Eine Geschäftsanalyse ist eine Art von Analyse, die Unternehmen dabei hilft, wichtige Geschäftsdaten zu ermitteln, zu verarbeiten und zu visualisieren und Muster in ihrem Unternehmen zu nutzen, die sie sonst nicht erkennen würden.
Die Geschäftsanalyse ist der Prozess, bei dem Unternehmen Daten nutzen, die entweder durch ihren Geschäftsbetrieb erzeugt werden oder öffentlich zugänglich sind, um Geschäftsprobleme zu lösen, ihre Geschäftsgrundlagen zu überwachen, neue Wachstumsmöglichkeiten zu ermitteln und besser auf die Bedürfnisse ihrer Kunden einzugehen. Wie das Sprichwort besagt: Man kann nicht messen, was man nicht sehen kann.
Bei der Geschäftsanalyse handelt es sich um einzelne Daten oder Datensätze, die entweder lokal oder in der Cloud gespeichert werden. Datensätze, deren Größe einen bestimmten Schwellenwert überschreitet, werden gemeinhin als Big Data bezeichnet, und für den Zugriff auf diese Daten und deren Analyse ist erhebliche Rechenleistung erforderlich. Die Geschäftsanalyse nutzt Datenexploration, Datenvisualisierung, integrierte Dashboards und mehr, um Benutzern den Zugriff auf nutzbare Daten und Erkenntnisse zu ermöglichen.
Mit der zunehmenden Digitalisierung der Unternehmen ist die Geschäftsanalyse wichtiger denn je. Durch die Bereitstellung von fortschrittlichen Datenanalysen und KI mit einem integrierten Workflow können Unternehmen intelligentere, schnellere und präzisere datengesteuerte Entscheidungen treffen.
Die Geschäftsanalyse bietet auch Strategien zur Geschäftsoptimierung, mit denen Unternehmen Muster in ihren Unternehmen visualisieren und nutzen können, die sie sonst nicht erkennen würden.
Die Welt verändert sich schnell und Unternehmen müssen sich auf der Grundlage der Informationen schnell anpassen können. Heutzutage hängt der Erfolg von vielen Faktoren ab, aber in erster Linie benötigen Unternehmen schnellen Zugriff auf die richtigen Daten und Erkenntnisse, damit Führungskräfte entschlossen handeln können.
Wer anhand der richtigen Informationen schnelle strategische Entscheidungen treffen kann, hat oft einen erheblichen Wettbewerbsvorteil. Mit Geschäftsanalysen können Unternehmen auf der Grundlage realer Metriken und Erkenntnisse fundierte Geschäftsentscheidungen treffen und das Rätselraten bei der Entscheidungsfindung vermeiden.
Viele Unternehmen beschäftigen daher Unternehmensanalysten, deren Aufgabe darin besteht, Business Intelligence zu ermitteln. Diese Informationen können dem Unternehmen helfen, intelligentere und schnellere Entscheidungen zu treffen, durch die sie sich einen Vorteil gegenüber der Konkurrenz verschaffen können.
Erleben Sie IBM Planning Analytics in Aktion. Entdecken Sie, wie Sie Ihre Planungsanalyseprozesse optimieren können.
IBM Newsletter abonnieren
Beratung zu Daten und Analysen
Bei Business Intelligence, die es schon seit vielen Jahren gibt, geht es um die Nutzung vorhandener Daten als Grundlage für wichtige Geschäftsentscheidungen, die das gesamte Unternehmen betreffen. Unter Business Intelligence versteht man häufig die Ermittlung und Speicherung von Daten, um sie für die Entscheidungsfindung zu nutzen.
Geschäftsanalysen1(Link befindet sich außerhalb von ibm.com) gehen einen Schritt über Business Intelligence hinaus, indem sie diese Daten verwenden, um spezifische Fragen zu dem zu stellen und zu beantworten, was in der Vergangenheit passiert ist, was entweder a) in der Zukunft genauso passieren könnte oder b) aufgrund neuer oder unterschiedlicher Kontexte anders passieren wird.
