NicoElNino - stock.adobe.com

Den Geschäftswert mit fortgeschrittenen Analysen steigern

Es kann schwierig sein, Unterstützung für analytische Prozesse zu erhalten. Diese acht Vorteile fortgeschrittener Datenanalyse können Führungskräfte überzeugen.

Verbesserungen der Dateninfrastruktur zur Unterstützung fortgeschrittener Analysen erfordern erhebliche Investitionen. Um Unterstützung zu erhalten, sollte man zeigen, wie Datenanalysen konkret zum Geschäftswert beitragen.

Dies beginnt mit der Visualisierung des Werts, den Datenanalysen für Unternehmen bringen. Im Großen und Ganzen geht es darum, an einigen Stellen Geld zu sparen und an anderen Einnahmen zu generieren. Es gibt viele Möglichkeiten, beides zu erreichen, von der Steigerung der Produktivität bis hin zur Erschließung neuer Möglichkeiten und der Monetarisierung von Daten.

Hier sind acht praktische Aspekte, wie Datenanalysen zum Unternehmenswert beitragen können, die von Branchenexperten für Unternehmen ermittelt wurden:

  • Steigerung der Produktivität
  • Ausrichtung auf Geschäftsziele
  • besseres Datenmanagement
  • Problemlösung
  • schnellere Kommunikation
  • Datenmonetarisierung
  • Wachstumschancen
  • Personalisierung

Hier sind Beispiele aus der Praxis, die sie unterstützen, die Vorteile zu erreichen.

1. Produktivität steigern

„Systeme, die es schon lange gibt, bieten Möglichkeiten zur Produktivitätssteigerung“, sagt Sriram Narasimhan, Senior Vice President und Global Head of Data, Analytics and Insights Practice bei Wipro, einem Technologie- und Beratungsunternehmen.

Zum Beispiel gibt es computergestützte Betrugsanalysen schon seit Jahrzehnten. Es ist oft relativ einfach, Wege zu finden, diese bestehenden Prozesse zu verbessern.

Narasimhan arbeitete mit einer großen US-amerikanischen Krankenversicherung zusammen, die über ein bestehendes Verfahren zur Einbindung ihres Anbieternetzwerks verfügt. Es überwacht die Zahlungsintegrität und stellt Richtlinien für die manuelle Überprüfung von Betrug, Verschwendung und Missbrauch bereit.

Sie entwickelten ein KI-gesteuertes System, um aus Beispielen zu lernen, und schufen einen analytisch gesteuerten Chatbot, der als erste Anlaufstelle für Anbieter dienen sollte. Das Ergebnis war ein Rückgang der Anrufe um fast 40 Prozent, eine Reduzierung der unberechtigten Ablehnungen um 60 Prozent und eine Gesamtgeschäftsauswirkung von 100 Millionen US-Dollar.

Durch die Automatisierung fortschrittlicher Analysen für die Berichterstattung und Prognose können erhebliche Produktivitätssteigerungen erzielt werden. „Ohne fortschrittliche Analysen müssen Sie damit rechnen, in Tabellenkalkulationen zu tippen“, sagt Joshua Swartz, Partner in der Abteilung für digitale Transformation bei Kearney, einem globalen Strategie- und Managementberatungsunternehmen.

„[Tabellenkalkulationen] erfordern oft umfangreiche manuelle Arbeit, um sie zu erstellen, enthalten Daten- oder Berechnungsfehler und weisen eine erhebliche Zeitverzögerung auf, sodass sie erst Tage oder Wochen später sichtbar werden“, erläutert er.

Automatisierung beschleunigt den Prozess und liefert zeitnahere Erkenntnisse. “Wenn Sie vier bis fünf Wochen später einen rückblickenden Bericht erhalten, ist es zu spät, um Entscheidungen zur Kurskorrektur zu treffen“, so Swartz.

2. Geschäftsziele in Bezug auf KPIs zur Erfolgsmessung festlegen

Teams sollten keine Zeit mit der Verfolgung von Kennzahlen verschwenden, die für den Gesamterfolg nachteilig oder belanglos sind. Ein weiterer Mehrwert, den fortgeschrittene Analysen bieten können, ist die unternehmensweite Abstimmung von Geschäftszielen.

„Datenanalysen unterstützen dabei, Ziele zu identifizieren und zu modifizieren, während Sie Belege dafür entwickeln, wie oder warum bestimmte Ziele nicht erreicht wurden“, sagt Caroline Carruthers, Geschäftsführerin des Datenanalyse-Beratungsunternehmens Carruthers and Jackson.

