Business Analytics

1 Definition: Was ist Business Analytics?

Unter Business Analytics wird der Prozess der Gewinnung neuer Erkenntnisse unter Verwendung statistischer und iterativer Methoden verstanden. Dazu zählt das Sammeln, Verarbeiten und Untersuchen von Daten. Auf Basis dieser Erkenntnisse treffen Unternehmen Geschäftsentscheidungen.

Business Analytics kann so zu einer datenbasierten Entscheidung verhelfen und zur Steigerung von Effizienz, Umsatz und Produktivität eingesetzt werden. Ziel ist eine strategische Unternehmenssteuerung durch Optimierung bestimmter Geschäftsprozesse.

Decision Analytics, Descriptive Analytics, Predictive Analytics und Prescriptive Analytics werden als Teilgebiete von Business Analytics betrachtet.


2 Teilgebiete von Business Analytics

2.1 Decision Analytics

Decision Analytics dient der Bewertung wichtiger unternehmerischer Entscheidungen. Auf Grundlage verschiedener Parameter und unter Berücksichtigung weiterer Gesichtspunkte wie Psychologie, Management, Ausbildung und Wirtschaft unterstützt Decision Analytics den Entscheidungsprozess. Ziel ist es, Entscheidungen mit mehreren Handlungsalternativen und die daraus resultierenden Ergebnisse mithilfe rationaler Aspekte zu kategorisieren.

Die Entscheidungsanalyse findet Anwendung, wenn strategische Entscheidungen im Management, Marketing oder Kapitalbereich getroffen werden müssen und soll eine möglichst optimale Entscheidung gewährleisten.

2.2 Descriptive Analytics

Descriptive Analytics befasst sich mit historischen Daten, die hauptsächlich zur Erstellung und Evaluation von Kennzahlen verwendet werden. Mittels Datenaggregation werden historische Daten ermittelt, gesammelt und sortiert. Diesem Schritt schließt sich das Data Mining an, das Muster innerhalb der vorhandenen Daten identifiziert und anschließend analysiert.

Descriptive Analytics kann nicht für Rückschlüsse oder Prognosen künftiger Ereignisse verwendet werden, sondern dient lediglich dazu, vergangene Begebenheiten einzuordnen und strategisch zu bewerten.

2.3 Predictive Analytics

Predictive Analytics soll zukünftige Ereignisse auf Basis vergangener und aktueller Daten ermitteln. Algorithmen und maschinelles Lernen dienen dazu, Entwicklungen und Tendenzen zu identifizieren und auf diese Weise künftiges Verhalten zuverlässig vorherzusagen. Ziel ist es, eventuelle Chancen oder Risiken zu festzustellen und rechtzeitig entsprechende Maßnahmen zu ergreifen.

2.4 Prescriptive Analytics

Prescriptive Analytics dient der Generierung von Handlungsempfehlungen und Entscheidungen und gilt als Erweiterung der Predictive Analytics. Strukturiertes und unstrukturiertes Datenmaterial aus internen und externen Quellen bildet die Grundlage für Prescriptive Analytics. Ziel ist es, als Unternehmen die richtige Entscheidung zu treffen, um den maximalen Nutzen zu erzielen oder Risiken zu minimieren.

3 Unterschied zwischen Business Analytics und Business Intelligence

Obwohl beide Begriffe oftmals synonym Anwendung finden, bestehen Unterschiede. Während Business Intelligence allein auf vergangenheitsbasierten Daten beruht, beschäftigt sich Business Analytics hauptsächlich mit der Zukunft. Der Erfolg von Analysen hängt maßgeblich davon ab, inwieweit die verschiedenen Abteilungen eines Unternehmens ein Vorhaben unterstützen.

Konkret beantwortet Business Intelligence die folgenden Fragen:

  • Was und wann ist geschehen?
  • Wer hat dies verursacht und in welchem Umfang?

