• analyse-reporting-planung-kpi-kennzahlen-dashboard-abweichung-business-intelligence

  • sap-ibm-sas-qlikview-microsoft-stas-cubeware-talend-infor-teradata-microstrategy

  • vertrieb-marketing-management-kommunikation-prozesse-business-intelligence

  • accantec-hamburg-frankfurt-koeln-heidelberg-business-intelligence-daten-it-software-consulting

  • mobile-handy-apps-business-intelligence-big-data-marketing

  • Reporting, Analyse, Forecasting, Planung: SAS, SAP, IBM, Microsoft
  • Verbindung technischer Systeme: Software, IT, Prozesse, Steuerung und Datenflüsse.
  • Durckblick im Datendschungel: unser Leben liefert immer mehr Daten und verschlingt immer mehr digitale Zeit.
  • Big-Data, Cloud, Statistik: lokal Handeln und schnelles Anpassen in einem globalen Zusammenhang.
  • Analyse, Reporting und Planung überall: Mobile Business Intelligence liegt stark im Trend.

Der verantwortungsvolle Datenfarmer

Veröffentlicht in QlikView Discovery

QlikviewMit diesen Tipps werden Mitarbeiter zu kompetenten Analysten.

Geht es um Datenanalysen, ist ein Self-Service-Business-Intelligence-Ansatz bei den meisten Firmen mittlerweile Standard.

Nicht mehr die IT, sondern Mitarbeiter in den Fachabteilungen führen die Analysen großer Datenmengen selbst durch.

Ein Aspekt der in diesem Zusammenhang bisher allerdings oft vernachlässigt wird, ist der verantwortungsbewusste Umgang mit Informationen.

Qlik gibt folgende Tipps, wie Unternehmen aus ihren Mitarbeitern sorgfältige Datenfarmer machen:

  1. Der Datenhut geht um: Fachabteilung oder IT, beide oder jemand ganz anderes? Die Frage, wer die Hoheit über die Daten hat, sollten Firmen unbedingt klären. Legen Sie Verantwortlichkeiten und Zugangsrechte klar fest, um die Qualität und Sicherheit der Daten zu gewährleisten. Ein praktikabler Ansatz ist es, IT- beziehungsweise BI-Team und Fachabteilung eng zu verzahnen: IT-Abteilung oder ein Business-Intellicence-Team als zentrale Stelle kümmern sich um das Meta- und Master-Datenmanagement. Mitarbeiter aus den Fachabteilungen bringen das nötige Know-how hinsichtlich der Sicherung der Datenqualität mit. Dabei muss die Detailabstimmung zwischen den Teams wie geschmiert funktionieren.
  2. Qualität ist Trumpf: Ein verantwortungsvoller Umgang mit Daten setzt eine hohe Datenqualität voraus. Dafür braucht es ein Bewusstsein seitens der Mitarbeiter, welchen Einfluss minimalste Eingabefehler auf die Ergebnisse haben. Oft fehlt dieses leider gänzlich. Die meisten Aufgaben, die bei der Datenpflege anfallen, werden als eintönig und stupide wahrgenommen. Dazu zählt auch die Bereinigung von Bestandsdaten, die oft nicht als wichtig erachtet wird. Hier helfen mitunter Software-Lösungen, fehlerhafte Daten zu entdecken. Das Ausmerzen der Mängel funktioniert allerdings meist nur per Hand und stellt eine Sisyphusarbeit dar. Aber die lohnt sich: Je sauberer die Daten, umso besser können sich Anwender auf Analyseergebnisse verlassen.
  3. Relevanz statt Masse: Von Beginn an sollte klar sein, zu welchem Zweck die Daten überhaupt erhoben werden. Der Schlüssel zum Big-Data-Erfolg liegt nämlich meist nicht darin, viele Daten zu sammeln und vorzuhalten. Vielmehr geht es darum, die relevanten Daten zu sammeln. Dies bietet praktischerweise einen weiteren Vorteil, vor allem für Unternehmen im Retail-Umfeld. Kunden sind mittlerweile sehr kritisch, was die Weitergabe von persönlichen Daten angeht. Ist ihnen allerdings bekannt, wozu ihre Daten verwendet werden und sehen sie den Mehrwert, sind sie den Möglichkeiten von Big Data gegenüber durchaus aufgeschlossen.
  4. Malen nach Zahlen: Obwohl die mittlerweile weit verbreiteten Self-Service-BI-Lösungen auf einfache Bedienbarkeit ausgelegt sind, bedarf es gewisser Grundvoraussetzungen seitens der Mitarbeiter. Sie müssen keine Statistik-Genies sein und auch keine ausgebildeten Data Scientists. Eine Affinität zu Zahlen schadet aber natürlich nicht. Außerdem sollten Anwender KPIs (Key Performance Indicators) eigenständig definieren können – und zwar so, dass sie einen direkten Nutzen für das Business liefern. Ebenfalls ist ein grundsätzliches Verständnis der genutzten Tools von großem Vorteil. Bei Self-Service-Analyselösungen sollten sich Anwender im Klaren sein, wo sie was im Repository finden, wie sie ein neues Objekt oder ein neues Arbeitsblatt anlegen beziehungsweise kopieren. Zudem ist es nie verkehrt, wenn ein Trainer die Nutzer über die vorhandenen Objekte und Formeln aufklärt und das Datenmodell kurz vorstellt. So kann der Anwender abschätzen, welche Felder und fertigen Analysen überhaupt möglich sind.

„Mit dem Leitthema Datability hat die CeBIT in diesem Jahr eine überaus wichtige Debatte ins Rollen gebracht. Ein verantwortungsvoller Umgang mit großen Datenmengen kam in der Diskussion um Big Data bisher oft zu kurz. Dabei geht dieses Thema alle an – vom Vorstand bis hin zu den Mitarbeitern, die die Daten eingeben. Unternehmen müssen sich dieser Diskussion stellen und daraus praktikable Lösungen entwickeln. Denn ein nachhaltiger Umgang mit Daten entsteht nur aus einer entsprechenden Firmenkultur heraus – er muss allen im Unternehmen in Fleisch und Blut übergehen,“ so Wolfgang Kobek, RVP Southern Europe und Managing Director DACH, Qlik. (Quelle: Qlik)

Tags:, , , , ,

accantec Social Media