Marktexperten sind sich ebenso wie Itransition einig, dass datengestützte Entscheidungsfindung in den letzten Jahren zu einem der wichtigsten Wachstumstreiber des BI-Marktes geworden ist, wodurch auch Big Data und seine-auswirkungen-auf-die-geschäfte an Bedeutung gewonnen haben. Woran liegt es dann, dass Führungskräfte immer noch in dem Dilemma gefangen sind, Datenanalysen gegen ihr Bauchgefühl zu verwenden, um strategische Entscheidungen zu treffen?
Wir sind der Meinung, dass man sich nicht zwischen dem einen oder dem anderen entscheiden sollte. Wie unsere Erfahrung in der BI-Beratung zeigt, können Manager mit einer soliden Kombination aus Bauchgefühl und harten Fakten effektive Entscheidungen treffen, strategische Vorteile erlangen und ihre Unternehmen an der Spitze des Wettbewerbs positionieren. Außerdem wird die Demokratisierung von Daten als entscheidender Schritt in der Entwicklung der Datenwissenschaft, die eine datengestützte Entscheidungsfindung ermöglicht hat, hervorgehoben.
Nachdem wir unsere Argumente dargelegt haben, stellen wir fünf Möglichkeiten vor, wie Itransition Ihnen helfen kann, Ihr Bauchgefühl mit Big Data zu unterstützen, um bessere Geschäftsentscheidungen zu treffen. Mit einer maßgeschneiderten Lösung, die von einem zuverlässigen Anbieter entwickelt wurde, erhalten Sie schnellere Updates, schnellere Korrekturen, weniger Zeitaufwand für den Support und mehr Zeit für neue Funktionen.
Auf der Suche nach einer datengestützten Kultur der Entscheidungsfindung
Datengestützte Entscheidungsfindung und Bauchgefühl werden oft als zwei gegensätzliche Extreme dargestellt, wobei die Präferenzen von Managern oft in Richtung des letzteren tendieren. Die BI Survey-Studie ergab, dass 58 % der befragten Unternehmen die Hälfte oder mehr ihrer Entscheidungen auf Bauchgefühl oder Erfahrung statt auf Daten stützen. Diese Angewohnheit, sich auf die eigene Intuition zu stützen, bleibt höchstwahrscheinlich das wichtigste Instrument der unternehmerischen Entscheidungsfindung, weil es seit Jahrhunderten das beste Bewertungsmittel ist, während die computergestützte Datenanalyse es erst vor kurzem in Frage gestellt hat.
Gut fühlen: wirksam und doch unvollkommen
Das Gespür oder die Interozeption, wie es in akademischen Kreisen genannt wird, ist die Fähigkeit, Körpersignale wie Herzfrequenz, Schmerz usw. wahrzunehmen. Traditionell wird diese Fähigkeit mit der Entscheidungsfindung in Verbindung gebracht - je höher die interozeptive Sensibilität, desto besser die Fähigkeit, bessere Entscheidungen zu treffen.
In einem interessanten Experiment untersuchte ein Team von Wissenschaftlern die Fähigkeit von 18 Händlern, ihre Herzschläge richtig zu zählen, und setzte die Ergebnisse in Beziehung zu ihrer Leistung auf dem Börsenparkett. Die Ergebnisse zeigen deutlich, dass diejenigen, die mehr mit ihrem Körper im Einklang waren und die Herzfrequenz richtig einschätzten, erfolgreicher waren, wenn es darum ging, riskante Entscheidungen zu treffen, und dass sie auch eine höhere Rentabilität aufwiesen als diejenigen, die eine geringere Genauigkeit aufwiesen.
Allerdings hat das Verlassen auf die eigene Intuition auch seine Schattenseiten. Allein dem Bauchgefühl zu folgen, führt zu kognitiven Verzerrungen, die eine effektive Entscheidungsfindung verzerren und untergraben können.
Die folgenden Verzerrungen sind am weitesten verbreitet:
Bestätigungsvoreingenommenheit
Die Suche nach Informationen, um bereits bestehende Überzeugungen und Annahmen zu bestätigen, während Beweise verworfen werden, die der Meinung des Entscheidungsträgers widersprechen.
