8. Februar 2021

#ExplainIT: Business Analytics erklärt


Kategorie: Service

Ein Beitrag von:

Dr. Stefan Döring
Dr. Stefan Döring

Co-Autoren­schaft:
Mareike Rupertus - Mareike Rupertus

Der Begriff Business Analytics fällt häufig im Zusammenhang mit der Datenanalyse. Unternehmen erhalten so einen gewissen, auf Daten basierenden Blick in die Zukunft. Erfahren Sie mehr über Business Analytics und den Unterschied zu Business Intelligence in diesem Beitrag unserer Serie #explainIT.

Was ist Business Analytics?

Organisationen versuchen durch die Analyse von Daten eine Grundlage für Entscheidungen zu schaffen. Im Beitrag unserer Serie #explainIT zu Business Intelligence haben wir gezeigt, wie das geht und welche Grenzen es dabei gibt: Die Daten können nicht genutzt werden, um Prognosen zu erstellen. Als Teilbereich von Business Intelligence setzt Business Analytics hier an und versucht, diesen Blick in die Zukunft zu ermöglichen.

Business Analytics ist somit quasi eine Erweiterung von Business Intelligence und ein digitaler Prozess zur Datenauswertung. Es werden damit nicht nur Massendaten – sogenannte Big Data –  gesammelt, sondern auch durch statistische und maschinelle Analysen aufbereitet und ausgewertet. Dadurch wird die strategische Unternehmenssteuerung datenbasiert verbessert.

Wie funktioniert die Datenanalyse mit Business Analytics?

Daten werden bei Business Analytics miteinander verknüpft. Es wird versucht, mehrere Dimensionen der Datensätze gleichzeitig darzustellen. So kann Business Analytics beispielsweise folgende Fragen beantworten: Warum ist es passiert? Wird es wieder passieren? Was passiert, wenn wir eine bestimmte Variable ändern?

Gerade die letzte Frage zeigt, dass mithilfe von Datenmodellen außerdem Szenarien modelliert und wirkungsbezogene Handlungsalternativen aufgezeigt werden können. Es gibt für diese Zwecke mehrere Sub-Kategorien von Business Analytics, die jeweils verschiedene Einblicke gewährleisten:

  • Descriptive Analytics ermöglicht Einblicke in Zusammenhänge und Wechselwirkungen aus historischen Daten.
  • Decision Analytics unterstützt menschliche Entscheidungen durch datenbasierte Argumentation und visuelle Analyse von Datenmodellen.
  • Predictive Analytics modelliert die Zukunft mithilfe statistischer und maschineller Lernmethoden.
  • Prescriptive Analytics simuliert die Zukunft und empfiehlt basierend darauf Entscheidungen oder identifiziert Optimierungspotenziale.

Um diese nicht ganz einfache Materie zu verdeutlichen, erklärt die Frankfurt School of Finance & Management in folgendem Youtube-Video die Anwendung von Prescriptive Analytics:

Anwendungsbeispiele von Business Analytics

Meistens werden die verschiedenen Analysetypen zusammen genutzt, um eine allumfassende Analyse der gesammelten Daten zu erreichen. Folgende Beispiele illustrieren den Nutzen von Business Analytics:

Der Logistikdienstleister UPS stellte sich die Frage, ob das Unternehmen den Kraftstoffverbrauch durch neue Routen für die Lieferfahrzeuge reduzieren kann. Dafür stattete UPS 10.000 Lieferwagen mit Sensoren aus, die Daten zum Kraftstoffverbrauch im Zusammenhang mit den gefahrenen Routen sammelten. Mithilfe von Business Analytics konnte das Unternehmen Entscheidungen treffen, die 38 Millionen Liter Kraftstoff sparten und die Fahrer um 19,5 Millionen Kilometer pro Jahr entlasteten.

Die Streaming Plattform Netflix bedient sich ebenfalls Business Analytics, um zu entscheiden, welche Inhalte als Nächstes produziert werden. Dafür wurden anhand von Nutzerdaten Inhalte bestimmt, die mit hoher Wahrscheinlichkeit gut bei Nutzern ankommen. Diese sind an verschiedene Länder, Präferenzen und lokalen Zielgruppen angepasst. Netflix konnte den Umsatz so um 36 Prozent steigern.

Kommentare (0)

 
Schreiben Sie doch den ersten Kommentar zu diesem Thema.

Kommentar absenden

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Weitere Beiträge

Wie hat Ihnen dieser Beitrag gefallen?
[Gesamt: 2   Durchschnitt:  4.5/5]
Teilen