Die digitale Transformation führt zu einer explosionsartigen Vermehrung der Datenbestände. Heutige Unternehmen müssen in der Lage sein, mit wachsenden Mengen an unterschiedlichen Daten umzugehen und immer wieder neue externe sowie interne Datenquellen nutzbar zu machen. Moderne Analyse-Tools leisten dabei wertvolle Dienste. Mit Advanced Analytics, einer logischen Erweiterung von Business Intelligence (BI) und Business Performance Management (BPM), lassen sich sogar künftige Entwicklungen und Ereignisse relativ genau vorhersagen.

Während traditionelle BI-Tools historische Daten untersuchen und analysieren, ist Advanced Analytics in der Lage, in bestehenden Daten versteckte Muster und Zusammenhänge automatisiert aufzuzeigen und sie mittels statistischer Verfahren auf die Zukunft zu projizieren. Verfügt die Anwendung über ein KI-Modul (Künstliche Intelligenz), lernt sie sogar, auf Basis der Ergebnisse weitere Prognosen aufzustellen. Dadurch lassen sich Planungsprozesse deutlich vereinfachen und beschleunigen sowie der Detailgrad von Planungen erhöhen. Zudem ermöglichen Advanced-Analytics-Anwendungen, What-if-Analysen zu erstellen – etwa um die Auswirkungen einer neuen Geschäftsstrategie vorwegzunehmen.

Aussagekräftige Datenbasis, definierte Rahmenbedingungen

Allerdings hat auch Advanced Analytics seine Grenzen. Das reine Füttern statistischer Modelle oder künstlicher Intelligenzen mit Daten wird kurzfristig nicht zu fundamental neuen Ergebnissen führen. Es bedarf gewisser Rahmenbedingungen und einer realistischen Einschätzung, um hier erfolgreich zu sein. Um Muster und Zusammenhänge in bestehenden Daten entdecken und valide Vorhersagen daraus ableiten zu können, muss zunächst die Basis geschaffen werden. Das heißt: Es müssen die richtigen Daten in der erforderlichen Qualität und Granularität sowie mit ausreichender Historie ausgewählt und integriert werden.

Auch ein tiefes Verständnis für das eigene Geschäftsmodell ist entscheidend für die erfolgreiche Entwicklung von Modellen. Denn nur, wenn beobachtete Faktoren in einer Ursache-Wirkungs-Beziehung stehen, können daraus abgeleitete Maßnahmen die gewünschte Wirkung erzielen. Prognosen auf Basis von Korrelationen ohne Kausalität sind für die Unternehmenssteuerung in der Regel nicht hilfreich.

Zudem ist Advanced Analytics keine Glaskugel. Bei Ereignissen, die nicht aus Vergangenheitsdaten erlernt werden können, stößt die vorhersagende Algorithmik an ihre Grenzen. Damit Modelle ihre Aussagekraft behalten, dürfen sich abgebildete Zusammenhänge in der Zukunft nicht ändern – sie müssen aus der Vergangenheit ableitbar sein. So lassen sich bei dynamischen Zusammenhängen, beispielsweise aus einem volatilen Geschäftsmodell, nur schwer historische Daten für valide und längerfristige Prognosen heranziehen. Auch extreme Werte oder bislang nicht bekannte Abhängigkeiten können die Vorhersagen verfälschen. Nur wenn sich die Rahmenbedingungen nicht häufig ändern, ergibt sich ein ausreichender historischer Kontext, der die beobachteten Faktoren in eine Ursache-Wirkungs-Beziehung stellen kann.