Ankerung
Intensive Konzentration auf eine bestimmte Information (meist die allererste) und Übersehen anderer Informationen.
Attentional bias
Unfähigkeit, die gesamte Bandbreite an Einflussfaktoren zu berücksichtigen, indem einige zufällig priorisiert und andere ignoriert werden.
Optimismus-Verzerrung
Überschätzung der positiven Ergebnisse und Unterschätzung der Wahrscheinlichkeit negativer Ergebnisse.
In einem Forbes-Beitrag warnt Bernard Marr auch vor dem so genannten HiPPO-Effekt, der bedeutet, dass man sich bei Entscheidungen zu sehr auf die Meinung der bestbezahlten Person verlässt. Dieser Effekt tritt vor allem in größeren Unternehmen auf, die eine typische Top-Down-Entscheidungskultur pflegen, und ist laut Marr eines der größten Hindernisse für eine datengestützte Entscheidungsfindung, die sich auf Beweise stützt und nicht auf die Überzeugungen einer einzelnen Person.
Gelegentlich kann der HiPPO-Effekt ein Unternehmen ruinieren, wenn die Ergebnisse der Datenanalyse nicht berücksichtigt werden. In einem berüchtigten Beispiel, das im CIO Magazine zitiert wird, beschloss IBM, 50 % seiner ROLM-Einheit an Siemens zu verkaufen, obwohl die von der IBM-Führung in Auftrag gegebene, aber nicht durchgeführte Studie eindeutig zeigte, dass dies ein sicherer Misserfolg für die gesamte Einheit sein würde. Fünf Jahre später schleppt IBM immer noch die irreversiblen finanziellen Verluste mit sich herum, die aus dieser Entscheidung resultierten.
Was ist datengestützte Entscheidungsfindung und welche Nachteile hat sie gegebenenfalls?
Sollten sich Entscheidungsträger also auf Daten oder auf ihr Bauchgefühl verlassen? Die kurze Antwort lautet: beides.
In den besten Fällen sollte die auf dem Bauchgefühl basierende Entscheidungsfindung immer durch Daten gestützt werden. In der Tat haben beide Ansätze einen ähnlichen Mechanismus, bei dem es darum geht, eine Erkenntnis auf der Grundlage von Informationen aus der Vergangenheit abzuleiten. Während eine datengestützte Entscheidungsfindung ohne eine Fülle von Daten aus der Vergangenheit nicht möglich ist, leitet sich das Bauchgefühl aus den Ergebnissen ähnlicher Situationen in der Vergangenheit ab, die sich summieren und den Weg zu einem besseren Ergebnis weisen.
Wie von Paolo Gaudiano beschrieben, ist Intuition von entscheidender Bedeutung, wenn es darum geht, komplexen oder widersprüchlichen Ergebnissen einen Sinn zu geben und den Ozean der Datenerkenntnisse zu navigieren. Auch die Erfahrung muss ins Spiel kommen. Wird das Fachwissen eines Managers zugunsten von maschinell generierten Empfehlungen übersehen, könnte dies zu einem Misserfolg führen, da Manager oft leicht Unstimmigkeiten und ungewöhnliche Trends in den Ergebnissen der Datenanalyse erkennen können.
Zusammenfassend lässt sich sagen, dass eine wirklich effektive Entscheidungsfindung nur dann möglich ist, wenn Daten in das Bild einbezogen werden, wobei jedoch das Bauchgefühl und die Erfahrung des Managers niemals außer Acht gelassen werden sollten. In diesem Sinne ist die Bedeutung von Daten für die Entscheidungsfindung in jedem Fall nicht zu übersehen.
