Data Analytics als Treiber und Werkzeug der Digitalisierung

Data Strategy: How to Profit from a World of Big Data, Analytics and the Internet of Things

Das Buch, verfasst von Bernard Marr, beschreibt, wie man den Bedarf an strategischen Daten für sein Unternehmen identifiziert und erklärt, welche Methoden genutzt werden sollten, um Daten effektiv zu sammeln. Außerdem erläutert der Autor, wie man Daten in einen unternehmensinternen Kontext übertragen und für später anstehende Entscheidungen aufbereiten kann.

Weniger als 0,5 % der Daten werden derzeit analysiert oder genutzt. Führungskräfte und Manager können sich eine gleichgültige oder skeptische Einstellung gegenüber Daten nicht mehr leisten, da diese die Arbeitsweise revolutionieren. Unternehmen müssen begreifen, dass Daten als strategischer Vermögenswert anzusehen sind, der langfristig Bestand haben und wachsen wird.

Das Buch ist in 11 Kapitel gegliedert.

• Im ersten Kapitel geht es darum, wie Daten die Geschäftswelt neu gestalten und dass jedes Unternehmen ein Daten-Business werden muss. Der Autor geht dabei auf brisante Punkte, wie die Blockchain-Technologie und Industrie 4.0 ein und beantwortet die Frage, ob ein Unternehmen einen Chief Data Officer (CDO) benötigt.
• Im zweiten Kapitel wird erklärt, wie man Daten nutzen kann, um bessere Entscheidungen zu treffen und betriebliche Tätigkeiten zu optimieren. Dazu sollte zunächst eine Strategie bestimmt werden, mit der das Zielbild des jeweiligen Unternehmens erreicht werden soll.
• Das dritte Kapitel zeigt auf, wie Schlüsselfragen für das Unternehmen identifiziert und zu Kunden, Markt und Wettbewerb in Bezug gesetzt werden. Zudem formuliert der Autor Fragen und Lösungsansätze für die Bereiche Finanzen, interne Tätigkeiten und Mitarbeiter.
• Das vierte Kapitel beschäftigt sich mit der Optimierung von Betriebsprozessen durch Daten. Im Mittelpunkt stehen Themen wie die automatische Fehlerbehebung in Fertigungsprozessen, die Optimierung von Lieferwegen sowie eine individuelle Kundenansprache.
• Kapitel 5 erläutert, wie Datennutzung den Unternehmenswert steigern kann und was der durch nutzergenerierte Daten geschaffene Wert für das Unternehmen bedeutet. Die Beispiele sollen dem Leser helfen, ähnliche Einnahmequellen zu identifizieren.
• Kapitel 6 präzisiert die verschiedenen Datentypen, wie z. B. Videodaten, semi-strukturierte Daten, Gesprächsdaten oder Sensordaten, und legt dar, wie man interne Daten sammelt und auf externe Daten zugreift. Zudem zeigt der Autor Lösungswege auf, wenn die benötigten Daten nicht vorliegen.
• Kapitel 7 betrachtet die verschiedenen Analysemöglichkeiten, wie z.B. Regressionsanalyse, Forecasting oder Monte-Carlo-Simulation, und legt den Fokus dabei auf Advanced Analytics und die Kombinationsmöglichkeiten mit Machine Learning und Cognitive Computing.
• In Kapitel 8 wird die Schaffung der richtigen Technologie und Dateninfrastruktur erläutert. Dabei werden die Aspekte Datensammlung, Datenspeicherung und Datenanalyse und -verarbeitung behandelt.
• Kapitel 9 handelt von neu zu erlernenden Kompetenzen im Umgang mit Daten. Dabei stehen 5 Qualifikationen im Mittelpunkt: Unternehmerische Fähigkeiten, Analyse-Skills, Computerwissenschaften, Statistik und Mathematik sowie Kreativität.
• Die letzten beiden Kapitel beleuchten die Themen Data Governance, Datensicherheit und Datenkultur. Insbesondere der letzte Punkt ist in Verbindung mit einer aufzusetzenden Datenstrategie für den Autor von zentraler Bedeutung. Solch eine Datenstrategie in die Praxis umzusetzen ist eine der zentralen Herausforderungen. Die Verankerung des Schlüsselgedankens in der gesamten Organisation ist bedeutend für ein erfolgreiches Fortbestehen der Strategie. Eine kontinuierliche Anpassung an die Veränderungen ist dabei unabdingbar.

