Big Data Analyse – Wieso Zukunft oft in Gegenwart endet

 In Consulting

Big Data ist eines der größten aktuellen Buzzwords im Business und einer der vielversprechendsten Erfolgsfaktoren für Organisationen. Dabei gab es Daten in der Geschäftswelt schon immer zuhauf. In wenigen Jahrzehnten ist ihr Umfang von manuell im Kassenbuch zu notierenden Geschäftsvorgängen auf Megabytes im Sekundentakt angestiegen. Deshalb sprechen wir heute von Big Data – und schrecken oft davor zurück. Die Aufgabe der Datenpflege wirkt überwältigend und ihre Analyse komplex. Doch so schwierig muss Big Data Analyse/Analytics nicht sein. Wie Sie Schritt für Schritt zum Ziel kommen, zeigt dieser Blogbeitrag:

 

Big Data – Warum die Datenpflege heute so wichtig ist

Im Zuge der Digitalisierung der Geschäftswelt und der Industrie 4.0 strömen automatisierte Datensammlungen auf uns ein. Big Data einzusammeln ist vielerorts zur Selbstverständlichkeit geworden. Viele Lösungen in Form von Software, Maschinen und Prozessen haben integerierte Datensammler. Häufig landen die Big Data, die die verschiedenen Technologien digital zur Verfügung stellen, jedoch unstrukturiert im Nirvana. Ohne Datenpflege ist Big Data Analyse unmöglich. Damit verschenken Unternehmen riesige Potenziale. Denn wo Big Data zur Verfügung steht, können Kauftrends von Kunden abgeleitet, Qualitätskontrolle verbessert, Risikobewertungen verfeinert, Prozesse optimiert, Lieferanten überwacht und auffälliges Verhalten in Bezug auf Betrügereien entdeckt werden. So mancher existenzieller Rohstoffmangel, manches fehlerhaft distribuiertes Produkt, ja sogar mancher Geldwäscheskandal könnte mit sorgfältiger Big Data Analyse vermieden werden.

Trotz einleuchtender Vorteile sind gründliche Datenpflege und Big Data Analyse noch immer relativ selten. Warum? Große Datenmengen wirken unüberschaubar und komplex. Strukturierte Datensammlungen und ihre kontinuierliche Pflege haben den Ruf, teure Ressourcen zu verschlingen. Solche Meinungen hindern Unternehmen daran, Datenmanagment anzupacken und von deren vielseitigen Potenzialen zu profitieren.

 

Weshalb ist die Datenpflege so schwierig?

Ein hektischer Arbeitstag löst den nächsten ab. Eine Kundenreklamation folgt einem IT-Problem, das wiederum auf einen Qualitätsmangel folgt. Die Mehrheit der Mitarbeiter in Unternehmen weiß, wie eilig die meisten Herausforderungen gelöst werden müssen, damit das Geschäft rollt. Wer hat unter solchem Stress schon Zeit dafür die Stammdaten des Kunden im Adressbuch zu korrigieren, den User-Traffic auf der Webseite zu analysieren oder die Bill of Material des mangelhaften Artikels näher anzuschauen? Dabei ist genau der Blick auf die zu Grunde liegenden Informationen und Daten häufig ausschlaggebend dafür ein wiederkehrendes Problem zu verhindern.

Auch mangelndes Training der Mitarbeiter oder ein geringes Bewusstsein für die Bedeutung von Datenmanagement können zu Herausforderungen bei der Datenqualität und -pflege beitragen. Weiß ein Kollege im Kundenservice nicht, welchen Einfluss die Informationen im CRM-System auf die Belieferung des Kunden haben, kann er diese auch nicht sachgerecht korrigieren.

Sind die Abläufe im Unternehmen zudem so ausgerichtet, dass Daten beispielsweile doppelt (und teilweise nicht übereinstimmend) erstellt werden? Sind falsche Einträge bei der Datenerfassung möglich und beeinträchtigen die Datenqualität? – Dann liefert selbst das ausgeklügeltste Big Data Analytics-System nur sehr schwache Schlussfolgerungen aus Big Data.

 

Wie Sie die Big Data Analyse und Datenpflege richtig angehen

Big Data Analyse ist eine Frage der Struktur. Haben Sie erst einmal Ihre Mitarbeiter geschult und die richtige Big-Data-Lösung gefunden, sind Sie Ihrem Ziel schon sehr nahe. Digitale Technologien helfen Ihnen beim Einsammeln von Big Data. Integrierte Big Data Analytics in existierenden Geschäftsabläufen minimieren den Aufwand und vermitteln Mitarbeitern ein Gefühl für die Bedeutung von Daten. Wo sollten Sie anfangen? – eine Schritt für Schritt Anleitung zu wirksamer Big Data Analyse:

 

Gute Abläufe für saubere Datenerfassung

Gute Daten beginnen mit sorgfältiger Erfassung von Daten in IT-Systemen. Diese kann über automatische Prozesse erfolgen oder aber über die Eingabe von Hand. Gestalten Sie in diesem Fall intuitive, eindeutige Abläufe, damit Mitarbeiter möglichst wenig Fehler bei der Eingabe von Informationen machen können. Dazu gehört beispielsweise die Formatierung von Feldern im ERP-System. Wo Postleitzahlen eingetragen werden sollen, sind nur bestimmte numerische Formate zugelassen. Bestenfalls wird die Adresse direkt online auf ihre Gültigkeit überprüft. Darüber hinaus tragen integrierte IT-Systeme zur Vermeidung von redundanten Daten, sogenannten Dubletten, bei. Wenn die verschiedenen Softwares „miteinander sprechen“ können, müssen Daten nur an einer Stelle eingetragen werden. Das erhöht die Produktivität der Mitarbeiter und trägt zu hoher Datenqualität bei.

