Home Analysis for Office Data & Analytics Strategie Guide

Data & Analytics Strategie Guide

Die Bedeutung von Daten hat sich in den letzten Jahren grundlegend verändert. Wir sind in der Lage, immer grössere Datenmengen zu sammeln, zu speichern und zu nutzen. Um Datenmengen sinnvoll zu verwalten und die daraus gewonnen Erkenntnisse in nachhaltige Berichte zu überführen, benötigen Unternehmen eine Data und Analytics Strategie – so kann die Nutzung ihrer Daten mit der Unternehmensstrategie in Einklang gebracht werden. Dieses Whitepaper gibt einen Überblick über die praktische Etablierung und den Nutzen einer Analytics Strategie.

So starten Sie mit Ihrer Data & Analytics Strategie erfolgreich durch!

Inhaltsverzeichnis

Zitat Sinofsky
 

Eine Data und Analytics Strategie geht weit über das blosse Datenmanagement hinaus. Ihr Ausgangspunkt ist die Unternehmensstrategie, die von Unternehmen aus ihrer eigens definierten Vision abgeleitet wird. Ausgehend von der Unternehmensstrategie werden Prozesse ausgerichtet und Unternehmensziele definiert. Die Data und Analytics Strategie wiederum ist darauf ausgerichtet, den Fortschritt der Ziele zu messen und damit zur Zielerreichung beizutragen. Für die Umsetzung werden Mitarbeiter, Prozesse und Technologien definiert, die zur Zielerreichung erforderlich sind. Folglich bildet die Analytics Strategie die Basis für alle datenbezogenen Aktivitäten und ist eng mit der Unternehmensstrategie verzahnt. 

 

 

5 Gründe für eine Data & Analytics Strategie 

In der Umsetzung wird die gesamte Analytics-Landschaft auf eine definierte Analytics-Strategie ausgerichtet. Die Strategie leistet einen wesentlichen Beitrag zur Standardisierung und Homogenisierung: Sie hat zum Ziel, Methoden, Definitionen und Technologien im Analytics-Umfeld zu vereinheitlichen. Dadurch kann ausserdem das sogenannte Schatten-Reporting (Silolösungen betrieben von einzelnen Fachbereichen) vermieden werden. Langfristig sollen Analytics-Projektlaufzeiten, – kosten und -erfolge optimiert werden, was durch Zentralisierung sowie den Erhalt und den Ausbau von Wissen über unternehmensweite, geschäftskritische Daten und Informationen ermöglicht wird.

Keine Doppelentwicklungen von Lösungen: (Wieder)-Verwendung von bestehenden (Teil)-Lösungen und Daten

Konsistente Weiterentwicklung von Lösungen unter Berücksichtigung wechselseitiger Abhängigkeiten

Periodische Überprüfung und Nachführung der Analytics-Strategie aus fachlicher Sicht

Garantiert hohe Datenqualität und -konsistenz

Sicherstellung eines kosteneffizienten Betriebs der Infrastruktur

Ziele der Analytics Strategie

Mit der Analytics Strategie werden die folgenden wesentlichen Ziele angestrebt:

• Standardisierter Einsatz der Tools für Planung, Analyse und Reporting
• Definition von Grundsätzen zur Datenhaltung und – nutzung
• Vereinfachung der Bereitstellung und des Zugriffs auf Informationen für die Steuerung
• Nutzung neuer technologischer Möglichkeiten, die bewährt sind und einen Mehrwert generieren
• Höhere Kosteneffizienz im Betrieb und Wartung der IT Plattformen

Grundsätzlich zielt eine Analytics Strategie darauf ab, ein gesamtes Unternehmen mit betrieblichen Kennziffern zu steuern: Ein bislang reaktiv gesteuertes Unternehmen (Berichte über abgeschlossene Geschäftsperioden) muss sich zu einer vorausschauenden Organisation entwickeln.