Dadurch entsteht ein vollständiges Bild eines Geschäfts, mit dem Unternehmen das Benutzerverhalten besser erklären können. Darüber hinaus können Geschäftsanalysen auch Vorhersagen für die Zukunft treffen und Veränderungen in den Geschäftsergebnissen abschätzen.
Mit Geschäftsanalysen können Data Scientists und hoch qualifizierte Datenanalysten fortgeschrittene statistische Analysen erstellen. Einige Beispiele für statistische Analysen sind die Regressionsanalyse, beispielsweise die Verwendung früherer Verkaufsdaten zur Schätzung des Customer Lifetime Value, und die Clusteranalyse, beispielsweise die Analyse und Segmentierung von Nutzern mit hoher und niedriger Nutzung in einem bestimmten Gebiet.
Geschäftsanalyse-Lösungen bieten Vorteile für alle Abteilungen, einschließlich Finanzen, Personalwesen, Lieferkette, Marketing, Vertrieb oder Informationstechnologie; und alle Branchen, einschließlich Gesundheitswesen, Finanzdienstleistungen und Konsumgüter.
Zu den Verfahren der Geschäftsanalyse gehören verschiedene Tools, die Unternehmen dabei helfen, die von ihnen erfassten Daten zu verstehen und in Erkenntnisse umzuwandeln. Hier sind einige der gängigsten Tools, Disziplinen und Ansätze.
- Prädiktive Modellierung: Unternehmen entwerfen oder entwickeln oft neue Produkte, erschließen neue Märkte oder erkunden auf andere Weise neue Möglichkeiten, für die sie kaum auf Erfahrung oder historische Daten zurückgreifen können. Hier glänzen die prädiktive Modellierung und die prädiktive Analyse . Die prädiktive Modellierung2(Link befindet sich außerhalb von ibm.com) hilft Unternehmen, Probleme zu vermeiden, bevor sie auftreten. So können sie beispielsweise bestimmen, wann ein Fahrzeug oder ein Werkzeug ausfallen wird, und vorbeugend eingreifen, oder erkennen, wann sich veränderte demografische oder psychografische Faktoren positiv oder negativ auf ihre Produktlinien auswirken werden.
- Data-Mining: Dies ist eine äußerst wichtige Komponente der Geschäftsanalyse, bei der meist automatisierte Tools Rohdaten aufdecken und interpretieren, um Muster zu identifizieren und wichtige Erkenntnisse zu gewinnen. Die wachsende Bedeutung von Big Data macht Data-Mining, auch bekannt als Knowledge Discovery in Data (KDD), zu einem entscheidenden Bestandteil jedes modernen Unternehmens. Allerdings haben Unternehmen oft Schwierigkeiten, ihre Data-Mining-Aktivitäten zu skalieren, um mehr Erkenntnisse zu gewinnen.
- Data Science: Die Untersuchung der Frage, wie Daten zu geschäftlichen Erkenntnissen führen, unter Einbeziehung von Elementen aus Mathematik, Statistik und Informatik. Mit der Zunahme der Datenquellen und der Bedeutung der Datenanalyse ist Data Science zu einem der wichtigsten Berufe in den USA geworden, und die Unternehmen sind zunehmend darauf angewiesen, um umsetzbare Erkenntnisse zu gewinnen, die sich auf die Geschäftsergebnisse auswirken.
Geschäftsanalysen nutzen Analysen, also die Ableitung von Erkenntnissen aus Daten, um die Unternehmensleistung zu steigern. Es gibt drei Arten wertvoller Analysen, die häufig in Geschäftsanalysesituationen eingesetzt werden.
Wie der Name schon sagt, beschreibt diese Art der Analyse die darin enthaltenen Daten. Ein Beispiel wäre ein Kreisdiagramm, das die demografischen Daten der Kunden eines Unternehmens aufschlüsselt.
