Daten in Wissen umwandeln: Data Analytics, Business Intelligence und Data Science

In der Geschäftswelt sind Daten ein kostbares Gut. Jedoch werden sie oft lediglich gesammelt und archiviert, anstatt sie erfolgreich für Entscheidungen zu nutzen. Viele Unternehmen verlassen sich immer noch stark auf Intuition, anstatt datenbasierte Entscheidungen zu treffen.

Um in einer datengetriebenen Welt erfolgreich zu sein, ist es entscheidend, die richtigen Fragen zu stellen: Was will das Unternehmen genau wissen? Welche Probleme sollen gelöst werden? Welche Daten haben wir und was müssen wir mit diesen tun, um Erkenntnisse zu gewinnen? Die Data Science Unit von Roll & Pastuch besteht aus BeraterInnen, die sich auf die Beantwortung dieser Fragen spezialisiert haben.

Datenbasierte Entscheidungen statt Bauchgefühl – „Let the data speak“

Die Anwendungen von Data Science sind vielfältig und reichen von der Berechnung einfacher Kennzahlen (KPIs), über die Erstellung von Dashboards, bis hin zu komplexen Machine-Learning-Ansätzen. Das Ziel ist immer das Gleiche: Daten in Wissen umwandeln. Bevor jedoch die Analyse beginnen kann, müssen Daten erst erhoben, aufbereitet und zusammengeführt werden.

Daten systematisch erfassen und aufbereiten

Ungeordnete Rohdaten sind ohne zielgerichtete Aufbereitung von begrenztem Nutzen. Unternehmen generieren eine Vielzahl von Daten, darunter Transaktionsdaten, Kundennachrichten, Inventardaten, Maschinenleistungsdaten und Referenzdaten. Diese wertvollen Datenressourcen werden jedoch oft unzureichend verwaltet und nicht effizient genutzt. Für eine gewinnbringende Weiterverarbeitung müssen Daten sorgfältig überprüft, bereinigt, validiert, angepasst und korrigiert werden. Obwohl die Datenpräparation eine mühsame Aufgabe ist, stellt sie eine unverzichtbare Grundlage für alle Analysen und die daraus resultierenden Schlussfolgerungen dar. Stammdatenpflege und Datenbereinigung sollten daher in jedem Unternehmen eine hohe Priorität genießen.

Bei der Anwendung von Data Science kann auf eine unternehmensweite Governance nicht verzichtet werden. Die in entscheidungsrelevanten Dashboards verwendeten Kennzahlen müssen qualitätsgesichert und dokumentiert sein, damit sich die Nutzer auf die gelieferten Informationen verlassen können.

Unsere Data Science Unit bietet professionelle Unterstützung bei der Identifizierung und Aufbereitung von Datenanforderungen, speziell für die Entwicklung von Dashboards in den Bereichen Pricing und Vertrieb. Wir leisten zudem wertvolle Hilfe bei der Entwicklung einer umfassenden Governance für Daten und Kennzahlen. Dies ermöglicht es Ihrem Unternehmen, das volle Potenzial der vorhandenen Datenbestände effektiv zu nutzen.


Verschiedene Methoden – immer auf unsere Kunden zugeschnitten

Für die Analyse der Daten bieten sich je nach Zielvorhaben verschiedene Möglichkeiten an. Die Wahl der Analysetools richten wir hierbei individuell auf den Kunden und das Projekt aus. Für einfache Ad-Hoc-Analysen müssen nicht immer die meist hohen Anforderungen von Geschäfts-Dashboards erfüllt werden. Häufig kann ein pragmatischer Ansatz unter Verwendung von Excel und heterogenen, unvollständigen Daten schnell zu ausreichend aussagekräftigen Ergebnissen führen. In anderen Fällen sind dagegen Werkzeuge gefordert, die komplexe Muster in den Daten erkennen oder sehr große Datenmengen bearbeiten sollen – hier entsteht schnell der Bedarf nach abgestimmten Informationssystemen, die nur dank performanter Technik und Künstlicher Intelligenz Ergebnisse liefern können.

