünf Tipps beherzigen, ist die Wahrscheinlichkeit, dass Ihr Analytics-Projekt erfolgreich sein wird, sehr hoch:

1. Die richtige Strategie ist immens wichtig

Bevor Unternehmen mit dem Thema Data Analytics loslegen, müssen sie zunächst die richtigen Fragen stellen, um daraus die passende Projektstrategie zu entwickeln: Welche Daten stehen zur Verfügung? Was kann das Unternehmen aus diesen Daten mittels Data Analytics ableiten? Welche Ziele sollen erreicht werden und wie kann Data Analytics dabei hilfreich sein? Welche Mitarbeiter sind dabei involviert? Diese Personen sollten ebenso ins Boot geholt werden wie die Geschäftsführung. Denn solche Projekte betreffen weite Unternehmensbereiche wie beispielsweise Finance, Sales, Marketing oder Legal und können das eigene Geschäftsmodell erheblich verändern. Weitere wichtige Fragen sind: Welches Know-how bzw. welche Erfahrung ist im Unternehmen vorhanden? Wie viel externe Unterstützung wird benötigt und wo bekommt man diese am besten?

2. Lieber klein starten und priorisieren

Die Möglichkeiten, die sich mit den verfügbaren Datenmengen ergeben, sind in der Regel schier unbegrenzt. Die Ideen sollten zu Beginn deshalb gut strukturiert und anschließend priorisiert werden, damit klar ist, welche schnell und welche weniger schnell umsetzbar sind. Unternehmen tun gut daran, mit einem kleinen, schnell umzusetzenden Projekt zu starten und aus diesem für weitere zu lernen. So lassen sich binnen weniger Wochen erste Resultate erzielen und wichtige Erkenntnisse für Folgeprojekte ableiten. Je schneller nützliche Ergebnisse vorliegen, desto höher die Motivation bei Mitarbeitern und Geschäftsleitung, weitere sinnvolle Projekte anstoßen zu lassen, die das Unternehmen weiterbringen.

3. Initiator IT-Abteilung – wenn nötig mit externer Hilfe

Insbesondere für IT-Verantwortliche und -Entscheider ergeben sich im weiten Feld von Data Analytics große Chancen. Sie können Initiator sein und sich mit Data-Analytics-Projekten als strategischer Partner der Führungsriege positionieren, weil sie in der Regel die vorhandene Datenbasis der unterschiedlichen Business Units am besten überblicken. Deswegen sollte sich die IT-Abteilung mit den verschiedenen Geschäftsbereichen zusammensetzen und sinnvolle Einsatzszenarien von Data Analytics entwerfen, die dem Unternehmen einen Nutzen bringen. Verfügt ein mittelständisches Unternehmen nicht über das dafür notwendige Know-how und die entsprechende Erfahrung, sind externe Experten, die wissen, worauf es ankommt, die bei Brainstormings und Workshops unterstützen, Know-how vermitteln und Erfahrungen teilen, die mögliche passende Unterstützung.

4. Von Anfang an Ziele und Erwartungen genau definieren

Um spätere Überraschungen oder Enttäuschungen zu vermeiden und um sich nicht in den Möglichkeiten der Datenauswertungen zu verlieren, empfiehlt es sich, den Erwartungshorizont sowie die Zielsetzung für alle Beteiligten klar abzustecken. Gleichzeitig müssen auch die Voraussetzungen für Data Analytics im eigenen Unternehmen verankert werden, damit die Datenmenge sauber und gewinnbringend ausgewertet werden kann. Im Rahmen eines Workshops, zu dem die gesamte Führungsriege und alle Abteilungsleiter an einen Tisch geholt werden, lässt sich am besten diskutieren und festlegen, an welchen Stellen Data Analytics am sinnvollsten und gewinnbringendsten eingesetzt werden kann.

5. Expertise und Tools – was man selbst nicht schnell genug aufsetzen kann oder was teuer ist, erst einmal geschickt umschiffen

Es gibt mehrere Wege, wie Data Analytics in Unternehmen verankert werden kann. Alle erfordern ein gewisses Investment. Allerdings gibt es hier erhebliche Unterschiede. Wer auf Cloud-basierte Data-Analytics-Plattformen setzt, kann bei gleichem Funktionsumfang deutlich gegenüber On-premise-Alternativen sparen, die schnell einen Anschaffungswert von mehreren hunderttausend Euro erreichen. Hinzu kommen die Personalkosten für die Analysten oder Data Scientists. Deshalb empfiehlt es sich, zumindest anfänglich, auf externe Spezialisten zu setzen und von deren Know-how bzw. Expertise zu profitieren. Später ist man dann in der Lage, mit dem Erlernten Data-Analytics-Projekte fortzuführen oder selbst aufzusetzen.

Fazit

Auch der Mittelstand kann von der Auswertung bestehender Daten erheblich profitieren – wenn die richtige Herangehensweise gewählt wird. Das zeigen viele Projekte, die wir zusammen mit mittelständischen Kunden durchgeführt haben. Trotzdem scheint es zunächst so, dass Data Analytics für den Mittelstand nicht so einfach umzusetzen ist wie für die Großen – sei es aus Budget-, Personal- oder sonstigen Kapazitätsgründen bzw. aufgrund fehlender technischer Voraussetzungen. Doch die hier angeführten Tipps und die Unterstützung durch erfahrene Experten helfen mittelständischen Unternehmen dabei, mit vergleichsweise wenig Aufwand und geringen Investitionen schnell und unkompliziert erste gute Ergebnisse aus Data-Analytics-Projekten zu generieren.

(ID:45259977)