9 Hebel für Business Analytics

Big Data und Business Analytics – zwei Reizwörter für viele IT-Verantwortliche. Einfach bleiben lassen kann man die ambitionierte Datenanalyse wegen ihrer hohen Bedeutung und den Forderungen von Business-Seite nicht. Wirklich erfolgreich ist damit bisher aber nur ein Bruchteil der Firmen. Liegt es vielleicht daran, dass es an der Unterstützung von ganz oben fehlt?

Oft genug ist das bestimmt so. Aber derlei Widrigkeiten geben keine gute Ausrede ab, wenn man einer Studie von IBM Global Business Services glaubt. Demnach haben die führenden Unternehmen genauso wie alle anderen zum Beispiel unter mangelhaftem Support aus der Chefetage zu leiden. Nur finden sie trotzdem Lösungen, um auf dem Analytics-Feld erfolgreich zu ernten.

Firmenpolitische Schranken

„Die führenden Unternehmen gleichen den anderen Firmen jedenfalls in einem entscheidenden Aspekt", schreibt das Autorenteam, das ganz exakt dem IBM Institute for Business Value zuzuordnen ist: „Sie sehen sich den gleichen firmenpolitischen Schranken und Realitäten gegenüber." 62 Prozent der Leader sagen, dass sie durch derartige Hemmnisse am Liefern noch besserer Ergebnisse gehindert würden. Dieser Wert ist an sich durchschnittlich. „Was die Führer aber vom Rest abhebt, ist das feststellbare Muster an implementierten Prozessen, die zur Minimierung störender Machtspiele und anderer Hemmnisse dienen", führen Fred Balboni, Glenn Finch, Cathy Rodenbeck Reese und Rebecca Shockley weiter aus.

900 Entscheider aus 70 Ländern hat das IBM-Institut für die Studie befragt. Etwa ein Fünftel davon identifizierten die Forscher als „führend", also als besonders erfolgreich im Allgemeinen und bei Big Data und Business Analytics im Besonderen. Jeweils 27 Prozent dieser Firmen sind in der Region EMEA und in Nordamerika ansässig.

Erfolg mit dem 3x3-Schema

Ihr Erfolgsrezept beschreibt die Studie nach einem 3x3-Schema. Auf drei Ebenen werden jeweils drei entscheidende Hebel für den Erfolg verortet.

• Die erste Ebene „Enable" stellt laut Studie die Basis dar, um mit Big Data und Analytics überhaupt etwas erreichen zu können.

• Ebene Zwei – „Drive" – beinhaltet Faktoren, die zum Realisieren echten Mehrwertes notwendig sind.

• Die dritte Ebene – „Amplify" – umfasst drei Felder, die in der Wertschöpfung aus der Datenanalyse einen großen Schub geben können. Auf dieser Ebene zeigen sich die spannendsten Ergebnisse der Studie – und zwar hinsichtlich des Supports auf Führungsebene, des Auftreibens der nötigen Gelder und der Fähigkeiten und Fertigkeiten.

1. Enable

• Erstens: Als Basis-Element für den Analyse-Erfolg macht das IBM-Institute erstens unter dem Etikett „Source of Value" Aktivitäten und Entscheidungen aus, die Wert generieren. Das soll vor allem heißen, dass die führenden Firmen verstanden haben, welche ihrer Daten Quellen der Wertschöpfung sein können. Und dass sie zielgerichtet die Analyse eben dieser Daten in Angriff nehmen.

• Zweitens setzen die Leader auf „Measurement". Mehrheitlich evaluieren sie die Ergebnisse ihrer Projekte anhand eines Sets von Prozessen, die auf verschiedenen Metriken basieren. Ein Drittel der Firmen nutzt neben handfesten auch eher vage Metriken, versucht also auch die gefühlten Effekte zu analysieren. Etwa ein Viertel verwendet vordefinierte Metriken, jedes zehnte Unternehmen behandelt die IT-Einsparungen als Richtgröße.

