Business Analytics mit WPNO

19:01 10 August in Big Data

Das Wissen und die Fähigkeit, große Datenmengen sammeln und analysieren zu können, ist ein essentielles Fundament für den künftigen Erfolg Ihres Unternehmens.

WPNO als Wirtschaftsprüfungsgesellschaft hat die berufsbedingte Legitimation für Big Data-Analysen, mit deren Hilfe wir Ihnen entscheidende Wettbewerbsvorteile verschaffen.

WPNO bündelt für Sie Datenquellen und ermöglicht Ihnen auf diese Weise eine lückenlose und vollständige Ansicht von Informationen. Auf diese Weise gewinnen Sie Erkenntnisse, die Ihnen bisher verborgen blieben.

Erfahren Sie erstaunliche Datenentdeckungen durch WPNO – WPNO macht Big Data smart.

Business Analytics

Business Analytics (BA) beschreibt eine Form der Datenauswertung zur strategischen Unternehmenssteuerung, in deren Rahmen Massendaten gesammelt und durch entsprechende Methoden aufbereitet und ausgewertet werden.

Der Schwerpunkt von Business Analytics liegt dabei auf statistischen Analysen.

Business Analytics findet in Unternehmen Anwendung, die Entscheidungen vornehmlich datenbasiert treffen und die Daten als betriebliche Ressource und als Wettbewerbsvorteil zu nutzen wissen. Denn Business Analytics ermöglicht wichtige Erkenntnisse im Rahmen von Entscheidungsprozessen und bei der Automatisierung und Optimierung von Geschäftsprozessen.

Die Erfolgsfaktoren von Business Analytics

Die Erfolgsaussichten von Business Analytics unterliegen dem Einfluss verschiedener Faktoren. Maßgeblicher Faktor für den Erfolg von Business Analytics ist die zugrundeliegende Datenqualität.

Dabei leitet sich die Güte der Datenqualität von der Frage ab, wie gut sich Daten für die Zweckerfüllung in einem bestimmten Zusammenhang eignen.

Je nach Zweckbestimmung der Business Analytics können Faktoren wie die Vollständigkeit der Daten, die Aktualität der Daten, die Genauigkeit der Daten, die Zuverlässigkeit der Daten, die Relevanz der Daten, die Konsistenz der Daten oder die Zugänglichkeit der Daten die entsprechende Qualität, Aussage und Interpretation der Daten beeinflussen.

Eine ausreichende Datenqualität stellt die maßgebliche Grundlage für die Zuverlässigkeit von Berichten im Rahmen von Business Analytics oder die Umsetzung von operativen und transaktionalen Prozessen dar.

Die Datenqualität beeinflusst unter anderem die Eingabe, Speicherung und Verwaltung von Daten.

Die Sicherung der Datenqualität erfordert eine regelmäßige Kontrolle, Säuberung und Aktualisierung der vorhandenen Daten.

Die Verifizierung der Zuverlässigkeit und Effektivität von Daten wird als Datenqualitätssicherung bezeichnet.

Einen weiteren Faktor für die Erfolgsaussichten von Business Analytics stellen neben der Datenqualität entsprechend qualifizierte Analysten dar, welche das Business-Umfeld und die eingesetzten Technologien verstehen, die eine langjährige Berufserfahrung voraussetzt.

Zudem bedarf es einer abteilungsübergreifenden Vereinbarung dahingehend, dass Entscheidungen auf Basis von Daten getroffen werden.

Die Anwendungsmöglichkeiten von Business Analytics

Business Analytics kommt für eine Vielzahl von Anwendungsmöglichkeiten in Betracht.

So können mittels Business Analytics statistische und quantitative Analysen dergestalt durchgeführt werden, warum bestimmte Ergebnisse eingetreten sind.

Zudem lassen sich im Wege der sogenannten Predictive Analytics künftige Ergebnisse vorhersagen.

Als Bereich des Data Minings beschäftigt sich Predictive Analytics mit der Vorhersage von Trends und dem Eintritt künftiger Ereignisse. Ein sogenannter Prädiktor, eine Variable, die für eine einzelne Person oder Einheit gemessen wird, um zukünftiges Verhalten vorherzusagen, bildet das zentrale Element von Predictive Analytics.

Die Kombination mehrerer Prädikatoren stellt ein Vorhersagemodell dar. Dieses dient der Vorhersage künftiger Wahrscheinlichkeiten.