 

Überprüfung der Datenhygiene

Brauchbare Daten lassen sich durch eine mehr oder minder feine Kontrolle der exisitierenden Datenbasis entnehmen. Hier werden Formate überprüft, redundante Datensätze entfernt sowie tote und nicht zuletzt gemäß der DSGVO zu löschende Daten eliminiert. Oft erfolgt diese Kontrolle durch einen erfahrenen „Data Steward“, der im Bereich Data Science über großes Know-How verfügt. Ein solcher Mitarbeiter bekommt im Idealfall auch eine Reihe Tools zur Hand, die die Datenpflege in den möglichst wenigen, verschiedenen Datenbanken erleichtern.

 

Analyse großer Datenmengen

Nun kann Big Data Analytics beginnen. Big Data Technologien ermöglichen das sogenannte Data Mining. Der Name bezieht sich auf das Fördern von wertvollen Rohstoffen in einer Mine. Das gilt auch für Daten. Wem umfangreiche Informationen zur Verfügung stehen, der möchte für die konkrete Fragestellung relevante Daten finden können. Das setzt eine gute Strukturierung von Datenbanken voraus. Manche Big-Data-Umgebungen können sogar alle wichtigen geschäftsrelevanten Daten in einem einzigen sogenannten Data Warehouse vereinen. Darin findet ein kompetenter Data Scientist die richtigen Informationen, die zur Analyse verwendet werden können und macht diese Usern zugänglich. Solche Portale, die auch für technisch weniger versierte Nutzer anwendbar sind, werden oft Business Intelligence genannt.

 

Schulungen: Die Datenpflege der Digitalen Welt fängt in den Köpfen an

In den meisten Unternehmen haben Mitarbeiter in allen Abteilungen direkt mit Daten zu tun. Damit sind sie bewusst oder unbewusst in die Datenpflege involviert. Kenntnisse und ein Gespür für Datenmanagement tragen zu einer hohen Datenqualität bei. Schulungen zum Thema Datenpflege haben sich aus folgenden Gründen bewährt:

Zahlreiche Mitarbeiter aus unterschiedlichen Bereichen, d.h. weit über die IT-Abteilung hinaus, tragen zum Datenmanagement bei.
Digitale Technologien erfordern neues Wissen, von dem Mitarbeiter bei ihrer täglichen Arbeit profitieren.
Möglichkeiten und Ziele der Big Data Analyse vor Augen zu haben, steigert die Motivation.
Sogenannte Playgrounds, also parallele Testsysteme, ermöglichen das Spielen mit Daten und eröffnen neue Möglichkeiten. Der Spieltrieb wird geweckt und spielendes Lernen gefördert.
Die Voraussetzung für nachhaltige Pflege von Big Data sind Mitarbeiter mit Zeit, Können und der entsprechenden Verantwortung. Schulungen innerhalb von Big Data Analytics schaffen diese Voraussetzung.
Kompetente Gruppen von Mitarbeitern können einander nutzen und verfolgen gemeinsam das Ziel, saubere, auswertbare Daten zu schaffen.

 

Fangen Sie mit der Datenpflege an, am besten schon gestern

Big Data Analyse erlaubt einen Blick in die Zukunft. Wer die Potenziale seiner Daten ausnutzen kann, erhöht die Wahrscheinlichkeit dafür, richtige Entscheidungen zu treffen. Damit wird Big Data zum Wettbewerbsfaktor. In vielen Firmen wird der Aufwand für umfangreiche Big Data Analyse als sehr hoch eingeschätzt. Das hält noch immer viele davon ab, weitreichende Geschäftspotenziale auszunutzen. Dabei kann eine externe Unterstützung mit den passenden Kompetenzen rechtzeitig Starthilfe leisten. Denn eine Big Data Analyse ist erst möglich, wenn das Fundament steht:

Korrekte und vollständige Datenerfassung
System- und Datenhygiene
Geeignete Datenbankenstruktur

Alle diese Elemente können über Schulungen vermittelt und in existierende Arbeitsabläufe integriert werden. Sie machen Big Data Analyse möglich. Darüber hinaus eröffnen sie Möglichkeiten für Prozessoptimierung und Effizienzsteigerungen. Denn wenn Mitarbeitern die gleichen Daten nicht mehr in zwei Systeme eintragen müssen, spart das Zeit und erhöht die Datenqualität. Erst wenn die Basis in Ordnung ist, gilt es sich über passende Software und Big-Data-Projekte Gedanken zu machen. Ein professioneller externer Partner kann Unternehmen auf den richtigen Weg führen.

Neueste Beiträge
Prozessoptimierung - Prozesse in der Supply Chain digitalisieren und damit optimieren