IT-Strategie:
Was ist Data Analytics und wie können KMUs davon profitieren?

Jedes Unternehmen erhebt und sammelt heute Daten. Mit einer effizienten und automatischen Analyse durch Künstliche Intelligenz erschaffen KMU einen Mehrwert: Sie entdecken Muster und Zusammenhänge in den Daten und können Vorhersagen treffen. Das eröffnet neue Geschäftschancen. Worauf es dabei ankommt.

Sensoren in der Produktion, Transaktions- oder Logindaten von Kunden, Kommunikation mit Partnern, Informationen aus der Logistik und dem Vertreib: Unternehmen können heute immer mehr Daten sammeln. Deren Menge explodiert: Wurden 2019 noch 45 Zettabyte generiert, werden es 2025 schon 175 Zettabyte sein, sagen der Festplattenhersteller Seagate und das Marktforschungsunternehmen IDC voraus. 60 Prozent davon werden dann von Unternehmen generiert.

IT-Strategie:Was ist Data Analytics und wie können KMUs davon profitieren?

Was Data Analytics ist und was es bringt

Diese Daten sind der Rohstoff für Innovationen. Werden sie intelligent und automatisiert analysiert, können sie in neues Wissen verwandelt werden. Dann entstehen neue Dienste, die Customer-Experience wird verbessert oder interne Prozesse beschleunigt. Das gelingt mithilfe künstlicher Intelligenz (KI) und Data Analytics. Die Algorithmen der KI können riesige Datenmengen durchforsten, sortieren und vergleichen. Sie spüren verborgene Muster und Korrelationen in den Daten auf – und ermöglichen so, Trends und Entwicklungen zu erkennen und auf dieser Basis zielgerichtete Entscheidungen zu treffen. Mithilfe der KI und der Algorithmen sollen Probleme gelöst und Trends aufgespürt werden. Unternehmen erhalten schnell präzise Informationen und können flexibel darauf reagieren.

Das Ziel von Data Analytics ist es, Erkenntnisse aus Daten zu gewinnen. Gemeint sind dabei alle Prozesse und KI-Technologien zur Analyse sowie zum Erheben und Speichern von Daten. Häufig kommt Machine Learning (ML) zum Einsatz: Die KI erwirbt dann selbstständig neues Wissen und lernt dazu. Wenn von Big Data Analytics die Rede ist, sind besonders große Datenmengen gemeint.

Welche Vorteile Data Analytics dem Mittelstand bringt

Big Data Analytics gehört in großen Unternehmen längst zum Alltag. Viele KMU tun sich damit schwer: Nur jeder Vierte von ihnen nutzt automatisierte Datenanalysen, um neue Businessideen zu entwickeln, so eine IDC-Studie. Doch auch der Mittelstand könnte von den Technologien und Methoden profitieren.

Setzen KMUs Data Analytics ein, haben sie verschiedene Vorteile, unter anderem diese:

  • Visualisierung der Daten aus unterschiedlichen Quellen in einem Dashboard, beispielsweise die Performance verschiedener Niederlassungen sowie die Entwicklung von Verkäufen nach Regionen und Zeiträumen.
  • Business Insights: Durch intelligente Datenanalysen können bestimmte Muster sichtbar gemacht werden. Beispiel: Was sind die Gründe für Reklamationen oder warum kostet der Transport auf Route A mehr.
  • Erkenntnisse über Markt und Wettbewerb: Die Datenanalyse macht etwa deutlich, was sich Kunden wünschen, wie eine Lösung ankommt oder wie Produkte der Konkurrenten dastehen.
  • Effizientere Prozesse und weniger Ausfallzeiten: Mithilfe von Predictive maintenance ist es möglich, notwendige Wartungen oder Reparaturen vorherzusagen, um größere Ausfälle zu vermeiden.

 

Data Analytics kann in verschiedenen Bereichen im Unternehmen eingesetzt werden:

In der Produktentwicklung helfen Datenanalysen dabei, Kundenbedürfnisse besser zu verstehen. Es können Daten aus der Produktnutzung, Entwicklung oder Produktion einfließen.

