Business Intelligence oder die Kunst, Daten zu nutzen, um verborgene Muster und Erkenntnisse zu finden, ist für führende Organisationen, darunter Fortune-500-Unternehmen, Regierungsbehörden und akademische Einrichtungen, zu einem wesentlichen Bestandteil der Strategieentwicklung geworden.
Doch noch immer tun sich Unternehmen schwer mit der Implementierung von BI-Lösungen. Die Durchführung dieser Projekte ist keine einfache Aufgabe, sondern erfordert vom Unternehmen die Definition des spezifischen Geschäftsproblems, die Zuweisung von Ressourcen, die Bewertung der Ergebnisse aus geschäftlicher Sicht und die Operationalisierung der Empfehlungen des Modellierungsprozesses.
Während Unternehmen verschiedene Methoden zur Implementierung von Business Intelligence-Projekten anwenden, wird bei der Planung dieser Projekte selten die gleiche Strenge angewandt. Für eine erfolgreiche Implementierung müssen die erwarteten Ergebnisse klar definiert, die Ressourcen eingeplant, ungefähre Kostenvoranschläge veröffentlicht und Risiken im Voraus erfasst werden. Die Projektmanager arbeiten dann innerhalb dieser Vorgaben, um das endgültige Projekt zu realisieren.
Um jedoch selbst diese grundlegenden Inputs vorzubereiten, sollten Unternehmen einen strukturierten Ansatz für die Entwicklung von Geschäftsszenarien verfolgen, die dann von der Geschäftsleitung bewertet werden können. Die überzeugendsten dieser Anwendungsfälle können dann in die Implementierungswarteschlange aufgenommen werden.
Dieser Artikel beschreibt einen übergeordneten Rahmen für die Rationalisierung Ihres BI-Projektplans. Mithilfe dieses vierstufigen Ansatzes können Unternehmen fundierte Entscheidungen über den Einsatz von Zeit und Ressourcen für Data-Mining- und Analyseprojekte treffen, indem sie eine umfassende Kosten-Nutzen-Analyse durchführen.
Aufbau eines Business Intelligence-Projektplans in 4 Schritten
Um die Nuancen dieses vorgeschlagenen Rahmens zu verstehen, stellen Sie sich ein großes Einzelhandelsunternehmen vor, das versucht, Business Intelligence für den Einzelhandel zu nutzen, um den Umsatz zu steigern und gleichzeitig die Akquisitionskosten zu senken. Der Chief Marketing Officer (CMO) wurde mit diesem strategischen Ziel betraut und muss einen Ansatz entwickeln, der nicht nur von der Geschäftsleitung, sondern auch von den Leitern aller Abteilungen, deren Zusammenarbeit für eine erfolgreiche Umsetzung unerlässlich ist, unterstützt wird. Wie sollte der CMO vorgehen?
Im Folgenden wird ein vierstufiger Ansatz vorgestellt, um dieses Ziel in realisierbare und taktische Aufgaben umzusetzen:
Schritt 1. Übersetzen der strategischen Ziele in konkrete Problemstellungen
Was bedeutet also "den Umsatz steigern und gleichzeitig die Akquisitionskosten senken" für jemanden, der nicht der CEO oder Aktionär ist? Das ist eine ziemlich umfangreiche Aufgabe, aber was könnte sie taktisch bedeuten? Wir haben dies in kleinere Problemstellungen heruntergebrochen:
- Wie können wir die Daten unserer Kunden nutzen, um sicherzustellen, dass sie bei uns bleiben? Es liegt auf der Hand, dass ein längerer Verbleib eines Kunden die Akquisitionskosten senkt und gleichzeitig den Lebenszeitumsatz erhöht.
- Wie können wir unsere Marketingbudgets effizienter einsetzen? Geben wir für jeden Kanal den optimalen Betrag aus? Nicht optimierte Ausgaben können Marketingbudgets schnell aufbrauchen, insbesondere in einer wettbewerbsintensiven Nische.
- Können wir uns auf ein bestimmtes Kundensegment konzentrieren, um den Gesamtumsatz zu maximieren?
