Advanced Analytics: Die 6 größten Missverständnisse

"Was wir in unseren Projekten häufig erleben ist, dass der Kunde meint, seine Datenqualität reiche nicht aus und deshalb sei Advanced Analytics bei ihm nicht sinnvoll oder möglich", erzählt Robin Wachter, Berater zum Thema Advanced Analytics bei ROI Management Consulting. "Das stimmt aus unserer Sicht allerdings überhaupt nicht, da die Datenqualität in der Regel in keinem Projekt stimmt." Merke: Die Datenqualität wird erst in dem Moment verbessert, in dem die Daten transparent dargestellt werden. "Das wahre Problem ist also die Datenverfügbarkeit", erläutert Wachter.

"Viele unserer Kunden haben einzelne Mitarbeiter, die sich schon recht gut mit Advanced Analytics auskennen. Das Thema ist allerdings noch nicht in jedem Unternehmen ganz angekommen. Unternehmen berichten uns, sie hätten schlicht Probleme damit, das richtige Personal zu finden. Nehmen wir als Beispiel den Data Scientist: Das Berufsbild gilt als eines der gefragtesten des 21. Jahrhunderts. Das Problem ist allerdings: Den gibt es aktuell noch recht selten." Ein Grund: Das Berufsbild verbindet drei Perspektiven, die in klassischen Ausbildungswegen (noch) nicht gemeinsam gelehrt werden - die IT-Sicht der Datentransformation, die Business-Sicht, mit dem Ziel, die Problematik zu erfassen sowie die mathematische Sicht mit dem Ziel, die Vielzahl der Algorithmen zu verstehen. "Deshalb ist es wichtig, das eigene Personal kontinuierlich in diese Richtung zu entwickeln. Bestenfalls startet man da mit Mitarbeitern, die bereits zwei der Sichtweisen abdecken", rät Robin Wachter.

Erstens: Data Analytics geht einher mit einer Transformation des ganzen Unternehmens in Richtung einer datengetriebenen Organisation. Robin Wachter: "Sicher: Bis der finanzielle Nutzen nachhaltig sichtbar wird, kann es einige Zeit dauern. Dass der Nutzen allerdings vorhanden ist zeigen zahlreiche Studien und wer denen nicht glaubt, muss nur den Blick in Richtung China, USA und auf die großen Tech-Konzerne richten."

Zweitens: Zwei Drittel des Aufwands eines Advanced-Analytics-Projekts fallen auf die Datenaufbereitung, ein Drittel betrifft die tatsächliche Umsetzung. "Der Aufwand für ein einzelnes Advanced-Analytics-Projekt ist also unfassbar hoch", erklärt Wachter und beruhigt gleichzeitig: "Das gute ist aber, dass die Datenaufbereitung nicht in jedem Projekt von Null starten muss." Denn: Analytics fängt in dem Moment an sich zu lohnen, wo ich für eine Datenquelle mehrere Use-Cases habe, weil sich der Aufwand für die Datenaufbereitung dann verteilen kann. "Und es gibt immer mehr Use-Cases als Datenquellen", weiß Robin Wachter aus Erfahrung.

"Durch die Geschwindigkeit, mit der sich die einzelnen Produkte, Plattformen und Lösungen kontinuierlich weiterentwickeln, kann  eine IT-Architektur, die bis vor einem Jahr für das Unternehmen perfekt war, inzwischen schon wieder veraltet sein", so Wachter. "Das heißt dann nicht, dass ich sie nicht mehr nutzen kann, aber wenn ich das Projekt ein Jahr später nochmal machen würde, würde ich es vielleicht anders angehen." Merke: Es gibt also nicht die eine Best Practice Advanced-Analytics-IT-Architektur. Und: Die IT-Architektur muss sich einerseits aus den möglichen Use-Cases ergeben und andererseits aus der strategischen Ausrichtung des Unternehmens ableiten. Wachter: "Zum einen nehmen wir die konkreten Use Cases auf, die das Unternehmen umsetzen will. Also vom Prozess abgeleitet: Was braucht meine IT-Architektur oder welche Kompetenzen brauche ich, damit ich meine Use Cases umsetzen kann? Und dann eben: Was will mein Unternehmen in Zukunft produzieren? Wollen wir vielleicht in Zukunft mit einem Kundenkonfigurator auf unsere Kunden zugehen? Wie kann ich meine Operational Excellence verbessern?"

"Probleme mit der Connectivity sind quasi unser Daily Business. Bei IT-Systemen kommt man meistens relativ gut an die Daten ran. Gerade bei älteren Anlagen aber, wo die Steuerung die Daten vielleicht noch nicht nativ direkt über eine Standardschnittstelle zur Verfügung stellt, ist das ein echtes Problem und ziemlich kostspielig. Natürlich kann man da dann die Entscheidung treffen, mit externer Sensorik ranzugehen aber am besten ist es natürlich immer, die Sensorik zu nutzen, die die Maschine schon hat." Tipp von ROI: Was viele Anlagen schon liefern ist im ersten Schritt irgendeine Form von Datenabzügen. Robin Wachter erklärt: "Das können wirklich auch Excel-Dateien sein, die auch mal wöchentlich aus der Maschine im USB-Stick abgezogen werden." Merke: Es muss nicht immer gleich eine komplett neue Anlage sein. Oft reichen für die Analyse auch schon einfache Tools aus, die Unternehmen schon haben.

„Traue nie einer Statistik, die du nicht selbst gefälscht hast. Dieser Satz prägt bei vielen Unternehmen das Bild von Advanced Analytics", sagt Robin Wachter. Das liege zum einen an den Tools - Excel lasse hier zu viele Freiheiten und prinzipiell beginne jede Datenaufbereitung wieder bei Null. "Zum anderen fehlt aber auch einfach schlicht eine ordentliche Organisation, die sich um einheitliche Analysen kümmert. Dabei ist eine Aufteilung notwendig - aus einer zentralen Abteilung, die Methoden und Tools vorgibt und den in den Fachbereichen verteilten Experten, die Prozesse kennen und die Lösungen agil entwickeln und pflegen können, um so die Operational Excellence kontinuierlich zu verbessern", erklärt Wachter.