Gerhard Göttert, DSAG e. V, zu vorausschauenden Analysen Predictive Analytics – so schürfen Unternehmen digitales Gold

Autor / Redakteur: Sabine Herforth / Nico Litzel

Bei Geschäftsentscheidungen ist es häufig wie bei Tippspielen im Fußball: Neben der Erfahrung und dem Fachwissen wird gerne auch mal der Instinkt oder ein bewährtes Muster herangezogen. Ob die Entscheidung gut für den Betrieb war, zeigt sich erst, wenn die Ergebnisse da sind.

Firmen zum Thema

Gerhard Göttert, Vorstand Anwendungsportfolio der Deutschsprachigen SAP-Anwendergruppe (DSAG) e. V.
Gerhard Göttert, Vorstand Anwendungsportfolio der Deutschsprachigen SAP-Anwendergruppe (DSAG) e. V.
(Bild: DSAG)

Vielen Unternehmen reicht das nicht mehr aus: Sie wollen verlässliche Prognosen, auf deren Grundlage sie belastbare Entscheidungen treffen können. Kurzum: Sie wollen nicht ins Blaue hinein tippen, sondern wissen, was passieren wird – mit vorausschauender Analyse.

„Predictive Analytics muss differenziert betrachtet werden“, erläutert Gerhard Göttert, Vorstand Anwendungsportfolio der Deutschsprachigen SAP-Anwendergruppe (DSAG) e. V. „Auf technischer Seite erleben wir eine rasante Entwicklung, sowohl beim Datenwachstum als auch im Bereich des Datenmanagements. Über alle Branchen und Industrien hinweg beobachten wir eine ungebremste Datensammelwut.“

Der Rohstoff Daten gewinnt dabei zunehmend an Bedeutung für Unternehmen, denn in ihnen liegen wichtige Informationen verborgen. Diese können über mathematische Verfahren soweit veredelt werden, dass sie eine geschäftsrelevante Komponente mit erheblichem Einfluss werden.

Finde die relevanten Daten!

Schon jetzt werden Entscheidungen fast ausschließlich auf Basis von Daten und Analysen getroffen. Die vorausschauende Analyse geht noch einen Schritt weiter: Sie erlaubt zuverlässige Zukunftsprognosen. „Predictive Analytics ist ein wichtiges Element, um das Handeln der Unternehmen im Wirtschaftsleben belastbarer und effizienter zu machen“, so Göttert. Die diesjährige DSAG-Investitionsumfrage zeigt eine deutliche Entwicklung in diese Richtung. 41 Prozent der befragten SAP-Anwender wollen dieses Jahr in Analytics und hier in den Bereichen Business Intelligence und Business Warehouse investieren.

„Die geplanten Ausgaben für Analyse-Werkzeuge sind hoch. Wir gehen davon aus, dass dieser Trend weiter zunehmen wird. Dabei ist aber absehbar, dass allein der Wille, Predictive Analytics einzusetzen, nicht ausreicht“, erklärt Göttert. Entsprechende technische Systeme sind mindestens so wichtig wie qualitativ gute Datenbestände und die Verankerung neuer Skills im Unternehmen. Deshalb genüge es nicht, wahllos Daten anzuhäufen, um verlässliche Vorhersagen zu treffen, insbesondere wenn die Betrachtung der Daten rückwärtsgerichtet stattfindet. „Verfügen die Unternehmen aber über viele, qualitativ hochwertige Daten aus längeren Zeiträumen, kann durch den Einsatz mathematischer Modelle digitales Gold entstehen“, konstatiert Göttert.

Dieses „Gold“, nach dem so eifrig gesucht wird, sind wertvolle, geschäftskritische Informationen: Worin wollen Kunden künftig investieren? Wie entwickelt sich heute die Nachfrage? Oder welche Produkte müssen morgen in welcher Menge welchem Markt geliefert werden?

Schnellere Entscheidungen

Predictive-Analytics-Lösungen bieten hier je nach Daten- und Ausgangslage Antworten. Auf Basis dieses Wissens können Maßnahmen ergriffen und die Leistungen des Unternehmens abgestimmt werden. Der Entscheidungszeitraum verkürzt sich, während sich der Handlungsspielraum erweitert.

„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)