Im Einkauf werden die Analysen beispielsweise genutzt, um Preisentwicklungen vorherzusagen, das Warengruppenmanagement zu verbessern oder Einsparpotenziale zu ermitteln. 

Im Marketing dienen die intelligenten Auswertungen dazu, Kampagnen gezielt auf einzelne Kunden auszurichten, abhängig von ihrem Klickverhalten, ihren Einkäufen und Vorlieben.

In der Sales-Abteilung werden mit Datenanalysen etwa Leads identifiziert, potenzielle Neukunden identifiziert und der Vertriebszyklus verkürzt.

In der Logistik sorgt die Analyse für mehr Effizienz: Wissen Firmen, wie Produkte ihr Ziel erreichen oder wo es zu Verzögerungen kommen, können sie Prozesse verbessern und Zeit und Kosten sparen.

Im Finanz- und Rechnungswesen kann die Datenanalyse helfen, Risiken zu identifizieren und Prozesse zu beschleunigen.

Welche Methoden und Daten bei Data Analytics eine Rolle spielen

Unternehmen stehen unterschiedlichste Quellen zur Verfügung, aus denen sie Daten extrahieren und dann analysieren können. Dazu gehören Kundendaten und -anfragen, Nutzungsinformationen aus Apps und Webseiten, Standortdaten sowie Daten aus Transaktionen und Sensoren. Auch aus internen Prozessen, Marketing, ERP-Systemen lasen sich wertvolle Informationen gewinnen. Zusätzlich können externe Daten wie Wetter, Wohnort, generelle Trends oder die Produkte eines Wettbewerbers einfließen.

Effiziente Analysen sind mit verschiedenen Datenmanagement-Techniken möglich. Beim Data Mining werden große Datenmengen auf Muster und Zusammenhänge untersucht. Das Data Cleaning bereinigt die erfassten Daten und siebt redundante oder doppelte Informationen aus. Beim Text Mining können Details aus Texten extrahiert werden, etwa um herauszufinden, wie oft ein Wort vorkommt.

Die Data-Analytics-Lösung untersucht die so herausgefilterten Daten anschließend mit unterschiedlichen Methoden, je nachdem, was das Ziel ist:

Descriptive Analytics: Die Auswertung aktueller und historischer Daten beschreibt den Ist-Zustand oder sucht nach Mustern.

Diagnostic Analytics: Das Ziel ist es, aus dem Ist-Zustand Gründe abzuleiten: Warum taucht dieses Muster so auf?

Predictive Analytics: Was wird in Zukunft passieren? Diese Methode nutzt Daten aus Descriptive und Diagnostic Analytics, um Ergebnisse vorherzusagen.

Prescriptive Analytics: Diese Methode sagt voraus, was getan werden sollte, um ein bestimmtes Ziel zu erreichen.

Mit welchen Herausforderungen KMU bei Data Analytics kämpfen

Kleine und mittelgroße Unternehmen sind im Umgang mit Datenanalysen oft überfordert. Zum einen fehlen ihnen häufig finanzielle und personelle Ressourcen sowie das Know-how, um sinnvolle Datenquellen zu identifizieren sowie die Daten zu speichern und auszuwerten. Dafür müssen sie mit großen Datenmengen umgehen können und genug Speicherplatz besitzen.

Zum anderen kann die Auswertung nur sinnvoll erfolgen, wenn die Daten relevant sind und eine hohe Qualität besitzen. Sonst ziehen Firmen womöglich die falschen Schlüsse aus ihnen. Das kann beispielsweise passieren, wenn Informationen zu Produkten einfließen, die es gar nicht mehr gibt. Darüber hinaus muss unbedingt Datensicherheit, Privatsphäre und Compliance gewährleistet sein. Die Betriebe müssen sicherstellen, dass die erhobenen Daten geschützt sind und Unbefugte keinen Zugriff auf sie haben.

Viele KMUs sind sich außerdem nicht sicher, wer im Unternehmen genau für die Datenanalysen zuständig ist. Entsprechend ändert sich der Fokus: Die IT-Abteilung möchte Prozesse optimieren und neue Lösungen entwickeln, die Geschäftsführung Kosten einsparen und Umsätze steigern, Marketing und Sales Kunden gezielter ansprechen und eigene Mitarbeiter entlasten.