Fazit:

Das Buch von Bernard Marr deckt das komplexe Themenfeld der Datenstrategien umfassend ab und ist ein absolutes Must-Have für alle, die die Nutzung und Analyse von Daten in ihren Unternehmen vorantreiben und verstehen möchten, welches Potenzial sich in ihnen verbirgt. Die Publikation enthält viele Case Studies und Praxisbeispiele, die die komplizierte Materie veranschaulichen und dem Leser einen direkten Mehrwert liefern.
Marr, Bernard: Data Strategy: How to Profit from a World of Big Data, Analytics and the Internet of Things, Kogan Page 2017, 200 S., 19,99 EUR

Disruptive Analytics: Charting Your Strategy for Next-Generation Business Analytics

Das Buch, verfasst von Thomas W. Dinsmore, liefert detaillierte Informationen über 7 Schlüsselinnovationen, die die heutige Art der Business-Analysen grundlegend verändern werden. Beispiele dafür sind das Hadoop-Ökosystem, Cloud Analytics, das Open-Source-Geschäftsmodell oder Self-Service Analytics. Diese Innovationen verändern radikal die Art und Weise wie Unternehmen Daten (z.B. zur Erlangung eines Wettbewerbsvorteils) für sich nutzbar machen können.

Dinsmore erklärt, dass Unternehmen, die diese Möglichkeiten nutzen, wachsen können, während andere Unternehmen zu kämpfen haben werden. Die Devise dabei lautet: „Verdrängen oder verdrängt werden.“ Das vorliegende Buch zeigt Strategien auf, wie Unternehmen von einer solchen Disruption profitieren können. In diesem Zusammenhang erklärt der Autor, welcher organisationaler Veränderungen es bedarf, wie eine Open Source gebildet wird, wie man die Datenlagerhaltung verschlankt und disruptive Innovationen in einem Unternehmenskontext integriert.

Das Buch ist in 10 Lerneinheiten mit den folgenden Kapiteln gegliedert:

• Grundlagen
• Einführung in das Themengebiet Analytics
• Open Source Analytics
• Das Hadoop-Ökosystem
• In-Memory Analytics
• Streaming Analytics
• Analytics in der Cloud
• Machine Learning
• Self-Service Analytics
• Handbuch für Manager

Dinsmore; Thomas W.: Disruptive Analytics: Charting Your Strategy for Next-Generation Business Analytics, Apress 2016, 262 S., 28,88 EUR

Digitalisierung der Unternehmenssteuerung: Prozessautomatisierung, Business Analytics, Big Data, SAP S/4 HANA, Anwendungsbeispiele

Das Herausgeberwerk von Michael Kieninger beschreibt und analysiert die Auswirkungen der Digitalisierung auf die klassischen Controllingfelder. Dabei wird der Fokus auf die Potenziale und Risiken gelegt, die die zunehmende Digitalisierung für die Unternehmenssteuerung und Performanceoptimierung mit sich bringt. Zudem wird die Notwendigkeit einer unternehmensspezifischen Strategie zur systematischen Umsetzung hervorgehoben, die mit Unternehmensbeispielen aus der Automobilbranche, der Finanzindustrie, der Telekommunikation und der Touristik veranschaulicht wird.

Das Buch ist in die 3 zentralen Abschnitte

• Unternehmenssteuerung 4.0 – die weitreichenden Folgen der Digitalisierung,
• Big Data und quantitative Modelle – der Motor der Digitalisierung und
• Digitalisierung in der Praxis – die Zukunft hat längst begonnen

gegliedert, in denen Fachbeiträge von Experten aus Unternehmenspraxis und Beratung einzelne Sachverhalte darstellen.

Kieninger, Michael (Hrsg): Digitalisierung der Unternehmenssteuerung: Prozessautomatisierung, Business Analytics, Big Data, SAP S/4 HANA, Anwendungsbeispiele; Schäffer Poeschel 2017, 387 S., 69,95 EUR

Business Analytics: Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung

Das Buch, verfasst von Mischa Seiter, liefert einen konzeptionellen Rahmen für die Implementierung von Business Analytics und ermöglicht mithilfe eines in 4 Abschnitte gegliederten Prozesses die Entwicklung eines unternehmensindividuellen Analytics-Ansatzes. Die 4 Teilprozesse sind Framing, Allocation, Analytics und Preparation.

Die zunehmende Bedeutung von Business Analytics leitet sich aus der wachsenden Verfügbarkeit von Daten ab, die aus der voranschreitenden Digitalisierung resultiert. Das Werk richtet sich gezielt an Führungskräfte aller Ebenen und Branchen, hauptsächlich aber an Personen aus den Bereichen Controlling und Marketing. Zahlreiche Praxisbeispiele geben Inspiration für die Einführung konkreter Ansätze im eigenen Unternehmen. Dabei werden insbesondere folgende Fragen bearbeitet:

1. Für welchen betrieblichen Sachverhalt sollen die knappen BA-Ressourcen eingesetzt werden?
2. Welche Investitionen sind für eine BA-Infrastruktur (Personal, IT, Daten) notwendig?
3. Welche konkreten Lösungsansätze können auf Basis der verfügbaren Daten erarbeitet werden?
4. Wie können diese Ansätze in konkrete Optimierungskonzepte überführt werden?
5. Treten bei der Umsetzung der Lösung die erwünschten Wirkungen ein?

Seiter, Mischa: Business Analytics: Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung, Vahlen 2017, 233 S. 49,80 EUR

Der Text ist ein Auszug aus Gleich/Grönke/Leyk/Kirchmann: Strategische Unternehmenssteuerung mit Advanced Analytics, Haufe 2017