Business Analytics: Mit der Frage anfangen, nicht mit dem Dashboard

In vielen Unternehmen hängt ein Bildschirm, der viel gekostet hat und wenig bewirkt. Darauf leuchten Diagramme mit Umsätzen, Besucherzahlen und Lagerbeständen. Bei der Einführung war die Begeisterung groß. Ein paar Monate später schaut kaum noch jemand hin.

Das liegt selten an der Software. Es liegt an der Reihenfolge. Zuerst wurde ein Werkzeug gekauft, dann wurden Daten angeschlossen, und am Ende suchte man nach Fragen, die dazu passen. Business Analytics funktioniert genau andersherum.

Gemeint ist die systematische Auswertung von Geschäftsdaten, um Entscheidungen zu verbessern. Das Wort „Entscheidung“ ist dabei der Kern. Eine Analyse, die nichts verändert, ist bestenfalls interessant.

Vier Stufen, vier Fragen

Fachleute teilen Business Analytics oft in vier Stufen ein. Jede beantwortet eine andere Frage und verlangt andere Fähigkeiten.

• Beschreibend: Was ist passiert? Etwa der Umsatz je Produktgruppe im letzten Quartal.
• Erklärend: Warum ist es passiert? Etwa der Einbruch in einer Region, weil ein großer Händler weggefallen ist.
• Vorhersagend: Was wird wahrscheinlich passieren? Etwa die Nachfrage im Dezember auf Basis der Vorjahre und der aktuellen Bestellungen.
• Empfehlend: Was sollten wir tun? Etwa wie viel Ware in welches Lager gehört, damit nichts ausgeht und wenig liegen bleibt.

Die Stufen bauen aufeinander auf. Eine Prognose ist wenig wert, wenn niemand versteht, warum die Zahlen der Vergangenheit so aussehen. Viele Unternehmen springen trotzdem gern zur dritten Stufe, weil Vorhersagen und künstliche Intelligenz spannender klingen.

In der Praxis steckt der größte Nutzen oft in den ersten beiden Stufen. Wer sicher weiß, welche Kunden profitabel sind und welche Aufträge Verlust bringen, kann damit schon viel anfangen. Dafür braucht es keine neuronalen Netze, sondern gute Daten und eine klare Frage.

Ein Handwerksbetrieb kann zum Beispiel für jede Auftragsart die kalkulierten mit den tatsächlich geleisteten Stunden vergleichen. Oft zeigt sich, dass bestimmte Arbeiten regelmäßig unterschätzt werden. Das ist keine Raketenwissenschaft. Es verändert aber die nächsten Angebote und damit direkt den Gewinn.

Die vierte Stufe ist die anspruchsvollste. Empfehlungen setzen voraus, dass ein Modell die Folgen verschiedener Handlungen abschätzen kann. Das gelingt in eng umrissenen Feldern gut, etwa bei Lagerbeständen, Tourenplanung oder Preisen im Onlinehandel. Bei strategischen Fragen wie dem Eintritt in einen neuen Markt bleibt die Analyse eine Stütze für das Urteil, kein Ersatz.

Die Entscheidung kommt zuerst

Ein gutes Analyseprojekt beginnt mit einem Satz wie diesem: „Wir müssen bis Ende des Monats entscheiden, ob wir die Preise für Produktlinie B anheben.“ Daraus folgt alles Weitere. Welche Daten helfen? Wer trifft die Entscheidung? Wann muss die Antwort vorliegen?

Diese Fragen klingen schlicht. Sie verhindern aber, dass Analysten wochenlang an einer perfekten Auswertung arbeiten, die zu spät kommt. Sie sorgen auch dafür, dass jemand das Ergebnis tatsächlich nutzt. Eine Analyse ohne Empfänger ist Fleißarbeit.

Ein Dashboard, das keine Entscheidung verändert, ist Dekoration mit Datenbankanschluss.

Ein mittelgroßer Onlinehändler kann etwa so vorgehen. Er will wissen, ob sich Gratisversand ab einem bestimmten Bestellwert lohnt. Er vergleicht Warenkörbe vor und nach einer Änderung der Schwelle, rechnet Versandkosten und Retouren ein und entscheidet. Das ist Business Analytics, auch wenn am Ende nur eine Tabelle steht.

