Datenanalyse für KMU
2 Sep

Datenanalyse für KMU

Eine kritische Analyse

“Datenanalyse für KMU” oder “Data Science” müsste eigentlich für mittelständische Unternehmen eines der Top-Themen sein. Denn es sind Zeiten, in denen sich die Zukunft nur noch ganz schwer auf Basis von Erfahrung voraussagen lässt. Hat die Coronakrise uns doch so vieler Sicherheiten beraubt und eine Digitalisierung beschleunigt, die Veränderung von noch nicht abschätzbarem Ausmaß bedeutet. Wie naheliegend wäre es da auf die Instrumente fortschrittlicher Datenanalyse zurückzugreifen. Können einem BI und KI den Weg in die Zukunft weisen(?)

Zaghafter Mittelstand

Die Erweiterung für das
SAP Business One Finanzwesen

Ist denn Datenanalyse für KMU ein Top-Thema? Der Mittelstand nähert sich dem Thema eher zaghaft. Gründe dafür lassen sich einerseits in der mangelnden Verfügbarkeit der Daten suchen. Das hat häufig seine Ursache in immer noch nicht standardisierten Geschäftsprozessen. Manchmal fehl dazu auch schlicht die Erfahrung in Data Science. Die Verarbeitung von Daten selten durchgehend digitalisiert. Medienbrüche sind oft die Regel und verhindern die Strukturierung von Daten. Außerdem: Rund 30 % der Daten die von Unternehmen im Mittelstand genutzt werden, wurden nicht selber erhoben oder stammen nicht aus eigenen Quellen.

Zaghafte Anbieter der Datenanalyse für KMU

Zum anderen gibt es speziell für mittelständische Unternehmen ein noch übersichtliches Angebot an passenden Instrumenten und Beratung. Natürlich gibt es viele Datenanalysetools und massenweise entsprechender Software. Allein die Modelle, die damit realisiert werden, zielen selten auf kleine und mittelständisches Unternehmen. Was einer gewissen Logik folgt, entstehen in der Industrie und großen Unternehmen doch eine ganz andere Quantität und Qualität an Daten. Selbst junge Datenanalysten fehlt oftmals der Zugang Datenanalyse für KMU aus eher “kulturellen” Gründen. Sehr vom eher wissenschaftlichen Ansatz kommend, tut man sich schwer mit einer klaren Antwort auf die Frage: Was bring und was kostet es? Ein verständliches Dilemma, weiß man doch erst, ob der Datenschatz ein Schatz ist, nachdem man in analysiert hat.

Eine Wissenschaft für sich

Wie schon angeführt: Es gibt viele Werkzeuge, mit denen man Datenanalyse für KMU Unternehmen betreiben kann. Meistens werden die Ergebnisse als schöne Charts und interaktive Dashboards präsentiert. Allerdings gilt auch für Data Science: “A Fool With a tool is still a fool”. Hier ist also unter Umständen der Rat von gleich mehreren Experten gefragt. Die einen können Fragen beantworten wie: Wie sind meine Daten strukturiert und wie transportiere ich sie aus dieser Struktur in eine Ebene zur Datenanalyse. Dies dürften die Berater sein, die in den “Eingeweiden” der Businesssoftware (ERP, CRM, DMS usw.) zu Hause sind. Wie dann diese Daten in Kombination mit anderen Datenquellen strukturierter und unstrukturierter Daten zum Datenschatz, der neue Erkenntnisse bringt aufbereitet wird, ist eher die Sache der Datenanalytiker.

