Nur den Ergebnissen einer Analyse, die auf einem soliden Datenfundament beruhen, kann man auch trauen. Die entdeckten Auffälligkeiten könnten sonst nichts weiter sein als das Ergebnis einer Anomalie in den Daten. Was eine solide Datenbasis ist? Dafür gibt es eine einfache Grundregel: Gut ist eine Datenbasis, von der man genau weiß, was drinsteckt – und in welcher Form. Ein recht simples Kriterium. Um es zu erreichen müssen allerdings einige Voraussetzungen erfüllt sein.

Zwei Schlüsselfaktoren für eine solide Datenbasis

Bei Aufbau und Pflege einer guten Datengrundlage spielen erfolgreiche Data Governance und eine flexible Datenintegration eine Schlüsselrolle. Wenn Sie diese Prozesse im Griff haben, behalten Sie den Überblick. Dann wissen Sie, welche Daten Ihnen schon zur Verfügung stehen und welche in Ihrem Unternehmen eventuell noch „schlafen“. Ihnen ist bekannt, welche Verarbeitungsregeln auf die Daten angewendet werden und wie Ihre Geschäftsprozesse Datenseitig abgebildet sind. Außerdem gehen Sie sicher, dass neue Daten in der richtigen Qualität verwendet werden. Auf diesem Fundament lassen sich erfolgreiche Analytics-Projekte aufbauen.

• Data Governance: damit ist das Zusammenspiel von Datenqualität, Datenmanagement, Datenrichtlinien, Geschäftsprozessmanagement und Risikomanagement rund um den Umgang mit Daten gemeint. Dadurch halten Sie die Daten in Ihrem Unternehmen für alle verständlich. Datenquellen werden erfasst, die Art und die Ausprägung der Daten dokumentiert, die dort gesammelt sind. Zuständige für die Datenqualität werden benannt, Ansprechpartner für die verschiedenen Systeme definiert.

• flexible Datenintegration: Neue Daten für ein Analyseprojekt müssen schnell in den Analysedatenbestand aufgenommen werden können. Das ist essenziell. Schließlich weiß man heute noch nicht, welche Daten sich zum Erreichen des Ziels der Analyse noch als sinnvoll erweisen könnten. Eventuell bewerten Sie Ihr Analytics-Projekt mittels einer Confusion Matrix monetär und wissen jetzt: Die Analysegenauigkeit muss erhöht werden, damit sich das Analyseprojekt auch lohnt. Also bedienen Sie sich, um die Datengrundlage zu vergrößern, bei Open Data Quellen oder kaufen Daten hinzu, etwa vom Statistischen Bundesamt. Diese Daten wollen Sie natürlich sofort verwenden und nicht Wochen oder sogar Monate auf die Bereitstellung warten.

Achtung Datensilos: Datenintegration automatisieren

Was die Integration angeht, werden heute noch allzu oft neue Daten direkt in den Bestand eines Analyseprojekts eingebunden und nicht – so eines existiert – in das Data Warehouse oder den Data Lake des Unternehmens. Eine schlechte Option. Denn damit bleiben sie in einem Silo vor dem Rest des Unternehmens versteckt. Will eine andere Abteilung eine Analyse durchführen, für die dieselben Daten ebenfalls nützlich wären, weiß sie unter Umständen nicht einmal, dass sie bereits im Unternehmen existieren.

Häufiger Grund für diese Praxis: eine nichtautomatisierte Datenintegration in das Data Warehouse. Denn ohne ein Automatisierungstool dauert die Anbindung neuer Daten meist zu lang. Das Projekt würde auf inakzeptable Weise verzögert. Mit einer automatischen Datenintegration hingegen ist der Zeitaufwand nur unerheblich höher. Danach aber sind die Daten für das gesamte Unternehmen verwendbar. Ein nicht zu unterschätzender Nebeneffekt: Werden neue Daten in das zentral gemanagte Data Warehouse aufgenommen, unterliegen sie automatisch der Data Governance des Unternehmens. So sind sie für alle verständlich und transparent.

Und dann: handeln!

Die Datenbasis ist ein wesentlicher Punkt für das Gelingen eines Analyseprojekts. Sie ist das Fundament für verlässliche Analyseergebnisse. Wer es gelegt hat, hat bereits viel geschafft – und kann nun den nächsten Schritt folgen lassen: eine gut gebaute Analyse. Aber auch damit ist das Ziel noch nicht erreicht. Denn die Analyseergebnisse müssen praktisch nutzbar sein, sonst sind sie zwecklos.

Beispielsweise muss eine Versicherung, die per Datenanalyse Kunden identifiziert, die mit hoher Wahrscheinlichkeit kündigen werden, diese Information dem Sachbearbeiter während seiner Telefongespräche zur Verfügung stellen. Handelt es sich beim aktuellen Gesprächspartner um einen potenziellen Kündiger, muss das im Dashboard angezeigt werden, sonst kann der Sachbearbeiter kein attraktiveres Angebot unterbreiten. Und hier zeigt sich ein weiterer Baustein eines gelungenen Analytics-Projekts: Kompetenzen in Systemintegration und Systembetrieb.

Klein anfangen, groß rauskommen

Wer ein Analytics-Projekt zu einem echten Erfolg machen möchte, muss also nicht nur die richtigen Grundlagen dafür schaffen, sondern auch dafür sorgen, dass die Ergebnisse richtig angewendet werden. Aber keine Angst! Unternehmen, die sich dafür entscheiden, mit Analytics zu beginnen, müssen nicht sofort ihre komplette IT-Infrastruktur und das gesamte Prozessmanagement auf den Kopf stellen. Tasten Sie lieber zunächst mit einem Projekt im kleinen Maßstab Ihre Assets ab. Und dann machen Sie Ihr Unternehmen Schritt für Schritt fit für das volle Potenzial der Analytics.

Drei Fragen an Markus Burger-Scheidlin
Data Scientist und Teamleiter Analytics bei ITGAIN

Um ein Analytics-Projekt zum Erfolg zu führen, müssen sehr viele Dinge richtig gemacht werden. Ein Unternehmen, das gerade erst mit Analytics beginnt, kann sich da leicht überfordert fühlen.

Muss es aber nicht. Wer mit Analytics anfangen möchte, muss nicht gleich alles auf einmal umkrempeln.

Warum nicht?

Wer alles auf einmal neu aufsetzt – Data Warehouse, Data Governance und so weiter –, bevor er sich an die Analysepraxis macht, geht ein hohes Risiko ein. Dann kann es sein, dass man beim Startschuss feststellt, jetzt zwar wunderbar aufbereitete Daten zu besitzen – aber leider die falschen.

Wie stellt man also den Aufbruch in die Epoche der Analytics am besten an?

Beginnen Sie mit einem kleinen Pilotprojekt. Dabei lernen Sie, was Sie bereits gut machen und was noch nicht. Eventuell haben Sie eine sehr gute Kundendatenbasis, aber eine schlechte Vertragsdatenbasis. Oder Sie merken, dass Sie Daten erfassen müssen, die Sie momentan noch nicht erheben. Verbessern Sie die Punkte, die Ihnen aufgefallen sind. Und dann gehen Sie an das nächste Projekt. So kommen Sie in einen stetigen Verbesserungsprozess.