Intelligente Analytics-Lösungen für herausfordernde Zeiten

Schon seit einiger Zeit verfolgt das Walldorfer Softwarehaus SAP die Philosophie des „Intelligent Enterprise“. Die Ausgangsthese dieser Idee: Moderne Technologien ermöglichen Unternehmen eine leichtgängige Datennutzung und dadurch evidenzbasierte Entscheidungen. Wer diese umsetzt, senkt das Risiko von Fehlplanungen und unwirtschaftlichen Investitionen.

Obgleich es in einigen Firmen dazu bereits sehr gute Ansätze gibt, fällt vielen Unternehmen die datengestützte, evidenzbasierte Steuerung nach wie vor schwer. Vielfach fehlt ihnen dazu bereits die solide Grundlage für moderne Datenanalysen. Daniel Schoen, Analytics-Experte bei Na­garro: „Wenn Unternehmen die Bedeutung ihrer Datenbestände nicht erkennen, dann beschränken sie ihre Analysen oft auf ­isolierte Bereichsbetrachtungen – etwa in Form von Reportings. Das strategische Management verzichtet damit auf entscheidungsrelevante Informationen. Das gleicht einem Kapitän, der auf den Navigator verzichtet.“

Die Evolution des Datenmanagements

Um den aktuellen Stand unternehmens­interner Analytics-Konzepte zu beurteilen, nutzt Nagarro die Metapher der Evolution. Dabei zeichnen die IT-Spezialist*innen des Unternehmens einen vierstufigen Verlauf.

Dieser beginnt mit der „deskriptiven Analytik“. Hier erfassen die einschlägigen Analysesysteme lediglich den aktuellen Status quo – also beispielsweise, welche ROIs oder Cashflows das Unternehmen ausweist. Tiefere Analysen – etwa eine detaillierte Betrachtung der einzelnen Bestandteile einer KPI – sind hier nicht vorgesehen.

Der zweite Evolutionsschritt ist die „diagnostische Analytik“. Dabei nutzen Unternehmen die Analytics-Lösungen bereits für erste tiefergehende Auswertungen – beispielsweise, um die Ursachen für den aktuellen Status des Unternehmens – etwa eine zu geringe Eigenkapitalrendite oder Umsatzstagnation – zu erforschen. Es geht somit folglich nicht mehr „nur“ um isolierte Kennzahlen, sondern um deren vergangene und gegenwärtige Entwicklung. Die Systeme erlauben zudem üblicherweise, Kennzahlen in ihre Einzelkomponenten zu zerlegen („Dekompensation“), um zusätzliche Detailinformationen zu gewinnen.

Darauf folgt schließlich die „prädikative Analytik“, bei der die Analysemodelle bereits zu Prognosen fähig sind. KPIs oder aktuelle Entwicklungen lassen sich damit nicht nur retrograd analysieren, sondern für die Zukunft fortschreiben. Dadurch können Unternehmen beispielsweise künftige Absätze prognostizieren und gewinnen Hinweise darauf, welche Märkte, Regionen, Angebote und Leistungen künftig besonders lukrativ sein können.

Den derzeitigen Abschluss bildet die „präskriptive Analytik“. Die Analyse-Tools prognostizieren dabei nicht nur künftige Verläufe, sondern beraten Unternehmen proaktiv darin, ihre vorher definierten Ziele schneller zu erreichen. Bedingung dafür sind leistungsfähige KI-Tools, die Trends nicht nur extrapolieren können, sondern gleichzeitig dem Unternehmen anhand der vorher definierten Ziele konkrete Optimierungsvorschläge unterbreiten.

Dieser vierstufige Evolutionsverlauf ist zwar vereinfachend und idealtypisch, dennoch bietet er gute Ansatzpunkte, um den aktuellen Stand eines Unternehmens zu bewerten. Diese Einordnung erlaubt Na­garro zudem einen unternehmensübergreifenden Überblick über den gegenwärtigen Zustand. Dazu Daniel Schoen: „Viele Unternehmen befinden sich derzeit konzeptionell irgendwo zwischen diagnostischer und prädikativer Analytik. Oft fehlen ihnen dabei systematische Ansätze für eine zukunftsfeste, ausbaufähige Lösung. Teilweise herrscht ein Wildwuchs heterogener Systeme. Dadurch entsteht dann eine ­unübersichtliche, kaum administrierbare Schatten-IT. Angesichts eines immer härteren internationalen Wettbewerbs braucht es aber moderne Lösungskonzepte.“

Zwei Grundbausteine für intelligente Analytics-Lösungen

Wie diese letztendlich aussehen, variiert von Unternehmen zu Unternehmen. Abhängig ist dies beispielsweise von der Branchenzugehörigkeit sowie der Unternehmensgröße. Dennoch lässt sich für die meisten Unternehmen zumindest ein solides Ausgangskonzept skizzieren: Dieses besteht aus zwei Bausteinen, dass das Unternehmen bei Bedarf um weitere Elemente ergänzen kann.

