Business Intelligence Einführung und thematischer Überblick

Transkript

1 Business Intelligence Einführung und thematischer Überblick B. Sc. Thomas Menner ebusiness-lotse Oberschwaben-Ulm Nürnberg WIRTSCHAFTSRathaus,

2 Deutschlandweites Netzwerk der ebusiness-lotsen 38 Kompetenzzentren Bildung teilweise durch mehrere Projektpartner Unterschiedliche Themenschwerpunkte Breites Branchenspektrum Die Zentren sind vernetzt und unterstützen gemeinsame Aktivitäten bundesweit Teil der Förderinitiative ekompetenz-netzwerk für Unternehmen des Bundesministeriums für Wirtschaft und Energie (BMWi) Thomas Menner 2

3 ebusiness-lotse Metropolregion Nürnberg 3 Themen-Schwerpunkte: CRM, Mobile Business, Cloud Computing Bereitstellung praxisnaher Informationen Erstellung diverser Fachmaterialien Über-/regionale Informationsveranstaltungen, Workshops und Seminare, Präsenz auf Messen Kostenfreie vorwettbewerbliche Informationsgespräche Zugriff auf bundesweites Kompetenznetzwerk aus Experten Thomas Menner 3

4 ebusiness-lotse Oberschwaben-Ulm c/o Hochschule Ravensburg-Weingarten Lazarettstraße Weingarten Tel.: Fax: info@eloum.net Thomas Menner 4

5 Thematische Schwerpunkte des ebusiness-lotsen Oberschwaben-Ulm Thomas Menner 5

6 Thomas Menner 6

7 Thomas Menner 7

8 Facebook kann vorhersagen, ob jemand eine neue Beziehung beginnen wird Thomas Menner 8

9 Kreditkartenfirmen können Ehescheidungen vorhersagen, zwei Jahre im Voraus mit 95% Korrektheit - allein auf Basis des Kaufverhaltens Thomas Menner 9

10 Aktuelle Situation Explosionsartige Zunahme verfügbarer Daten über nahezu alle alltäglichen Abläufe Daten aus dem eigenen Unternehmen (Einkauf, Lagerverwaltung, Produktion, Verkauf, Marketing, etc.) Kundenverhalten Navigationsverhalten auf Webseiten Kundenfeedback und Produktbewertungen Starke Zunahme von Rechenleistung und Speicherkapazität Die Herausforderung Diese wertvollen Informationen bleiben oftmals ungenutzt wir dürsten nach Wissen aber ertrinken in Informationen (John Naisbitt) Thomas Menner 10

11 Agenda Was ist Business Intelligence? Einsatzmöglichkeiten Business Intelligence ein Überblick Vorgehensweise eines BI-Projekts Business Intelligence und KMUs? Zusammenfassung Thomas Menner 11

13 Was ist Business Intelligence? Analyse von Geschäftsdaten (Sammeln, Auswerten, Darstellen) Verbesserung operativer und strategischer Entscheidungen Thomas Menner 13

15 Einsatzmöglichkeiten in Ihrem Unternehmen Controlling Flexible Analysen zu Umsatz, Kosten, Erlöse Marketing & Vertrieb Kaufverhalten analysieren, Kundenpotenziale erkennen, Vertriebskanäle analysieren Einkauf Lieferantenmanagement, Beschaffungsmanagement Personal Personalkosten, Personalplanung, Überstundenanalysen Lagerhaltung Bestandsanalysen, Bestandsbewegungen Produktion Kapazitätsauslastung, Fehleranalyse Qualitätsmanagement Reklamationsprozess beschleunigen, Produktqualität erhöhen Thomas Menner 15

16 Beispiel - Marketing / Vertrieb Thomas Menner 16

17 Beispiel - Revenue Management Preisgestaltung auf Basis der Kundenzufriedenheit (in der Hotellerie) Bei hoher Preis- Leistungszufriedenheit (>80%) wird Preis erhöht Bei gesunkener Zufriedenheit wird versucht, die Service- Qualität zu erhöhen, um höheren Preis zu rechtfertigen Thomas Menner 17