Vorteile der datengestützten Entscheidungsfindung
Die Zahlen sind aussagekräftig: Die oben zitierte BI-Umfrage zeigt, dass 60 % der leistungsstärksten Unternehmen bei der Mehrzahl ihrer Geschäftsentscheidungen auf Daten zurückgreifen. Dies wird durch die Deloitte-Umfrage 2019 zur datengesteuerten Kultur und zur Verbreitung von Analysen bei der Entscheidungsfindung noch verstärkt. Die Umfrage zeigt ein recht breites Spektrum an Anwendungsfällen für die Analytik, so dass die Zukunft von Big Data in Unternehmen vielversprechend aussieht:
Datenanalyse und Entscheidungsfindung passen perfekt zusammen, wenn man die zahlreichen strategischen Vorteile bedenkt, die sich aus ihrer gemeinsamen Nutzung ergeben:
1. Geschäftswachstum durch schnelles Erkennen neuer Chancen und deren Nutzung, zum Beispiel durch den Eintritt in neue Märkte oder die Einführung neuer Produkte oder Dienstleistungen auf der Grundlage identifizierter Nischen.
2. die Erzielung von Kosteneffizienz durch die Senkung von Ausgaben und die Optimierung von Geschäftsprozessen, z. B. durch die Entscheidung über die Verlängerung eines Vertrags mit einem Lieferanten oder die Streichung von Artikeln mit schlechter Leistung und ihre Ersetzung durch Artikel, die stärker nachgefragt werden.
3. die Steigerung der Kundenbindung durch eine stärkere Konzentration auf das Kundenerlebnis und die Customer Journey. Die Verwendung mehrerer Datenquellen macht dies möglich, indem detaillierte Kundenprofile erstellt werden und dann auf der Grundlage der gewonnenen Erkenntnisse entschieden wird, wie der Service am besten personalisiert werden kann.
4. die Verbesserung eines Produkts oder einer Dienstleistung auf der Grundlage von Kundenfeedback und Stimmungsanalysen über verschiedene Kanäle hinweg, um Bereiche mit Verbesserungspotenzial zu ermitteln.
5. Verfeinerung einer Marketingstrategie durch Anwendung von predictive-analytics im Marketing, um die leistungsstärksten Kanäle zu prognostizieren und Werbebudgets bei Bedarf zu kürzen/aufzustocken.
6. das Personalmanagement durch Big-Data-Analysen von Mitarbeiterbefragungen und Bewerberprofilen auf ein völlig neues Niveau zu heben, um eine gesündere interne Kultur zu schaffen und effektivere Einstellungsentscheidungen zu treffen.
Daten-Demokratisierung macht es möglich
Bis vor kurzem war die Verknüpfung von Datenanalyse und Entscheidungsfindung eine große Aufgabe, die nur von Personen mit fortgeschrittenen Kenntnissen in Datenwissenschaft bewältigt werden konnte. Jetzt jedoch, da zwei wesentliche Faktoren - die Verbreitung von Datenquellen und die geeignete Datenverarbeitungstechnologie - zusammenkommen, hat die Datendemokratisierung die datengesteuerte Entscheidungsfindung auf die Tagesordnung jeder Führungskraft gesetzt.
Die Datendemokratisierung bedeutet im Wesentlichen, dass die richtigen Tools für die Gewinnung, Visualisierung und Analyse von Daten zur Verfügung stehen - und zwar mit minimalen Einstiegshürden für Nichttechniker. Nachdem die Datenanalyse jahrzehntelang auf spezialisierte IT-Abteilungen beschränkt war, läutet die heutige Datendemokratisierung einen Durchbruch ein, der die Notwendigkeit von Torwächtern für diese wertvollen Erkenntnisse beseitigt. Laut Chad Bocklus, Präsident und Chief Product Officer von CarStory, ist es die Analytik, die die Entscheidungsfindung demokratisiert, indem sie den Mitarbeitern wichtige Daten zugänglich macht und sie im gesamten Unternehmen transparent macht.
Während die Unternehmenspolitik die Öffnung von Daten für Mitarbeiter vorschreibt, minimieren technologische Innovationen die Barrieren für die Nutzung von Datenanalysen. Von einfachen Datenvisualisierungstools wie Excel-Diagrammen bis hin zu Data-Fabric-Architektur-Lösungen hat die Datenanalysesoftware einen langen Weg zurückgelegt. Jetzt kann sie endlich verdauliche und brauchbare Informationen liefern, vorausgesetzt, es gibt überhaupt einen brauchbaren BI-Implementierungsprojektplan.
