{"id":102426,"date":"2018-07-16T11:10:54","date_gmt":"2018-07-16T09:10:54","guid":{"rendered":"https:\/\/easy-software.com\/?p=102426"},"modified":"2025-04-03T17:39:07","modified_gmt":"2025-04-03T15:39:07","slug":"beispiele-data-analytics","status":"publish","type":"post","link":"http:\/\/easy-software.com\/de\/newsroom\/beispiele-data-analytics\/","title":{"rendered":"Data Analytics: So transformieren Unternehmen ihr Business"},"content":{"rendered":"
\n
\n
\n
\n\n

Einige Data Analytics Beispiele sollen den Nutzen dieses dreistufigen Prozesses etwas konkreter aufzeigen und thematisieren, wie Unternehmen dadurch einen Wettbewerbsvorteil erlangen k\u00f6nnen.<\/p>\n\n\n\n

Wie bedeutend Daten sind, zeigt sich beispielsweise bei einem Formel-1-Wagen. Man mag zun\u00e4chst denken, dass Fahrer dadurch einen Vorteil erlangen, dass sie besonders gut fahren k\u00f6nnen, dass ihr Auto den besseren Motor hat oder die bessere Aerodynamik. Die entscheidende Basis f\u00fcr den Sieg legt aber etwas anderes: die Analyse verschiedener Sensordaten. Jedes Formel-1-Auto ist mit \u00fcber 150 Sensoren ausgestattet, die die wichtigsten Leistungsdaten in Echtzeit sammeln \u2013 Kraftstoffeffizienz, Reifendruck, Bremshitze, GPS oder Windgeschwindigkeit. Jeder Sensor ist eine Quelle von Daten, die sich w\u00e4hrend des Rennens analysieren l\u00e4sst und dem Team so einen Wettbewerbsvorteil bietet. Die Daten liefern zum Beispiel Indizien, wann der beste Zeitpunkt f\u00fcr einen Boxenstopp ist. Es l\u00e4sst sich dabei festhalten: Die Daten, die die Sensoren liefern, sind zwar wichtig, der eigentliche Mehrwert ergibt sich aber aus der Daten Analyse.<\/p>\n\n\n\n

Im gewissen Sinne sind Unternehmen wie Rennautos: Mit der Sammlung und Analyse der Daten ergibt sich ein Mehrwert, der Unternehmen einen Wettbewerbsvorteil gegen\u00fcber Konkurrenten geben kann.<\/p>\n\n\n\n

Big Data vs. Data Analytics<\/h2>\n\n\n\n

W\u00e4hrend eines Rennens sammelt ein Formel-1-Auto etwa 3TB an Daten. Nach einer Saison mit ca. 20 Rennen hat sich das bereits auf 60TB summiert. Das ist zun\u00e4chst einmal eine gro\u00dfe Menge Daten. Doch werden Rennen nicht anhand der Datenmenge an sich entschieden, sondern durch die von den Mechanikern gestellten Fragen, die mit Hilfe der Daten beantwortet werden m\u00fcssen und k\u00f6nnen.<\/p>\n\n\n\n

Dabei muss zun\u00e4chst unterschieden werden zwischen Big Data und Data Analytics. Big Data sind volumenstarke, schnelle und stark variierende Informationsbest\u00e4nde (Daten), die innovative Formen der Datenerhebung ben\u00f6tigen, um sie zu sammeln, bereinigen, speichern und nutzen. Die 3TB, die w\u00e4hrend eines Autorennens gesammelt wurden, sind zun\u00e4chst beispielsweise Big Data. Es ist eine gro\u00dfe Menge verschiedener Datentypen, sowohl strukturiert als auch unstrukturiert. Analysten und Data-Scientists m\u00fcssen diesen Typ von Daten mittels leistungsstarker Rechner und Algorithmen verarbeiten und analysieren, um Trends und Korrelationen zu erkennen, die dabei helfen k\u00f6nnen, Probleme zu l\u00f6sen.<\/p>\n\n\n\n