18 Beispiel - Optimierung des Realprodukts Verbesserung der Produktqualität auf Basis der Auswertung von Kundenfeedback Food/Breakfast Mixed Rooms Service Wellness Thomas Menner 18

20 Business Intelligence Architektur Quellsysteme ERP System Reporting CRM System Kundendaten Data Warehouse OLAP Data Mining Daten unterschiedlicher Herkunft Aus operativen Systemen (ERP-Systeme, CRM-Datenbanken, Excel-Files) Aus dem WWW Thomas Menner 20

21 Business Intelligence Architektur Datenquellen Text- Dateien Reporting Datenbanken Html- Dateien Data Warehouse OLAP Data Mining Chronologische und dauerhafte Datenspeicherung (getrennt vom operativen Datenbestand) Integriert Daten aus unterschiedlichen Datenquellen in einheitlichem Format Thomas Menner 21

22 Business Intelligence Architektur Datenquellen Text- Dateien Reporting Datenbanken Html- Dateien Data Warehouse OLAP Data Mining Verschiedene Möglichkeiten zur Darstellung und Auswertung der Daten Thomas Menner 22

23 Reporting über generierte Reports Automatisch generierte Reports für das Management extrahop.com Thomas Menner 23

24 Reporting über Dashboards Kompakte Darstellung der wichtigsten Kennzahlen (KPIs) Thomas Menner pressebox.de 24

25 OLAP (Online Analytical Processing) winfwiki.wi-fom.de Thomas Menner 25

26 Data Mining Kundensegmentierung zur Produktdifferenzierung und Marketing / CRM Cluster 1 (56.767) Junge Wochenend- Kunden mit geringem Buchungspreis, buchen hauptsächlich Skischule kurzfristig über das Telefon Cluster 3 (19.182) Ältere Kunden buchen für einen einwöchigen Aufenthalt vor allem Skipass und Skiausrüstung über das Web Cluster 2 (37.290) Kunden, die langfristig eine Unterkunft für eine Woche buchen Typische Merkmale zur Segmentbildung demografische Merkmale (Alter, Geschlecht, ) soziografische Merkmale (Einkommen, Beruf, Wohnverhältnisse, ) regionale Merkmale (Wohnort, Wohngegend, ) verhaltensorientierte Merkmale (Preisorientierung, Mediennutzung, Einkaufsstättenwahl, ) Thomas Menner 26

27 Data Mining Warenkorbanalyse Entscheidungsbaum (Statistica) Welche Produkte werden häufig gemeinsam gekauft? Cross Selling Ist ein Kunde kreditwürdig? Wird ein Kunde auf eine Marketingkampagne reagieren? Wird ein Kunde kündigen? Thomas Menner 27

28 Was brauche ich konkret? BI-Komponente Einsatz / Relevanz Voraussetzungen Data Warehousing Reporting / Dashboards Integration heterogener Daten aus unterschiedlichen Datenquellen Bereitstellung historischer Daten Automatisierung des Berichtswesens Primäre Komponente einer BI- Architektur Setzt spezifische Expertise voraus Benötigt einen dauerhaften Aufwand zur Pflege / Aktualisierung Setzt i.d.r. lediglich Kenntnisse der Quelldaten voraus OLAP Data Mining Ermöglicht flexible und leistungsfähige Betrachtung der Daten Zielgruppe eher Business Analysten Ermöglicht komplexe, weitergehende Analysen Richtet sich ausschließlich an Business Analysten Erfordert i.d.r. ein Data Warehouse Setzt profunde Kenntnisse im Bereich Data Mining voraus Thomas Menner 28

30 Vorgehensweise eines BI-Projekts Anforderungen definieren Daten analysieren Software- Komponenten auswählen Data Warehouse aufbauen Einsatz in der Praxis Anforderungen definieren Welche Fragen sollen beantwortet werden? Welche Zusammenhänge sollen erkannt werden? Festlegen der Kennzahlen und Auswertungen Umsatz pro Monat/Woche/Tag, pro Region/Standort Verkaufszahlen pro Monat/, pro Kunde Festlegung relevanter Analysemethoden Reports, OLAP Data Mining Trendanalyse des Umsatzes der letzten Jahre Vorhersage des Umsatzes für den nächsten Monat/Jahr Bildung von Kundensegmenten aufgrund des Kaufverhaltens Thomas Menner 30

