Data-Driven Organization – Finanzen, Kennzahlen, Business Intelligence & Dashboards

Management Informationssysteme sind nicht neu. Aber mit den Möglichkeiten von diversen Tools kann die Business Intelligence und die dazugehörige Visualisierung auf eine höheres Level gebracht werden. Aber Vorsicht. So einfach ist das Ganze doch nicht.

Geschäftsanalytik, englisch Business Intelligence (Abkürzung BI), ist ein der Wirtschaftsinformatik zuzuordnender Begriff, der Verfahren und Prozesse zur systematischen Analyse des eigenen Unternehmens bezeichnet. Dies umfasst die Sammlung, Auswertung und Darstellung von Daten in elektronischer Form.

Ziel ist die Gewinnung von Erkenntnissen aus den im Unternehmen vorhandenen Daten zur Unterstützung von Managemententscheidungen. Die Auswertung von Daten – über das eigene Unternehmen, die Mitbewerber oder die Marktentwicklung – geschieht mit Hilfe analytischer Konzepte sowie mehr oder weniger spezialisierter Software und IT-Systeme. Mit den gewonnenen Erkenntnissen kann das Unternehmen seine Geschäftsabläufe sowie seine Kunden- und Lieferantenbeziehungen erfolgreicher machen; Aspekte hierbei können Kostensenkung, Risikoreduzierung und Wertschöpfung sein.

Definition Business Intelligence aus Wikipedia

Die Technologie bietet spannende Tools und Visualisierungen, um die unterschiedlichsten Daten im Unternehmen sichtbar zu machen und für Entscheidungen zu nutzen. Es ist jedoch keine einfache Aufgabe, die richtigen Fragen zu stellen und die passenden Daten auszuwählen. Zudem ist das Erstellen der Datenmodellierung anspruchsvoll. Darüber habe ich bereits in einem Blogbeitrag berichtet: Data-Driven Organization: Sprichst Du schon API, ETL & Co.?

Power BI

In einer praktischen Übung haben wir in Power BI Measures kreiert. Dafür braucht es einiges Know-How über das Tool. Es gibt natürlich «vertraute Funktionen» aus Excel wie Summe und Anzahl etc. Aber das Vorgehen in Bezug auf das Datenmodell und die Zusammensetzung von Measures hat einiges mit der Struktur von Programmiersprachen zu tun.

In unserem Beispiel haben wir mit einem Datensatz von Bestellungen gearbeitet. Dabei haben wir auf Basis der Bestellzeilen folgende Measures kreiert:

  1. Anzahl der Bestellzeilen (Count) pro Monat (zeitliche Zuordnung durch Zeitstempel)
  2. Anzahl der Bestellzeilen für den jeweiligen Monat der Vorjahresperiode (zeitliche Verknüpfung der Perioden notwendig)
  3. Aus 1. und 2. lässt sich die Veränderung berechnen (absolut oder in Prozent)
  4. Alle Measures wie in 1. – 3. aber auf kumulierter Monatsbasis
  5. Anzahl der Bestellzeilen kumuliert über 12 Monate rollierend (d.h. jeder einzelne Monat und die 11 vorherigen Monate)

Die Übung hat gezeigt, wie überlegt man alle Measures aufbauen muss, damit sie auch bei neuem Data-Upload automatisch funktionieren. Jedoch wichtig zu beachten: Welche Fragen stellen wir uns und was erwarten wir aus den Daten ableiten zu können? Eine Analyse über die Anzahl Bestellzeilen mag zwar zeigen, wie sie sich zahlenmässig entwickelt haben. Aber das lässt noch keine schlüssigen Erkenntnisse über die Geschäftsentwicklung zu. Eine Bestellzeile kann einen bedeutenden Umsatz generieren. Oder keinen, wenn es sich um einen Gratisersatz handelt. Oder einen negativen, wenn Retouren darüber abgewickelt werden.
Dies zeigt, wie genau man die Geschäftsprozesse kennen muss, um Daten für Erkenntnisgewinn und Entscheidfindung herbeizuziehen.

ERP – Enterprise Resource-Planning

Enterprise Resource-Planning (ERP) bezeichnet die unternehmerische Aufgabe, Personal und Ressourcen wie Kapital, Betriebsmittel , Material und Informations- und Kommunikationstechnik im Sinne des Unternehmenszwecks rechtzeitig und bedarfsgerecht zu planen, zu steuern und zu verwalten. Gewährleistet werden sollen ein effizienter betrieblicher Wertschöpfungsprozess und eine stetig optimierte Steuerung der unternehmerischen und betrieblichen Abläufe.

Definition ERP aus Wikipedia

Ein ERP bietet einen Fundus an Transaktionsdaten, die weiter verwendet werden können. Sie spielen auch im Process Mining für die Optimierung von Geschäftsprozessen eine Rolle.

Hier eine Auswahl an möglichen Fragestellungen zu diesem Thema:

  • Was sind die häufigsten Pfade in meinem Prozess?
  • Wo sind die Engpässe im Prozess?
  • Was führt dazu, dass sich manche Fälle verzögern?
  • Welche Ressourcen sind überlastet?
  • Welche Fälle weichen vom Referezprozess ab?
  • etc.

Wir haben noch viele andere Themen behandelt: Fraud Detection & Continuous Auditing, Liquiditätsplanung, Aufbau von Dashboards für unterschiedliche Führungsebenen im Unternehmen. Dies würde den Umfang dieses Blogposts sprengen – darüber werden weitere Beiträge folgen.

Eine wichtige Erkenntnis hat sich aber auch in all diesen Themen und Zusammenhängen wieder gezeigt:

Es braucht zahlreiche bereichsübergreifende Kompetenzen und Zusammenarbeit, um den Aufbau einer datenbasierten Organisation erfolgreich gestalten zu können. Je weiter die technologische Entwicklung und die daraus folgende Spezialisierung des Know-How’s schreitet, desto mehr Kommunikation, Kollaboration und gegenseitiges Verständnis wird von den Menschen aufzubringen sein. Es gilt die beiden Seiten von technischen und menschlichen Fähigkeiten gewinnbringend zu vereinen.

Habt Ihr Interesse an den Beiträgen über die diversen Module des CAS? Voilà:

Data-Driven Organization: Trends & Drivers

Data-Driven Organization: Datenethik & Datensicherheit

Data-Driven Organization: Sprichst Du schon API, ETL & Co.?

Data-Driven Organization: Statistik, Künstliche Intelligenz und Maschinelles Lernen

Data-Driven Organization: Use Cases in Produktion & Logistik

Wie steht Ihr zum Thema Data-Driven Organization? Habt Ihr vertiefende Fragen & Input? Ich freue mich über Feedback und Kommentare.

Es darf auch gerne eine Empfehlung für weitere spannende Themen für meinen Blog sein.

Eure Gaby
#ModernCFO