Dieser Typ einer Big Data Analyse f\u00fchrt normalerweise zu gr\u00f6\u00dferer Effizienz auf dem Makro-Level. Um noch einmal auf das Beispiel des Formel-1-Teams zur\u00fcckzukommen: Durch die Big Data Analyse kommen die Mechaniker und Technikexperten zu der Erkenntnis, dass das Auto immer dann langsamere Rundenzeiten f\u00e4hrt, wenn eine bestimmte Sorte Treibstoff im Tank ist. Das hei\u00dft, tauschen sie den Treibstoff, hat das Team eine gr\u00f6\u00dfere Chance das Rennen auch zu gewinnen.<\/p>\n\n\n\n

Was aber ist nun der Unterschied zu Data Analytics? Data Analytics ist dem gegen\u00fcber der Prozess der Datenuntersuchung mittels einer spezifischen Fragestellung und mit dem Ziel, Antworten zu finden, die dabei helfen evidenzbasierte Entscheidungen zu treffen. Data Analytics dient also dazu bestimmte Fragen zu beantworten, die sich speziell auf ein spezifisches Unternehmensziel beziehen. Noch einmal anhand des Formel-1-Teams betrachtet, k\u00f6nnte dies folgende Fragestellung sein: Das Team m\u00f6chte gerne wissen, welches die ideale Runde f\u00fcr einen Boxenstopp ist, damit dieser m\u00f6glichst effizient ist und m\u00f6glichst wenig Zeit kostet. Nicht nur in diesem Beispiel hilft Data Analytics solche sehr pr\u00e4zisen und themenbezogenen Fragen zu beantworten, die nicht nur ein Formel-1-Team zum Sieg f\u00fchren, sondern eben auch Unternehmen helfen Optimierungspotential aufzudecken.<\/p>\n\n\n\n

Beispiele wie mit Data Analytics Probleme gel\u00f6st werden konnten<\/h2>\n\n\n\n

Data Analytics nutzt Daten \u2013 also Fakten \u2013 um Probleme zu l\u00f6sen, egal ob dabei die Daten manuell analysiert werde oder mithilfe einer automatisiert. Sie startet also mit einer Frage und beginnt erst dann mit der Analyse der vorliegenden Daten.<\/p>\n\n\n\n

Genau wie ein Formel-1-Wagen mit all seinen Sensoren produzieren auch Unternehmen eine Vielzahl von sehr unterschiedlichen Daten. Jede operative Kernaufgabe, jede Interaktion mit einem Kunden oder Zulieferer erstellt wertvolle Daten. Durch eine entsprechende Analyse k\u00f6nnen diese als faktenorientierte Basis f\u00fcr Unternehmensentscheidungen genutzt werden und neue Erkenntnisse liefern, die Unternehmen von Grund auf ver\u00e4ndern. Diejenigen Unternehmen, die dies gezielt anwenden, haben bislang mit ihrem Erfolg die gesetzten Erwartungen \u00fcbertroffen. Das hat beispielsweise McKinsey in einer Studie best\u00e4tigt. Davon profitieren fast alle Bereiche inklusive Betriebsf\u00fchrung und Marketing, ebenso wie das angebotene Produkt selbst.<\/p>\n\n\n\n

Um das noch etwas konkreter zu machen, seien einige konkrete Beispiele genannt, die zeigen, wie Unternehmen ihr Gesch\u00e4ft durch Daten ver\u00e4ndert haben.<\/p>\n\n\n\n

Beispiel 1: UPS<\/h2>\n\n\n\n

UPS hat \u00fcber 10.000 seiner Lieferwagen mit Sensoren ausgestattet, um die gefahrenen Routen zu optimieren. Dabei starteten sie mit einer ganz einfachen Fragestellung: K\u00f6nnen wir den Verbrauch dadurch reduzieren, dass wir schnellere Routen f\u00fcr unsere Fahrer finden? Mit Hilfe der so gewonnenen Daten lie\u00dfen sich tats\u00e4chlich rund 38 Millionen Liter Kraftstoff einsparen. Die Fahrer fuhren zudem insgesamt rund 19,5 Millionen Kilometer weniger im Jahr.<\/p>\n\n\n\n

Beispiel 2: T-Mobile<\/h2>\n\n\n\n

T-Mobile nutzte Data Analytics um die Kundenfluktuation zu reduzieren. Das Unternehmen verwendete dabei Social Media Daten und glich diese mit ihrer CRM Software (Customer-Relationship-Management) und der internen Rechnungsstellung ab, um loyale Kunden zu identifizieren und eine personalisierte Kampagne zu starten, die entsprechend auf diese Kunden zugeschnitten war. T-Mobile konnte so die Abwanderungsquote um 50 Prozent verringern.<\/p>\n\n\n\n