- Was wäre, wenn wir uns mehr auf die Kundenbindung als auf das Akquisitionsmarketing konzentrieren würden? Die Akquisitionskosten würden sinken und wir könnten mehr Umsatz über den Kundenlebenszyklus generieren.
- Wie sieht es mit der Produktpreisgestaltung aus? Können wir den Umsatz maximieren, indem wir dynamischere Preise für bestimmte Kundensegmente anbieten?
- Wie sieht es mit dem Online-Merchandising aus? Könnte ein anderes Merchandising-Schema verwendet werden, um den Umsatz aus einem bestehenden Bestand und Produktkatalog zu steigern?
Dieser Schritt besteht darin, ein übergeordnetes Unternehmensziel in spezifische Problemstellungen aufzuschlüsseln, die aus der Datenperspektive sinnvoll sind. Jede der oben genannten möglichen Interpretationen wird unterschiedliche Datenanforderungen, Modellierungsansätze, Risiken und Kosten-Nutzen-Profile haben, die jedoch ohne eine Aufteilung des übergeordneten Ziels in kleinere Datenprobleme nicht zu beurteilen wären.
Manager können Problemstellungen formulieren, indem sie analysieren, wie sich das übergeordnete Ziel auf jede Abteilung bezieht, und indem sie die spezifischen Optimierungen der einzelnen Abteilungen ermitteln. Dieser umfassende Ansatz ermöglicht nicht nur die Erfassung potenzieller Optimierungsoptionen aus allen Teilen des Unternehmens, sondern hilft auch, die wichtigsten Interessengruppen einzubinden.
Schritt 2. Führen Sie eine umfassende Kosten-Nutzen-Analyse der Optionen durch
Sagen wir, Sie haben über 50 mögliche analytische Optionen, die zum Erreichen des größeren Unternehmensziels beitragen könnten. Marketing, Produktmanagement, Finanzen, Kundendienst und Lieferkette haben alle ihren Beitrag geleistet, was zu einer überladenen Agenda geführt hat. Wie können Sie Prioritäten setzen?
Einzelne Optimierungsoptionen müssen weiter ausgearbeitet und einer Kosten-Nutzen-Analyse unterzogen werden. Nehmen wir das obige Beispiel: Nehmen wir an, dass diese Analyse für die Einführung einer dynamischen Preisgestaltung erforderlich ist. Dies würde folgende Überlegungen nach sich ziehen:
- Angenommen, die Katalogpreisgestaltung wäre zu 100 % dynamisch und würde auf den Daten jedes einzelnen Kunden basieren. Wie hoch ist der bestmögliche Umsatzanstieg angesichts der Gesamtzahl der Kunden und der durchschnittlichen Kaufhäufigkeit?
- Wie hoch sind die geschätzten Kosten für die Implementierung einer Dateninfrastruktur (z. B. einer data-fabric-architektur-Lösung), um zusammengesetzte Kundenprofile zu erstellen (die Käufe, Rückerstattungen, Webanalyse, Kundendienst usw. kombinieren)?
- Welche Auswirkungen hätte die Einführung einer dynamischen Preisgestaltung auf die Gewinnspanne? In fast allen Fällen würde die Marge pro Produkt sinken, was gegen die Umsatzsteigerung abgewogen werden müsste.
- Ist die Kosten-Nutzen-Projektion günstig?
- Wenn sie günstig ist, kann sie innerhalb eines realistischen Zeitrahmens umgesetzt werden?
- Werden zusätzliche Ressourcen oder die Neuausrichtung bestehender Ressourcen benötigt?
- Gibt es größere Prozessabhängigkeiten (z.B. Abteilungspolitik, andere laufende Programme usw.) oder rechtliche Beschränkungen (wie die GDPR), die sich auf unsere Fähigkeit zur Verarbeitung von Kundendaten auswirken könnten?
In diesem Schritt werden Schätzungen auf hoher Ebene für die Vorteile und Kosten jeder Option entwickelt, während die wichtigsten Projektbeschränkungen und Annahmen umrissen werden. Diese Informationen ermöglichen den Managern eine objektive Beurteilung, welche Optionen vorrangig zu behandeln oder zu verwerfen sind. So kann beispielsweise die Implementierung von Personalisierung und dynamischer Preisgestaltung dem Geschäft langfristig zugute kommen, aber es könnte auch möglich sein, den Umsatz zu steigern, indem einfach die Ausgaben für Kampagnen optimiert werden.
