Komplexe Analysen und maschinelles Lernen erm枚glichen Unternehmen eine intelligente Planung. Da fragt man sich: Warum ist dies wichtig und was hat das mit der Zufriedenheit der Kunden und der Mitarbeiter – oder kurz gesagt, mit dem Erfolg des Unternehmens zu tun? Alleine aus den Datenbergen werden noch keine klugen Entscheidungen getroffen. Es braucht eine intelligente Planung um Prozesse zu optimieren, komplexe Analysen durchzuf眉hren und spezifisch zu harmonisieren.
鈥濼alent gewinnt Spiele, aber Teamwork und Intelligenz gewinnen Meisterschaften.鈥� 鈥�Michael Jordan, NBA Hall of Fame
Wie bei allen Sportarten ist es auch beim Basketball enorm wichtig, einen ausgefeilten Plan zu haben, bevor das Spiel beginnt. Doch ab dem Moment, in dem der Ball ins Spiel gebracht wird, muss der Plan bewertet und angepasst werden. Dasselbe gilt f眉r auch f眉r die Wirtschaft. Bei der Ausarbeitung eines Plans sollte man immer mit einer Analyse der bisherigen Ergebnisse beginnen. Diese dienen dann als Grundlage f眉r die Ausrichtung des Unternehmens und f眉r die Messung des zuk眉nftigen Erfolgs. Wie jeder wei脽, sind bisherige Ergebnisse nicht immer ein Indikator f眉r die Zukunft.
Mit maschinellem Lernen erf盲hrt man erstaunlich viel 眉ber Markttrends und die Treiber des Gesch盲fts. Dazu z盲hlen Faktoren wie Markttendenzen, Kundennachfrage, wirtschaftliche Faktoren, Wetter und Transportkosten. Viele Unternehmen ber眉cksichtigen diese unterschiedlichen Faktoren, f眉hren dann aber nur begrenzte oder zeitaufw盲ndige Analysen durch. Durch diese Vorgehensweise wird die Flexibilit盲t des Unternehmens eingeschr盲nkt.
Eine Studie, die 2018 vom Marktforschungsinstitut IDC durchgef眉hrt wurde, ergab, dass 88听% der befragten Unternehmen immer noch Excel-Tabellen als wichtigstes Planungswerkzeug verwenden. Die meisten dieser Firmen waren lediglich in der Lage, Pl盲ne f眉r das gesamte Gesch盲ftsjahr zu erstellen. Neun Monate sp盲ter begannen sie wieder von vorn.
Auf dem Weg zu besseren Ergebnissen
Seit Jahren beobachten Mitarbeiter in Finanzabteilungen den Hype um Big-Data-Analysen. Zwar wird in diesem Bereich eine Steigerung von 36听Prozent verzeichnet, aber laut einer Untersuchung von Dresner Advisory Services sind es die Finanzabteilungen, die bei der Einf眉hrung von Big-Data-Analysen hinterherhinken. Als Hauptgrund f眉r diese Zur眉ckhaltung wurde fehlende Benutzerfreundlichkeit genannt.
Maschinelles Lernen kann anhand bisheriger Ergebnisse die wahrscheinlichsten Zahlen ermitteln und k枚nnte so Vorhersagen treffen. Ein Beispiel hierf眉r sind 鈥濻mart Alerts鈥� bei Gewinnen oder Verlusten. Diese integrierte Funktion identifiziert Anomalien, die nicht mit den erwarteten Ergebnissen 眉bereinstimmen, und benachrichtigt den Finanzanalysten. Dieser hat die M枚glichkeit, die Funktion gegebenenfalls zu 眉bersteuern und er kann verbal mit dem System interagieren. 鈥瀂eige mir die Abweichung …鈥� oder 鈥瀂eige mir die wichtigsten f眉nf Faktoren, die dieses Ergebnis beeinflussen.鈥� In all diesen Szenarien unterst眉tzt das maschinelle Lernen den Analysten, aber es ersetzt ihn nicht. Es versetzt ihn aber in die Lage intelligente Entscheidungen zu treffen.
Wie funktioniert das und wie wird eine intelligente Planung daraus?
In modernen Cloud-Anwendungen sind intelligente Szenarien integriert, die die aktuellsten Erkenntnisse bereitstellen. Sie analysieren die tats盲chlichen Daten, die von den Aufzeichnungssystemen verwendet werden. So haben die Anwender die M枚glichkeit, im Kontext ihres Gesch盲ftsprozesses oder Workflows, auf die Analyseergebnisse zu reagieren.
