Business Analytics (BA)
Business Analytics (BA), zu Deutsch etwa Geschäftsanalyse oder Geschäftsanalytik, ist die iterative, methodische Untersuchung der Daten eines Unternehmens, wobei der Schwerpunkt auf der statistischen Analyse liegt. Business Analytics wird von Unternehmen eingesetzt, die datengesteuerte Entscheidungen treffen.
Diese Unternehmen betrachten ihre Daten als Unternehmenswert und suchen aktiv nach Möglichkeiten, sie in einen Wettbewerbsvorteil zu verwandeln. Erfolgreiche Geschäftsanalysen sind abhängig von der Qualität der Daten, von qualifizierten Analysten, die die Technologien und das Unternehmen verstehen, und von der Bereitschaft des Unternehmens, die Daten zu nutzen, um Erkenntnisse zu gewinnen, die in Geschäftsentscheidungen einfließen.
Wie Business Analytics funktioniert
Sobald das Geschäftsziel der Analyse festgelegt ist, wird eine Analysemethode ausgewählt, und die Geschäftsdaten werden zur Unterstützung der Analyse erfasst. Die Datenerfassung beinhaltet häufig die Extraktion aus mehreren Geschäftssystemen und Datenquellen, die anschließende Bereinigung und Integration der Daten in ein einziges Repository wie ein Data Warehouse oder Data Mart.
Die anfängliche Analyse wird in der Regel an einer kleineren Stichprobe von Daten durchgeführt. Die Analyse-Tools reichen von Tabellenkalkulationen mit statistischen Funktionen bis hin zu komplexen Data-Mining- und Prognosemodellierungsanwendungen. Deckt man Muster und Beziehungen in den Rohdaten auf, werden neue Fragen gestellt, und der Analyseprozess wiederholt sich, bis das Geschäftsziel erreicht ist.
Der Einsatz von Vorhersagemodellen umfasst die Bewertung von Datensätzen, die sich normalerweise in einer Datenbank befinden. Die Ergebnisse werden dann zur Optimierung von Echtzeitentscheidungen in Anwendungen und Geschäftsprozessen verwendet. BA unterstützt auch die taktische Entscheidungsfindung als Reaktion auf unvorhergesehene Ereignisse. In vielen Fällen wird die Entscheidungsfindung mit Unterstützung künstlicher Intelligenz (KI) automatisiert, um Reaktionen in Echtzeit zu unterstützen.
Arten von Business Analytics
Zu den spezifischen Arten von Business Analytics gehören:
- Deskriptive Analyse (Descriptive Analytics), die Leistungsindikatoren (KPIs) verfolgt, um den gegenwärtigen Zustand eines Unternehmens zu verstehen;
- Prädiktive Analyse (Predictive Analytics), die Trenddaten analysiert, um die Wahrscheinlichkeit zukünftiger Ergebnisse zu bewerten; und
- präskriptive Analyse (Prescriptive Analytics), die auf der Grundlage vergangener Leistungen Empfehlungen für den Umgang mit ähnlichen Situationen in der Zukunft ableitet.
Business Analytics versus Business Intelligence
Obwohl die Begriffe Business Intelligence (BI) und Business Analytics häufig synonym verwendet werden, gibt es wichtige Unterschiede.
Unternehmen beginnen in der Regel mit Business Intelligence (BI), bevor sie Business Analytics implementieren. BI hilft bei der Analyse von Geschäftsabläufen, um herauszufinden, was bisher funktioniert hat und was verbessert werden muss. BI verwendet deskriptive Analyseverfahren.
Im Gegensatz dazu konzentriert sich Business Analytics mehr auf die prädiktive Analyse und die Gewinnung umsetzbarer Erkenntnisse für Entscheidungsträger. Anstatt nur vergangene Datenpunkte zusammenzufassen, zielt BA auch darauf ab, Trends vorherzusagen. Die mit Unterstützung von Business Intelligence gesammelten Daten bilden die Grundlage für Business Analytics. Auf der Grundlage dieser Daten können Unternehmen bestimmte Bereiche auswählen, die mit Business Analytics weiter analysiert werden sollen.