Diese Form der Analyse wertet vorhandene Daten aus, identifiziert Muster und hilft Unternehmen bei der Vorhersage zukünftiger Ereignisse auf der Grundlage dieser Daten. Dabei kommen Vorhersagemodelle zum Einsatz, in die Daten eingespeist werden können, um Hypothesen über künftige Verhaltensweisen oder Ergebnisse aufzustellen. So könnte ein Unternehmen beispielsweise Vorhersagen über die Entwicklung der Mantelverkäufe machen, wenn für die kommende Wintersaison warme Temperaturen vorhergesagt werden.
Diese Analysen3(Link befindet sich außerhalb von ibm.com) helfen Unternehmen dabei, zukünftige Entscheidungen auf der Grundlage vorhandener Informationen und Ressourcen zu treffen. Jedes Unternehmen kann präskriptive Analysen nutzen, indem es anhand der vorhandenen Daten Vermutungen darüber anstellt, was als Nächstes passieren wird. Marketing- und Vertriebsorganisationen können beispielsweise die Lead-Erfolgsraten aktueller Inhalte analysieren, um festzustellen, welche Arten von Inhalten sie in Zukunft priorisieren sollten. Finanzdienstleister nutzen diese Art von Analyse zur Betrugserkennung, um in Echtzeit entscheiden zu können, ob ein Kauf potenziell betrügerisch ist.
Zur Optimierung der Geschäftsanalyse eines Unternehmens ist es erforderlich, die Daten zu bereinigen und zu verknüpfen, überzeugende Datenvisualisierungen zu erstellen, Erkenntnisse darüber zu gewinnen, wo ein bestimmtes Unternehmen aktuell steht, und gleichzeitig zu prognostizieren, was in der Zukunft geschehen wird. Üblicherweise umfasst dies die folgenden Komponenten:
Zunächst müssen die Unternehmen alle vorhandenen Daten und die externen Daten, die sie einbeziehen möchten, ermitteln, um zu verstehen, welche Möglichkeiten sie für die Geschäftsanalyse haben.
Leider sind viele der Daten, über die ein Unternehmen heute verfügt, nicht „bereinigt“, sodass sie für echte Analysen unbrauchbar sind, sofern dies nicht in Angriff genommen wird.
Hier sind einige Gründe, warum die Daten eines Unternehmens bereinigt werden müssen:
Falsche Datenfelder: Aufgrund manueller Eingaben oder fehlerhafter Datenübertragungen kann es vorkommen, dass innerhalb eines Unternehmens schlechte Daten mit guten Daten vermischt sind. Wenn fehlerhafte Daten im System vorhanden sind, besteht die Gefahr, dass der gesamte Satz bedeutungslos wird.
Veraltete Datenwerte: Bestimmte Datensätze, wie etwa Kundeninformationen, müssen möglicherweise bearbeitet werden, weil Kunden das Unternehmen verlassen, Produktlinien eingestellt werden oder andere historische Daten nicht mehr relevant sind.
Fehlende Daten: Unternehmen haben möglicherweise die Art und Weise der Datenerhebung oder die von ihnen erfassten Daten geändert, was bedeutet, dass in historischen Einträgen möglicherweise Daten fehlen, die für zukünftige Analysen von entscheidender Bedeutung sind. Unternehmen in dieser Situation müssen unter Umständen entweder in die manuelle Dateneingabe investieren oder nach Möglichkeiten suchen, mithilfe von Algorithmen oder maschinellem Lernen vorherzusagen, wie die Daten korrekt sein sollten.
Datensilos: Wenn sich die vorhandenen Daten eines Unternehmens in mehreren Tabellen oder anderen Arten von Datenbanken befinden, müssen sie möglicherweise zusammengeführt werden, damit alle Daten an einem Ort verfügbar sind. Während die Grundlage jedes Geschäftsanalyse-Ansatzes First-Party-Daten sind (z. B. Daten, die das Unternehmen von Stakeholdern gesammelt hat und besitzt), möchte man möglicherweise Daten von Drittanbietern anhängen (z. B. Daten, die sie von anderen Unternehmen gekauft oder erfasst haben), um die eigenen Daten mit externen Erkenntnissen abzugleichen.