Die besten Erfolge bringt ein ganzheitlicher Ansatz, der von der Geschäftsleitung implementiert wird. Wichtig ist aber, dass alle an einem Strang ziehen und einbezogen werden. Denn wenn Datensilos entstehen, stehen nicht alle relevanten Informationen zur Verfügung. Dann haben nur bestimmte Gruppen Zugriff auf bestimmte Daten, das kann zu falschen Schlüssen führen und bremst die positiven Effekte aus.

Worauf KMU bei der Implementierung von Data Analytics achten sollten

Für Data Analytics verwenden Unternehmen idealerweise maßgeschneiderte Lösungen, die flexibel einsetzbar sind und Funktionalitäten mitbringen, die zum eigenen Bedarf passen. Natürlich müssen sie auch mit der bestehenden IT-Infrastruktur zusammenarbeiten.

Am Anfang sollte aber die Auswahl eines passenden und überschaubaren Use Case stehen. Wichtig ist dabei, Business-Ziele zu definieren und in den Mittelpunkt zu rücken: Will die Firma in Zukunft teure Reparaturen vermeiden, die Lieferkette effizienter machen oder einen besseren Kundenservice bieten?

Geklärt werden muss außerdem die Frage, ob die Datenanalyse lokal oder in der Cloud erfolgen soll. Bei einer On-Premise-Lösung behält das Unternehmen die volle Kontrolle. Eine Cloud-Lösung ermöglicht agilere Prozesse sowie eine höhere Performance und Skalierbarkeit.

Wie das IBM Cloud Pak bei der intelligenten Datenanalyse hilft

Eine umfassende Lösung zur Sammlung, Organisation und Analyse von Daten aus unterschiedlichen Quellen ist das IBM Cloud Pak for Data. In der offenen Architektur können diverse Werkzeuge und Methoden der Künstlichen Intelligenz genutzt werden, um Daten automatisiert zu analysieren und Vorhersagen zu treffen. Der Speicher- und der Entstehungsort sind dabei irrelevant. Ein zentrales Dashboard virtualisiert die Ergebnisse und erleichtert das Management.

Das containerbasierte Paket lässt sich individualisieren: Ein breites Ökosystem mit Software von IBM und Partnern hilft, die eigenen Daten- und KI-Workflows anzupassen und nur das zu verwenden, was gebraucht wird. Cloud Pak for Data kann sowohl in der Cloud als auch im eigenen Rechenzentrum eingesetzt werden. Die (ausgewerteten) Daten sind auf Knopfdruck überall dort verfügbar, wo sie im Unternehmen gebraucht werden.

Fazit: Data Analytics hilft KMU, Daten aus unterschiedlichen Quellen zu sammeln, auszuwerten und Schlüsse daraus zu ziehen. Damit erkennen sie Muster und Zusammenhänge und können so bessere Entscheidungen und Vorhersagen treffen. Die Voraussetzung dafür ist eine leistungsstarke Datenverwaltungs- und KI-Lösung, die sich an die eigenen Bedürfnisse anpassen lässt.

Powered By:

Intel Xeon Processor Inside

News Abschnittsbild

Experten fragen

Wenn Sie noch Fragen haben oder wir Ihnen helfen können Ihre Daten und Services in einen Wettbewerbsvorteil zu verwandeln, dann können Sie sich kostenlos von unseren Experten beraten lassen.

So vielseitig wie Ihre Ansprüche

Weitere IBM Cloud Paks im Überblick

Multicloud

Verbesserung von Transparenz, Governance und Automatisierung in der Cloud
Mehr erfahren

Daten

Die Erfassung, Organisation und Analyse von Daten vereinheitlichen und vereinfachen
Mehr erfahren

Anwendungen

Innerhalb kürzester Zeit Apps in jeder Cloud erstellen
Mehr erfahren

Automatisierung

Geschäftsprozesse, Entscheidungen und Inhalte transformieren
Mehr erfahren

Sicherheit

Sicherheitsdaten, Tools und Workflows verbinden
Mehr erfahren

Integration

Integration von Apps, Daten, Cloud-Services und APIs
Mehr erfahren