Datenanalyse: Unterschied zwischen den Versionen

Aus neuedonau.net
Zur Navigation springen Zur Suche springen
 
(Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt)
Zeile 45: Zeile 45:
 
===Betroffene Dimensionen und Ebenen===
 
===Betroffene Dimensionen und Ebenen===
 
Kernebene: Technologie, Geschäftsprozess, Geschäftsmodell<br>
 
Kernebene: Technologie, Geschäftsprozess, Geschäftsmodell<br>
Kerndimension: Qualität der betrieblichen Abläufe, Produkte und Dienstleistungen, Kunden und ihr Erlebnis<br>
+
Kerndimension: Qualität der betrieblichen Abläufe, Produkte und Dienstleistungen, KundInnen und ihr Erlebnis<br>
 +
 
 
===Weiterführende Quellen===
 
===Weiterführende Quellen===
Welche Quellen haben wir selbst untersucht (link zu Quellenverzeichnis)<br>
+
<br>

Aktuelle Version vom 2. Februar 2022, 19:25 Uhr

Empfehlung

Werkzeuge zur Datenanalyse einsetzen

Kurzbeschreibung

Mit Werkzeugen zur Datenanalyse, auch Reporting-Tools genannt, kannst du flexibel Auswertungen aus dem vorhandenen Datenmaterial erstellen. Verschiedene Datenquellen können eingebunden werden und zueinander in Beziehung gesetzt werden. Besonders hilfreich ist das "Exception Reporting", also das automatische Erkennen und Melden von Ausnahmesituationen im vorhandenen Datenmaterial.

Anwendungsbeispiele

Wenn die Ausgangsrechnungen in einem maschinell lesbaren Format vorliegen, kann man Rechnungsköpfe und Positionsdaten in eine Tabellenkalkulation importieren und dort Warenkorb-Analysen erstellen. Das kann auch durch den Import vorliegender Kassendaten durchgeführt werden. Durch Analyse des zeitlichen Verlaufs lassen sich Erkenntnisse für den Einsatz der VerkaufsmitarbeiterInnen gewinnen. Verknüpft man die Verkaufspositionen mit den Einkaufspreisen aus den Produktdaten, lässt sich der Rohertrag pro Produkt ermitteln. Das sollten nur Beispiele darstellen, da es eine Vielzahl von Anwendungen und Verwendungszwecke gibt.

Konkreter Nutzen

Die im Unternehmen bereits vorliegenden Daten werden genutzt und wertvolle Erkenntnisse zur Optimierung können gewonnen werden.
So zum Beispiel in den Bereichen: Preisgestaltung, Sortiment, Kundenansprache, Zeitplanung, Einkauf
Der Nutzen wird meist den überschaubaren Aufwand übersteigen.

Vorbedingungen, Grundanforderungen

Die Vorbedingung für eine erfolgreiche Datenanalyse ist die strukturierte Speicherung von Unternehmensdaten. Eine genaue Beschreibung, wo und welche Daten in welcher Form vorliegen, sollte zu Beginn des Projekts klar sein.

Typische Vorgehensweise

Im ersten Schritt sind Fragen zu definieren und ist eine entsprechende Software zu installieren. Nachdem die zu analysierenden Daten der Software bereit stehen, können Abfragen formuliert werden. Die Ergebnisse grafisch darzustellen, kann die Lesbarkeit fördern und verschafft einen Überblick.
Keinesfalls gleich eine Softwarelösung kaufen, sondern erst über gratis-Tools und Probe-Anwendungen die Anforderungen an ein solches Tool herausfinden.

Einrichten einer Basis für die Anwendung

Erstes Know-How erwerben durch Versuche mit Test-Anwendungen und Gratis-Tools. Recherche innerhalb der Branche, aber auch durch eine allgemeine Web-Recherche, wie es andere Unternehmen machen. Eine gute Anlaufstelle sind hierfür auch oft SteuerberaterInnen.

Sinnvolle Ausbaustufe 1

Oft ist es von Vorteil, erst einen kleinen Prototyp zu planen und zu realisieren. So können erste Erfahrungen und Erfolgserlebnisse mit reduziertem Aufwand gesammelt werden.

Sinnvolle Ausbaustufe 2

Laufende Kosten/Nutzanalysen helfen die Sinnhaftigkeit dieser Anwendung für den Einsatz zu beleuchten. In Folge können Methoden standardisiert werden, um Reports dann zu erhalten, wenn diese gebraucht werden. Gegebenenfalls ist eine Rücksprache mit MitarbeiterInnen von Vorteil um die Abfragen schrittweise zu verbessern.

Herausforderungen, Risiken

Überlege welche Risiken bei nicht Funktionieren dieser Einführung entstehen könnten.
Anfangs entsteht kaum Risiko, da kein primärer Geschäftsprozess betroffen ist. Wenn Analysedaten automatisch zur Steuerung von Geschäftsprozessen genutzt werden, steigt das Risiko bei einem Ausfall. Erarbeite einen Backup Plan.

Typischer Aufwand

Zuerst sollten einige Fragen formuliert werden, die die Datenanalyse beantworten sollen. Dann kann festgelegt werden, mit welcher Software man die Daten analysieren möchte.
Wenn sich in kurzer Zeit keine einzige Frage beantworten lässt, raten wir dazu eine andere Software zu verwenden oder die Fragen zu überdenken, wenn denn entsprechende Daten vorliegen.
Ein erster Erfolg sollte in ein paar konzentrierten Arbeitsstunden realisiert werden.
Um den typischen Aufwand zu schätzen, braucht es einen konkreten Umsetzungsplan. Wo bist du jetzt, und wo möchtest du wann sein? Wenn diese Eckpfeiler geklärt sind, kann der Aufwand abgeschätzt werden. Um einen Richtwert zu errechnen, wie hoch die Kosten sind, um die spezifische IT-Anwendung zu betreiben, steht dir der Eintrag zu IT-Kosten zur Verfügung.
Der Aufwand lässt sich minimieren, wenn man kostenlose Open Source Software oder Testversionen verwendet.
Es empfiehlt sich, nach einigen paar Versuchen, möglichst bald eine einheitliche Vorgehensweise festzulegen.

Mögliche Anbieter

Für erste Versuche eignen sich vorhandene Office Produkte (Microsoft Excel, LibreOffice Calc)
Für fortgeschrittene Analysen:

Betroffene Dimensionen und Ebenen

Kernebene: Technologie, Geschäftsprozess, Geschäftsmodell
Kerndimension: Qualität der betrieblichen Abläufe, Produkte und Dienstleistungen, KundInnen und ihr Erlebnis

Weiterführende Quellen