Beispiel 3: Netflix<\/h2>\n\n\n\n

Auch Netflix nutzt Daten Analytics, um zu planen, welche Inhalte, Serien und Filme sie als n\u00e4chstes produzieren. Anhand der Nutzerdaten entwickelt Netflix Inhalte, bei denen eine hohe Wahrscheinlichkeit besteht, dass Nutzer sie auch annehmen und schauen. Die Datenanalyse 2017 produzierte dabei Einsichten in das Nutzerverhalten unter anderem geordnet nach L\u00e4ndern. Diese zeigte welche Serien zum Beispiel in Deutschland besonders h\u00e4ufig geschaut wurden, oder dass Mexiko das Land ist, in dem die meisten Nutzer tats\u00e4chlich jeden Tag Netflix schauen. Die Auswertung von Daten hat bei Netflix den Verkauf um 36 Prozent ansteigen lassen. Mehr noch: Netflix geh\u00f6rt heute zu den Garanten von Top-10-Serien. Man denke beispielsweise an die international erfolgreiche Hit-Serie \u201eThe Crown\u201c.<\/p>\n\n\n\n

Data Analytics erfolgreich nutzen<\/h2>\n\n\n\n

Wenn sich ein Unternehmen erstmals entscheidet, derartige Strukturen zur Datenanalyse aufzubauen und zu nutzen, mag das erst einmal aufwendig erscheinen. Entsprechende Tools sind jedoch oft mit geringen Anpassungen direkt einsetzbar und erm\u00f6glichen schnelle Resultate. Dabei sollten Unternehmen jedoch logisch vorgehen: Zun\u00e4chst geht es darum, klare Zielvorstellungen zu definieren. Geht es beispielsweile um eine Kostenreduktion oder soll der Kundenservice verbessert werden? Ist das Ziel einmal gesetzt, lassen sich auch die entsprechenden Fragen besser definieren. Danach geht es darum, an den richtigen Stellen die passenden Daten zu erheben und einen Datensatz aufzubauen, der daf\u00fcr geeignet ist, die gestellten Fragen auch zu beantworten. Die Auswahl des richtigen Tools ist nat\u00fcrlich ebenfalls entscheidend \u2013 sei es ein eigenes Tool oder eine bereits auf dem Markt existierende Anwendung.<\/p>\n\n\n\n

Ist die Datenanalyse erst einmal erfolgreich durchgef\u00fchrt, sind daraus nat\u00fcrlich auch die entsprechenden Konsequenzen zu ziehen. Eine noch so gute Analyse hilft nichts, wenn hinterher nicht die entsprechenden Schritte unternommen werden, um die gewonnenen Erkenntnisse auch in einer Strategie zu implementieren. Denn erst das schafft einen Wettbewerbsvorteil.<\/p>\n\n<\/div><\/div>\n<\/div>\n<\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"

Data Analytics als Analysemethode kann Unternehmen dabei helfen, ihr Gesch\u00e4ft, ihre Prozesse und das Unternehmen insgesamt zu transformieren. Wie die Sammlung von Daten, deren Analyse und die daraus gewonnen Erkenntnisse zusammenh\u00e4ngen, war bereits Thema eines voran gegangenen Artikels.<\/p>\n","protected":false},"author":64,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":"","_links_to":"","_links_to_target":""},"categories":[3],"tags":[],"download_type":[],"class_list":["post-102426","post","type-post","status-publish","format-standard","hentry","category-blog","no-featured-image-padding"],"acf":[],"_links":{"self":[{"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/posts\/102426","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/users\/64"}],"replies":[{"embeddable":true,"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/comments?post=102426"}],"version-history":[{"count":0,"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/posts\/102426\/revisions"}],"wp:attachment":[{"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/media?parent=102426"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/categories?post=102426"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/tags?post=102426"},{"taxonomy":"download_type","embeddable":true,"href":"https:\/\/easy-software.com\/de\/wp-json\/wp\/v2\/download_type?post=102426"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}