Mit zusätzlichem Cloud Computing können Unternehmen jetzt Gigabytes und Terabytes an Daten sofort abfragen und schnell analysieren. Data Scientists können Daten mithilfe von maschinellem Lernen (ML), Algorithmen, künstlicher Intelligenz (KI) und anderen Technologien effektiver analysieren. Auf diese Weise können umsetzbare Erkenntnisse gewonnen werden, die auf den KPIs eines Unternehmens basieren.
Die Daten eines Unternehmens sind nur so gut, wie sie für Menschen verständlich sind. Programme können nun schnell große Mengen dieser analysierten Daten verwenden, um Dashboards, Visualisierungen und Panels zu erstellen, in denen die Daten gespeichert, angezeigt, sortiert, bearbeitet und an die Stakeholder gesendet werden können. Die Datenvisualisierung dient für Unternehmen mehreren Zwecken: Sie hilft technisch nicht versierten Personen, Analysekonzepte zu verstehen, hilft anderen, Muster in mehreren Datenpunkten zu erkennen, oder zeigt das Wachstum oder den Niedergang eines Unternehmens auf. Sie kann bei der Ideenfindung, der Ideenillustration oder der visuellen Entdeckung helfen. Zu den bewährten Methoden der Datenvisualisierung gehört es, zu verstehen, welche visuelle Darstellung am besten zu den von einem Unternehmen verwendeten Daten und den wichtigsten Aussagen passt, die visuelle Darstellung so sauber und einfach wie möglich zu halten und mit den richtigen Erklärungen und Inhalten sicherzustellen, dass die Zielgruppe versteht, was sie vor sich hat.
Die Datenverwaltung erfolgt parallel zu den oben genannten Maßnahmen. Ein Unternehmen, das sich mit Geschäftsanalysen beschäftigt, muss eine umfassende Strategie für die Pflege seiner bereinigten Daten entwickeln, insbesondere wenn es neue Datenquellen einbezieht.
Geschäftsanalysen sind für jede Art von Geschäftseinheit nützlich, um die vorhandenen Daten zu verstehen und spezifische Erkenntnisse zu gewinnen, die eine intelligentere Entscheidungsfindung ermöglichen.
- Finanz- und Betriebsplanung: Die Geschäftsanalyse hilft Unternehmen, Finanzplanung und Betrieb noch besser aufeinander abzustimmen. Dies geschieht durch die Festlegung von Regeln für das Lieferkettenmanagement, die funktionsübergreifende Integration von Daten und die Verbesserung der Nachfrageprognose.
- Planungsanalyse: Planning Analytics ist ein integrierter Geschäftsplanungsansatz, der Tabellenkalkulationen und Datenbanktechnologie kombiniert, um effektive Geschäftsentscheidungen zu Themen wie Nachfrage- und Lead-Generierung, Betriebskosten und Technologieanforderungen zu treffen. Viele Unternehmen haben in der Vergangenheit Tools wie Excel für die Geschäftsplanung verwendet, einige wechseln jedoch zu Tools wie IBM Planning Analytics.
- Integrierte Vertriebs- und Marketingplanung: Jedes Unternehmen verfügt über historische Daten zu Lead-Generierung, Konversionsraten und Erfolgsquoten bei der Kundenbindung. Unternehmen möchten genaue Umsatzpläne und -prognosen erstellen und mithilfe von Geschäftsanalysen einen besseren Einblick in ihre Marketing- und Vertriebsdaten erhalten, um Ressourcen auf der Grundlage der Leistung oder der sich ändernden Nachfrage zuzuweisen und so die Geschäftsziele zu erreichen.