Zu den wichtigsten Ergebnissen dieses Schritts gehören:
- Rundumschätzung der Kosten
- Klare Definition des Nutzens
- Liste der verwendeten Annahmen
Zu diesem Zeitpunkt sollten Sie über eine klare Liste von Optionen mit hohen Kostenschätzungen verfügen, die jedoch noch auf vielen Annahmen beruhen, die noch weiter validiert werden müssen. Dieser Schritt ist jedoch der erste Filter, um Optionen auszusortieren, deren Weiterverfolgung selbst auf der Grundlage einer oberflächlichen Analyse nicht sinnvoll ist.
Schritt 3. Definieren Sie nach Möglichkeit SMARTe Business-Intelligence-Ziele
Wenn die priorisierte Liste der Implementierungsoptionen vorliegt, besteht der nächste Schritt darin, für jede Option SMART-Ziele zu entwickeln. Für die dynamische Preisgestaltung könnten dies sein:
- Gesamtumsatz von mehr als X $ aus dem gesamten Katalog generieren
- Die durchschnittliche Produktmarge muss größer sein als Y $
- Das Projekt muss innerhalb von A Monaten abgeschlossen sein und der geschäftliche Nutzen muss sich innerhalb von B Monaten nach Projektabschluss einstellen
Diese Ziele erfordern in der Regel eine Kombination aus scharfem geschäftlichen Urteilsvermögen, umfassender Vertrautheit mit Datenaufbereitungs- und Modellierungstechniken, Erfahrung im Projektmanagement, einer hochgradig kooperativen Arbeitsumgebung und vor allem die Akzeptanz der leitenden Beteiligten, dass die Endergebnisse anders ausfallen könnten.
In den meisten Fällen ist der Aufwand beträchtlich, aber objektive Maßstäbe geben den Implementierungsteams Grenzen vor und wirken sich auf alles aus, von der Wahl der Datenintegrationstechnologie und der Modellierungstechniken bis hin zur Qualität und Quantität der eingesetzten Ressourcen.
Schritt 3 ist auch der technischste und praktischste Schritt im vorgeschlagenen Planungsprozess. Warum sollte man sich zum Beispiel auf X $ als Verkaufsziel festlegen? Diese Zahl lässt sich in der Regel ermitteln, indem man eine Beziehung zwischen dem Umsatz und einzelnen Personalisierungsparametern herstellt (Anzahl der Browsing-Sitzungen in einem bestimmten Zeitraum, in diesen Sitzungen verwendete Seiten, Zeit pro Seite, Kaufhistorie in der Vergangenheit, Interaktionen mit dem Kundendienst usw.). Dies erfordert erfahrene Datenwissenschaftler, ETL-Spezialisten, Statistiker und Produktexperten, um die Details der Analyse zu skizzieren, einschließlich eines umfassenden Überblicks über die wichtigsten Einflussparameter, die Anforderungen an die Datenqualität, die anzuwendenden Modellierungstechniken und so weiter. Im Moment geht es darum, Annahmen zu treffen und einige grobe Berechnungen anzustellen, um ein SMART-Ziel zu erreichen.
Die Manager sollten auch die Kostenschätzungen aus dem vorherigen Schritt weiter verfeinern. Noch wichtiger ist, dass dieser Schritt den Nutzen mit Zahlenwerten versieht und damit die Anforderungen eindeutig macht. Darüber hinaus sollten weitere Details wie der Ressourcenbedarf, der Kauf von Hardware/Software (falls erforderlich) und eine verfeinerte Liste der wichtigsten Annahmen und Risiken verfügbar werden.