Analytics – oder auch Business Intelligence (BI) – liefert die unverzichtbaren Werkzeuge für eine strategische Unternehmenssteuerung. Die Analytics Strategie sieht ausserdem ein standardisiertes Berichtswesen vor, um eine unternehmensweit einheitliche Berichterstattung sicherzustellen. Das Berichtswesen soll Power Usern flexibel zur Verfügung gestellt werden, um ad-hoc Anfragen bzw. Analysen zu ermöglichen.

Ein integriertes, rollenorientiertes und stufengerechtes Reporting mit Single-Point-of-Entry auf einer zukunftstauglichen IT-Architektur bildet die technologische Basis, um auch zukünftige Entwicklungen in den Bereichen Predictive (Prognosen und Simulationen) sowie Mobile zu ermöglichen.

Um die genannten Ziele zu erreichen, muss zunächst eine Analytics- und eine Architektur-Governance erstellt und definiert werden. Hierfür wird eine Analytics-Organisation benötigt, die das Unternehmen in eine vorausschauende Organisation verwandeln kann. Dies kann durch ein Business Intelligence Competence Center (BICC) umgesetzt werden. 


In fünf Schritten zur Data & Analytics Strategie: Der SPARC Prozess

Der SPARC-Prozess liefert eine strukturierte und standardisierte Vorgehensweise für die eigene Positionierung innerhalb der Analytics Roadmap und wird von der s-peers AG praktisch umgesetzt. Das Ergebnis bildet eine sichere Entscheidungsgrundlage für die „Road to Analytics“ des Unternehmens. Im Prozess werden die individuellen Besonderheiten der jeweiligen Organisation berücksichtigt.

Wiki SPARC Process

Der SPARC-Prozess steht am Anfang der Evaluierung und liefert den entsprechenden Funken zum Projektauftakt. Dabei steht SPARC für Prozessschritte mit folgendem Ablauf innerhalb des Projektzyklus:

S – Situation
P – Problem
A – Analysis
R – Requirements
C – Compass

In einem ersten Gespräch wird zunächst die derzeitige Situation aufgenommen. Dabei werden spezifische Fragen gestellt, aus denen die nötigen Zusammenhänge hergestellt werden. Aus dem daraus abgeleiteten Ist-Zustand können nachfolgend Probleme identifiziert werden, die wiederum gemeinsam erörtert werden. Durch die Analyse der Auswirkungen dieser Probleme werden konkrete Anforderungen entwickelt, um schliesslich einen gemeinsamen Kompass auszurichten. So kann ein Zeitstrahl konzipiert werden, der die passenden und individuellen Architektur-Lösungen enthält.

Der SPARC Prozess besteht aus zwei Kernkomponenten: In gemeinsamen Workshops werden Zusammenhänge hergestellt, aus denen Anforderungen und Herausforderungen abgeleitet werden, während der zweite Teilbereich aus Scoring und Nachbearbeitung besteht.

Für die Workshops werden im Vorfeld relevante Fachabteilungen und Beteiligte identifiziert. Auf diese abgestimmt werden dann passende Diskussionsfragen sowie Schwerpunkte aus einem Mix verschiedener Kategorien ausgewählt. Ausserdem werden die Bewertungskriterien für das spätere Scoring gemeinsam festgelegt.

Beim Scoring im Nachgang sollen geeignete Massnahmen und Lösungen abgeleitet werden. Dabei werden die Anforderungen mittels standardisierter Methoden priorisiert und darauf aufbauend Vorschläge für Lösungsvarianten erarbeitet. Das Scoring wird in mehrere Stufen aufgeteilt:

• Definition der Bewertungsgruppen – allgemein oder themenbezogen
• Auswahl der Bewertungskriterien abgeleitet aus dem SPARC-Prozess
• Gewichtung der Bewertungskriterien
• Durchführung der Bewertung
• Auswertung der Ergebnisse

Die endgültige Definition der Analytics Strategie mithilfe des SPARC-Prozesses besteht aus sechs Schritten.