1. Baustein: Embedded Analytics

Für die eher operativen beziehungsweise entscheidungsunterstützenden Funktionen der Analytics-Landschaft schlägt das Konzept „Embedded Analytics“ vor. Unternehmen können damit Berichte erstellen, laufende Prozesse in Echtzeit monitoren und aus den so gewonnenen Insights erste Effizienzreserven generieren – etwa dadurch, dass sie Bestellungen bei spezifischen Vorlieferanten zeitlich optimieren.

Datenbasis und technisches Fundament dafür ist SAP S/4HANA. Eine Anreicherung aus anderen Datenquellen ist hier explizit nicht vorgesehen – unter anderem, um eine einfache Bedienung sicherzustellen. Diese erfolgt nahezu intuitiv durch die Verwendung analytischer Fiori-Apps als Frontend. SAP bietet dazu unterstützend eine Palette vordefinierter Smart Business Fiori Apps für KPIs, verschiedene Drill-down-Menüs sowie zahlreiche Filterfunktionen.

Aufgrund des übersichtlichen Aufbaus eignen sich Embedded Analytics damit hervorragend auch für weniger technisch-affine Anwender*innen, etwa in einzelnen Fachabteilungen. Daniel Schoen: „Ein zentraler Vorteil des Embedded-Analytics-Konzepts ist, dass es hauptsächlich auf die Bestandteile von SAP S/4HANA zurückgreift – und somit keine nennenswerten, zusätzlichen Investitionen erfordert Optimalerweise implementieren es Unternehmen daher bereits bei der Transition zu S/4HANA. Aber auch später kann das Konzept beispielsweise noch dabei helfen, heterogene Lösungsansätze zu vereinheitlichen.“

2. Baustein: Datawarehouse und strategisches Analytics

Da Embedded Analytics primär auf operative Analysen abzielt, stößt es insbesondere für strategische Aufgaben an seine Grenzen. Hier benötigen Unternehmen komplementäre Konzepte. Die technische Infrastruktur bildet beispielsweise SAP Datasphere oder SAP BW/4HANA in Kombination mit der SAP Analytics Cloud.

Übergeordnete Aufgabe der strategischen Lösung ist es dann, für Unternehmen einen Single-Point-of-Truth zu definieren: ein einheitlicher Datenpool, in dem Unternehmen ihre Daten zusammenführen, sammeln, vereinheitlichen, konsolidieren und so für komplexe Auswertungen und Planungen aufbereiten können. Auch Datenimporte aus unterschiedlichen Quellen sind in diesem System möglich.

Im Gegensatz zum Embedded-Analytics-Ansatz zielt die strategische Lösung auf Analysen ab, die die fachbereichsbezogene Sicht deutlich überschreiten – bei denen also das Gesamtunternehmen und seine langfristige Entwicklung im Fokus stehen. Aufbauend auf diesem Datenvorrat, der auch historische Daten umfassen kann, sind dann beispielsweise komplexe Verfahren der prädikativen und präskriptiven Analytik wie zum Beispiel weitreichende Forecasts realisierbar, üblicherweise unterstützt durch moderne KI-Modelle.

Daniel Schoen resümiert: „Der Datawarehouse-Ansatz für strategische Aufgaben und das Embedded-Analytics-­Konzept für das operative Geschäft ergänzen sich üblicherweise hervorragend. Gemeinsam schaffen sie ein solides Analytics-Fundament. „Bei Bedarf können Unternehmen dieses um weitere Lösungen ergänzen – etwa mit der SAP Integration Suite oder dem SAP Sustainability Control Tower. Für viele Unternehmen wäre aber bereits das Basiskonzept ein echter Fortschritt.“

Zum Partnereintrag: