Data Analytics

Allgemeine Definition

Der Begriff Data Analytics (häufig auch synonym als Big Data Analytics oder Data Mining bezeichnet) beschreibt eine wissenschaftliche Methode, die Daten aus verschiedenen Datenquellen extrahiert und untersucht. Dabei kommen statistische Methoden zum Einsatz, um aus den Daten versteckte Muster, unbekannte Korrelationen oder andere Informationen abzuleiten. Ursprünglich in der Forschung eingesetzt, um Hypothesen und Modelle aufgrund von Daten zu verifizieren, wird es heute in Unternehmen vielfach verwendet, um Entscheidungen auf einer belastbareren Grundlage zu treffen.

Bedeutung von Data Analytics

Da die Anzahl der Daten, welche täglich weltweit erzeugt werden, exponentiell ansteigt wird der Umgang mit der Datenmenge und die Ableitung von sinnvollen Schlussfolgerungen daraus immer wichtiger. Einer Studie von International Data Corporation (IDC) zufolge steigt der Umsatz mit Big Data und Business Analytics von 130 Mrd. US$ in 2016 auf mehr als 200 Md $ im Jahr 2020. McKinsey schätzt, dass Big Data Analytics dem amerikanischen Gesundheitswesen rund 300 Mrd. US $ einsparen kann. Diese Beispiele zeigen eindrucksvoll, wie wichtig Data Analytics bereits heute ist und in Zukunft noch mehr an Bedeutung gewinnen wird.

Arten und Einsatzbereiche

Häufig werden vier Arten von Data Analytics unterschieden:

Beschreibend (Was passiert in meinem Business?)
Diagnostisch (Warum passiert es?)
Vorausschauend (Was wird wahrscheinlich passieren?)
Vorschreibend (Was sollte ich tun?)

Im Finanzsektor kann Big Data Analytics dazu beitragen, Ausfallrisiken zu reduzieren, Betrugsfälle vorzubeugen oder sogar Geldwäsche zu bekämpfen. Im Einzelhandel kann Data Analytics dabei helfen, durch gezieltere Angebote an die Kunden, im Wettbewerb mit Online-Shops, zu bestehen. Auch in Unternehmen gibt es zahlreiche Anwendungen: im Finanz- und Rechnungswesen können Abweichungen besser gedeutet, und Risiken früher identifiziert werden. Dies gilt für finanzielle Risken, aber auch für die Überwachung und Einhaltung der immer wichtiger werdenden Compliance-Regeln.

In den Bereichen Marketing und Vertrieb können Zielgruppen besser identifiziert, oder auch der Nutzen von Marketing-Kampagnen und Vertriebsaktivitäten bestimmt, und so das Aufwand-Nutzen-Verhältnis optimiert werden. Customer Relation Management kann durch die Anwendung von Big Data Analytics nicht nur potenzielle Verkaufsmöglichkeiten identifizieren, auch die Untersuchung der Veränderung des Kundenverhaltens und damit die Vermeidung von Kundenabwanderungen sind damit möglich. Die Supply Chain profitiert von verbesserten Prognosen und dem früheren Erkennen von Abweichungen im Hinblick auf Bedarfe, Beschaffung, Produktion und Distribution.

Data Analytics wird für viele Unternehmen der Schlüssel zum Überleben in einem immer kompetitiveren Umfeld sein.