Den richtigen Ansatz der Datenanalyse für KMU wählen

Wie man an eine Datenanalyse für KMU Unternehmen rangeht, leitet sich meistens von einer Fragestellung ab, die auf einen jeweils geeigneten Ansatz hinweist:

  • Was ist passiert? (Deskriptive Analyse)

    Man sieht in die Vergangenheit und vergleicht sie mit der Gegenwart. Um neue Erkenntnisse zu gewinnen, wird dieser Ansatz zur Datenanalyse für KMU nicht ausreichend sein. Allerdings wird man wohl fast immer damit beginnen. Dabei werden Daten wie eingesetzte Ressourcen, erzeugter Ausschuss, anfallende Kosten etc. ermittelt. Schön, wenn diese Zahlen auf Knopfdruck, aus der gut integrierten Business Software abgerufen werden können. Leider Realität, dass dies immer mittelständischen Unternehmen nicht selbstverständlich ist.

    
  • Warum ist es passiert? (Diagnostische Analyse)

    Hier wird die Data Science interessanter. Man vergleicht hierbei Daten und erkennt Muster die ein Grund für ein bestimmtes Erlebnis oder Ereignis sichtbar machen. Es werden Antworten oder zumindest Hinweise zu Fragestellungen ermittelt wie: Warum verlieren wir in einer bestimmten Sparte Aufträge an Mitbewerber? Was ist die Ursache für erhöhte Kosten oder Materialverbrauch? usw. In einem durchschnittlichen mittelständischen Unternehmen ist für diese Disziplin schon die Zusammenführung mehrerer Datenquellen erforderlich.

    
  • Was wird (kann) passieren? (Prädiktive Analysen)

    Hier sind wir bei der Königsdisziplin der Datenanalyse für KMU angekommen. Hier versprechen die Anbieter die Innovationen und die Unternehmen sich die größten Vorteile. Auf Basis von strukturerkennenden Verfahren werden dabei Muster und Tendenzen erkannt. Diese Erkenntnisse helfen bei Entscheidungen und der Festlegung von Strategien. Welche Kunden werden in Zukunft was kaufen? Wie werden sich Kosten und Erträge in welchen Markt entwickeln? Welchen Einfluss hat welche Investition auf den Cashflow des Unternehmens. Allerdings wird auch der Hinweis auf neue Geschäftsmodelle und Märkte abgefragt. Spätestens für solche Aussagen die Qualität und Quantität der Daten ausschlaggebend. Selten reichen dafür die eigenen Datenquellen eines mittelständischen Unternehmens.

Es geht um Entscheidungen

Es gibt Stimmen, die die neuen oder neueren Trends rund um Data Science nur als alten Wein in neuen Schläuchen bezeichnen. Andere Enthusiasten sehen Big Data, Analytics, Mash-up, Data Integration und Co. als die Heilsbringer schlechthin ohne die Unternehmen zukünftig zum Scheitern verurteilt sind. Nichts von alledem dürfte in Absolutheil das Thema Datenanalyse für KMU richtig adressieren. Grundsätzlich stimmt, Unternehmen stehen schon immer vor der Herausforderung zum richtigen Zeitpunkt das Richtige zu tun. Und dazu muss der Unternehmer ständig zum richtigen Zeitpunkt die richtigen Entscheidungen treffen. Die Kompetenz diese Entscheidungen zu treffen, war schon immer die Königsdisziplin des Unternehmers. Mit zunehmender Beschleunigung des Lebens und immer komplexer werdenden Aufgabenstellungen reicht aber die Erfahrung und Entscheidungsmut einzelner nicht mehr aus.

Eine Sache von Menschen

Wenn man sich mit dem Thema Datenanalyse für KMU beschäftigt, wird einem schnell klar, dass die Umsetzung einer passenden Strategie kein einmaliges Projekt sein kann. Eine weitere Erkenntnis: Es ist keine Angelegenheit der IT. Man braucht hierzu Know-how im eigenen Unternehmen. Mitarbeiter die ständig mit dem Hintergrund eines Datenanalysten Entscheidungsprozesse begleiten. Dabei muss man sich dann immer noch fragen, ob die Zuhilfenahme von Data Science die Entscheidungsfindung einfacher, schwieriger oder einfach nur “anders” macht. Auch nicht zu unterschätzen ist die psychologische Hürde für so manch einen Entscheidungsträger. Wird doch am Nimbus des Entscheiders und Machers gekratzt, wenn vor der klaren Anweisung vom Chef erst das “Datenorakel” befragt wird.

