Single Point of Truth als Ausgangsbasis
Die Vielzahl an Daten, die Unternehmen aus den verschiedensten Quellen heute zur Verfügung stehen, entbehrt nicht einer gewissen Faszination. Mit der Menge wächst aber gleichzeitig die Schwierigkeit, sie geordnet den Entscheidungsprozessen im Unternehmen zuzuführen. Gefragt sind Spielregeln und eine Struktur. Ausgangsbasis sollte deshalb stets die Schaffung einer einheitlichen Datenbasis als “Single Point of Truth” sein. Erst dadurch entsteht eine konsistente und zuverlässige Sicht auf den gesamten Datenbestand des Unternehmens. Die einheitliche Datenbasis hilft dabei, Verwirrung zu vermeiden, die durch unterschiedliche Datenquellen und -formate entstehen kann. Sie stellt sicher, dass alle Abteilungen auf dieselben, aktuellen Informationen zugreifen.
Kennzahlen verstehen und nutzen
Um zu verstehen, was eine Kennzahl überhaupt ausdrückt und wie sie sich einsetzen lässt, kann man sie nach mehreren Kriterien differenzieren: Handelt es sich um eine monetäre oder eine nicht monetäre Größe? Ist sie lang- oder kurzfristig erfolgswirksam? Verfügt über einen Objektbezug, das heißt ergibt ihre Betrachtung nur im Abgleich mit einer weiteren Größe Sinn? Dass es einen Unterschied zwischen absoluten und relativen Kennzahlen gibt, ist vielen nicht klar. Er ist jedoch von großer Bedeutung, denn operatives Reporting funktioniert häufig nur auf der Basis absoluter Kennzahlen. Diese müssen qualifiziert werden, um als aussagekräftige KPIs zu dienen. Anders ist eine verlässliche Messung und (daraus folgernd anschließender Verbesserung) der eigenen Leistung nur schwer möglich.
Wesentlich für den Vergleich von Plan- und Istwerten ist die Integration von Analytics- und Planungsinhalten. Beide „spielen miteinander“, d.h. sind so verzahnt, dass auf der einen Seite der Planwert festgelegt und diesem später der Istwert gegenübergestellt wird. Darüber wird letztlich die in der Planung (Gemeinkosten-, Umsatz-, HR- etc.) vorgenommene Zielsetzung überprüft.
Data Warehouse persistiert flüchtige Daten
Neue cloudbasierte Data-Warehouse-Lösungen wie SAP Datasphere eröffnen bislang ungeahnte Möglichkeiten, komplexe Datenmodelle zu erstellen und sie virtuell zu verarbeiten. Flüchtige Daten, die im ERP-System (durch den nächsten Monatsabschluss etwa) überschrieben werden, lassen sich darin persistieren und für den Aufbau von Zeitreihenanalysen nutzen. Unter Einsatz von Machine Learning und KI kann man dann Analysen erstellen, die tiefere Einblicke erlauben und damit zu besseren Entscheidungen führen.
Über die Qualifizierung hin zu Top-KPIs
Der große Vorteil am Data Warehouse ist letztlich die Persistenz von Daten. Für den Auftragsbestand einzelne Zeitscheiben „wegschreiben“ zu können, ist essenziell für Unternehmensreporting und damit insgesamt die Unternehmenssteuerung. Dafür benötigt man wiederum das In-Bezug-setzen von Daten untereinander. Wenn sich diese auf eine bestimmte Zeit, Sache oder auf andere Kennzahlen beziehen, spricht man von Qualifizierung. Über die Qualifizierung hin zu Top-KPIs zu kommen, ist letztendlich das Ziel.
Mittels solcher Fähigkeiten unterstützen die neuen Technologien Unternehmen darin, aktuellen Herausforderungen wie etwa der Beschäftigtenbindung besser zu begegnen. Mehr dazu im Expert-Talk, der einen guten Überblick über die umfassenden Möglichkeiten von SAP Analytics für Datenintegration und -management, Datenanalyse und Reporting, Datenvisualisierung, Planung und Forecasting sowie den Einsatz von KI und Machine Learning gibt. Weitere wichtige Aspekte wie Daten-Governance, Sicherheit und die Integration mit SAP- und Drittanbieterlösungen werden ebenfalls beleuchtet.