31 Vorgehensweise eines BI-Projekts Anforderungen definieren Daten analysieren Software- Komponenten auswählen Data Warehouse aufbauen Einsatz in der Praxis Daten analysieren Welche Daten liegen bereits vor? Welche Daten können beschafft / generiert werden? Welche Qualität haben die Daten? Korrektheit, Vollständigkeit, Aktualität Thomas Menner 31

32 Vorgehensweise eines BI-Projekts Anforderungen definieren Daten analysieren Software- Komponenten auswählen Data Warehouse aufbauen Einsatz in der Praxis Software-Komponenten auswählen Es existieren leistungsfähige Gesamtlösungen sowohl kommerziell als auch im Bereich Open-Source ABER: spezifisches Know-how und ein gewisses Maß an Einarbeitungsaufwand ist immer mit einzurechnen Thomas Menner 32

33 Vorgehensweise eines BI-Projekts Anforderungen definieren Daten analysieren Software- Komponenten auswählen Data Warehouse aufbauen Einsatz in der Praxis Data Warehouse aufbauen Spiegelt Anforderungen und vorliegende Daten wider Ist auf jeden Fall unternehmensspezifisch Entscheidet über die Leistungsfähigkeit des gesamten BI-Systems Erfordert spezifisches Data Warehouse Know-how Thomas Menner 33

34 Vorgehensweise eines BI-Projekts Anforderungen definieren Daten analysieren Software- Komponenten auswählen Data Warehouse aufbauen Einsatz in der Praxis Einsatz in der Praxis Schulung der Mitarbeiter Überprüfung der Praxistauglichkeit Liefert das Werkzeug die gewünschten Informationen? Wird es von den Mitarbeitern/Management wie gewünscht genutzt? Thomas Menner 34

35 Kritische Erfolgsfaktoren Auswahl eines passenden Dienstleisters Hat der Dienstleister spezifische Erfahrung in der Durchführung von BI- Projekten? Unterstützt der Dienstleister aktuelle Technologien & Werkzeuge? Hat der Dienstleister spezifische Erfahrung in der relevanten Branche? Unterstützung durch Management/Mitarbeiter Bereitstellung der Anforderungen / benötigten Analysen Bereitstellung vorliegender Daten / Dokumentationen usw. Validierung des Data Warehouses (Sind die richtigen und aktuellsten Daten im Data Warehouse?) Thomas Menner 35

37 Business Intelligence und KMUs? Aktuelle Situation Hauptgründe für Hemmungen beim Einsatz von BI: Kosten der Systeme Komplexität der Systeme Folge: Excel als BI-Tool immer noch weit verbreitet Aber BI muss nicht immer teuer und kompliziert sein Zahlreiche BI-Tools verfügbar, die kostenlos sind bzw. relativ kostengünstig meist gut dokumentiert sind (Anleitungen, YouTube-Videos, etc ) eine Integration der bestehenden Excel-Sheets ermöglichen Thomas Menner 37

38 Business Intelligence und KMUs? Beispiel PowerPivot für Microsoft Excel Nutzung mit Genehmigung von Microsoft Thomas Menner 38

40 Zusammenfassung Fazit Verfügbare Daten über Geschäftsabläufe und Kunden nehmen ständig zu Möglichkeiten zur Auswertung der Daten (Hard-/Software) werden immer besser Business Intelligence wird immer essentieller für Ihren Geschäftserfolg Empfehlung Überlegen Sie zunächst: Welche Daten über Ihre Geschäftsabläufe oder Ihre Kunden und deren Verhalten haben Sie vorliegen? Welche Erkenntnisse lassen sich aus diesen Daten gewinnen und wie können Sie hiermit Ihren Geschäftserfolg steigern? Beginnen Sie mit einfachen Auswertungen (Reports/Dashboards) Planen Sie weitergehende Auswertungen Kontaktieren Sie gegebenenfalls einen Dienstleister Thomas Menner 40

41 Business Intelligence Einführung und thematischer Überblick B. Sc. Thomas Menner ebusiness-lotse Oberschwaben-Ulm Nürnberg WIRTSCHAFTSRathaus,