- Integrierte Planung der Mitarbeiterleistung: Unternehmen, die eine digitale Transformation durchlaufen und auf andere Weise auf die sich verändernde Landschaft reagieren, müssen sicherstellen, dass sie über die richtigen Mitarbeiter mit den richtigen Fähigkeiten verfügen. Dies gilt insbesondere in einer Welt, in der es immer wahrscheinlicher wird, dass Mitarbeiter ein Unternehmen verlassen, um eine neue Stelle anzutreten. Die Planung der Mitarbeiterleistung hilft Unternehmen, ihren Personalbedarf zu verstehen, Qualifikationsdefizite zu erkennen und zu beheben sowie Talente besser zu rekrutieren und zu binden, um den Anforderungen des Unternehmens heute und in Zukunft gerecht zu werden.
Unternehmen, die Geschäftsdaten nutzen möchten, müssen wahrscheinlich bestehende Mitarbeiter weiterbilden oder neue Mitarbeiter einstellen und möglicherweise neue Stellenbeschreibungen erstellen. Datengetriebene Unternehmen benötigen Mitarbeiter mit hervorragenden Analyse- und Kommunikationsfähigkeiten.
Dies ist die Art von Mitarbeitern, die sie benötigen, um das volle Potenzial einer robusten Geschäftsanalysestrategie auszuschöpfen.
- Data Scientists: Diese Mitarbeiter sind in der Regel für die Verwaltung der Algorithmen und Modelle verantwortlich, die die Geschäftsanalyseprogramme des Unternehmens unterstützen. Data Scientists in Unternehmen nutzen entweder Open-Source-Bibliotheken wie NTLK, um die zu verwendenden Algorithmen zu finden, oder sie entwickeln ihre eigenen Algorithmen zur Durchführung von Datenanalysen. Sie zeichnen sich durch ihre Problemlösungskompetenz aus und müssen in der Regel mehrere Programmiersprachen beherrschen, beispielsweise Python, das den Zugriff auf sofort einsatzbereite Algorithmen für maschinelles Lernen erleichtert, und SQL, mit dem Daten aus Datenbanken extrahiert und in ein Modell eingespeist werden können. In den letzten Jahren bieten immer mehr Hochschulen einen Master- oder Bachelor-Abschluss in Data Science an. In diesem Studiengang werden die Studierenden in Informatik, statistischer Modellierung und anderen mathematischen Anwendungsbereichen unterrichtet.
- Dateningenieure: Sie erstellen und pflegen Informationssysteme, die Daten aus verschiedenen Queen zusammentragen, welche bereinigt und sortiert und in einer Masterdatenbank abgelegt werden. Sie sind oft dafür verantwortlich, dass die Daten leicht erfasst und von den Stakeholdern abgerufen werden können, um den Unternehmen eine zentrale Sicht auf ihre Datenvorgänge zu ermöglichen.
- Datenanalysten: Datenanalysten spielen eine zentrale Rolle bei der Vermittlung von Erkenntnissen an externe und interne Stakeholder. Abhängig von der Größe des Unternehmens sind sie möglicherweise an der Erfassung und Analyse der Datensätze und der Erstellung der Datenvisualisierungen beteiligt, oder sie übernehmen einfach die Arbeit anderer Data Scientists und konzentrieren sich darauf, ein überzeugendes Storytelling für die wichtigsten Erkenntnisse zu entwickeln.
Moderne Unternehmen müssen in der Lage sein, schnelle Entscheidungen zu treffen. Nur so können sie sich in einer sich schnell verändernden Welt behaupten, in der jedes Jahr neue Wettbewerber auftauchen und sich die Gewohnheiten der Kunden ständig ändern. Unternehmen, die Geschäftsanalysen priorisieren, haben mehrere Vorteile gegenüber Wettbewerbern, die dies nicht tun.