Schritt 4. Definition von globalen Praktiken, Werkzeugen, Rollen und Verantwortlichkeiten
Die Schritte 1 bis 3 wiederholen sich und sind spezifisch für einzelne Unternehmensziele. Ein erfolgreicher unternehmensweiter BI-Implementierungsprojektplan beinhaltet jedoch die Erstellung einer Reihe von globalen Praktiken, Anlagen, Werkzeugen, Personalvereinbarungen und Bereitstellungsmethoden, die projektübergreifend und mit minimalen Anpassungen angewendet werden können. In Bezug auf Business Intelligence könnten einige dieser Aktivitäten Folgendes umfassen:
Aufteilung von Rollen und Verantwortlichkeiten. Für Business Intelligence werden Unternehmensberater, Datenspezialisten, Statistiker und Projektmanager benötigt. Je nach den spezifischen Gegebenheiten können weitere Rollen erforderlich sein, doch sollten zumindest die Hauptverantwortlichkeiten für diese Rollen als Teil einer globalen Personalstrategie geklärt werden.
Auswahl des richtigen Data-Mining-Tools. Damit Data-Mining für Unternehmen erfolgreich ist, müssen Modelle schnell entwickelt und kostengünstig innerhalb der aktuellen operativen Systeme und Geschäftsprozesse eingesetzt werden können. Es gibt verschiedene Tools (SAS, SPSS, R usw.) für die automatisierte Modellentwicklung, die Datenintegration und das Testen von Modellen, und es ist in der Regel am besten, diese auf globaler Ebene zu wählen, anstatt dies für einzelne Business-Intelligence-Projekte unterschiedlich zu handhaben.
Standardisierung einer Data-Mining-Methode. Die Einführung einer konsistenten Data-Mining-Methode ist das Kernstück, um die Vorteile von Investitionen in Analytics zu realisieren. Dazu gehören typischerweise:
- Klar definierte Implementierungsschritte mit einem Zeitplan für jeden Schritt
- Inputs und Outputs für jeden Schritt
- Projektrollen und Verantwortlichkeiten
Ein strukturierter Ansatz, der auf diese Weise entwickelt wurde, gewährleistet Zweckmäßigkeit und Wiederholbarkeit und ermöglicht es, Data Mining als einzelne Projekte mit festgelegten Budgets und Zeitplänen zu implementieren. CRISP-DM ist die De-facto-Methode mehrerer Organisationen weltweit, obwohl viele sie auf ihren eigenen spezifischen Geschäftskontext zugeschnitten haben.
Aber was ist mit der Implementierung eines Business Intelligence-Plans?
Wenn dieser Rahmen für die Planung von Business-Intelligence-Engagements gilt, was sind dann die Schritte der Implementierungsphase?
Um diese Unterscheidung zu verstehen, muss man wissen, dass die Philosophie des oben skizzierten Ansatzes darin besteht, sicherzustellen, dass Zeit- und Ressourceninvestitionen in Business Intelligence durch eine objektive Bewertung der Kosten/Nutzen-Analyse verschiedener Optionen priorisiert werden. Diese Bewertung beruht weitgehend auf Annahmen, geschäftlichen Einschätzungen und schnellen Berechnungen mit minimaler praktischer Arbeit.
Damit werden die eigentlichen Schritte der Datenintegration, der Stichprobenziehung, der Datenaufbereitung, der Modellentwicklung und der Modelltests auf die Implementierungsphase verschoben. Diese Schritte müssen nach einer eigenen Methode durchgeführt werden, die sich jedoch im Gegensatz zum Planungsrahmen in Bezug auf den Schwerpunkt, den Ansatz und den Detaillierungsgrad deutlich unterscheidet.
Alles zusammenfügen
Bei richtiger Anwendung ergibt sich aus diesem Planungsrahmen eine konkrete, wiederholbare Reihe von Schritten zur Umsetzung übergeordneter Geschäftsziele in spezifische Projektinitiativen und ungefähre Schätzungen für Zeit-, Kosten- und Ressourcenanforderungen. Die Entwicklung dieses strategischen Kontexts trägt dazu bei, den Wert von Data-Mining-Investitionen zu maximieren und die "Ad-hoc-Falle" zu vermeiden, in der häufig Unternehmensressourcen verschwendet werden, weil die falschen Prioritäten gesetzt werden oder weil im Voraus keine Erkenntnisse über die Investitionsrendite oder die Geschäftsergebnisse vorliegen.
