Wozu dient Agile Analytics?

Frage: Wir befinden uns mitten in einem digitalen Wandel, der seit einigen Jahren von zahlreichen disruptiven Umbrüchen begleitet wird. Wie können Unternehmen dem begegnen? Böckmann: In Anbetracht des schnellen technologischen Wandels und der exponentiellen Entwicklung der Datenmengen braucht es flexible, kontinuierlich verbesserte Analytics-Systeme, außerdem agile Arbeitsweisen, die für flexible Prozesse sorgen. Frage: Was genau ist der Unterschied zwischen Business Intelligence und Business Analytics? Böckmann: Das Herzstück von Business Intelligence ist Descriptive Analytics. Diese gibt eine Antwort auf die Frage: "Was ist passiert und aus welchen Gründen?" Das ist der Status-quo in den meisten Unternehmen. Damit lassen sich lediglich Standardberichte, Statistiken und Reports erstellen, die vergangenheitsorientierte Daten auswerten. Business Analytics leistet mehr, und zwar durch den Einsatz von Algorithmen, die automatisiert die Analyse umfassenderer zeitnaher Daten erlauben. Predictive Analytics legt den Fokus auf die Zukunft und fragt: "Was wird voraussichtlich passieren?" Das hilft, flexiblere und schnellere Entscheidungen zu treffen. Prescriptive Analytics macht jederzeit korrigierbare Vorschläge für das beste Handeln und die beste Lösung in einer gegebenen Situation. Business Intelligence ist nur ein Blick in den Rückspiegel und entspricht dem Stand der frühen 2000er-Jahre. Business Analytics hingegen ist der Blick nach vorne durch die Frontscheibe, verbunden mit dem Navi, das die beste Route zum Ziel ausrechnet und nötigenfalls unterwegs immer wieder anpasst. Frage: In Ihrem Buch schreiben Sie, dass es auf die IT- bzw. Analytics-Architektur ankommt, wenn man Business Analytics im Unternehmen implementieren will. Welche Architektur eignet sich dafür? Böckmann: In der Tat haben viele Unternehmen noch nicht verstanden, dass sich nicht jede Analytics-Architektur für Business Analytics eignet. Die "klassische", statische BI-Architektur ist auf Effizienz und Zuverlässigkeit ausgerichtet, wird aber dynamischen Anforderungen nicht gerecht. Sobald neue Datenquellen hinzukommen, sich die Geschäftsziele oder Entscheidungskriterien verändern, geraten die statischen Architekturen an ihre Grenzen. Das weit verbreitete Data Warehouse allein eignet sich nicht, um große Datenmengen - auch externe und semi- oder unstrukturierte Daten - mit Hilfe von Business Analytics auszuwerten. Unternehmen, die es dennoch versuchen, etablieren oft, ohne es zu wollen, eine "Schatten-IT". Oder es entwickelt sich im Laufe der Zeit ein "Flickenteppich" aus verschiedenen Daten-Insel-Lösungen, die einen hohen manuellen Betriebsaufwand erfordern. Eine erste Stufe zur Flexibilierung wäre die Einführung einer bimodalen IT. Dabei kombiniert man den stabilen, auf Effizienz und Zuverlässigkeit ausgerichteten Betrieb existierender Systeme (Modus 1) mit agilen, innovationsgetriebenen Ansätzen zur Bewältigung neuer Herausforderungen und Chancen (Modus 2). Architektonisch wird in Ergänzung zum Data Warehouse oft ein ein Data Lake oder ein Data Lakehouse eingeführt. Eine geeignete Analytics-Architektur sollte den Entscheidungen im Kerngeschäft dienen und zur Geschäftsstrategie passen. Frage: Welche Rolle spielt dabei die Agilität? Böckmann: Agilität ist die Fähigkeit einer Organisation, sich selbst zu erneuern, sich wechselnden Rahmenbedingungen anzupassen, sich schnell zu verändern und in einem rapide wandelnden Umfeld erfolgreich zu agieren. Konkret meint dies zweierlei: zum einen flexible, modular aufgebaute Architekturen und Analytics-Infrastrukturen, die mit neuen Anforderungen mitwachsen und sich verändernde Bedürfnisse, wachsende Datenmengen usw. anpassen können. Zum anderen braucht es ein flexibles Vorgehen bei der Entwicklung geeigneter Software- bzw. Daten-Produkte, was ein entsprechendes Führungsverhalten erfordert. Frage: Welche Vorteile haben Unternehmen, die auf Agile Analytics setzen? Böckmann: Mehr und aktuellere Daten in Echtzeit zu analysieren und damit tragfähigere Entscheidungen zu treffen. Hinzu kommt, dass man Entwicklungen früher erkennt und so mehr Möglichkeiten hat, den Eintritt unerwünschter Ereignisse zu vermeiden bzw. rechtzeitig gegenzusteuern, bevor sie eintreten. Eine hohe Bedeutung für mittelständische und große Unternehmen hat das Forecasting. Studien zufolge verbringen Führungskräfte im Controlling heute noch rund 40 Prozent ihrer Zeit mit manuellem Forecasting, ohne jedoch zu treffsicheren, d.h. soliden Werten zu kommen. Die Genauigkeit einzelner Planpositionen liegt oft um die 50 Prozent und ist nicht viel besser als ein "Blick in die Glaskugel". Mit Hilfe von Predictive Analytics lässt