Fortschritte in den Bereichen Datenvirtualisierung, Stammdatenmanagement und Cloud Computing sind für diesen Paradigmenwechsel verantwortlich. Die bisherigen Hindernisse für eine datengesteuerte Entscheidungsfindung - Datenqualität, Fragmentierung durch Abteilungssilos, Integration mehrerer Quellen, komplexer Umgang mit unstrukturierten und halbstrukturierten Daten - weichen nun. Technopedia vergleicht diese Entwicklung sogar mit dem Zeitalter der Alphabetisierung, als das einfache Volk endlich Zugang zur Bibel und zu Büchern erhielt, was schließlich zu dramatischen gesellschaftlichen Veränderungen führte. Es ist zwar unwahrscheinlich, dass die Datendemokratisierung solch enorme Auswirkungen mit sich bringen wird, aber sie wird sicherlich schrittweise Auswirkungen auf die Entscheidungskulturen in der ganzen Welt haben.
Wie Itransition helfen kann: Beispiele für datengestützte Entscheidungsfindung
Viele Unternehmen tun sich schwer, wenn es darum geht, eine Strategie für die Arbeit mit Big Data zu finden. Einige entscheiden sich für vorgefertigte Lösungen für jede Datenquelle, wodurch die Unterstützung für jede unstrukturierte Quelle in ein völliges Chaos ausartet, in dem dieselben Fehler 15 Mal behoben werden müssen, was die Kosten in die Höhe treibt und die Zeitpläne in die Länge zieht.
Nachfolgend finden Sie fünf Eckpfeiler für die Nutzung von Big Data, um Geschäftsentscheidungen zu treffen, und mehr darüber, wie Itransition Ihnen bei der Umsetzung helfen kann.
1. Erhalten Sie Daten, wo immer Sie können
Alle Daten, die Sie finden können (Kundeninformationen, Verkäufe, Follower-Trends, Abonnements, wiederkehrende Kunden, die Häufigkeit wiederholter Käufe und sogar Mundpropaganda), sollten für die Entscheidungsfindung genutzt werden. Lassen Sie sich nicht von der Tatsache entmutigen, dass Sie es mit Big Data von innerhalb und außerhalb des Unternehmens zu tun haben, die in den unterschiedlichsten Formen vorliegen.
2. Kennen Sie Ihre Datentypen, bevor Sie mit der Verarbeitung beginnen
Wir arbeiten mit allen Arten von Daten. Unsere Aufgabe als IT-Berater ist es, für jede Art von Daten einen Treiber zu erstellen. Diese Treiber helfen uns, mit jedem Datentyp zu arbeiten, unabhängig davon, woher die Daten stammen oder in welchem Format sie ursprünglich gespeichert wurden. Durch die Entwicklung von Treibern und die anschließende Verarbeitung liefern wir leicht verdauliche Ergebnisse in einem universell akzeptierten Format. Vor allem aber ist es wichtig zu wissen, wie man mit verschiedenen Datenquellen arbeitet, und der erste Schritt bei der Datenverarbeitung ist die Bestimmung der Art der Datenquelle.
- CSV. Meistens verwenden wir ein Datenverwaltungstool, das den Datenpfad abbildet und uns über den Datentyp informiert. Wir erwarten nicht, dass sich der Typ während des Prozesses ändert. Wenn wir beispielsweise mit CSV-Daten arbeiten, wird der CSV-Treiber gestartet, um die Daten in ein für uns geeignetes Format zu laden, bevor der nächste Schritt beginnt.
- Binäre Daten. Wir haben Daten, die von Kunden in einem binären Format kommen. Dies erfordert einen eigenen Treiber, da binäre Daten schwer zu analysieren sind. Da wir binäre Daten akzeptieren, kennen wir ihre Struktur bereits im Voraus.