Lasse Sie uns reden!

Sie haben Fragen oder Anliegen? Sie wollen uns Ihre speziellen Anforderungen mitteilen?

Ihr Name (Pflichtfeld)

Ihre E-Mail-Adresse (Pflichtfeld)

Betreff

Ihre Nachricht

Ich habe die Datenschutzerklärung zur Kenntnis genommen und bin damit einverstanden, dass die von mir angegebenen Daten elektronisch erhoben und gespeichert werden. Sämtliche Daten werden gemäß Datenschutzerklärung nur streng zweckgebunden zur Bearbeitung und Beantwortung Ihrer Anfrage benutzt.

DATA Sience

Datenanalyse für KMU

Eine kritische Analyse "Datenanalyse für KMU" oder "Data Science" müsste eigentlich für mittelständische Unternehmen eines der Top-Themen sein. Denn es ...
Weiterlesen …
Business Intelligence

Mehr Kennzahlen Transparenz im ERP System

Viele Unternehmen erhoffen sich durch die Einführung einer ERP-Software mehr Transparenz im Bereich ihrer Kennzahlen. Übersichtlicher wird es allerdings nur, ...
Weiterlesen …

Arbeit 4.0: Schneller, weiter, höher oder Entschleunigung?

Die rasante Automatisierung der Arbeitswelt hat viele Stimmen besorgt und laut nach Entschleunigung werden lassen. Digitale Systeme könnten aber dennoch ...
Weiterlesen …

Kostenloses Ebook zu MS Power Bi

Microsoft Power Bi ist ein Business Intelligence Tool, mit dem sich unterschiedliche Datenquellen andocken. Die Daten kann das Bi Tool ...
Weiterlesen …
Power Bi Kurs

Monatlicher Update zu MS Power Bi

Das monatliche Update von Microsoft Power Bi wurde veröffentlicht. Besonders interessant ist eine Funktion mit denen Nutzer auf neue Art ...
Weiterlesen …
Update_SAP_B1_Mariproject

Update für das Datenanalyse Tool: MS Power BI

Mit schöner Regelmäßigkeit erweitert Microsoft die Funktionalität von MS Power BI. Eine neue Version bietet wieder eine Reihe neuer Features ...
Weiterlesen …

Neue Reports / Power Bi für SAP Business One

Power Bi ist ein Werkzeug das es erlaubt auf einfachste Art und Weise Daten zu analysieren und visualisieren. Versino hat ...
Weiterlesen …

Einladung zum LucaNet Informationstag

Starten Sie mit LucaNet in eine sichere und transparente Zukunft! Die Anforderungen an das Finanz- und Rechnungswesen sind im Zuge ...
Weiterlesen …
sap business one 2018

SAP Business One 2018 – Eine Vorschau

SAP Business One 2018 ist nicht nur eine Überschrift, sondern auch die Kurzform eines Versprechens auf viele Neuheiten und Features ...
Weiterlesen …
Fragen

Einfach mal Fragen: Neues Feature für MS Power Bi

MS Power Bi ist ein Business-Intelligence Anwendung aus der Microsoft Cloud. Mit dieser lassen sich sehr komfortabel Daten in Echtzeit ...
Weiterlesen …
Datenanalyse

Studie zu BIG DATA Datenanalysen in Unternehmen von KPMG und Bitkom Research

Eine große Bitkom Studie zum Thema BIG DATA von der Mitte des Jahres hat spannende Ergebnisse geliefert. Ein halbes Jahr ...
Weiterlesen …
smartshop mit SAP Business One

Smartshop Analytics Prototyp für SAP Business One

Ein Youtube Video der SAP zeigt einen Prototyp einer SAP Business One Installation die mit den SAP HANA Analytics neue ...
Weiterlesen …

Hinterlassen Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert mit *
Folgende HTML Tags sind nutzbar: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>