Im Rahmen einer prädikativen Modellierung werden zunächst Daten gesammelt. Auf Basis dieser Daten werden ein statistisches Modell erstellt und Vorhersagen getroffen. Werden

Predictive Analytics kommt in einer Vielzahl von Forschungsbereichen zum Einsatz, beispielsweise in den Bereichen Sicherheit, Wirtschaft und Marketing.

Data Mining – Algorithmen stellen einen Anwendungsbereich von Business Analytics dar. Im Rahmen von Data Mining werden Daten untersucht, um neue Muster, Zusammenhänge und Beziehungen aufzudecken, die bereits von erfolgreichen Telekommunikationsanbietern eingesetzt werden.

Durch den Einsatz von Data Mining-Algorithmen sind Sie in der Lage, im Rahmen der Suche nach Ereignissen, welche mit anderen Ereignissen verbunden sind, bei Pfadanalysen von Mustern, bei denen ein Ereignis zu einem weiteren Ereignis führt sowie bei Preisgestaltungen, Nachfrageprognosen und durch die Verbesserung Ihrer Kundenbindung einen Mehrwert zu generieren.

Typische Data Mining Anwendungen in der Telekommunikation sind:

  • CRM – Customer Relationship Management Kundenbeziehungsmanagement
  • Prognose von Abwanderungen (Retention-und Churnrate- Analysen )
  • Aufdecken von Mustern bei Cross- und Up-Sales Marketingaktivitäten
  • Prognose des Customer Lifetime Value (CLV ) zur Unterstützung der Aquise
  • Kundensegmentierung

Analyse von Kundenstimmung (Sentiment-Analysen) mittels Text Mining in

  • Social Media, Twitter, Facebook, Supportanfragen
  • Prognose der Netzauslastung und Absatzzahlen unter Berücksichtigung saisonaler Faktoren oder Werbekampagnen
  • Monitoring von KPIs zu Trafficvolumen, Auslastung, Wartezeiten
Analysemethodik

Ist das Geschäftsziel von Business Analytics definiert, folgt die Auswahl einer Analysemethodik für die Erfassung von Daten zur Unterstützung der Analyse.

Diese Datenerfassung beinhalt oft ein Extrahieren der Daten aus einem oder mehreren Geschäftssystemen, deren Bereinigung und die Integration in ein singuläres Aufbewahrungssystem wie einen Data Mart oder ein Data Warehouse.

In der Vielzahl der Fälle erfolgt die Analyse auf Basis einer kleinen Datenstichprobe.

Dabei reichen die Tools für die Analyse von Tabellenkalkulationen mit Statistikfunktionen bis hin zu komplexen Anwendungen für Data Mining und Prognosemodellierungen.

Zeichnen sich Muster und Zusammenhänge in den analysierten Daten ab, werden diese erneut hinterfragt, woraufhin der Analyseprozess bis zur Erfüllung des Geschäftsziels wiederholt wird.

Im Rahmen von Prognosemodellen werden Datensätze in einer Datenbank ausgewertet, um auf Basis der daraus gewonnenen Erkenntnisse die Optimierung von Echtzeitentscheidungen innerhalb von Anwendungen und Geschäftsprozessen vorzunehmen.

Business Analytics unterstützt zudem taktische Entscheidungsfindungen im Rahmen von Reaktionen auf unvorhergesehene Ereignisse und ermöglicht so entsprechende Echtzeitreaktionen.

Die Begriffe von Business Analytics und Business Intelligence werden trotz bestehender Unterschiede oftmals synonym verwendet.

Die folgende grafische Übersicht veranschaulicht diese Unterschiede.

 Business IntelligenceBusiness Analytics

Antworten auf:

Was ist passiert?
Wann ist es passiert?
Wer ist der Verursacher?
In welchem Umfang?

Warum ist es passiert?
Wird es wieder passieren?
Was passiert, wenn x geändert wird?
Was sagen die Daten über das Offensichtliche hinaus aus?

Beinhaltet:

Berichterstellung wie KPIs oder Metriken
Automatisiertes Monitoring/Benachrichtigen (Schwellenwerte)
Dashboards
Scorecards
OLAP (Würfel, Slicing, Dicing und Drill-Operationen)
Ad-hoc-Abfragen

Statistische/Quantitative Analysen
Data Mining
Prognosemodellierung
Multivariates Testen

Eine Vielzahl von Anbietern sowie die Hersteller von Data-Warehouse- und Geschäftssystemen haben in Anbetracht einer zunehmenden Akzeptanz von Business Analytics entsprechende Funktionen in ihre Business Intelligence-Anwendungen integriert.



?
Telefon: 0800 – 783 9766
 0800 – RUF WPNO

Mail: info@wpno.com