Gerhard Göttert, DSAG e. V, zu vorausschauenden Analysen

Predictive Analytics – so schürfen Unternehmen digitales Gold

Seite: 2/2

Firmen zum Thema

„Dabei geht es nicht immer um die weitreichende Vorausschau über Tage und Wochen“, erläutert Göttert. „Auch das Wissen, wie sich das Geschäft in den nächsten Sekunden oder Stunden entwickelt, kann je nach Branche oder Geschäftsfeld einen wesentlichen Einfluss auf den Geschäftserfolg haben.“ Wenn das Logistikzentrum die Nachfrage seiner angeschlossenen Märkte voraussagen kann, sind kurzfristige Lieferzeiten und explizite Lieferwünsche mühelos miteinander vereinbar.

Breites Anwendungsspektrum

„Prädestiniert sind aus unserer Sicht die Bereiche Supply Chain, Customer Relationship sowie Risiko-Management und Betrugsbekämpfung. Das sind alles Bereiche, in denen geringfügige Veränderungen zu erheblichen Auswirkungen führen können“, erklärt Göttert und schildert ein beispielhaftes Einsatzszenario: Ein großes, renommiertes Kreditkartenunternehmen konnte die Prüfung großer Mengen an Transaktionen auf Betrugsversuch von knapp einer Stunde auf wenige Sekunden reduzieren. Durch die sehr schnelle Erkennung von Mustern und die daraus extrem früh abgeleitete Erkenntnis eines Missbrauchs schützt das Unternehmen seine Kunden vor Vermögensverlusten.

Die nötige Technik, um große Datenmengen schnell zu bearbeiten und zu analysieren, gibt es bereits. Doch um Predictive Analytics erfolgreich zu nutzen, sind Göttert zufolge drei grundlegende Fähigkeiten unverzichtbar:

  • Daten müssen für den Einsatz eines Analysesystems vorbereitend selektiert und modelliert und das erforderliche mathematische Verfahren festgelegt werden.
  • Das grundlegende Modell ist kontinuierlich an die Bedürfnisse des Unternehmens anzupassen.
  • Es bedarf einer Exekutive, die die Ergebnisse der Analyse in konkrete Businessmaßnahmen umsetzt.

Erfolg von Predictive Analytics ist von der „Usability“ abhängig

Denkbar sind Tools zur vorausschauenden Analyse in allen Branchen und Bereichen. Natürlich sollte nicht einfach drauflos analysiert werden. „Die Unternehmen müssen ihre Business Cases hierfür erarbeiten und prüfen“, führt Göttert aus. Auch müsse der Umgang mit Analytics-Lösungen sowie die Verfahren und Systeme selbst immer wieder verbessert werden, um erfolgreich handeln zu können.

Genau hier liegt die Schwierigkeit: Laut einer Studie des Marktforschungsunternehmens BARC haben Unternehmen in Deutschland, Österreich und der Schweiz Probleme, Big-Data-Analytics-Projekte umzusetzen, weil es ihnen an fachlichem (55 Prozent der Befragten) und technischem (47 Prozent) Know-how fehlt.

Hier sind die Softwareentwickler gefragt, meint Göttert: „Analytics-Lösungen müssen so gestaltet werden, dass Mitarbeiter in den Fachbereichen der Unternehmen sie verwenden können. Für sie stehen die Technik und mathematischen Modelle nicht im Vordergrund, sondern eine möglichst einfache und effiziente Nutzung der Analysefunktionen. Aus Sicht der DSAG bedarf es deshalb eines klaren Konzepts von SAP, wie sich Predictive Analytics für Unternehmen nutzen lässt.“ Denn effektiv ist der Einsatz von SAP-Lösungen nur dann, wenn diese die Komplexität der Systeme nicht noch mehr erhöhen, sondern sich vielmehr in bereits bestehende Geschäftsprozesse und Systeme integrieren lassen.

(ID:42849399)