67
Ziel von
Advanced Analytics
ist es, in den
immer umfangreicher werdenden Datenbe-
ständen interessante Muster aufzudecken, Ab-
hängigkeiten zu erkennen sowie Prognosen
über zukünftige Ereignisse und Gegebenheiten
erstellen zu können. Den Kern bilden dabei
analytische Verfahren sowie zugehörige Algo-
rithmen. Das in BI und Analytische Plattformen
zunehmend integrierte
Visual Analytics
er-
möglicht es dem Anwender, Datensets gra-
fisch, explorativ zu analysieren. Beispielsweise
lassen sich visuell bestimmte Datenpunkte
markieren, um auf diese Weise neue Gruppen
zu generieren und diese als Filter für neue Aus-
wertungen zu benutzen. Zunehmend werden
auch grundlegende analytische Kenngrößen,
wie z. B. Streuungsmaße (Standardabwei-
chungen/Varianzen) oder Konfidenzintervalle
unterstützt. Ein Trend ist die
Integration von
Advanced und Visual Analytics
.
Action Research des ICV
mit Bosch Diesel Systems
Zusätzlich zu den skizzierten Herausforde-
rungen Geschwindigkeit/Agilität sowie Gra-
nulare Datenhaltung und Geschäftsprozess-
informationen stehen viele Unternehmen vor
für das Teil-Segment Advanced Analytics/
Data-Science-Plattformen (Herschel et. al.
2015). Letzteres adressiert Technologien,
welche auf Basis von quantitativen Methoden
weitergehende und algorithmisch getriebene
Analysen ermöglichen (vgl. Abbildung 3).
Hinzu kommt, dass sich der Markt für BI und
Analytics-Plattformen in den letzten Jahren
grundlegend veränderte (Sallam et al. 2015).
Vorherrschendes Ziel war lange Jahre insbe-
sondere ein auf Effizienz getrimmtes, stark zen-
tralisiertes und möglichst automatisiertes Be-
richtswesen. Anwender erwarten jedoch auf-
grund der hohen Änderungsgeschwindigkeit in
den Märkten zunehmend eine schnelle Reakti-
onsfähigkeit auf Veränderungen, die Möglich-
keit interaktiver Analysen und zusätzliche Er-
kenntnisse durch die Nutzung fortschrittlicher
Analyseverfahren. In der Konsequenz heißt
dies, dass Analysten und Business User immer
stärker befähigt werden, in die Rolle von Infor-
mationsproduzenten hineinzuwachsen. Deut-
lich beobachtbar ist, dass Unternehmen immer
mehr versuchen, diesen neuen Anforderungen
gerecht zu werden, indem sie von traditionellen,
IT-zentrierten Plattformen auf flexiblere, dezen-
tralisierte und eher auf Datenexploration ausge-
legte Plattformen umsteigen.
Die Veränderungen haben dazu geführt, dass
sich traditionelle Anbieter diesen neuen Anfor-
derungen öffnen. Zusätzlich konnten sich neue
Anbieter erfolgreich am Markt positionieren
(vgl. Abbildung 2). Diese Entwicklungen gelten
sowohl für das Teil-Segment BI und Analytics-
Plattformen, das eher auf Reporting und explo-
rative Datenanalyse ausgerichtet ist, als auch
Abb. 3: Advanced Analytics/Data Science Plattformen (in Anlehnung an Linden et. al. 2017)
Autoren
Prof. Dr. Andreas Seufert
lehrt Betriebswirtschaftslehre und Informationsmanagement an der
HS Ludwigshafen. Er ist Direktor des Instituts für Business Intelligence
an der Steinbeis Hochschule Berlin, Direktor des Business Innovation
Labs der HS Ludwigshafen und Leiter des Fachkreises „BI/BigData-
Controlling“ im Internationalen Controller Verein (ICV).
E-Mail:
Dipl. WiWi. Björn Reitzenstein
ist Senior Manager für das weltweite Rechtseinheiten Con-
trolling bei Bosch – Diesel Systems. Er arbeitet im Fachkreis
BI/Big Data-Controlling des Internationalen Controller Vereins
e.V. (ICV) mit.
E-Mail:
Matthias Dannenberg
ist bei der Robert Bosch GmbH in verschiedenen Führungspositionen in
Controlling, Accounting und Einkauf im In- und Ausland tätig. Er ist
ICV-Mitglied und im Fachkreis BI/Big Data-Controlling aktiv. Zuletzt
war er Vice President Business Unit Controlling bei Bosch Diesel Sys-
tems und hat in dieser Rolle das Trufa-Projekt geleitet. Aktuell arbeitet
er als Referent für die Bosch Geschäftsführung und den Vorsitzenden
des Unternehmensbereichs Bosch Mobility Solutions.
CM Januar / Februar 2018