Business Analytics stellt die Fragen nach zukünftigen Ereignissen in den Mittelpunkt. Dazu zählen:

  • Warum trat das Ereignis ein?
  • Wie hoch ist die Wahrscheinlichkeit, dass es erneut passiert?
  • Wie werden sich Änderungen auswirken undwelche Informationen werden über das Offensichtliche hinaus gewonnen?

Anhand verschiedener Analysemethoden und Simulationen soll der Ist-Zustand verbessert sowie verlässliche Prognosen getroffen werden. Im Optimalfall werden Business Analytics und Business Intelligence miteinander verzahnt, um neben dem Reporting wichtiger Unternehmenskennzahlen auch konkrete Aussagen über die Zukunft treffen zu können.

4 Business Analytics in der Praxis

4.1 Pitt Ohio

Als Dienstleister von Amazon sah sich das amerikanische Frachtunternehmen Pitt Ohio gezwungen, seine Lieferzeiten an die von Amazon vorgegebenen Fristen anzupassen. Die Kunden forderten eine minutengenaue Nachverfolgung unter Angabe einer ungefähren Lieferzeit ein, die deutlich kürzer als bisher waren.

Daten aus Marktforschung, Vertrieb und IT kamen zum Einsatz. Darüber hinaus wurden historische Daten, Vorhersageanalysen und Algorithmen, die Frachtgewicht, Fahrstrecke und andere wichtige Faktoren berechnet. So war das Unternehmen nun in der Lage, sehr exakte Lieferzeiten anzugeben.

4.2 Axis Bank

Als eine der größten Privatbanken in Indien setzte die Axis Bank auf Automatisierung von Robotikprozessen zur Identifikation von Kundenverhaltensmuster. Um Kunden vor der Abwanderung zur Konkurrenz zu bewahren und das Kundenerlebnis signifikant zu verbessern, wurden Customer Journeys erarbeitet, analysiert und entsprechend angepasst.

Die Bearbeitungszeit während einer Antragstellung durch den Kunden verringerte sich von fünfzehn auf zwei bis drei Minuten. Mit Maßnahmen, die präventiv wirken, soll die Abwanderung einer Zielgruppe zusätzlich verhindert werden.

4.3 Shell

Royal Dutch Shell führte die auf künstlicher Intelligenz basierende Wartung ein, um Maschinenausfälle zu verkürzen. So können Wartungsarbeiten an Geräten vorhergesagt und die Ausfallzeit von Maschinen deutlich verkürzt werden. Die Systeme sind in der Lage, eine konkrete Prognose über den Zustand von Maschinen abzugeben, wann Maschinenteile gekauft und Teile ersetzt werden müssen. Shell konnte so die Bestandsanalyse weltweit auf weniger als 45 Minuten reduzieren.

5 Vorteile für Unternehmen

Mit dem Einsatz von Business Analytics bietet sich Unternehmen eine Reihe von Vorteilen. Durch das Kennzahlen-Reporting der Business Intelligence lassen sich Ereignisse in der Vergangenheit besser interpretieren und erklären. Business Analytics unterstützt die Erkennung von Datenmustern, die der Verbesserung von Prozessen dienen.

So lassen sich künftige Fehler minimieren oder ganz vermeiden. Die komplementäre Anwendung von BI und BA verschafft Unternehmen einen klaren Wettbewerbsvorteil, weil sich fundierte Strategien für die Zukunft erarbeiten lassen.

Weitere Quellen:

Ähnliche Einträge

Auch interessant für Sie

Ihr Ansprechpartner: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln künstliche Intelligenz, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke
Laurenz Wuttke datasolut Gmbh
Ich freue mich, wenn Sie sich zu unserem Newsletter anmelden.

Jetzt zum Newsletter anmelden!

Den datasolut Blog abonnieren und Expertentipps zu Marketingoptimierung mit künstlicher Intelligenz erhalten.

  • Spannende Interviews
  • Interessante Case Studies
  • Bewährte Praxistipps

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.