Geschäftsanalyse versus Datenanalyse
Datenanalyse (Data Analytics) ist die Analyse von Datensätzen, um Schlussfolgerungen über die darin enthaltenen Informationen zu ziehen. Die Datenanalyse muss nicht zwangsläufig zur Verfolgung von Geschäftszielen oder Erkenntnissen eingesetzt werden. Es handelt sich um einen allgemeineren Begriff als Business Analytics. Die Definition der Datenanalyse schließt die Geschäftsanalyse ein – diese ist eine Art der Datenanalyse. Business Analytics beinhaltet die Verwendung von Datenanalyse-Tools zur Erlangung von Geschäftserkenntnissen.
Da es sich jedoch um einen allgemeinen Begriff handelt, kann Datenanalyse austauschbar mit Geschäftsanalyse verwendet werden.
Geschäftsanalyse versus Datenwissenschaft
Die fortgeschritteneren Bereiche der Geschäftsanalyse ähneln der Datenwissenschaft (Data Science), doch es gibt auch einen Unterschied zwischen diesen beiden Begriffen. Selbst wenn fortgeschrittene statistische Algorithmen auf Datensätze angewendet werden, bedeutet dies nicht unbedingt, dass es sich um Datenwissenschaft handelt. Das liegt daran, dass echte Datenwissenschaft mehr benutzerdefinierte Kodierung und die Erforschung von Antworten auf offene Fragen beinhaltet.
Datenwissenschaftler (Data Scientists) haben im Allgemeinen nicht das Ziel, eine bestimmte Frage zu lösen, wie es die meisten Geschäftsanalysten sollen. Vielmehr erforschen sie Daten mit fortschrittlichen statistischen Methoden und lassen sich bei ihrer Analyse von den Merkmalen der Daten leiten.
Beispiele und Tools für Business Analytics
Es gibt eine Vielzahl von Business Analytics Tools, die diese fortgeschrittenen Funktionen automatisch ausführen können und nur wenige der speziellen analytischen Fähigkeiten oder tiefgreifenden Kenntnisse von Programmiersprachen erfordern, die in der Datenwissenschaft erforderlich sind.
Diese Tools helfen Unternehmen bei der Organisation und Nutzung der riesigen Datenmengen, die moderne Cloud-Unternehmensanwendungen erzeugen. Zu diesen Anwendungen können Tools für Supply Chain Management(SCM), Enterprise Resource Planning (ERP) und Customer Relationship Management (CRM) gehören.
Im Folgenden finden Sie beliebte Tools für Business Analytics:
- Qlik, das über Funktionen zur Datenvisualisierung und automatischen Datenzuordnung verfügt.
- Splunk, das aufgrund seiner intuitiven Benutzeroberfläche und Datenvisualisierungsfunktionen besonders bei kleinen und mittleren Unternehmen beliebt ist.
- Sisense, das für seine dynamischen Textanalysefunktionen und Data Warehousing bekannt ist.
- KNIME, das für sein leistungsstarkes Data Pipelining und maschinelles Lernen bekannt ist.
- Dundas BI, das wegen seiner automatischen Trendvorhersage und seiner benutzerfreundlichen Drag-and-Drop-Oberfläche populär ist.
- TIBCO Spotfire, das als eines der fortschrittlicheren BA-Tools gilt und leistungsstarke automatisierte statistische und unstrukturierte Textanalysen bietet.
- Tableau Big Data Analytics, das ebenfalls für seine fortschrittlichen Funktionen zur Analyse unstrukturierter Texte und zur Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) eingesetzt wird.
Ein Beispiel für einen Anwendungsfall ist die Aggregation von Daten aus verschiedenen Unternehmensanwendungen mit einer DataOps-Analyseplattform wie DataKitchen und die anschließende Verwendung von Tableau zur internen Präsentation dieser Daten für Mitarbeiter. Die Daten können beispielsweise dazu verwendet werden, um anzuzeigen, welche Kunden ihr Abonnement für den vom Unternehmen angebotenen Dienst wahrscheinlich kündigen werden. Die von den BA-Tools gebotenen Einblicke ermöglichen es den Mitarbeitern, Kunden zu identifizieren, bei denen ein Kündigungsrisiko besteht, und Maßnahmen zu ergreifen, um sie im Abonnement zu halten.
Bei der Auswahl eines Business Analytics Tools sollten Unternehmen die Quellen, aus denen sie Daten beziehen, die Art der zu analysierenden Daten und die Benutzerfreundlichkeit berücksichtigen. Ein gutes Business Analytics Tool reicht für normale Geschäftsanwender aus, ermöglicht es aber auch fortgeschrittenen Anwendern, die Vorteile seiner Funktionen zu nutzen.
