4 Schritte um mit Operational BI richtig los zu starten!

Im Business-Alltag warten heute zahlreiche Herausforderungen, die es zu bewältigen gilt. Unter anderem die rasant steigende Menge an Informationen, die Mitarbeitern heute zur Verfügung stehen. Um der Informationsflut entgegenzusteuern, setzen Firmen heute verstärkt auf die Analyse operativer Prozesse.

Immer mehr Unternehmen verlagern ihren Data Analytics-Ansatz in Richtung operative Prozesse. Demnach verschieben mehr als 70 Prozent der befragten Unternehmen den Fokus der Analytics-Prozesse von kundenbezogenen Analysen hin zu operativen Funktionen und begeben sich damit in den Bereich von Operational BI. Als solches wird jener Ansatz bezeichnet, der es Anwendern ermöglicht, Entscheidungen auf Basis von Echtzeit-Daten zu treffen. Diese Daten werden bereits heute von vielen produzierenden Unternehmen im laufenden Betrieb gesammelt.

Eine der treibenden Kräfte dahinter ist das Internet der Dinge (IoT). IoT als Begriff beschreibt, dass der Computer als „einzelnes Gerät“ zunehmend verschwindet und durch „intelligente Gegenstände“ ersetzt wird. Statt selbst Gegenstand der menschlichen Aufmerksamkeit zu sein, soll IoT Menschen bei Tätigkeiten unmerklich unterstützen.

Einer der wichtigsten positiven Effekte für Unternehmen ist, dass die Mitarbeiter entlastet werden, da valide Grundlagen für Entscheidungsprozesse geschaffen werden. Es verwundert daher wenig, dass das Interesse der Unternehmen an Operational BI steigt. Allerdings ist der Einstieg in operatives BI nicht immer so einfach, wie erwartet.

In der Tätigkeit von COSMO CONSULT als BI-Berater haben wir festgestellt, dass sich die Herausforderungen von Unternehmen in drei Themen unterteilen lassen:

Erstens „RUN“. Gemeint ist damit einfaches Management. Effizienz bedeutet, die Dinge „richtig zu tun“. Dies erfordert aber gezielte und unverfälschte Einblicke in das Unternehmen. Deshalb benötigen Entscheider ein klares Verständnis der Werttreiber um Abläufe zu optimieren und Potenziale für Zeit- und Kostenersparnisse zu erkennen.

Zweitens CHANGE – also gezielt verändern. Denn Effektivität bedeutet, die „richtigen Dinge zu tun“. Die dafür oftmals notwendigen Veränderungen müssen aber gut vorbereitet und begleitet werden. Strategische und operative Kurswechsel erfordern die Fähigkeit, Auswirkungen frühzeitig und präzise einschätzen und erkennen zu können.

Und drittens GROW. Wachstum bedeutet nicht zwangsläufig kommerziellen Erfolg. Für ein solides, steuerbares Wachstum müssen Herausforderungen, wie die steigende Komplexität von System- und Prozesslandschaften, geänderte Datenstrukturen und -qualitäten oder höhere Anforderungen an Professionalisierung, gelöst werden.

Für Unternehmen, die sich für den Themenkomplex Operational BI interessieren sind daher verschiedene Schritte wichtig, um richtig losstarten zu können. Dabei bilden Daten natürlich die Basis aller Ambitionen. Im ersten Schritt ist es daher wichtig eine integrierte Datenbasis zu schaffen. Wie die anfangs erwähnte Studie zeigt, sind besonders jene Unternehmen mit Operational BI erfolgreich, die Datenbestände aus der gesamten Organisation integrieren und damit eine umfassende Sicht über alle operativen Prozesse schaffen können.

Ein weiterer wichtiger Schritt ist es, für größtmögliche Datenvielfalt zu sorgen. Erfolgreiche Unternehmen erhöhen Qualität und Tiefe der Daten aus operativen Prozessen, indem auch externe und unstrukturierte Daten genutzt werden. Zudem ist auch ein tiefes Verständnis für Analytics in Entscheidungsprozessen vonnöten. Nur wenn die Verantwortlichen Analytics als essenziellen Bestandteil von Entscheidungsprozessen im operativen Geschäft begreifen, lassen sich mit Operational BI Erfolge umsetzen.

Um mit Operational BI richtig los starten zu können, ist es wichtig, vier grundlegende Schritte zu beachten:

Im ersten Schritt gilt es, die interne Prozesskette abzubilden, also für die einzelnen Prozessschritte die einzelnen KPIs (Key Performance Indicators oder Kennzahlen) abzubilden. Dabei sollte nicht über die Darstellung an sich, sondern vielmehr über die jeweiligen Optimierungswünsche nachgedacht werden.

Als Beispiel: Wenn etwa Umsatz als KPI genommen wird, dann sollten folgerichtig die Seller den Umsatz optimieren. Es gilt also zu überlegen, was im Unternehmen optimiert werden soll und was die jeweiligen Schlüsselfaktoren des Unternehmens sind. Optimal ist es pro Bereich (Prozessschritt) ein bis zwei Haupt-KPIs zu definieren – wenn diese „richtig laufen“ und optimiert werden, dann läuft das Unternehmen rund.

Typischerweise lassen sich für unternehmensweite KPIs relativ schnell relativ viele Datenquellen finden. Klarer gesagt, finden sich üblicherweise recht komplizierte, komplexe Datenquellen, denn die Daten kommen zumeist aus verschiedensten Systemen – von CRM- und ERP-Systemen bis hin zu manuellen Aufzeichnungen. Es geht daher im zweiten Schritt weniger um Big Data an sich als vielmehr darum, die Idee von Smart Data umzusetzen. Die Datenquellen sollten möglichst aussagekräftig und profund sein.

Im dritten Schritt müssen die Daten im Sinne eines Data Warehouse oder Data Staging zusammengeführt werden um allen Nutzern der KPIs die gleiche Datenbasis zu liefern. Dabei ist es wichtig, dass keine sogenannten „Bypass-“Architekturen entstehen. Hier gilt es zu Beginn ein smartes Lighthouse-Projekt aufzustellen. Fehlende Datenquellen, die zu Beginn des Engagements noch nicht automatisiert sind, werden dann später hinzugefügt. Gerade in der Anfangsphase eines Operational BI-Projekts gilt es, einen Rahmen zu schaffen und möglichst elegante KPIs zur Verfügung zu stellen. Diese werden dann später zum unternehmensweiten Data Warehouse ausgebaut.

Im letzten Schritt sollte für eine attraktive und zielgerichtete Visualisierung gesorgt werden. Hier bieten sich unter anderem KPI-Kacheln an, aber auch möglichst einfache graphische Objekte sorgen für eine optimale Darstellung. Beispiele lassen sich über Screens abbilden. Die gezeigten Informationen sollten usergerecht und entsprechend der jeweiligen Berechtigungsstufen aufbereitet sein.

Dementsprechend sollte zeitgerecht von den Projektverantwortlichen darüber nachgedacht werden, welche Analyse oder Auswertungsmöglichkeit Mitarbeiter mit den jeweiligen KPIs zur Verfügung stehen. Denn: KPIs sollen steuern und informieren und nicht aufhalten und verwirren!