08.04.2021

Entscheidungsgesteuerte Datenanalyse: Chefkoch oder Reste-Essen?

Artikel teilen:

Entscheidungsgesteuerte Datenanalyse: Chefkoch oder Reste-Essen

Nicht die Datenanalyse sollte der Ausgangspunkt für automatisierte Entscheidungssysteme sein, sondern die Frage: Welche automatisierten Entscheidungen muss mein Unternehmen (ständig) treffen – erst danach kommt die Frage nach den Daten.

Wer seiner Angehimmelten ein fulminantes Essen kochen möchte, wird sich kaum vor den halbleeren Kühlschrank stellen und sich fragen: Was kann ich daraus noch machen? Er wird sich fragen: Womit kann ich sie begeistern und was brauche ich dazu?

Viele Unternehmen, die sich mit Data Analytics beschäftigen, entscheiden sich aber für die Reste-Variante: Sie betrachten die Daten, die sie haben, und fragen sich: Was kann ich daraus machen und welche Erkenntnisse kann ich daraus ziehen? Es wäre aber deutlich effektiver, die drängenden oder auch täglichen Business-Entscheidungen herauszuarbeiten und dann zu ermitteln, welche Daten man dazu benötigt (und eventuell schon hat – oder noch eruieren muss).

Wenn man genau hinschaut, funktioniert die Reste-Herangehensweise in keinem Business-Bereich gut: Die Bild-Zeitung fragt sich nicht täglich: “Was ist gestern passiert und was kann ich daraus machen?”, sondern “Was wollen die Leute lesen und wo kriege ich die ‘Fakten’ her?”. Tesla ist nicht so erfolgreich, weil sie einen großen Plattform-Baukasten haben und sich fragten, “was für ein Modell kann ich daraus noch zaubern”, sondern das Auto gebaut haben, von dem sie annahmen, dass es die Konsumenten begeistert – und sich dafür die Komponenten geholt oder entwickelt haben. Das iPhone war keine Weiterentwicklung bestehender Handytechnik (“was können wir daraus machen?”), sondern getrieben vom Ansatz: was wäre das ultimative mobile Gerät, das Kunden begeistert und sich dann die Technik dafür eingekauft oder entwickelt.

Nicht daten-, sondern entscheidungsgetrieben vorgehen

Auch bei KI-unterstützten, datenbasierten und automatisierten Entscheidungen ist der Erfolg davon abhängig, wie man an die Lösungen herangeht: Wer nur seine Daten betrachtet und eine reine Datenanalyse fährt, also rein datengetrieben agiert, wird es in der Produktentwicklung schwer haben, große Sprünge zu machen. Vielfach versucht man sogar, anhand der vorhandenen Daten Entscheidungen im Nachhinein zu erklären, und zu untermauern, warum man sich so entschieden hat. Letztlich ist das herausgeworfenes Geld. Es führt nicht zu einer Disruption oder starken Digitalisierung.

Wer sein Business mit automatisierten Entscheidungssystemen weiterentwickeln möchte, darf daher den Blick nicht zu intensiv auf die Daten und Analysen richten, die er hat, sondern darauf, welche Entscheidungen er treffen muss – und erst im zweiten Schritt, welche Daten dafür schon vorhanden sind und benötigt werden.

Die folgende Tabelle zeigt die Unterschiede der Herangehensweise:

Nicht daten-, sondern entscheidungsgetrieben vorgehen
Decision Making statt purer Data Analytics

Diese Herangehensweise spielt insbesondere eine Rolle, wenn täglich hunderte oder tausende Entscheidungen automatisiert getroffen werden sollen, bei denen im optimalen Fall kein Mensch mehr eingreift (weil dies einer Skalierung und Automatisierung entgegensteht). Wichtig ist nicht, Daten zu analysieren (das ist ja kein Selbstzweck) und daraus Erkenntnisse zu gewinnen, sondern Entscheidungen zu fällen, die Business generieren. Und für Entscheidungen benötigt jedes System die passenden, validen und aussagekräftigen Daten.

Der Ausgangspunkt für digitale Lösungen mit einer digitalen Entscheidungsplattform ist daher: Welche Entscheidungen müssen getroffen werden? Und im zweiten Schritt gilt es erst die Frage zu beantworten: Welche Daten sind dafür notwendig? Damit sind digitale Entscheidungsplattformen die perfekten Treiber für das Design, Management und die Automation von komplexen, operativen Entscheidungen.

Ohne Decision Platform und die richtige Herangehensweise entsteht kein Business-Effekt

Ohne Decision Platform und die richtige Herangehensweise entsteht kein Business-Effekt

 

Enge Verzahnung von Decision Platform und Data Analytics

Natürlich ist für diese Art des Entscheidungsmanagements eine enge Verzahnung der Datenanalyse- und digitalen Entscheidungstools notwendig. Die Decision Plattform muss auf Daten aus der Datenanalyse einfach zugreifen können. Und sie sollte auch die prädiktiven Modelle aus der Datenanalyse direkt verwalten, integrieren und ausführen können.

Auf diese Weise werden digitale Entscheidungsplattformen zu einem unverzichtbaren Werkzeug. Sie machen die Erkenntnisse der Data Analytics (Daten und prädiktive Modelle aus statistischen oder maschinellen Lernansätzen) für die Produktion verwertbar und erzielen mit jeder einzelnen Entscheidung den gewünschten Business-Effekt.

Fazit

Unternehmen, die ihren Datenschatz heben wollen und daher in Data Analytics investieren, müssen als Ausgangspunkt ihrer Entwicklung einen entscheidungszentrischen Ansatz wählen. Als direkte Folge ist es notwendig, das Decision Management und die zugehörige Entscheidungsautomations-Plattform auszubauen und so die größten Produktivitätsgewinne zu erzielen.

Das könnte Sie auch interessieren

Whitepaper: Erfolgreiche Automatisierung

Erfahren Sie wie Sie Experten der Fachabteilung direkt einbinden mit Low-Code-Plattformen.

Whitepaper herunterladen
eBook: Die 7 entscheidenden Fragen bei der Auswahl eines Decision Management Systems

Decision Management Automation – Welcher DMS-Anbieter ist der Richtige?
Wer ein Decision Management System einführen möchte, muss dem potenziellen Anbieter die richtigen Fragen stellen. Dieses eBook greift die wichtigsten Aspekte & Fragen aus einem Gartner Toolkit auf und liefert für Sie die relevanten Antworten.

eBook herunterladen
Intelligente Automatisierung der nächsten Generation

ACTICO Platform ist eine leistungsstarke Software für intelligente Automatisierung und Digital Decisioning.

Mehr erfahren