
John Naisbitt
Business Analytik
Die Analyse von Daten zur Verbesserung der Geschäftsentwicklung hat eine lange Tradition im Business Management z.B. in Form von Finanzanalysen (GuV-, Bilanz-, Cash Flow Analyse) oder klassischer MBA Analysen (SWOT, 5-Forces, ABC, XYZ, Portfolio Analyse etc.)
Datenanalysen werden angewandt im Rahmen der wiederkehrenden (Finanz-) Planung und Budgetierung, i.R.d. Planung von Einmalereignissen (z.B. Investitionen) sowie v.a. im Zuge der Erfolgskontrolle. Auch im operativen Management werden durch rollierend erhobene KPIs Performances analysiert und gemonitort. Anwendungsfelder der Datenanalyse sind fast alle Funktionsbereiche und Disziplinen : Finanzwirtschaft, Marketing und Sales, Produktmanagement, Einkauf sowie Produktion und Supply Chain Management.
Business Analytik muss wertschöpfend sein : Ihre Ergebnisse müssen in Aktionen umgesetzt werden können (‚actionable‘) die zur Zielerreichung führen. Den oft zu beobachtenden Zustand des „Analysis Paralysis“ (Lähmung durch (Über-) Analyse) gilt es zu vermeiden.
So ist auch das Zitat von Naisbitt (oben) zu verstehen : nicht die schiere Flut an Informationen und Analyseergebnisse bringt Profitables Wachstum, sondern das daraus abgeleitete richtige Wissen um die Wirksamkeit im Management.
Analytics Reifegrad Modell
Das Business Analytik Instrumentarium lässt sich darstellen durch das Analytics Reifegrad Modell von Gartner.
Es weist 4 Stufen auf :
- Descriptive Analytics
- Diagnostic Analytics
- Predicitive Analytics
- Prescriptive Analytics

Descriptive Analytics (beschreibende Analytik)
wertet Daten aus, um den Geschäftsverlauf der Vergangenheit und Gegenwart zu dokumentieren, zu analysieren (Post Mortem Analyse) und zu visualisieren.
Die Analyse richtet sich dabei oft auf Ziel-Ist-Vergleiche oder auf Trendverläufe von Zeitreihen. Weitverbreitet sind alle Nutzungsarten von Spreadsheet-Programmen (z.B. Excel in händischer Nutzung, auch halb- oder vollautomatisiert).
Fokus : was geschah ?
Pro : einfache Anwendbarkeit, wenig spezielles Know How notwendig
Kontra : gewonnene Einsichten vergangenheitsbezogen, isoliert, kaum „actionable“
Nutzen : Management ist informiert was wie gelaufen ist

Diagnostic Analytics (diagnostizierende Analyse)
ähnlich wie Descriptive Analytics, jedoch mit Sicht auf Ursache-Wirkungsbeziehungen, Kausalitäten, Korrelationen und Klassifikationen. Technisch häufig BI Systeme mit Drill-Downs und Data Mining Funktionen.
Fokus : warum ist etwas eingetreten ?
Pro : tiefere Einsicht bezgl. Ursachen in der Vergangenheit
Kontra : Einsichten vergangenheitsbezogen, mässig „actionable“
Nutzen : Management ist informiert warum was wie gelaufen ist

Predicitve Analytics (prädiktive / vorhersagende Analyse)
stellt Prognosen zukünftiger Entwicklungen relevanter Grössen für Managemententscheidungen bereit. Ein breites Spektrum an Prognosealgorithmen ist nutzbar : von einfach (lineare Regression), über mittel (VARIMA) bis advanced (LSTM Netzwerke).
Fokus : wie wird sich etwas zukünftig entwickeln ?
Pro : Trends (positive wie negative) werden frühzeitig erkannt
Kontra : Praxis im Umgang mit Prognoseergebnissen fehlt u.Ustd.
Nutzen : Trendprognosen unterstützt proaktives Management

Prescriptive Analytics (verordnende Analyse)
stellt den optimalen Handlungspfad zur Erreichung der Ziele bereit. Basiert auf Optimierungsrechnungen, Simulationsoptimierung, Neurale Netzwerken, Machine Learning und Künstlicher Intelligenz.
Fokus : was (Aktionen) muss getan werden um Ziele zu erreichen
(ähnlich dem „Next best Action Marketing“; Prinzip Autopilot)
Pro : schnelle und sichere Entscheidungsfindung, Proaktivität
Kontra : Vertrauen in die Algorithmik, Gefühl von „loss of control“
Nutzen : Trendprognosen und rollierende Optimierung ermöglichen proaktives Management und sichern zukünftige Zielerreichung ab trotz ev. prognostizerter Abweichungen

Business Analytik – von Daten zu optimalen Aktionen

Die vier Stufen der Business Analytik führen
- von einem weitestgehend durch menschliches Wirken gekennzeichneten Management System (Descriptive Analytics)
- über halbautomatisierte Management Systeme (Management Support Systeme wie Diagnostic und Predicitve Analytics)
- hin zu hoch- und vollautomatisierten Manage-ment Systemen (Prescriptive Analytics) basierend auf intelligenten, selbstoptimierenden Systemen
Profitables Wachstum kann durch jede Stufe der Business Analytik unterstützt werden.
Je intelligenter das Analytik System und je besser dessen Integration in das Management System eines Unternehmens, um so besser und sicherer ist der für Profitables Wachstum erzielbare Effekt.