Wenn ein Unternehmen beispielsweise um zehn Prozent wächst, der Markt aber um 20 Prozent, dann stimmt etwas nicht. Auch wenn das Unternehmen sein Ziel erreicht hat, können die dabei gesammelten Daten mehr über Entscheidungen verraten, die das Geschäft in anderen Bereichen hätten verbessern können.

„Ziele sollten nicht dazu führen, dass man auf der Stelle tritt. Sie sind dazu da, einem zu helfen, sich in die richtige Richtung zu bewegen und zu wachsen. Dies kann durch Datenanalysen ermöglicht werden“, erläutert Caruthers.

„Überlegen Sie, welche Prozesse oder Entscheidungen durch eine bessere Analyse verbessert werden können“, sagt Josh Miramant, Gründer und CEO von Blue Orange Digital, einem Beratungsunternehmen für Analytik. Sobald diese Initiativen identifiziert sind, sollten sie nach ihren Auswirkungen auf das Geschäft kategorisiert werden. Dies ist ein guter Ausgangspunkt, um die Priorisierung einer Initiative oder einer Leistungskennzahl zu verstehen. Durch die kontinuierliche Überwachung von Zielen und Leistung anhand von Leistungskennzahlen für diese Ziele können Organisationen Bereiche identifizieren, in denen sie möglicherweise hinter den Erwartungen zurückbleiben, und umgehend Korrekturmaßnahmen ergreifen.

Miramant ist der Ansicht, dass ein proaktiver Ansatz bei der Zielsetzung und -messung zu mehr Effizienz, besseren Entscheidungen und einem höheren Geschäftswert beiträgt.

3. Doppelte Daten beseitigen

Daten können zwar viele Arten von Wert schaffen, sie verursachen aber auch Verbindlichkeiten in Bezug auf Verwaltungsaufwand und Sicherheitsrisiken. Verwenden Sie fortschrittliche Analysen, um Duplikate in Datensätzen zu identifizieren und entsprechend zu beseitigen, wie Jerry Levine, Chief Evangelist und General Counsel bei ContractPodAi, einem Anbieter von Lösungen für das Management von Vertragslebenszyklen.

Datendeduplizierung war früher ein manueller Prozess, bei dem ein Datenanalyst riesige Datenmengen durchforsten musste. Mit dem neuen Verfahren von ContractPodAi können doppelte Daten viel schneller entfernt werden. Es ermöglicht saubere Datenmodelle, mit denen Teams arbeiten können.

„Durch die Pflege einer sauberen, optimierten Datenbank, die sich leicht in ihre Arbeit integrieren lässt, ist das Team für den Erfolg bei zukünftigen Projekten gerüstet“, erklärt Levine. Zu den Ergebnissen gehören eine genauere Berichterstattung und weniger Probleme im Kundenservice.

4. Probleme mindern

Datenanalysen beugen auch Problemen vor. „Datenanalysen werden immer im Zusammenhang mit der Steigerung oder Erhöhung der Produktivität oder Innovation erwähnt, aber nie im Zusammenhang mit dem, was sie zur Minderung von Problemen beitragen können“, sagt Carruthers.

Datenanalysen können dabei unterstützen, Mitarbeiter zu identifizieren und zu würdigen, die etwas Negatives verhindern. Dies kann Informationen liefern, die eine Änderung des Gesamtverhaltens fördern, die für das Unternehmen besser ist.

5. Experten zur Prozessoptimierung identifizieren

Fortgeschrittene Analysen können auch dabei unterstützen, die beste Person für eine bestimmte Frage oder ein bestimmtes Problem zu finden. CData Software, eine Plattform für Datenkonnektivität, nutzt laut Jerod Johnson, leitender Technologie-Evangelist beim Anbieter, fortgeschrittene Analysen, um Fachexperten im Support-Team zu identifizieren, die den Vertrieb beim Abschluss von Geschäften und bei der besseren Betreuung von Kunden unterstützen.

Das Support-Team von CData Software verwendet die Projektmanagementsoftware Atlassian Jira, um die Anzahl der Tickets zu verfolgen, die jeder Mitarbeiter bearbeitet. Außerdem werden die für jedes Ticket angeforderten Produkte und Dienstleistungen isoliert und kategorisiert. Das Verkaufsteam speist diese Daten dann in Berichte und Dashboards ein, um den besten Support-Mitarbeiter zu ermitteln, an den sich ein potenzieller Kunde wenden kann, wenn er eine technische Frage zu einem bestimmten Produkt, einer bestimmten Funktion oder einem bestimmten Merkmal hat. Dies hat die interne Zusammenarbeit und die Kundenzufriedenheit verbessert.