Was Sie dafür brauchen

Die Werkzeuge sind heute erschwinglich. Viele Programme für Auswertung und Visualisierung gibt es im Abonnement, manche sind in Bürosoftware schon enthalten. Der Engpass liegt woanders.

Erstens bei den Daten. Sie müssen erreichbar, halbwegs sauber und eindeutig definiert sein. Liegen sie verstreut in vielen Systemen, kommt zuerst Integrationsarbeit, etwa über ein Data Warehouse. Dieser Schritt kostet oft mehr Zeit als die Analyse selbst.

Zweitens bei den Menschen. Gute Analysten verstehen Statistik und das Geschäft. Die zweite Fähigkeit wird unterschätzt. Wer nicht weiß, wie im Vertrieb tatsächlich Rabatte gewährt werden, deutet die Zahlen leicht falsch. Viele Firmen fahren gut damit, Fachleute aus den Abteilungen im Umgang mit Daten zu schulen, statt nur Spezialisten einzustellen.

Drittens bei der Kultur. Analytics wirkt nur dort, wo Führungskräfte Zahlen auch dann ernst nehmen, wenn sie dem eigenen Bauchgefühl widersprechen. Umgekehrt braucht es den Mut zu sagen, wenn die Daten keine klare Antwort hergeben.

Die Kosten liegen deshalb weniger in Lizenzen als in Arbeitszeit. Daten aufbereiten, Begriffe klären, Ergebnisse erklären: Das alles braucht Stunden von Menschen, die das Geschäft kennen. Wer das nicht einplant, hat am Ende ein teures Werkzeug und keine Antworten.

Wo Analysen in die Irre führen

Daten wirken objektiv. Sie sind es nur begrenzt. Drei Fallen begegnen in Unternehmen besonders oft.

Die erste ist die Verwechslung von Zusammenhang und Ursache. Kunden, die den Newsletter lesen, kaufen mehr. Das heißt nicht, dass der Newsletter den Kauf auslöst. Vielleicht abonnieren ihn einfach die ohnehin treuen Kunden. Wer das klären will, braucht einen Test mit Vergleichsgruppe.

Die zweite Falle sind Kennzahlen, die selbst zum Ziel werden. Wird ein Callcenter nur nach der Gesprächsdauer bewertet, werden Gespräche kürzer, aber nicht besser. Beobachten Sie deshalb jede Kennzahl zusammen mit einer Gegenkennzahl, hier etwa mit der Zahl erneuter Anrufe.

Die dritte Falle ist die Auswahl der Daten. Wer nur abgeschlossene Aufträge auswertet, sieht die verlorenen Angebote nicht. Gerade dort stecken oft die interessanteren Antworten.

Hinzu kommt die Darstellung. Eine Achse, die nicht bei null beginnt, lässt kleine Unterschiede dramatisch aussehen. Durchschnittswerte verdecken, dass sich ein Teil der Kunden ganz anders verhält als der Rest. Fragen Sie deshalb bei jeder Grafik, was sie weglässt.

Klein anfangen, ehrlich messen

Business Analytics muss nicht mit einem großen Programm beginnen. Ein guter Start ist eine Liste der fünf Entscheidungen, die im nächsten Jahr am meisten Geld bewegen. Für jede klären Sie, welche Information fehlt und ob die Daten dafür vorhanden sind.

Daraus entstehen wenige, gezielte Auswertungen. Halten Sie vorher fest, was sich durch die Entscheidung ändern soll. Wenn eine Auswertung ein Ergebnis messbar verbessert, ist das der beste Grund für die nächste.

Klären Sie außerdem, wer jede Auswertung pflegt. Daten ändern sich, Produkte kommen hinzu, Abteilungen werden umgebaut. Ein Bericht, den niemand aktualisiert, liefert bald falsche Zahlen und verliert damit das Vertrauen, das er gewinnen sollte.

Künstliche Intelligenz wird Analysen künftig schneller und zugänglicher machen. Schon heute lassen sich manche Auswertungen in Alltagssprache anfordern. Die Frage, was eigentlich entschieden werden soll, nimmt sie Ihnen aber nicht ab.