- Datenbanken. Die Arbeit mit einer ganzen Datenbank ähnelt der Verarbeitung von CSV-Daten, nur dass wir die Daten nicht aus einer CSV-Datei laden, sondern aus anderen Datenbanktabellen.
- Benutzerdefinierte Formate. Manchmal kaufen Geschäftsinhaber Daten in benutzerdefinierten Formaten. Wenn wir die Struktur der empfangenen Dateien kennen, können wir benutzerdefinierte Treiber für die Datenverarbeitung entwickeln.
- Daten aus APIs. Theoretisch können wir auch Daten aus APIs laden. Die Datenverarbeitung ist ähnlich: Wir schreiben einen Treiber, der die Daten in geeignete Formate umwandelt. Im Gegenzug können wir Berichte erstellen, diese Daten mit anderen Daten zusammenführen und den Clients verarbeitete Daten für weitere Schritte zur Verfügung stellen (z. B. Datenüberprüfung und -validierung, Inkonsistenzberichte usw.).
3. Visualisieren und zentralisieren Sie Ihre Daten
In dieser Phase bauen wir ein Frontend auf, in dem die Datenverarbeitungsergebnisse einheitlich und für den Durchschnittsnutzer leicht zu konsumieren sind und den richtigen Akteuren zur Verfügung stehen, die in der Lage sind, Geschäftsentscheidungen in umsetzbare Ziele zu verwandeln. Stellen Sie sicher, dass die Entscheidungsträger über jedes Gerät und jedes Mobilfunknetz in Echtzeit auf dieses Frontend zugreifen können, indem Sie beispielsweise Mobile BI einführen. Je mehr Sie visualisieren, desto schneller können die Daten genutzt werden.
Unten ist ein Bild zu sehen, das die von Itransition für einen unserer Kunden durchgeführte Big Data-Verarbeitung beschreibt. Der Kunde verwendete verschiedene Datenquellen (von den Datenanbietern 1, 2, 3 usw.) in unterschiedlichen Formaten. Itransition verwendete ein benutzerdefiniertes automatisches Entscheidungsfindungs-Tool namens Driver Selector. Der Driver Selector leitete die Daten an den entsprechenden Driver weiter. Von dort aus wurden die Daten in einer Microsoft SQL Server-Datenbank zentralisiert, überprüft (wie unten erläutert), für die Ausgabe vorbereitet und schließlich an das Frontend geliefert.
4. die Daten überprüfen
Wenn die Daten nicht aus einer zuverlässigen Quelle stammen, müssen sie überprüft werden. Dies ist ein teilweise automatisierter Prozess, für den wir vorgefertigte Algorithmen für verschiedene Arten von Datenquellen haben. Wenn Sie beispielsweise Daten nach Ländern erfassen, können Sie Unstimmigkeiten aufdecken, indem Sie auf die geografische Aufteilung der einzelnen Länder achten. Wenn wir vermeintlich mit Daten aus dem Vereinigten Königreich arbeiten, aber Tabellen mit Informationen über Bundesstaaten erhalten, lehnen wir diese Daten ab, da es sich höchstwahrscheinlich um Daten aus den USA handelt.
Das Genehmigungssystem besteht aus den folgenden Stufen:
- Stufe 1. Alle Daten werden in eine Datenbank geladen, aber jede Art von Daten hat eine andere Genehmigungsstufe. Zunächst werden sie in das System eingebracht, von unseren automatisierten Tests überprüft und bestehen, wenn sie verifiziert sind, die erste Genehmigungsstufe. Diese Daten sind noch nicht für das Frontend bereit.
- Stufe 2. Berichte werden erstellt und von einer verantwortlichen Person geprüft, die die Gültigkeit der Daten bestätigt.
- Stufe 3. Die Daten gehen an den Analysten, der mit dieser Art von Datenquelle arbeitet, und wenn er sie legitimiert, ändern wir die Genehmigungsart für diese Daten und zeigen sie den Endbenutzern. In diesem Stadium stehen sie für weitere Aktionen zur Verfügung.