6. Daten monetarisieren

Viele datengesteuerte Organisationen verfügen über Vermögenswerte, die sie mit fortgeschrittenen Analysen monetarisieren können. Datensätze, die für die Organisation einzigartig sind und einige zukünftige Ergebnisse vorhersagen, die für andere Organisationen von Wert sind, sind gute Kandidaten.

„Fortgeschrittene Analysemodelle sind ein entscheidendes Verkaufsargument, um den Anwendungsfall, die Qualität und den Wert eines Datensatzes zu demonstrieren“, erklärt Ed Murphy, Senior Vice President of Data Science bei 1010data, einem Beratungsunternehmen für Datenanalyse.

Organisationen, die der explorativen Analyse ihrer eigenen Daten Priorität einräumen, können oft feststellen, welche Datensätze monetarisierbar sind. Der Wert der Monetarisierung steigt, wenn die Daten auf Veränderungen hinweisen, die die Ergebnisse verbessern können. Suchen Sie nach einer Plattform, die den Datenaustausch ermöglicht und fortgeschrittene Analysen für diesen Ansatz unterstützt. Ein Fokus auf die Metadatenkatalogisierung kann Ihnen auch dabei helfen, Verwendungsmöglichkeiten für einen Datensatz intern oder extern zu ermitteln.

7. Neue Möglichkeiten identifizieren

Die digitale Beratungsfirma Avionos nutzt häufig fortgeschrittene Analysen, um neue Möglichkeiten für Kunden zu entdecken. „Wir analysieren das Kundenverhalten, Markttrends und andere Daten“, sagt Mary Schneeberger, Geschäftsführerin und Studioleiterin des Unternehmens.

Ein Einzelhändler kann beispielsweise herausfinden, welche Produkte bei seinen Kunden am beliebtesten sind. Diese Informationen können als Grundlage für die Anpassung des Warenbestands und der Marketingstrategie dienen. Unternehmen können durch die Analyse von Kundendaten auch Einblicke in die Vorlieben und das Verhalten ihrer Kunden gewinnen. Dies hilft dem Unternehmen, seine Produkte und Dienstleistungen anzupassen.

Sie gibt jedoch zu bedenken, dass fortgeschrittene Analysen zwar viele Erkenntnisse liefern können, aber nicht alle davon für das Unternehmen relevant sind. „Etwas nur zu verfolgen oder zu überwachen, um Daten zu erfassen, wird keinen geschäftlichen Nutzen bringen“, erläutert sie.

Unternehmen müssen den Messansatz an den Kernzielen und -vorgaben des Unternehmens ausrichten. Wenn die Daten unvollständig, inkonsistent oder ungenau sind, kann dies zu schlechten Erkenntnissen und Entscheidungen führen.

8. Erfahrungen personalisieren

Fortgeschrittene Analysen können bei der Personalisierung des Kundenerlebnisses von entscheidender Bedeutung sein, um die Kundenzufriedenheit und -bindung zu erhöhen. Sport Buff arbeitete laut Benn Achilleas, Gründer und CEO des Unternehmens, an einem Projekt zur Schaffung einer skalierbaren Datenplattform, die der Fangemeinde ein personalisiertes Sporterlebnis bietet.

Sie arbeiteten mit Ensono, einem Anbieter von Managed Services und IT-Berater, zusammen, um die Plattform für die Unterstützung der FIFA-Fußball-Weltmeisterschaft Katar 2022 zu skalieren. Der Dienst zeigte während der Übertragung Grafiken an, um den Zuschauern zusätzliche Informationen, Engagement und Interaktion zu bieten. Die Daten der Zuschauer wurden aus mehreren Quellen zentralisiert und vom Sports-Buff-Team analysiert, um das Zuschauererlebnis zu personalisieren und die Inhalte in Echtzeit zu optimieren.

Dieser proaktive Ansatz zur Personalisierung führte zu einer 266-prozentigen Steigerung der Sehdauer auf der Plattform im Vergleich zum herkömmlichen Fernsehen, so Achilleas.

Erfahren Sie mehr über Datenanalyse

ComputerWeekly.de
Close