 

Schritt 1: … 

Die detaillierte Schritte finden Sie im Whitepaper. Laden Sie es jetzt kostenlos herunter und erfahren Sie mehr.

Inhaltsverzeichnis Whitepaper

  • Die endgültige Definition der Analytics Strategie mit Hilfe des SPARC-Prozesses erfolgt in sechs Schritten
  • Organisatorische Umsetzung: Das Business Intelligence Competence Center
  • BICC und seine Aufgaben 
  • Organisationsformen
  • Erfolgsfaktoren
  • Eine Analytics Strategie – so individuell wie Ihr Unternehmen 
  • Fazit 

Unsere Whitepaper sind State of the Art Artikel zum Thema SAP Analytics und für Sie kostenlos!

Mehr wissen?

Sie möchten tiefer in dieses Thema einsteigen? Dann freuen wir uns auf den persönlichen Austausch zum Thema Data & Analytics Strategie Guide!

Ihre Analytics Ansprechpartnerin
Nadine Matt_2
Nadine Matt
Customer Engagement & Communication Executive

Published by:

Michael May

Geschäftsführer

autor:IN

Wie hat Ihnen der Artikel gefallen?

Wie hilfreich war dieser Beitrag?

Klicken Sie auf einen Stern, um zu bewerten!

Durchschnittliche Bewertung 5 / 5.
Anzahl Bewertungen: 5

Bislang keine Stimmen! Seien Sie die erste Person, die diesen Beitrag bewertet!

INFORMATIONEN

Weitere Informationen

Wiki How to R - Beginners Guide (1)

How to R – Beginner Guide Zeitreihenanalyse

Wir beschränken uns in diesem kleinen Tutorial darauf, die wesentlichen Schritte in der Zeitreihenanalyse kurz in der Programmiersprache R zu skizzieren…

EU Taxonomie Wiki

EU Taxonomie – Implentierung in einem SAP-Analytics-System

Von der KPI Definition bis zum Reporting: Bewerten Sie Ihre Unternehmens-Aktivitäten Umsatz, CapEx und OpEx gemäss den EU Taxonomie Kriterien. Wir begleiten Sie Schritt für-Schritt bei der erfolgreichen Umsetzung der EU Taxonomie Richtlinien…

Wiki SCT

Sustainability Control Tower (SCT)

In einer Zeit, in der nachhaltiges Wirtschaften unabdingbar ist, steht die Überwachung und Erfassung der eigenen Nachhaltigkeitsleistung durch präzise Daten immer mehr im Mittelpunkt. Eine umfassende Nachhaltigkeitslösung, die ein ganzheitliches Reporting ermöglicht, ist der SAP Sustainability Control Tower…

Wiki Was ist R

Was ist R?

R ist eine für statistische Anwendungen entwickelte Programmiersprache, die vor allem im Bereich Data Science einen hohen Verbreitungsgrad geniesst…

Wiki 5 Sustainability KPIs

Die 5 wichtigsten Sustainability KPIs

Wozu benötigt man Kennzahlen im Nachhaltigkeitsbereich? Was sind die 5 wichtigsten Sustainability KPIs? Und warum sind Sustainability KPIs wichtig für Ihr Unternehmen? Diese Fragen werden im nachfolgenden Artikel beantwortet…

Wiki Datasphere vs BW4HANA

Vergleich: SAP Datasphere vs. SAP BW/4HANA

Die SAP bietet mit Lösungen wie SAP BW/4HANA und SAP Datasphere unterschiedliche Data-Warehousing-Optionen an. Während BW/4HANA auf strukturierte Unternehmensdaten und Analytik spezialisiert ist, konzentriert sich die Datasphere auf umfassende Datenintegration über Plattformen hinweg…

Wiki Managed Cloud Services

Managed Cloud Services

Managed Cloud Services ermöglichen es Unternehmen, die Vorteile der Cloud-Technologie zu nutzen, ohne sich mit der Komplexität der Cloud-Verwaltung auseinandersetzen zu müssen…

GDPR Cookie Consent with Real Cookie Banner