Beschreiben wir die von Itransition in einem unserer früheren Projekte durchgeführte Datenüberprüfung.
Der Kunde lieferte Rohdaten, die wir dann mit unserem automatisierten Datenverifikationssystem verarbeiteten. Das System führt drei Funktionen aus: Konsistenzprüfung, Aktualisierung des Algorithmus und Anpassung der Daten. In der Phase der Konsistenzprüfung können die Daten entweder validiert und sofort für die Ausgabe vorbereitet oder auf Unstimmigkeiten hin analysiert werden. Eine eklatante Inkonsistenz kann zu einer automatischen Ablehnung der Daten führen. Wenn weitere Informationen benötigt werden, konsultiert Itransition den Kunden, passt den Algorithmus an, startet ihn neu und erhält angepasste Daten, die für die Ausgabe vorbereitet wurden. Beim nächsten Mal, wenn dieselbe Unstimmigkeit entdeckt wird, wird sie in den Algorithmus aufgenommen, wodurch der gesamte Datenüberprüfungszyklus beschleunigt wird.
Es ist wichtig zu wissen, welche Herausforderungen bei der Datenüberprüfung zu erwarten sind. Wir sind oft mit Text- und Zahlenänderungen konfrontiert, die überprüft oder abgelehnt werden müssen. Wenn sich die Konfiguration drastisch ändert, machen wir den Kunden darauf aufmerksam, dass sich die Struktur geändert hat, was manchmal genehmigt wird, aber auch zu einer Neuformulierung des Algorithmus führen kann.
Das folgende Bild beschreibt ein Beispiel für die Datenüberprüfung mit einem Kunden, bei dem es um eine Inkonsistenz der Ländernamen geht. Die Datenquellen 1 und 2 haben Ländernamen im richtigen Format und werden daher als gültige Daten gekennzeichnet und an die Ausgabe gesendet. Die Datenquelle 3 muss überprüft werden. Sobald der Kunde bestätigt, dass "S. Afr." "Südafrika" bedeutet, wird diese Information dem System hinzugefügt, die Daten werden angepasst und für die Ausgabe vorbereitet.
Meistern Sie Ihre datengestützten Entscheidungsfindungsinstrumente
Entscheidungsfindung ist eine der wichtigsten Unternehmensfunktionen, die an Manager delegiert werden. Angesichts der zunehmenden Datenverfügbarkeit stellt sich heute mehr denn je die Frage, ob man zu diesem Zweck Daten nutzen oder auf die gute alte Intuition zurückgreifen soll.
Die Antwort lautet: Keines von beiden sollte das andere ausschließen. Obwohl das Bauchgefühl kognitiven Verzerrungen unterliegt, kann es als solide Gegenprobe für analytische Erkenntnisse dienen, die auf der Erfahrung und dem Kontextbewusstsein des Managers basieren. Gleichzeitig ermöglicht die fortgeschrittene Datenanalyse, die früher Wissenschaftlern vorbehalten war und nun dank der Datendemokratisierung der breiten Öffentlichkeit zur Verfügung steht, Entscheidungsträgern, Petabytes von Daten nach wertvollen Erkenntnissen zu durchsuchen und die Ergebnisse mit Hilfe von Big-Data-Visualisierungstechniken sinnvoll zu nutzen.
Kombiniert man beide Ansätze, können sie Wettbewerbsvorteile bringen, indem sie Managern helfen, ihre Strategien zu verfeinern und zu validieren - im Produktmanagement, im Marketing, im Personalwesen, in der Kundenerfahrung und in anderen Bereichen.
Und auch wenn die Verwaltung von Big Data kein Zuckerschlecken ist, kann die Anwendung der oben genannten Tipps und die Zusammenarbeit mit einem zuverlässigen Business-Intelligence-Berater Ihnen helfen, all diese Vorteile zu nutzen.
Die Technologie ist da, jetzt liegt es an den Entscheidungsträgern in den Unternehmen, diesen kulturellen Wandel zu nutzen, um Wettbewerbsvorteile zu erzielen.