Data Analytics: Individuelle Analysen & Tools

Im Laufe eines Pricing oder Vertriebs-Projekts kommen oft Fragen auf, die sich nur durch quantitative Analysen beantworten lassen. Gerade für etwas kleinere Datenmengen und klar eingegrenzte Problemstellungen bieten sich Low-Code Lösungen wie Power BI oder Excel als pragmatische Analysetools an. Weitere Vorteile dieser Lösungen sind die Bedienfreundlichkeit und Akzeptanz in Unternehmen. Das ermöglicht es individuell auf unsere Kunden zugeschnittene Tools wie zum Beispiel Zielpreisrechner oder Profitabilitätsanalysen zu erstellen, die vom Kundenteam ohne aufwändiges Training genutzt werden können.

Business Intelligence Lösungen

In den meisten Organisationen liegt dank modernen CRM, ERP und Accounting Systemen bereits eine große Menge maschinenlesbarer Daten vor. Die Herausforderung bei Business Intelligence (BI) Lösungen ist es, diese in Dashboards zu überführen, aus denen direkt Entscheidungen abgeleitet werden können. Im Gegensatz zu individuellen Tools und Ad-Hoc-Analysen sind hier die Anforderungen an die Datenqualität deutlich höher. Zudem ist es notwendig, eine größere Anzahl von Stakeholdern in den Entwicklungsprozess einzubeziehen. Die Erstellung eines Geschäftsdashboards ist daher in der Regel ein umfassendes Projekt, das die Interessen und Ziele vieler Nutzer berücksichtigen muss. Der potenzielle Nutzen, jederzeit einen transparenten Einblick in die aktuelle Unternehmenslage zu erhalten, stellt jedoch einen wesentlichen Vorteil dar, der den erforderlichen Aufwand rechtfertigt.

Data Science: Maschinelles Lernen & künstliche Intelligenz

Für bestimmte Fragestellungen reichen konventionelle Analysemethoden nicht aus. Um in umfangreichen Datensätzen automatisiert Cluster zu identifizieren, Zeitreihen vorherzusagen oder Kategorien zuzuordnen, ist der Einsatz von maschinellen Lernverfahren sinnvoll. Künstliche Intelligenz (KI) spielt eine Schlüsselrolle in der Erstellung von Modellen für Vorhersagen („Predictive Analytics“) oder beim Gewinnen neuer, tiefgehender Erkenntnisse durch Data Mining. In unserer Arbeit nutzen wir sowohl klassische statistische Verfahren als auch modernste Techniken des maschinellen Lernens, um die vielfältigen Herausforderungen unserer Kunden zu meistern.

Data Science lohnt sich

Datenanalysen ermöglichen es Unternehmen, neue Muster und Zusammenhänge zu erkennen. Durch gezielte Auswertung können fundierte Entscheidungen getroffen, Prozesse optimiert und zukünftige Trends vorhergesagt werden, was zu erhöhter Effizienz und Wettbewerbsvorteilen führt. Die Lösungen, die wir gemeinsam mit unseren Kunden erarbeiten, erhöhen nicht nur die Transparenz über vergangene Entwicklungen, sondern bilden die Grundlage für ihre zukünftige Unternehmenssteuerung.


Data Science im Pricing und Vertrieb

Die Anwendungsmöglichkeiten in den Bereichen Vertrieb und Pricing sind sehr vielfältig und können im Zuge eines Kundenprojekts immer auf die individuellen Anforderungen zugeschnitten werden. Die folgenden Beispiele geben einen Ausblick auf die am häufigsten angefragten Themen.

1. Analyse der Preiswasserfalls

Zwischen dem Listenpreis und dem letztendlich fakturierten Netto-Netto-Umsatz eines Unternehmens liegt eine Vielzahl von Preiswasserfall-Elementen, die den Ertrag entweder positiv oder negativ beeinflussen können. Viele Unternehmen sind bestrebt zu verstehen, welche Faktoren den Ertrag maßgeblich beeinflussen und wo ungenutzte Potenziale liegen. Durch eine Reihe von gezielten Analysen lassen sich systematisch Schwachstellen im Pricing identifizieren. Dazu gehören die Identifikation von Preis- und Mengeneffekten, undifferenzierter Rabattvergabe oder ungünstiger Fracht- und Verpackungskosten. Ein tiefes Verständnis des Preiswasserfalls und der damit verbundenen Preiseffekte ist eines der effektivsten Instrumente, um verborgenes Potenzial zu erschließen. Für viele Unternehmen stellt dies einen entscheidenden Schritt hin zu einem deutlich verbesserten Preismanagement dar. Mit Hilfe der in der Data Science Unit entwickelten Werkzeuge identifizieren wir im Zuge eines Pricing-Audits die Schwachstellen im Preiswasserfall.