- Fundiertere Entscheidungen: Eine flexible und umfassende Sicht auf alle Daten, über die ein Unternehmen verfügt, kann Unsicherheiten beseitigen und ein Unternehmen dazu veranlassen, schneller Maßnahmen zu ergreifen. Wenn die Daten eines Unternehmens darauf hindeuten, dass die Verkäufe einer bestimmten Produktlinie rapide zurückgehen, kann es beschließen, diese einzustellen. Wenn sich das Klimarisiko auf die Ernte eines Rohstoffs auswirkt, von dem ein anderes Unternehmen abhängig ist, muss es möglicherweise woanders einen neuen Rohstoff beschaffen. Das ist besonders hilfreich, wenn es um die Preisgestaltung geht. Wie ein Unternehmen seine Waren oder Dienstleistungen bepreist, basiert auf Tausenden von Datenpunkten, von denen viele im Laufe der Zeit nicht statisch bleiben. Unabhängig davon, ob ein Unternehmen eine feste oder eine dynamische Preisstrategie verfolgt, ist die Möglichkeit des Zugriffs auf Echtzeitdaten von entscheidender Bedeutung, um intelligentere kurz- und langfristige Preisentscheidungen zu treffen. Unternehmen, die eine dynamische Preisgestaltung integrieren möchten, können mithilfe von Geschäftsanalysen Tausende von Datenpunkten nutzen, um auf externe Ereignisse und Trends zu reagieren und so oft wie nötig den profitabelsten Preispunkt zu ermitteln.
- Einzelfensteransicht der Informationen: Verbessern Sie die Zusammenarbeit zwischen Abteilungen und Geschäftsbereichsanwendern, da alle über dieselben Daten verfügen und nach demselben Schema vorgehen. Dadurch können mehr unsichtbare Muster aufgedeckt werden, verschiedene Abteilungen können den ganzheitlichen Ansatz des Unternehmens verstehen und die Fähigkeit des Unternehmens, auf Veränderungen auf dem Markt zu reagieren, wird verbessert.
- Verbesserter Kundenservice: Wenn Unternehmen wissen, was ihre Kunden wünschen und wann und wie sie diese Wünsche erfüllen sollen, können sie ihre Kunden besser zufriedenstellen und somit eine stärkere Kundentreue erreichen. Außerdem können Unternehmen, die intelligentere Entscheidungen über die Ressourcenzuweisung oder die Produktion treffen können, diese Waren oder Dienstleistungen wahrscheinlich zu einem günstigeren Preis anbieten.
Die Flexibilität von Spreadsheets. Mit der Kontrolle einer Datenbank. Und den Vorteilen der integrierten Unternehmensplanung. Jetzt verfügbar als Service auf AWS
KI-basierte Automatisierung und Erkenntnisse in Cognos Analytics ermöglichen es jedem in Ihrem Unternehmen, das volle Potenzial Ihrer Daten auszuschöpfen.
Erkennt Anwendungs- und Geschäftsrisiken, die sich auf das Kundenerlebnis auswirken, und ermöglicht es Anwendern, die Service-Level-Ziele von Anwendungen mit den zugrunde liegenden Infrastrukturressourcen zu korrelieren.
Weitere Informationen über Geschäftsanalysen erhalten Sie in diesen Blogs und Artikeln.
IBM Planning Analytics hat Unternehmen nicht nur in der Finanzabteilung, sondern in allen Abteilungen ihres Unternehmens unterstützt.
Eine wachsende Zahl zukunftsorientierter Unternehmen bewältigt die Komplexität erfolgreich mit IBM Planning Analytics, einer Technologie, die eine sichere Zusammenarbeit, eine schnelle automatische Datenerfassung und vieles mehr unterstützt.
Prädiktive Analysen (auch Predictive Analytics genannt) sind ein Teilbereich der fortgeschrittenen Analytik, der anhand von historischen Daten in Kombination mit statistischer Modellierung, Data-Mining-Techniken und maschinellem Lernen Vorhersagen über zukünftige Ergebnisse trifft.
Fußnoten
1 Business Intelligence vs. Business Analytics (Link befindet sich außerhalb von ibm.com), Harvard Business School
2 How predictive analytics can boost product development (Link befindet sich außerhalb von ibm.com), McKinsey, 16. August 2018
3 What is prescriptive analytics? (Link befindet sich außerhalb von ibm.com), Harvard Business School Blog, 2. November 2021