Es ist m枚glich, intelligente Apps zu entwickeln, um die integrierten Machine-Learning-Szenarien anzupassen und Erkenntnisse aus den harmonisierten Daten verschiedener Abteilungen zu gewinnen. Diese Ergebnisse k枚nnen dann in den Planungsprozess einflie脽en.
Einige Beispiele aus der Praxis
- Ein europ盲ischer Hersteller von Fenstern und Oberlichtern bestimmt die Wahrscheinlichkeit von Ausf盲llen bei seinen Produkten. Die Prognosen flie脽en in den Planungsprozess ein, um sicherzustellen, dass die Kosten f眉r Arbeitskr盲fte und Material im Budgetrahmen liegen. Durch dieses Vorgehen hat das Unternehmen nicht nur Kosteneinsparungen erzielt. Auch die Kundenzufriedenheit ist seitdem gestiegen.
- Ein f眉hrendes Einzelhandelsunternehmen nutzt maschinelles Lernen, um die Treiber des Gesch盲fts zu verstehen. Die Produktionsdaten und die demographischen Daten der Filialen werden st盲ndig 眉berwacht. Analysiert werden diese Faktoren vor, w盲hrend und nach jedem Quartal. Mit der Anpassung der Pl盲ne bis zum n盲chsten Jahr zu warten, k枚nnte das Unternehmen sich nicht leisten. Die Kauflust potenzieller Kunden innerhalb eines bestimmten Radius zu verstehen, ist ein wichtiger Teil des Plans. Je schneller die Planer die Auswirkungen auf die Gesch盲ftstreiber ermitteln k枚nnen, desto pr盲ziser k枚nnen sie den Plan anpassen. F眉r sie ist die Planung kein einmaliges Ereignis, sondern ein kontinuierlicher Prozess.
- Fluglinien und Transportunternehmen haben seit jeher mit unvorhergesehenen Ereignissen zu tun, die au脽erhalb ihrer Kontrolle liegen und sich auf ihre Pl盲ne auswirken. Am deutlichsten wird dies beim Treibstoff. Die zuk眉nftigen Preise f眉r Kraftstoffe k枚nnen sich erheblich auf die Profitabilit盲t und s盲mtliche Gesch盲ftsaktivit盲ten auswirken.
- Die Ausfallwahrscheinlichkeit von Teilen vorhersagen zu k枚nnen, k枚nnte enorme Auswirkungen auf die Kosten haben 鈥� mal ganz abgesehen vom Umsatz. Wenn das Flugzeug, der Lastwagen oder das Schiff nicht verf眉gbar ist, entstehen Umsatzverluste.
- Noch schwieriger vorherzusagen ist das Wetter, aber es hat Auswirkungen auf all diese Branchen. Hersteller in der Bauzulieferindustrie haben die Genauigkeit ihrer Vorhersagen verbessert, indem sie Wetter- und Wohnungsbaudaten in ihre Prognosen aufgenommen haben. Nun kombinieren sie ihre Daten mit den Analyseergebnissen der regionalen Baum盲rkte und bereits im ersten Jahr nach der Umstellung haben sie zehn Prozent mehr Umsatz erzielt.
Mehrwert durch intelligente Planung
Die Konzepte f眉r maschinelles Lernen und komplexe Analysen sind nicht neu. Mit Technologie ist es m枚glich, jeden Mitarbeiter im Unternehmen zu best盲rken. Maschinelles Lernen, intelligente robotergesteuerte Prozessautomatisierung und Chatbots werden signifikante Effizienzvorteile bringen. Der wahre Wert wird sich letztendlich in der h枚heren Produktivit盲t der Mitarbeiter und besseren Gesch盲ftsergebnissen darstellen.
Datenanalyse-Tools und maschinelles Lernen schaffen die Voraussetzungen f眉r eine intelligente Planung. Aufgaben, an denen ein Team von Wissenschaftlern fr眉her monatelang gearbeitet hat, k枚nnen heute von Gesch盲ftsanwendern in einem Bruchteil der Zeit durchgef眉hrt werden. Die Vorteile liegen auf der Hand: zufriedene Kunden, zufriedenere Mitarbeiter und h枚here Gewinne.
Dieser Artikel wurde urspr眉nglich auf 听听ver枚ffentlicht und wurde mit Genehmigung abgedruckt.
Wussten Sie, dass 麻豆原创 Ihnen kostenlos einen Bericht mit personalisierten Gesch盲ftsszenarioempfehlungen zur Verf眉gung stellt? Wie Sie einen solchen Bericht anfordern k枚nnen, erfahren Sie in unserem 听.