2. Kundensegmentierung

Der Kundenstamm ist in den seltensten Fällen homogen. Die Unterscheidung von Kunden in Zielgruppen ist eine Voraussetzung für die Entwicklung und Umsetzung Vertriebs- und Marketingstrategien. Das Ziel ist hierbei, Kunden nach ähnlichen Merkmalen zu klassifizieren, damit diese gemeinsam adressiert werden können. Größe und Anzahl der Segmente hängen unter anderem von Industrie, Umsatz, Produktportfolio und Vertriebskanal ab. Clusteranalysen können von einfachen eindimensionalen Methoden – wie der Differenzierung nach Kaufhäufigkeit – bis hin zu multivariaten Methoden wie der Conjoint-Analyse und der Faktorenanalyse reichen. Wir setzen zur Ermittlung von Kunden- oder Produktclustern meist Methoden aus dem Data Mining ein, die auch auf sehr großen Datenmengen anwendbar sind.

3. Simulationen von Preis- und Rabattsystemen

Die Optimierung eines Preis- und Konditionensystems erfordert es, dass die neuen Regeln mithilfe einer Simulation bewertet werden können. Was ändert sich, wenn die neuen Regeln eingeführt werden? Bei komplexeren Systemen ist eine solche Simulation die Voraussetzung dafür, um die Parameter neuer Preissysteme korrekt zu justieren. Hoher Bedarf besteht dabei immer für eine Simulation auf Kundenebene, um die neu entwickelten Systeme auch in den Markt umsetzen zu können. Wir greifen dabei auf eine Reihe von Referenzanwendungen zu, um Preis- und Rabattsysteme zu simulieren. Für spezielle Aufgaben, wie etwa das Ersatzteil-Pricing, haben wir mit nueprice eine Software-Lösung entwickelt.

4. Vorhersage von Preiseffekten und Zuschlagswahrscheinlichkeiten

Moderne Verfahren des maschinellen Lernens ermöglichen es, aus den Verkaufsdaten von Unternehmen systematisch Erkenntnisse über optimale Preisgestaltungen zu gewinnen. Diese Methoden können aufzeigen, welche Preise sinnvoll sind und welche Absatzänderungen beim Erreichen bestimmter Preisniveaus zu erwarten sind. Insbesondere für Ausschreibungen ist dies von großer Bedeutung. Hier kann mithilfe dieser Techniken ermittelt werden, bei welchen Preispunkten ein optimaler Trade-Off zwischen der Gewinnmarge und der Zuschlagswahrscheinlichkeit besteht. Wir entwickeln dafür Modelle, mit denen sich die Einflussfaktoren auf die Zahlungsbereitschaft quantifizieren lassen. Mit Hilfe solcher Modelle ist es möglich, Preise zu optimieren und den Vertrieb bei der operativen Preisbildung wirksam zu unterstützen.

Nutzen Sie das Potential Ihrer Daten

Ein bewährter Startpunkt bei Projekten ist das 360° Daten-Audit. Dabei evaluieren wir in einem drei- bis vier-wöchigen Check die Datenbasis und aktuellen Analysewerkzeuge unseres Kunden, um vorhanden Nachholbedarf zu identifizieren. Der Fokus liegt hierbei meist bei den Daten rund um das Pricing von Produkten und Dienstleistungen, kann aber auf Wunsch auch auf andere Bereiche erweitert werden.

Im Zuge des Daten-Audits zeigen wir konkrete Handlungsfelder auf und erstellen einen Implementierungsplan. Durch diese Analyse erhält der Kunde eine klare Vorstellung davon, welche Maßnahmen für ihn besonders effektiv und notwendig sind.

Prof. Roll & Pastuch – Management Consultants hat langjährige Erfahrung bei der erfolgreichen Durchführung komplexer Data Science und Analyseprojekte: Wir entwickeln für Sie

  • individuell zugeschnittene Pricing- und Vertriebstools
  • etablierte Business-Intelligence Lösungen
  • State-of-the-Art Anwendungen der künstlichen Intelligenz

So gelingt die Transformation von Big Data hin zu Smart Data.

Kontaktieren Sie unsere Data Analytics & BI Experten noch heute

Gerne stehen wir Ihnen bei Fragen und für weitere Informationen zur Verfügung.