• Drittens betrachtet das IBM-Institut die technologische Plattform als grundlegenden Hebel für den Big Data-Erfolg. „Die Marktführer haben im Vergleich substanzielle Investitionen in die Entwicklung integrierter Funktionen getätigt, die durch Hardware- und Software-Komponenten zur Unterstützung analytischer Aktivitäten geliefert werden", heißt es dazu in der Studie. Die Leader hätten sich vor allen Dingen über traditionelle Infrastrukturen und Analyse-Techniken im BI-Bereich hinausbewegt. So habe ein Drittel der Unternehmen aus der Führungsgruppe bereits Cloud-Technologie und mobile Lösungen im Einsatz. Ein weiteres Drittel plane dies in Bälde.

2. Drive

Auf der zweiten nennt die Studie vor allem weiche Faktoren, die die Big Data- und Analytics-Performance treiben.

• Erstens sei eine Kultur hilfreich, die faktenbasierte Entscheidungen stützt.

• Zweitens geht es um Vertrauen – also um vertrauensvolle Beziehungen. In den führenden Firmen sind diese in vielfältiger Weise überproportional vorhanden: unter Business-Verantwortlichen, zwischen Führungskräften aus Business und IT, auch zwischen Business- und Datenanalysten.

• Drittens pushen – logischerweise – die Sicherstellung von Datensicherheit und Governance die entsprechenden Projekte.

3. Amplify

„Unterstützung und Beteiligung an der Analyse auf Führungsebene sind Schlüssel der Wertschöpfung", heißt es in der Studie. Executive Support ist somit einer der drei entscheidenden Hebel auf der höchsten Analyse-Ebene der IBM-Studie. Mangelt es an dieser Unterstützung, werden Analystics-Implementierungen demnach durch fehlendes Geld, zu knappe Ressourcen und mangelhaften Rückhalt behindert.

In den führenden Firmen wird die Nutzung der Daten und Analyseinstrumente zwar in den jeweils betroffenen Abteilungen kontrolliert. Dies wird aber laut Studie flankiert durch eine auf Enterprise-Level erarbeitete Strategie, durch allgemeine Richtlinien und Metriken sowie durch standardisierte Methoden. Wie die Autoren betonen, steht dieses Arrangement in scharfem Kontrast zum übrigen Feld der Anwender. In den Leader-Firmen engagieren sich zudem – über alle existierenden Silos hinweg – Business-Führungskräfte an der Entwicklung der genannten Maßnahmen.

Funding als zweiter Hebel auf der Amplify-Ebene hängt zum Teil natürlich mit der Unterstützung von Vorstandsseite zusammen. Die Studienautoren bekräftigen aber den dennoch eigenständigen Charakter eines strukturierten, formalen und nachhaltigen Prozesses, in dem die benötigten Mittel in den führenden Firmen beschafft werden. Teil dieses Prozesses sind unter anderem Kosten-Nutzen-Prognosen, die die Basis für eine Evaluierung der getätigten Analytics-Investitionen darstellen.

Zwei Drittel der Leader greifen beim Funding auf einen geteilten Pool an Ressourcen zurück. Die Geldpools stehen beispielsweise für Cross-Silo-Aktivitäten zur Verfügung, ohne das Budget der beteiligten Abteilungen zu beeinträchtigen. Alternativ dazu werden Chargeback-Modelle genutzt, oder es gibt eine Vorabbeteiligung von Business-Seite. In jedem vierten der führenden Unternehmen gilt diese Devise: erst eine erfolgreiche Pilotierung, dann erst – in Abhängigkeit von den Resultaten – Investitionen.

Als eine der höchsten Hürden für den Analyse-Erfolg macht IBM schließlich den Mangel an den benötigten Skills aus. Ein Drittel der Befragten klagen über zu wenige Mitarbeiter, die die fürs Business benötigte Analyse und Interpretation der Daten bewerkstelligen können. Die führenden Firmen entziehen sich dieser Notlage etwa, indem sie Analytics-Mitarbeitern formale Rollen und Karrierepfade anbieten. Oder indem sie vorhandenes Wissen über Projektgrenzen hinweg nutzen und über Mentoring die Wissensbasis verbreitern. Fast die Hälfte der Leader bündelt ihre Analytics-Ressourcen in einer speziellen Gruppe, die für unternehmensweite Services zur Verfügung steht.

Nachzulesen sind die ausführlichen Ergebnisse in der Studie „Analytics: A blueprint for value" des IBM Institute for Business Value.